转换：数字化转型思维
来自实际案例的启示
无疑，数字化、数字化转型和数字经济是近几年兴起的社会和经济热点之一。至于，什么是数字化，什么是数字化转型，什么是数字经济，不同的人有不同的理解和答案，而这方面的著作也可算是汗牛充栋。在这里，笔者还是想花一些篇幅来谈数字化和数字化转型思维，主要是受到了几个实际案例的启发。
前不久，笔者应邀给浙江某地的企业家协会做了一个企业数字化方面的培训报告。报告中谈到浙江的制造业，其实也可以说是中国的制造业所面临的几个问题：
（1）市场和客户对产品的质量要求越来越苛刻，环保要求和用工成本越来越高，而产品售价在近20年中不仅没有提高，甚至还有所下降，导致制造业的钱越来越不好赚。
（2）很多年轻人宁愿去送外卖也不愿意进工厂上班。随着老一辈产业工人的老去和退休，制造业的用工荒就越来越严峻。同样，很多企业家的后代热衷于搞投资而不愿意接班，因为制造业做起来太累。
（3）有些企业虽然导入了精益、TOC、ISO质量等管理体系和方法，企业的经营效率并没有得到明显的改善，交货不及时、库存积压等问题仍然比较普遍。
 
图片
图1：近20年制造业所面临的经济环境缩影

也许是与会的企业家对上述问题感同身受，会议结束后，有几个企业家当场就与笔者交换了联系方式，并邀请笔者到他们的企业去做现场交流和调研。会后，笔者也查阅了部分已经在证券市场上市的制造型企业的财务年报。通过对库存周转率等关键经营业绩指标分析发现，不同企业的表现差异很大。以年度库存周转率为例，好一点的企业能做到10以上，而不理想的企业只能维持4不到，这意味着大量的库存积压和资金占用。
为了改善企业的库存周转率，办法有很多，比如导入精益生产体系或TOC，等等。如果与数字化相结合，数字化建设能不能帮助企业提高库存周转率？（需要补充说明的是，这些企业大部分都实施和应用了SAP或其他品牌的ERP系统。）如果数字化能解决这个问题，那应该怎么做？难道把ERP没有用好的原因又推诿到企业管理不规范、流程设计不合理或是业务变化太快等方面上去？
数字化转型思维的核心
既然大家在各种场合大谈特谈数字化转型的价值和必要性，那么，数字化转型就应该敢于和善于硬碰硬，应该帮助企业解决经营管理中的各种问题，比如库存周转率的改善，而不应该设置太多前提条件，总是把数字化成效不显著的问题推诿到管理不规范上去。因此，笔者说企业的数字化转型需要有转型思维，数字化转型思维的主题就是要敢于和善于将企业生存发展中所面临的各种问题转化为数字化的问题。
以改善库存周转为例，要求企业从改善跨部门协作入手以缩短订单交货周期，要求企业做好销、供、产等业务的可视化以实现供应和需求的精确匹配，要求企业做好流程贯通、职能贯通、数据贯通、系统贯通和运营治理体系的建设，通过对交货周期、成本、质量、柔性等指标的监测和诊断，推动基于流程集成和数据驱动的订单交付体系的持续改善。
 
图片
图2：基于业务可视化的供需精确匹配

更进一步地讲，流程集成不是简单地做系统集成和数据对接，否则，也不一定能确保流程的高效和订单交付周期的缩短。为了达到上述目的，企业还需对流程的运行进行监测，并对运行效果不符合目标或预期的流程进行根因诊断，以识别改进的方向和措施，这就是所谓的流程挖掘和流程智能，后两者属于数据分析和数据驱动的范畴。也唯有此，流程集成和数据驱动才算是实现了有机的结合。
因此，通过上述工作，我们把企业经营管理中所存在的问题转化为流程集成和数据驱动的问题，而不是一味地推诿到企业管理不规范或是要求企业导入精益生产体系上去。换句话说，数字化要敢于和善于向企业所面临的各种问题“亮剑”，敢于和善于给企业开“药方”。唯有此，才算是真抓实干的数字化转型思维。
回过头来看，很多企业虽然实施和应用了SAP等ERP系统，但并没有对系统中的业务流程进行监测，更没有对运行不理想的业务流程进行问题诊断和持续改进。系统上线一段时间以后，随时业务的变化和数据的积累，不仅系统的运行速度变慢，系统运行的细节仍然还是“黑箱子”，这样的ERP系统实施应用能给企业带来明显的经济效果才怪呢！
如上所述，数字化转型思维的核心是“转换”，即，敢于和善于把企业所面临的各种问题转换为数字化建设的问题；进一步来讲，转换为要素联结、流程集成、数据驱动、场景体验和模型仿真等的问题。
数字化建设中的要素联结
PC互联网、移动互联网、物联网、车联网、消费互联网、工业互联网，等等，不管是什么样的形式或叫法，它们最基本的特点是“网”，解决的是要素之间的联结。如果联结的问题解决好了，人与人之间、人与物之间、人与环境之间、物与物之间、物与环境之间，就可以实现跨越地域和时间限制的沟通，企业就可以实现更大广度和更深深度地对要素进行整合，可以以更低的成本和效率获取所需的资源，并以更快的速度触达更广阔的市场。
要素联结是数字化建设的首要赋能形式，ERP、CRM、PLM、MES、电子商务、工业互联网，等等，首先实现的是相关要素的联结。
很多互联网企业就是因为充分利用了基于数字化的要素联结，才成为所谓的“独角兽”。
数字化建设中的流程集成
因为有社会分工，单个工种日趋专业化，单个岗位或个人的工作效率也更高；因为有社会分工，不同专业之间的隔阂越来越深，企业中的部门墙也越来厚，越来越高；这是事物矛盾两面性的必然。流程集成解决的就是跨企业、跨部门、跨岗位之间的协同，将原本的“多”得以整合为“一”，也就是《道德经》里所提倡的“得一”。
工业4.0的重点举措是“三项集成”，即，纵向集成、端到端集成和横向集成。
“纵向集成”解决的是企业中决策层、管理层、执行层、操作层等各个垂直层面之间信息的双向贯通，包括决策和计划信息自上而下100%不失真地快速下达和现场操作和执行信息自下而上100%不失真地实时反馈。
“端到端集成”指的是产品定义和工程变更等与产品或工艺有关的信息在市场、研发、采购、生产、物流、服务等不同专业部门之间的有序发放，以确保在正确的时间，正确的地点，把正确的信息发送给正确的人。
“横向集成”指的是企业与上游供应商和下游经销商或客户之间业务协同，其目的是在产业链中供应和需求信息可视化的基础上，尽可能消除供应链的牛鞭效应，并实现供应信息和需求信息的精确匹配，实现最大程度的精益。
研究表明，企业的经营绩效不佳，主要原因是企业内各部门之间，或是企业与上、下游合作伙伴之间存在大量的业务脱节和“灰色地带”，而这正是流程集成的使命所在。
数字化建设中的数据驱动
凡事预则立，不预则废。组织的“预”，要建立的基于数据的业务洞察基础上，这也就是所谓的数据驱动的业务决策。根据洞察的及时性和内涵的不同，数据洞察可以有描述性分析、诊断性分析、预测性分析和规则性分析等不同形式，而且后者的价值比前者要大得多。
描述性分析所传递的是过去发生了什么，常见的有企业的经营日报、周报、月报和年报。
诊断性分析所传递的是哪些事情发生了，其结果是否符合我们的预期；如果与预期有偏差，就要进行业务报警，并能告诉我们偏差的根因是什么。
预测性分析告诉我们的是未来将会发生什么，以便于我们提前做好应对。预测性分析在设备维护和质量控制等领域已经有非常成熟的应用。以设备维护为例，修复性维护不如计划性维护，而计划性维护不如预测性维护，因为在预测性维护中，不仅设备的使用寿命较长，而维护成本也较低。
规则性分析能够告诉我们的是为了达成未来的某个目标，我们应该如何来计划和组织，应该采取什么样的行动。规则性分析类似于自适应，已经接近于真正的智能化了。
数字化建设中的场景体验
在营销领域中，用户体验已经成了营销工作的焦点，提升用户体验是营销工作的主要方向和目标。通过数字化建设，组织可以为用户提供精简、直观、交互式和个体化的体验。
数字化用户体验的核心在场景的设计。通过对用户体验旅程的研究，组织可以把用户体验旅程分解成一个个的触点和场景。在每一个场景，只展现当前所需的信息，因而可以做到精简和直观。每一个场景都可与云端的数据和服务做连接，可以根据用户的操作和反馈进行实时响应和交互。通过用户画像，组织可以了解用户360的信息，包括用户的需求和行为偏好，再与场景相结合，可以为每一个用户推送他（她）感兴趣的信息，达到千人千面的效果，真正做到“特别的爱给特别的你”。
数字化建设中的模型仿真
数字化建设的另一革命性变化是基于数字孪生技术的模型仿真的应用。
根据陶飞博士等人的说法，数字孪生由五部分组成：物理实体、虚拟实体、数据、服务和连接。物理实体代表的现实中的事物，比如现实中的某台设备。虚拟实体是物理实体所对应的几何模型或其他形式的模型，通常来源于事物的三维CAD模型，也就是所谓的基于模型的定义（Model-Based Definition，MBD）。数据指的是包括物理实体的运行数据、虚拟实体的设计数据，以及存储和加工数据的云平台，等等。服务是从商业价值出发所开发的相关功能或应用。连接包括虚拟实体与物理实体的连接、物理实体与数据云平台的连接、虚拟实体与数据云平台的连接、物理实体与服务的连接、虚拟实体与服务的连接、数据与服务的连接，等等。
基于数据孪生的模型仿真正在，也将在企业的生态环境中发挥出日益重要的作用。在设计领域，企业可以通过数据孪生来了解历史产品的表现和客户的需求偏好，为产品设计和参数定义提供现实的数据参考。在测试和验证领域，基于数据孪生的模型仿真，可以部分或充分替代实物验证，从而大大降低测试和验证的成本，缩短产品的开发周期。在运行和服务领域，通过数字孪生，企业可以实时了解产品的使用情况，并进行参数优化的模拟和仿真，为持续改善提升更系统、更具操作性的改善建议。
在不远的将来，通过基于数据孪生的模型仿真，企业可以搭建类似于飞行器驾驶舱的数字化运营管理平台，从而大大降低运营管理的复杂度，让数字化成为企业7×24全天候无忧的好“管家”。
数字化转型与组织战略
谈到数字化转型，人们往往容易陷入两个极端：要么过分夸大数字化转型的威力，要么根本忽视数字化转型的必然。
过分夸大数字化转型威力的人们，把数字化转型当成一剂能治百病的灵丹妙药，好像什么事情都可以搁到数字化的框框里，而忽视了战略、组织和文化等方面的因素。
数字化转型应该服务于组织的战略，成长于数字化的文化土壤中。只有组织的战略定义清楚了，或者说战略方向没有走偏，再辅以数字化转型来落地，数字化转型才可能有成效。从这个角度来说，战略是“的”，数字化转型是“矢”，有“的”才能放“矢”。
数字化转型的本质是组织能力的重塑，而组织能力则服务于组织战略的实施。战略是选择做什么，能力决定了能不能做和怎么做。战略方向清楚了，能力建设的要求才能明确。当然，能力建设也可能影响战略的制定，这就是所谓的“有了金刚钻才敢揽瓷器活”。因此，从事数字化建设的人们，不仅要有数字化转型思维，还要有战略思维；或者说，战略思维本身就是数字化转型思维的一部分。
能力要素之间的融合和替代
所谓能力，是背景（场景）、业务对象、流程（作业或任务）、资源或工具、信息、角色等各种要素的有机融合。其中，背景是决定了能力的要求，业务对象是能力的作用点，流程是能力的发生形式，信息、工具和角色是能力的使能，而使能要素之间是可以相互替代的。换句话说，就数字化建设而言，数据或技术的应用应该与背景、业务对象和流程做有机融合，还可以与其他工具、角色等使能做合理的替代。就替代而言，可以考虑如何通过数字化来减少不必要的人为干预，把人们从高强度、重复性的劳动中解放出来。如果从使能转换的角度来说，数字化转型考虑的是如何把组织和人的问题，转换为流程和软件的问题，最终归结到数据、算法和模型的问题。
以智能制造为例，作为制造业数字化转型的具体表现形式，智能制造的核心内涵是操作（加工/装配/物流等）的自动化，运营（计划/组织/沟通/协调/控制等）的数字化，以及企业经营管理决策的智能化，根本出发点是将人或组织的问题转化为工具、流程、软件或数据的问题，从而实现网络化、透明化、少人化、高产出、自适应的智能工厂和智能企业，让广大制造业能够赚钱，赚更多的钱，更长久地赚钱，更轻松地赚钱。

综上所述，组织的数字化转型需要有数字化转型思维，而数字化转型思维就是要敢于向各种问题“亮剑”，敢于和善于把组织生存发展中的各种问题通过数字化建设来解决，通过要素联结、流程集成、数据驱动、场景体验和模型仿真等手段来解决，让数字化转型紧紧围绕组织战略来展开，把组织和人的问题转换为流程、工具、技术和数据的问题来解决。


收录于话题 #建模
19个
下一篇交互：客户关系模型思维
文章
转换：数字化转型思维
丁肇之
19 四月, 2021
分享这篇文章
我们的博客
存档
登录 留下评论
制造业数字化转型框架