苟且红利，在面对当前开放的市场红利情况下，一些企业觉得仍然能够活着，没到变革那一步，一时间内，这些企业仍然能够继续维持。所以那些仍然依靠过去单一的盈利模式、不思变革的企业就是苟且者；敢于创新、善用新技术的企业便可以运用数字化方式获得市场先机，挖掘“苟且红利”。

　　苟且红利的第二层意思，就是能够从当前的公域红利中，结合公司内部数据和流程，通过数据运营，实现很小环节的爆点、效率提升、效益提升；就是数字化转型的苟且红利。

　　在人口出生率持续下降的情况下，人口红利趋于消失，创新发展成为必然；目前的形势就是a、工业机器人取代人力，执行一些劳动力强度大、高危、程序化的工作；b、RPA智能机器人取代有规则、高度重复、低价值的人力劳动，典型的如代码的DAO三层代码生成；c、用数据智能和人工智能技术提升效率，节约人工成本。

　　在目前百年未有之大变局下，中美贸易摩擦持续，必然推动企业结构调整；中美贸易摩擦持续，需要我们加大科研自主创新和投入，培育有核心的自主品牌，讲好中国产品的自主故事。

　　市场供大于求，推动消费持续升级，市场需求的更多的是个性化能够满足客户需求的产品；市场的消费供大于求，消费升级，导致批量化、规模化生产已成为过去；个性化和定制化成为当今的生产趋势。两种方式：a、第一种提供的是产品和服务不变，利用更加精细化的数字营销方式挖掘潜在用户，获得用户增长；b、第二种就是以用户为中心重构企业的产品开发和创新模式，深挖客户需求，针对存量现有客户深层次理解客户需求，制定客户画像，匹配相应服务。

　　生态保护迫在眉睫，企业亟需转型；a、第一种方式通过数字化技术实现精细化运营，减少浪费；b、第二种方式通过数字化技术实现“以销代产”，减少库存积压。

　　新技术快速迭代，促进企业数字化转型。当前随着数字基建和大数据、云计算等技术的发展成熟，企业上云、进行数字化转型已成为可能和必然趋势。a、IT基础设施基建完成：iaas层和一些信息化系统的完善和丰富；b、海量大数据蕴藏巨大商机；c、物联网、云计算基础技术成熟。

　　实现企业的苟且红利。在大量的企业竞争中，所有人都在做事。其中存在大量的苟且者，而你只需要比他们勤奋一点，就可以享受到苟且红利。企业通过数字化转型，运用新技术发现别人不易觉察的商机、精准定位、快速行动。无论对于老企业，还是新企业，可帮助老企业进行转型变革，新企业可以毫无包袱轻装上阵，打造高效的数字化能力。

　　转型可以从战略、效率和用户体验上3个维度详细分析数字化如何颠覆传统行业，在这中会遇到的一些坑。

　　从商业模式(战略)上颠覆传统行业不仅需要企业有强大的行业沉淀和资源，更需要强大的数字化能力储备，很多企业在尝试，但效果不好，成功案例不多。

　　战略变革是对整个企业的商业流程重塑的挑战，难点如下：1、强有力的变革决心和组织保障；2、强大的行业和资源沉淀；3、完善且长远的顶层架构设计

　　从效率上颠覆传统行业着重点在于效率变革，其结果是产品和战略(商业模式)不变的情况下，企业进行效率上的变革。

　　正如流量x用户x商品x生产x物流x其他=效率这个公式的体现，如果每个环节的效率和成本都提升1.1的线倍。

　　所以在战略改革大动刀不可取的前提条件下，我们通过确定流程下的数据整合运营，优化各环节效率，先做到流程上效率的点的提升，再带动流程线的优化，最后做到整个面的优化。

　　以淘宝为例，相同的淘宝主界面，但是不同用户看到的界面是不同的，这就是“千人千面”。根据不同的使用时间，使用地域，使用习惯进行处理，匹配不同的推荐内容。

　　一种认为企业只要正确使用合适的IT技术，就能完成转型；另一部分认为，企业只要对商业模式进行重构，是否引入新技术不重要。这都是以偏概全。

　　无论工业时代、信息化时代、数字化时代、变革发展都是大量社会需求驱动，商业本质是用户。企业必须要理解用户，从用户角度出发，基于数据洞察用户，提供个性化的产品和服务。数字化转型的本质是用户驱动，所以企业需要对用户进行分层、分群、分类，这样才能挖掘到商业核心。

　　1、数字转型加速行业在不断迭代，比如收费站逐渐被电子收费代替；无人银行的出现；无人超市的出现；电话机器人客服出现等等。其中第一批数字化头部行业：互联网、金融；第二批行业：媒体、零售、房地产；第三批行业：政府、医疗、教育等服务部门；第四批行业：制造业、能源行业。数字化改革的发展催生了不同的行业巨头和行业新秀

　　2、新基建和疫情得风口浪尖，迫使企业积极寻找出路，加快数字化转型步伐。由传统的老基建，比如说铁公基的铁路、公路、机场、港口等向数智基础基建：网络、数据中心、云计算平台、基础软件的转型。同时在新冠疫情影响下，国内外许多企业利用医疗数据助力一线防疫，大数据技术实时分享病例等。

　　针对于数字化转型，由于不同行业信息化程度、数字化渗透程度不同，不同行业的转型时间也不同。但是不管如何，很多企业在观望，都在等着抄作业，不敢率先尝试。有的企业虽然率先尝试，但是结果会失败或成功，但一旦转型成功，会比行业内没有开始的行业具有颠覆性的优势。

　　企业的数字化转型一定是一项长期工程，从长远看，对效率的提升、管理的优化、产品的创新、业务拓展都具有持续作用。企业数字化改革一定是从0-1，1-1.5慢慢迭代不断完善优化的过程，大多数企业上来就想一口吃个胖子，谈我想要业务增长得到某某某效果，而整个企业内部数据都未形成统一标准，七零八落分散，底座都未打牢谈什么效果呢，所以数字改革应该是量到质的改变。

　　基于下图剪刀差理论，企业的人力成本会越来越高，数字化成本会越来越低，但在数字化成本和人力成本交叉点来临之前，人力成本是低于数字化成本的。但是当企业等到拐点(交叉点)的时候才开始数字化转型，已经落后其他企业了。

　　企业数字化是螺旋式发展上升过程，在发展过程中，会去试错踩坑，也可以借鉴行业成熟经验，在不断摸索试错中螺旋发展。

　　数据已经成为企业不可忽视的生产要素了，马太效应指的是强者恒强，弱者越弱。所以数据作为一种新型生产要素，与土地、劳动力、资本、技术等传统生产要素并列，都可以为企业赋能。数据作为新型生产力要素，具有叠加优势和规模优势。叠加优势：企业大规模投入数据技术后，使用大量数据也产生更多数据，数据技术也越来越成熟，单个数据技术成本降低，数据效果呈指数及上升；规模优势：劳动力的规模化发展和管理很困难，而企业从1家工厂发展为10家工厂规模，技术提升空间会越来越大，智能效率越来越高。所以马太效应让企业更快抢占市场份额成为行业巨头。

　　综合以上，大概给出各行业的数字化转型时间参考：数据原生之地为互联网行业；再到开启数字化运营探索的电信行业、金融行业；再到积极拥抱数字化的零售行业、媒体行业、房地产行业；再到公共事业、政府、医疗、教育等相关部门；最后是高端制造、油气能源、资本密集型行业；最后是农业等行业。

　　数字化转型是一个系统性工程，就是打造智能商业操作系统过程，从智能商业操作系统——数据应用——企业商业行为这一套闭环的流程。如此循环往复，形成动态、循环拟合的运转状态，帮助企业实现数字化转型目标。

　　智能商业操作系统实质上就是：数据中台+业务中台+组织保障的这样三者合力的数字化转型架构，底层技术依托数据中台建设，支撑着上层应用中台。

　　比如说，零售行业智能定价应用解决了零售行业上百个SKU的智能定价问题。而智能定价首先应该将零售企业的销售、生产、供应链、原材料等上下游数据、竞争对手数据、物流数据进行汇聚、分析和智能处理，为企业提供动态商品参考。

　　企业数字化转型是一场系统性的变革创新，包括战略制定、数据治理、技术更新、产品创新、组织变革、管理变革六大块。转型时无法做到“点线面”结合的话，依靠任一缓解都无法完成高质量的数字化转型，只能是治标不治本。

　　数字化转型中，企业需要做的是：1、梳理数据与业务、逻辑之间的关系，保证数据智能应用的正确方向；2、从数据采集、数据治理、数据挖掘、数据分析、智能应用方面全面部署；3、通过数据治理实现数据打通和共享，实现数据资产沉淀，建立数据模型让应用沉淀，最终实现数据和应用闭环，实现降本增效；4、注重数字化技术与业务、组织架构、生产流程、管理模式的深度融合。

　　数字化转型中，数据、应用、人才、工具、经验、中台六大要素缺一不可，任何一方面出现短板都将影响企业的数字化转型效果。企业螺旋发展过程中，任何一个要素发展滞后，都会影响转型整体效果。

　　人才：企业不同层次的人才需要建设合理，高层次人才、中层次人才、基层数字人才中，高层次人才如CTO、CDO、CIO既要深谙技术原理，又懂业务逻辑，中层次人才解决将数据转变为数字化产品赋能业务应用，推动技术和业务部门的完美配合；基层人才则需要数据分析师、业务分析师、产品等的合理配置。企业需要搭建一套自己的人才体系，培养挖掘一些人才。

　　经验：一定要选择具有行业落地经验、数据运营经验，明确了解数据需求的一些公司。要能够了解数据应用场景和数据价值，明确提出业务部门的数据需求痛点，搭建数据应用场景。

　　3级：以技术为中心，系统化应用数据，利用数据支撑业务。采用BI——ETL——DW模式对数据进行治理

　　数字化领导组织：建立相应的领导组织，转型会对现有的经营模式变革，影响某些团体的利益。某地产集团：产略规划部，数字化转型部等等

　　数字化转型文化：形成以业务为导向、以数据驱动解决问题的意识，打破过去传统分规则和能力，实现提高效能、降低成本

　　落地方法：构建六大地图，分别为战略、业务、需求、应用、算法、数据六大维度的方法论，来提供落地指导

　　数字化转型中，董事会主要推动企业数字化转型，CEO搭建组织架构、选拔和留住人才制定数字化转型KPI，CDO持续推进转型工作。

　　在数字换转型中，首先要调整数字化组织：1、做数字化转型方案的全面梳理；2、设立数字化转型监督组织；3、招聘数字化人才作为董事会新成员。数字化转型方案全面梳理重点在于政策制定，对转型方案进行全盘梳理，包括：战略制定、财务预算、人才布局、技术配备、进度把控，确定各阶段阶段目标。设立数字化新组织负责数字化过程中的过程监督和执行。3、聘用新人才建立利于数字化业务推动工作模式和方法。

　　数字化转型CEO领导组织构建：传统的层级领导结构重在责任回报和问责机制，侧重风险管控、资源优化以及渐进改进。这种方式在数字化改革中是格格不入的。要创建数字化领导组织，建立以CEO为一把手的核心数字化领导组织。CEO作为第一决策人，需要在数字化改革转型中发挥主导作用，为CDO推进和执行数字化转型提供决策意见，协调人力和财务资源、构建领导组织并确认结果，协调与平衡CTO、CIO、COO之间的业务和技术衔接问题。

　　CDO：首席数字家作为负责数字化转型执行领导，负责数据到业务的变现。整体上负责数字化转型过程推进和赋能业务目标

　　CIO/CTO：提供技术支持负责技术把关，负责信息技术和系统的维护与运用，从信息技术角度向数字化团队提供技术改进策略

　　COO：负责多条业务线的梳理，从业务角度提出业务需求，平衡技术部门和业务部门之间的关系，让双方沟通顺畅

　　作为企业的日常事务最高领导，在数字化转型中，CEO要从战略上敲定企业的数字化转型方案，搭建领导组织、协调各方的资源，为数字化转型工作提供支持。要从宏观上制定数字化转型的方案，做好财务预算、定好数字化转型目标、把控数字化转型方向和战略规划。

　　要搭建合理专职的数字化组织架构。从组织架构的领导力、预算成本控制、战略规划、技术水平、经营模式等方面曲子哦那个和考虑。

　　确定内部具体分工，CDO作为团队业务线负责人，树立业务价值，利用数据解决业务问题；CIO作为信息管理者和决策层评估技术性能和专业能力

　　人才标准不能以技术实力作为唯一衡量标准，要以数字化转型预期目标主导数字化，主要包括技术水平、数据水平、业务水平等方面能力。

　　创建数字化工作的专职场所。一方面培养数字化团队间的行动力很凝聚力，另外一方面充分发挥基础数据软件优势，提高数据分析服务价值。

　　如何确定数字化转型的衡量标准和原则：分为收益类KPI直接效益指标和战略类KPI商机捕获和数据应用。指标要适中

　　如何考量数字化进程中的收益：衡量一些业务的效率和利润提升，过程中看到一两个爆点，能够提升大家的积极性

　　如何构建面向未来的战略能力：各个环节效率的提升，最终未来的全局战略目标，整个公司的经营发展。

　　整个KPI制定过程中，1、要能够确定KPI的边界性，数字化转型KPI和企业日常运营KPI区分；2、要注意KPI的时效性；3、要注意KPI的平衡点，避免过度数字化和轻度数字化。

　　失败一未从体系化角度考虑转型：即使投入了大量的人力和精力，但是体系规划不足，起点较低，导致过早夭折。

　　失败二未从技术角度整体规划：起点较高，也投入了大量的IT技术，但一直在技术圈里打转，跨越不出技术泥潭。因为没有投入合适的DT人才和技术。

　　失败三应用场景挖掘不足：具备较好的技术体系和转型体系，但是缺少相应的数字化人才和业务人才，场景挖掘不够深入导致转型失败

　　失败四未处理好转型拐点：前期投入很大，转型速度很快。但当人力和技术成本到达拐点之后，速度放缓，中后期乏力还是导致转型失败。

　　综合以上四种经验和路线，要学会借鉴同行业的成功经验和落地场景，不断与业务结合，逐步投入资源，耐心等待转型效果，即成本+经验+技术+资源。

　　Solution：及时回顾流程，剖析问题环节调整方向；采纳咨询公司的转型方案，依据实际情况调整。

　　数字化转型战略问题上，存转型在思想不统一、能力不统一、KPI不统一、利益不统一、态度不统一导致无法齐心齐力

　　缺少数字化转型的经验人才、缺少数字化运营人才、用数据意识去解决业务问题、数字化人才没有形成闭环，从底层到高层无法有效支撑整个数字化体系。

　　统一的数据中台架构：能够帮助企业打通不同业务部门数据，统一用户中心。避免大量的重复建设成本。

　　提供数字化经验借鉴：借助数据智能服务商的力量搭建数据中台，投入小，见效快，大大缩短企业试错时间，降低试错成本。

　　复用数字化转型经验的重要性：并不是单纯照搬，而是根据企业自身特性，借鉴他人经验，调整为合适的数字化转型方案。要能够确保数据中台基础架构搭建万无一失，不断复用数据中台能力。

　　分别是指战略地图——业务地图——需求地图——(数智)应用地图——算法地图——数据地图。企业根据战略地图梳理业务地图，通过业务地图形成需求地图、需求地图梳理完成后，结合数字化转型路线完成数智应用地图，最后通过算法地图和数据地图完成数智应用地图。

　　战略地图：目标分级分层，形成动态战略地图，将利润和战略分解。梳理现有战略，明确新的战略目标，使行动一致。比如说利润营收提升亿元，要将1亿元分成小目标逐级实现：营收中心的营收目标，零售网点的营收目标等。

　　需求地图：由业务地图梳理出需求地图，明确需求排序原则，并且由数字化团队将业务需求整体为可实现的产品。

　　应用地图：制定数据应用规划，建立应用环境，完善应用体系。围绕已经掌握的数据资源，通过数据采集、处理、存储、分析、挖掘、可视化和安全验证，挖掘和展示数据蕴含的价值，加强业务创新能力(数据指标、数据标签)。

　　数据地图：当企业完成战略、业务、需求、应用、算法地图梳理后，需要进一步构建数据地图。借助于数据资产管理工具，进一步汇聚数据，对当前的数据进行统一管理梳理。主要包括：规划数据资源并且保障数据应用效果；盘点数据，提高数据应用效率；管理数据模型，提高数据质量。

　　企业数字化转型是否成功，1、关键在于判断是否能够赋能一线、赋能销售，提升销售的效率和精准度；3、赋能运营，缩短决策时间；4、赋能产品经理，个人经验和数据加持下打造出满足用户需求的产品；5、赋能财务，打造合理的绩效指标，提升团队运作效率；6、赋能经营，提升高层、中层、基层三方面效益；利他作用。

　　一线员工：现状是高层仅有CEO是数字化人才，中层大部分是碎片化理解数字化的人，基层大多是不愿意接受数字化的人。所以加大基层数字化思想很重要。

　　赋能销售：数字化转型实质是以产品为中心转变到以客户为中心(产品——客户的转变)。2C型销售为销售提供实时、全面全域数据，开展精准营销。形成用户画像和群组分析。2B型销售则针对合作伙伴的结款时间、合作效果、续约情况等来对合作伙伴进行预测，掌握合作伙伴的经营状况等。

　　赋能运营：企业要将品牌知名度和销售增长量合二为一，兼顾运营多方需求，不断融入新的技术和创新思维。比如说智能定价，结合当前上下游的原材料，市场销量等状况实现最合理实时定价。

　　赋能生态：基于数据直接赋能供应链上企业的生产流程、经营生产、用于运营、产品销售等，向供应链上的企业提供服务。

　　数字化转型的前200天，首先要确定资金和目标，设定好不同阶阶段和全局的KPI。准确的目标后，需要和技术、数据、业务、管理等方面沟通，确定管理过程中的管理和部署数据实现目标。

　　制定前200天的详细执行计划：共同制定+战略变革+亮点突出。主要以下几点：1、加强与团队成员关系，CDO积极与数字化团队建立合作关系，调动员工积极性；2、了解组织结构；3、列出关键利益相关者。

　　在200天详细执行计划时，CDO需要与其他部门进行沟通，确定好计划执行的评估标准、计划执行的步骤。从企业运行、业务增长、收入创造等方面展示。最终制定“2361”计划，也就是200天计划，3大变革，6大地图，1个爆点

　　详细阐述200天执行计划：自查——组织——方法——工具。分别是评估自身的数字化水平——评估自我准备程度——构建数字化领导班子——确定变革方式——构建六大地图——数字化执行组织建设——搭建数字化中台。

　　在200天计划执行过程中，需要注意的是要实时跟踪，并且在任务执行过程中，根据不同阶段制定相应的考核目标以及召开相应的工作激励会议，最终达到评估200天计划执行效果。1、选择有意义的成功标准评估执行进展；2、采用数据估值模型很亮执行效果；3、评估数据准确和一致性；4、监控程序和项目进展情况；5整理2个100天季度报告。

　　CDO中台工具选型考虑参数点：1、契合企业发展；2、契合使用者需求；3、契合使用需求；4、延展性能良好；5、价格合适

　　CDO如何管理数据质量：统一数据质量与业务指标，在数据质量过程中建立问责制。尤其是在建立指标过程中一定要贴合业务。最优办法为从下至上针对已有数据梳理出对应的指标，从上到下针对现有业务梳理出相应的指标。这样的指标是最具价值的。

　　CDO如何管理算法：算法主要分为三类：1、统计型算法；2、挖掘算法；3、AI深度学习算法。要进行算法资产的沉淀，提供标准的算法平台，为未来算法爆发提前布局。

　　在数字化转型过程中，CTO/CIO需要不断提升自己。做到以下几点：1、系统化地学习数字化转型；2、理解数字化转型方法论；3、主动创新；4、调整心态积极应对挑战；5、具备体系意识。具体的应对之道如下：1、开阔技术视野；2、提高技术背景；3、加强团队管理；4、建立企业文化；5、培养产品意识：把客户需求放在第一位；选择适用产品研发的技术；6、增强沟通能力。

　　不同公司的不同状况导致对技术需求也不同，所以企业在数字化转型过程中，正确选择数字化技术，帮助企业顺利完成数字化转型是必要的。比如某些国企更注重产品的安全信创相关技能，一些独角兽企业更注重产品的活力和迭代的速度等。重点主要关注以下几点：

　　真哥哥数据治理过程制定一套标准体系，实现数据治理全覆盖，分别是数据治理全覆盖、数据架构全覆盖、业务领域全覆盖，坚持以应用驱动治理。

　　数据运营团队建设：数据开发工程师、数据挖掘工程师、数据仓库架构师，围绕数据接入、归集、清洗等工作提供雄厚的数据支撑

　　整个团队相互配合。数据智能分析师团队主要对企业内外部数据接入、整合、清洗、归集、存储、管理和分析，按照数据业务要求和规律填充到中台架构中。中台之上形成企业内部的数据中心，配备专业的数据挖掘和建模能力，为前端业务提供多维度数据分析和智能应用服务。

　　颠覆传统数据纵向架构：敏捷发展，快速响应市场需求，提高捕捉市场的能力；形成敏捷组织，根据市场情况快速调整组织架构。

　　重新定义IT/DT：颠覆企业树状建设模式，避免IT部门的重复工作，控制运营成本，重新定义IT的工作方式。

　　数据中台是一种新的技术建设思路：集成式的思路无法真正赋能业务，数据应用多样化，大量临时、短暂需求快速产生导致业务频繁调整，无法响应需求。

　　数据服务能力：帮助业务部门建立工作台，业务人员可以通过工作台快速获取服务，比如数据提取、数据分析、数据推送、数据回流等。对中台数据进行加工、治理、切分、建模、打标签等。构成生态平台。

　　数据应用开发：面向不同业务岗位人员提供个性化数据探索和分析工具，在此基础上生成数据接口，赋予业务人员数据分析能力。业务人员根据需求，探索数据价值，做深度应用开发。

　　数据处理能力：数据中台集中对数据的采集、治理、融合、同步提供了强大的技术支持，实现了数据共享和打通。

　　数据开发能力：数据中台分析工具、挖掘工具、清洗工具可以帮助上下游企业和外部用户直接开发应用。

　　自学习和自动完善能力：数据中台具有自学习能力，可以赋能业务人员，将公司数据资产进行良心循环和回流，赋能业务和技术，成为滚动增长的自学习能力平台。

　　数据质量自动跟踪：多部门角色参与，各部门定义不同的数据指标、标签和使用方式，数据治理体系越来越复杂导致数据生命周期无法跟踪。数据中台通过数据质量智能跟踪和血缘分析，确保数据质量。

　　数据融合能力：随着业务增长，将企业产生发的内部和外部数据进行融合，数据互联互通变得越来越重要。

　　帮助业务部门灵活进行数据分析：数据中台改变了传统的技术部门被动接受业务部门需求进行数据分析的窘况，业务部门可以自行进行数据分析。

　　帮助技术单元、技术单元、外部单元灵活创建应用：DT时代，满足用户需求是企业生产经营的首要目标。企业需要借助数据中台快速响应、探索、挖掘、引领用户需求，基于数据中台开发智能应用满足用户需求，创造更多利润。

　　技术部门不断构建应用能力，沉淀数据资产和价值资产：打通业务、技术、资产，将分散、凌乱、重复的数据整合为有条理、有脉络的数据资产。

　　伪中台就是企业将BI、报表、仓库、ETL、计算平台等数据工具集成，形成所谓的数据中台，伪中台只能解决数字化转型的部分问题，无法深入到数据应用。在内部底层方面无法打通耦合。

　　封闭中台在兼容性、功能模块等方面比较闭塞，无法进行自定义开发和二次开发，比如说金蝶的软件开放接口都要收费，腾讯中台只支持自己的底层Iaas兼容。

　　数据：构建数据资产管理体系，建立一套统一的标准。1、梳理数据来源；2、创建数据管理条例；3、打造数据目录，管理数据资产；4、建设合规数据；5、建立数据管理委员会；6、出台数据资产管理办法。建设数据质量体系：1、整理业务规则，统一数据定义；2、跟踪外部数据来源；3、确认影响业务关键数据指标；4、分析关键业务的数据质量；5、创建自动化管理调控体系；6、检测数据质量对业务的影响程度；7、听取、沟通业务需求，针对性治理数据；8、创建数据质量动态感知平台，监控数据治理进程。

　　业务：一切不能驱动业务发展的技术投入都是浪费资源。梳理业务提炼出需求爆点。强化数字化业务逻辑能力，确立数字化业务单元。

　　算法：算法直接汇报部门应该是业务部门而不是IT部门，这样才能算价值最大化。工作流程如下：1、算法团队将人员、流程、数据、技术整合一个协同有效的合作单元，将算法应用于不同业务上。2、算法相当于无形资产，形成有效的算法模型管理，编制算法目录。3、形成独有的算法去管理市场，对未来算法进行优先级排序。

　　应用：1、指导企业辅助决策；2、为企业提供更多销售机会；3、提高企业管理效率；4、降低企业经营成本。

　　组织：将繁重的组织体系化繁为简，化为敏捷组织体系。1、数据分析部门转换为职能部门；2、组织成员具备业务和数据双种能力：业务分析师面对技术盲点提升技术、数据分析师面对业务盲点，盛入了解系统应用业务。3、构建描述、诊断、预测、预警能力的组织体系。

　　人才团队构建：数据研发工程师：掌握数据平台和数据研发工具；数据应用工程师：熟悉数据应用架构和性能优化，熟悉数据环境下应用开发框架；数据智能科学家：掌握通用的数据挖掘和分析工具；数据产品经理、数据可视化设计师、数据模型师

　　中期：统一源头和数据归集应用，根据企业业务和建设情况实时调整目标和方向，对每一阶段成果进行量化考核。将数据中台的建设思路由传统的“建治用”——“用治建”。梳理数据应用方向，推动数据治理，搭建完整的数据中台架构，快速响应企业多变业务需求。

　　后期：沉淀数据资产，利用数据驱动业务，形成数据闭环价值挖掘。定期开设数据培训交流课程，形成数据思维文化。

　　淘宝数据使用的5个阶段，从没有数据——赋能管理者——赋能一线员工——赋能生态——赋能商业业务。

　　5个阶段分别为：依靠数据进行精细化管理——以管理者为中心数据消费——数据赋能一线员工——赋能生态——产生新的数字商业和数字经济。

　　阿里巴巴数字化进阶的6个阶段：运用零散数据解决问题——运用数据帮助经营者决策——数据赋能一线员工——采用中台技术对内服务——基于数据开展对外服务——定义数据打造商业模式。

　　组织架构演变：业务部门提需求由IT部门实现——业务部门提需求，由数据部门和传统IT部门实现——业务部门下设IT和DT部门——最终形成IT部门负责传统技术支持，DT部门提供数据技术和数字化能力

　　数据文化演变：不相信数字化能力——排斥数字化——机械应对数字化——产生数据应用意识——以数据为主导——离不开数据——形成数据信仰

上一篇：数字化转型架构办法论总结（22127） 下一篇：企业数字化转型规划和落地攻略