2017年，中国数字化转型经济元年。数字化转型，已走过5个年头。2020年5月13日下午，国家发改委发布“数字化转型伙伴行动”倡议，首次从政府层面，倡导全行业数字化转型。

国内的数字化转型最早是从新零售、互联网行业、新金融，慢慢延伸到智能制造、医疗、政府、城市等领域。服装、农牧、能源、建筑、建材等传统产业，也开始跑步布局数字化转型。

在数字化转型的浪潮之中，速度就是生命，这是一个赢家通吃的时代。不跟随，就淘汰，企业做数字化转型势在必行。这种转型是没有行业区别的，几乎所有的行业都已在其中。一个通过数据全副武装的企业和一个停留在机械化乃至人力密集型层面的企业竞争，胜败岂非显而易见？

所以，不需要去纠结该不该转型，最需要知道的，是自己的企业该如何进行数字化转型？如何选择一条适合自己企业现状的数字化转型道路？企业对于数字化既要勇于尝试，也别想‘一口吃成个胖子’。而是要根据自身情况，循序渐进实施。

传统企业要做到数字化转型，最重要的一点，一定是负责人意识到了这种趋势。企业领导者和高层首先认识到数字化转型的必要性，明确企业转型的最终目标，认识到企业现状与目标之间的差距，然后确定路径并一步一步坚持走下去。

只有这样，才能真正建立起符合数字化转型，并最终推动数字化转型成功的：企业文化、组织结构、技术基础、运营体系、业务形态。

企业的核心管理者必须认识到的一点是，数字化转型无异于对一家企业脱胎换骨，洗经伐髓。转型的过程是相对漫长的，也注定是艰难和痛苦的。但当一家企业完成了从业务形态，组织结构，技术管理、企业文化、人员组成的数字化转型，无疑是一种升华和重生。

在未来的时间里，这家企业将以一种高效，敏捷，快速的发展速度，在数字化的浪潮中成长壮大。

对于企业而言，数字化转型的根本是通过数据来推动业务的增长。将数据作为新的生产要素纳入到企业的生产经营活动中，推动企业开展新型业务，通过对已有数据的深入洞察、应用并构建特有的数据壁垒，是建立数字化时代竞争优势的切入点，也制造业企业数字化转型更高层级的要求。

传统企业数字化转型面临的数据难点

（一）有数据，但是不能直接用：

传统企业由生产到销售的链路长、环节多，虽有数据沉淀，但存在分散在不同系统、数据口径不一致、数据颗粒度粗、更新频率低等问题。

企业中的数据分散在不同系统中，由于各系统建设目的、使用方式存在不同，导致不同系统间数据统计的口径不一致。业务人员在对数据进行分析时，需要耗费大量的时间对不同系统中的数据进行整合与清洗，甚至出现数据大量缺失的问题。

（二）知道数据有用，但不知道怎么用：

传统企业数字化起步相对较晚，数据在实际业务中的应用少，业务价值尚未被充分验证。

企业内对数据的应用多为简单的数据收集、统计、对比，对数据进行深挖与洞察方面仍存在大量不足，未能将数据分析方法与实际业务场景决策、流程相结合，缺乏数据应用实践案例。

（三）知道怎么用，但是能力达不到：

传统企业人员数字化能力差异大，企业希望通过牵引提升组织和人员的数字化能力来推动数字化转型，但在实施过程缺乏突破点。

企业人员数字化能力提升大多停留在培训层面，主要通过开展数据分析课程对业务人员进行赋能，与业务人员的实际工作及业务场景结合度有限，难以让课程参与人员产生共鸣并切实带来业务价值。

而数字化是企业信息化的整体升级：企业的数字化与非数字化之间的核心差异，在于是否已实现数据在线？是否数据分析驱动业务改善？是否通过数据产生业务察，实现精益运营或者业务增长？是否通过数据驱动整个企业商业和业务模式的转型？

第一阶段：企业对数据做简单的清洗及加工，并实现数据在线

数据在线是企业数字化的基础，也是企业数字化的开端。这步的开始首先是企业建立多维的数字触点，并通过不同的方式和渠道收集数据和存储数据，并对数据进简单的清洗和加工，使之形成相对统一的格式，并将其储存起来，并保持“视图” 在线，以方便对数据进行取用和展现。

第二阶段：企业数据在线的基础上，通过数据分析驱动业务精益运营

数据分析是企业数字化应用的第部分，这个时间段，企业很可能已经发现了传统通过导出数据库数据，进行手工的跑数据的工程及时间精力投入之巨大。开始考虑引入数据分析工具，可视化展示工具等。以提升对于数据不同纬度的拆分以及分析，但更多的还是体现在业务层面的分析。

比如：企业发现销售数据分析，可以更好的配置销售资源。又比如：企业发现某个商品的销售额不断下降，则很快将产品进行了下线，但说不定背后还有更多其他层面的原因，值得更深一步再做探究。

第三阶段：企业通过数据产生业务洞察，驱动企业的业务显性增长

通过数据产生业务洞察，就是对企业数据分析更深一步的探讨。当然，到了这个层面之后，企业的数据就不能仅仅是来自于自身，还需要一些第二方第三方数据的支持，以帮助企业更好的了解整体的市场环境及竞争格局，了解潜在及目标包括已经成单的老客户的特征，对用户的行为、偏好等做综合性分型。从而形成立体的分层的分析和趋势性判断，更好的对产业、对行业、对目标客户群体产生洞察与了解。

比如：通过标签增补，对已有的用户群体补充第三方的维度分析，从而建立更精准的用户画像数据，通过更精准的营销手段进行营销，从而实现获客的转化。

第四阶段：企业通过数据智能，最终驱动整个企业商业和业务模式的转型

商业和业务模式的转型，对任何一家传统公司而言，都是难中之难。

一方面大量的大数据企业都在不断倡导数据能力的平民化，希望能通过数据能力平民化，一方面帮助用户更好的解决他们潜在的需求与问题；另一方面也给予希望能够获得更多的客户数据，以实现更深度的用户数据察。

这就要求企业从原有的流程及经验驱动，升级为以数据驱动作为决策依据进行驱动。当然，这并不是说经验不重要，而是说数据作为规模性样本，可以帮助管理层提供更多的预测性分析据，并更好的辅助管理层的决策。

1和2两个阶段，都是借助一些广泛且通用的技术手段，对业务数据进行加工，以进行局部的业务优化，提升效率等。更侧重于对已有业务流程的帕累托改进，不破坏原有的组织运行规则。其核心是数据统一、数据公开、数据可用、数据可分析。

3和4两个阶段，则需要企业在组织层面做出一些变化，打破原有的组织隔阂，以数据为驱动变更企业原有的业务运转模式。比如：数字化营销手段的推广，就需要市场部门和销售部门的双重配合，进行销售线索的清洗与分配，重构了原有市场与销售之间的配合方式。

从实现的难易程度来讲，传统企业通过一到两年的技术能力嵌入与组织人才的培养， 可以实现1和2阶段的转型，在局部通过技术进行运营优化及技术提升。但3和4两个阶段是企业需要不断去投入时间、人力、物力等资源去持续进行提升的，会花去企业三至五年的时间，甚至会伴随企业生命周期的全部旅程，成为企业基业长青支柱性基础的一部分。

基于此，传统企业如何进行数字化转型，实际上就是如何迈出数字化转型第一步，实现第一阶段目标。只有迈出第一步，才能一步一步的在转型过程中不断调整优化并寻找适合自身企业的数字化转型道路，一个阶段一个阶段的去实现，最终完全实现企业的数字化转型。