以下文章来源于商业评论 ，作者胡兴民

“企业数字化的战略思考框架。”

作者：胡兴民，中国自贸区数字经济研究院副院长，曾在顶新国际、海尔、麦德龙、eBay等企业担任高管。

最近，我又密集参加了几场研讨会，再次听到了关于数字化战略价值的诸多说法。这些研讨会的分享者主要有四类。

第一类是政府部门的代表。他们指出，数字化是必然趋势，对企业的未来生存发展至关重要。不过，他们没有告诉我们，数字化到底是什么？怎么做？能够产生什么价值？

第二类是软件厂商。这些人说，他们的ERP（企业资源规划）、CRM（客户关系管理）软件是企业数字化的最佳选择。可是，这些软件已经面市一二十年，怎么突然换了个身份，从支持业务操作的软件变成了“让企业变得更聪明的软件”？

第三类是服务于大型企业的IT主管。他们大都展示了一个非常复杂的架构图，里面既有门店收银、天猫、京东、移动App、官网商城等各种应用构成的前台，也有ERP、WMS（仓库管理系统）、TMS（运输管理系统）、数据仓储等诸多熟悉名词汇聚的后台，还有他们最喜欢谈论的能够整合后台数据、赋能前台运营的中台。

企业职能主管。制造行业的分享者说，数字化可以提升产品生产效率和质量。零售行业的则说，数字化可以帮助获客，做好客户关系管理。显然，他们都是从各自职能的视角出发的，好像安装了相关系统，就完成了企业的数字化。

可见，上述各类分享者关于数字化或智能化的说法，就像是盲人摸象，每个人讲的好像都很有道理，可是又不完全正确。那么，到底有没有一个比较好的战略思考框架，可以帮助企业审视自己的数字化做到了什么程度，还有没有其他更有价值的应用机会？

为了回答这个问题，我对国内外十余家大型企业的数字化路径进行了研究，归纳出了一个企业数字化五阶段模型。
1、数据连通   
2、运营监控
3、自主优化
4、智能企业
5、生态整合

利用这个战略思考框架，你可以对自己企业所处的数字化阶段或程度做出判断，同时，可以清楚看到现阶段还有哪些不足，以及接下来还可以朝哪些方向进一步提升，为企业创造更大的价值。

  第一阶段：数据连通

数据连通就是解决目前企业普遍存在的信息孤岛或应用孤岛的问题，也是企业数字化、智能化的基础工作。

比如，在石化、炼钢等连续型生产企业，生产流程中的很多过程控制系统（PCS）会实时收集各个生产单元的相关数据，如炼钢炉内铁水的温度、压力、杂质含量等。

在机械加工行业，需要了解生产线上加工设备的相关数据，如刀具、钻具等的加工精度、耗损情况等。在零售行业，需要实时掌握终端的产品销售等数据。

所有这些通过各种方式采集的数据，会实时汇集到企业总部的控制室或老板的办公室，并展示在一个非常壮观的数据看板上。没错，如果你的企业完成了数据连通，最终就会展现在数据看板上。

虽然我并不反对将数据看板视为企业数字化的范畴，但是，当很多企业兴奋地向我演示它们的数据看板，并且告诉我这就是它们数字化的成果时，我心里嘀咕着：这只是企业数字化最初级的工作，还完全不涉及任何智能化。

  第二阶段：运营监控

当数据汇集到企业总部时，企业需要立即对这些数据进行比对分析，以掌握业务运营过程是否发生异常现象。

比如，在炼钢厂，炼钢炉内的铁水在温度、压力等指标上都是有一定标准的，数值过高或过低都会影响产品的质量。

在机械加工中，钻孔的深度和位置需要实时与产品规格做比较，以判断加工精度是否达标。

很多企业也会将这些异常信息展示在数据看板上。这时候，数据看板就成了展现企业初步智能化的可视化工具。你可能会问，都是将信息呈现在数据看板上，第二阶段与第一阶段的关键差异在哪里呢？

很简单，第二阶段开始具备发现异常的能力。在第一阶段，数据看板只是展现当前的业务运营状况，并没有处理是否异常的相关问题。要判断是否异常，可以用流程、工艺的标准作为比对基础，比如在机械加工、农业生产中的应用场景。

但是，有些行业，比如零售行业、仓储物流行业等，没有流程、工艺标准，这时候，可以跟历史数字或计划数字进行比对。所以，第二阶段比第一阶段多做的是比对数据，发现差异，并提出警示。如果没有做到这些，你的企业就仍然停留在第一阶段。

  第三阶段：自主优化

自主优化开始涉及更多的智能化处理。在第二阶段的数据比对中，一旦系统发现当前业务运营存在异常，需要立即做出两个动作：1. 进行诊断，找出原因；2. 制定调整方案或处方行动。

系统如何能够自我诊断并提出调整方案呢？关键在于知识的积累。

生产制造中的问题判定和调整方案，因为有固定的操作标准作为依据，相对来说容易实现自主优化。而商业上的自动化则较难标准化。这时候，系统需要对业务行为的因果关系进行解构，了解数值变化中的机理，才能做出正确的判断。

当然，无论是数据采集、异常判断，还是提出方案、效果反馈，这些操作都是数据系统自动处理完成的。如果你们的业务流程也能够做到这样的智能化处理与经验学习，就说明你们在业务环节上已经达到了自主优化的程度。

  第四阶段：智能企业

在前一阶段，企业数字化的重点是，针对企业的生产制造、市场营销、物流配送等环节中的一部分进行高效的数据采集和应用，目的是达到局部的最优化。

同理，我们把企业市场营销环节的客户标签、客户行为变化、精准营销案例等数据，销售环节的交易、订单、库存、发货等数据，供应链环节的供应商产品、可供货状况、质量、价格等数据，仓储物流环节的库存、可用车辆、路线派遣等数据，也都存放到云端。

这时候，我们可以看到，云端的所有数据完整映射了企业实体的采购、供应、生产、物流、市场、销售、服务等各个环节的真实状态。通过建立数据模型，我们将这些跨部门的数据进行整合应用，就能够使企业整体的效率达到最佳。

这种将整个价值链的实体操作状态数据传送到云端，在云端通过数据模型建立所有环节之间关系的数字化模型与数据应用，我们称之为CPS（信息物理系统）。

  第五阶段：生态整合

前一阶段的智慧型企业看起来已经发展到了数字化的极致，下一步还能做什么呢？

想一想，当你面对客户时，在很多情况下，是不是需要其他企业配合协作？这种分工协作就产生了一个时髦的词——生态圈。其实，生态圈现象由来已久，严格来说，几乎所有企业都存在于某个生态圈之中，只是过去缺乏信息对接，使得原本彼此紧密的关系链被切断了。 

企业数字化五阶段模型是根据众多案例实践和调研总结而成的经验法则，我们在应用这个模型时需要了解和关注它的三个特点。

  1. 发展连续性

数据采集是所有企业数字化、智能化的基础。有了数据采集和连通，企业价值链环节才可能实现局部的运营监控。能够监控，才可能发现问题，做出调整，实现自主优化。等到所有环节都能做到自主优化，整个企业就实现了智能化。当一个生态圈内的每个企业都智能化了，整个生态圈也就智能化了。

可见，数字化是一个连续发展的历程，各个阶段不能断开，也不能跳跃式推进，必须实实在在地一个阶段一个阶段向前走，才能积累出强大的数字能力。

  2. 覆盖延展性

从企业数字化五阶段模型可以看出，数字化的前三个阶段都聚焦在价值链环节的局部功能上，第四阶段开始关注整个价值链的数据整合和应用，到了第五阶段甚至超越了企业的边界，扩展到整个生态圈。

所以，企业数字化的覆盖范围是具有延展性的，企业在规划自己的数字化进程时，需要从小到大逐步扩大范围。

  3. 价值递增性

在企业数字化五阶段模型中，对于作为基础的数据采集，还无法计算其价值，因为数据还没有加以利用。但是，从第二阶段开始，通过数据比对分析，能够对企业运营中出现的问题提出警示。

到了第三阶段，能够帮助制定方案，排除问题，比如在生产环节确保产品质量，在物流环节提高效率，在销售环节避免客户流失。

在第四阶段，因为整合了价值链所有环节的信息，就能够全面提升企业的运营效益，甚至实现商业模式创新，快速提升企业的竞争力和获利能力（比如卡特彼勒的案例）。

到了第五阶段，产生的价值更大，因为企业能够更有效地利用外部资源加强对客户的覆盖，提升客户价值。所以，在企业数字化五阶段模型中，越到后面的阶段，数字化价值就越大。

随着人工智能、物联网、云计算、移动互联网等技术的迭代创新，技术对企业数字化赋能的能力更加显著。

面对未来的发展与竞争，企业势必要在数字技术应用上做更多的投入，才能更有效地连接内外部资源，给客户提供更有价值的服务，创造自身更强大的竞争力。