数据驱动的企业数字化转型

文章来源:火凤凰软件
2021-07-08

1章

数据驱动的企业数字化转型

随着通信与数字技术的发展,网络化和数字化给人类带来更多的精彩和无限的可能,推动我们进入全联接的信息时代和大数据时代。因此,如何响应这个时代的变化是当前所有企业都需要考虑的问题。

 

在这样的时代背景下,数字化转型正在改变许多企业和行业的运作模式,无论是数字原生企业,还是非数字原生企业,都在积极探索数字化转型。社会经济大环境的变化、行业趋势的变化、竞争对手的压力、公司的战略优化、自身经营的改善等是企业数字化转型最主要的驱动力。

 

IDC(国际数据公司)预测,鉴于竞争对手和产业都在进行数字化转型,如果企业不能快速实现数字化转型,到2022年,它们逾三分之二的目标市场会消失。过去几年里,IT厂商和传统企业始终专注于数字化转型,它们利用第三平台技术(云计算、移动、大数据/分析、社交)重组企业架构,而物联网(IoT)、人工智能(AI)和增强与虚拟现实(AR/VR)等创新加速器更进一步推动了这一进程。随着数字覆盖面的扩大、智能技术的广泛普及、应用程序与服务开发的爆发式增长,企业不断释放出“倍增创新”能力,数字化转型已步入第二阶段。在这个技术与商业日新月异的环境中,企业竞相加强自己的数字化创新能力,以便在快速数字化的全球经济中提升竞争力,实现繁荣发展。

 

企业要想在这样的数字时代生存下来,要么是数字原生企业,要么数字化转型成功,成为重生后的数字企业。


 

1.1 非数字原生企业的数字化转型挑战

数字原生企业在设立之初就以数字世界为中心来构建,生成了以软件和数据平台为核心的数字世界入口,便捷地获取和存储了大量的数据,并开始尝试通过机器学习等人工智能技术分析这些数据,以便更好地理解用户需求,增强数字化创新能力。部分数字原生企业引领着云计算、大数据、人工智能技术的发展,推动了数字化时代的发展。在这些数字原生企业中,整个企业的战略愿景、业务需求、组织架构、人员技能、管理文化、思考方式都是围绕着数字世界展开的。

 

与数字原生企业不同,非数字原生企业在成立之时,基本都是以物理世界为中心来构建的。绝大部分企业在创建的时候,是围绕生产、流通、服务等具体的经济活动展开的,天然缺乏以软件和数据平台为核心的数字世界入口,这也就造成了非数字原生企业与数字原生企业之间的显著差异。所以在数字化转型过程中,非数字原生企业面临着更大的挑战。

 

华为公司作为典型的非数字原生企业,在数字化转型过程中面临着与大多数非数字原生企业相似的问题。

 

1.1.1 业态特征:产业链条长、多业态并存

非数字原生企业,特别是大中型生产企业,往往有较长的业务链路,从研发到销售全产业链覆盖。以传统的钢铁企业为例(如图1-1所示),完整工艺包括采矿、选矿、烧结、炼铁、炼钢、热轧、冷轧、硅钢等,辅助生产工艺包括焦化、制氧、燃气、自备电、动力等,在各个工艺流程中沉淀着大量的复杂数据。


 


图1-1 钢铁企业工艺流程简图

 

华为公司在构建面向客户价值流的过程中,同样形成了从研发到销售、供应、交付、运维的长链条,同时产品类型包括电信基站、服务器、CPU、电脑、手机、耳机等,横跨多个产业。这在某种程度上造成了各条块分割、业务组织强势、变革困难、变革复杂度极高等问题。

1.1.2 运营环境:数据交互和共享风险高

非数字原生企业,特别是注重实物生产、交易的大中型企业,还面临着场景复杂的特点,比如交易复杂、风险周期长、内外部风险多等。生产过程中需要关注原材料供应、人工成本、物流过程;交易过程中涉及进出口的还需要关注外汇汇率、当地政治环境、海关、法律法规、安全隐私、环境保护等多种信息;对于设备需要异地安装的情况,还需要考虑地理环境、道路环境、施工条件、运输条件、用工政策和安全防护等复杂因素。

 

华为公司的服务对象从运营商、企业客户到个人消费者,服务范围和雇员遍布全球100多个国家和地区,需要严格遵守各个国家和地区的进出口管制措施、环保条例、安全隐私法规等。这些业务形态上的特点,导致包括华为在内的诸多非数字原生企业对数据共享(特别是生产、销售侧数据的对外共享)有更多顾虑,更容易形成客观上的“数据孤岛”。

1.1.3 IT建设过程:数据复杂、历史包袱重

非数字原生企业普遍有较长的历史,组织架构和人员配置都围绕着线下业务开展,大都经历过信息化过程。很多制造型企业随着不同阶段的发展需求,保留着各个版本的ERP软件和各种不同类型的数据库存储环境,导致数据来源多样,独立封装和存储的数据难以集中共享,也不敢随意改造或替换,IT系统历史包袱沉重。Oracle ERP历年的版本信息如图1-2所示。


 


图1-2 Oracle ERP历年的版本信息(资料参考Oracle)

 

目前,华为公司的主业务流程中存在几千个系统模块,有多版本的ERP、多种集成方式,系统间存在大量复杂的集成和嵌套。各业务领域开发了上千个应用系统模块,包含上百万张物理表、几千万个字段,这些数据又分别存储在上千个不同数据库中,共享困难;数据链路呈“长网”状,典型链路达12层以上,部分链路甚至高达22层。

1.1.4 数据质量:数据可信和一致化的要求程度高

基于业务特征和运营环境的特点,非数字原生企业对数据生成质量有更高的要求。数据产生时的质量高低不仅直接影响产品质量,而且直接影响整个内部业务的运作效率和成本。例如,华为公司会对合同录入质量进行严格度量和控制,以确保下游各环节能够及时、准确、完整地获得所需数据,并在整个端到端链条中对异常数据进行严格监控。数据质量要求严格,需要配置多重精确规则,基于客观事实多重校验,确保数据可信、一致。

 

非数字原生企业在消费数据时对数据质量的要求也更高,一般会更聚焦于与业务流程相关的特定场景,更关注业务流程中问题的根因和偏差,数据挖掘、推理、人工智能都会聚焦于对业务的理解,面向业务去做定制化、精细化的算法管理,因此消费数据时的质量容错空间非常小。

 

上面所列出的非数字原生企业的特点,是我们基于华为的发展和对行业的认知所总结的,包括对非数字原生企业存在的问题和历史包袱等的表述,只是管中窥豹。联合国工业体系分类中525门小工业体系的差异,足以说明非数字原生企业数字化转型的复杂性。精益管理技术下的不合格产品的“小数据”,让制造业AI难以基于这样的数据量训练出性能良好的产品质检模型,同样说明非数字原生企业的数字化转型不可能是对数字原生企业的简单复刻。