其实总结起来就一个意思：用数据为企业赋能

再换个相对接地气的说法就是数据化管理

数据化管理金字塔

数据化管理就是要通过收集企业日常运营的数据，客户使用产品服务的数据，市场行业，趋势等等数据，形成企业日常运营的全景图，然后反映到产品研发、服务流程改善、精准营销、销售模式升级、优化库存等业务的改进上来。

企业如何做数字化转型？

这里放上一张流程图：

第一阶段：数据采集、连接

数据是数字化的基础，数字化转型的第一步往往都是先进行数据采集和连接。要分析是什么业务，分析的指标有哪些，需要的数据有哪些，当下已有哪些数据，哪些数据不足需要收集。

比如：

生产可以通过传感器等设备收集生产环节的数据；

销售可以通过改进业务流程，设置数据采集环节来收集数据，使用ERP、CRM系统等；

营销可以通过网站的埋点来收集用户的行为数据；

……

数据采集的成本比较高，我建议先自上而下想好数据链路，到底需要哪些数据，因为往往数据采集的难点不在于技术层面，而在于业务层面的推动。按照经验，在前期的数据准备和清洗方面，会花很多时间，(划重点)但如果企业的数字化转型想要成功，这模块非常非常重要，直接决定了你后期的效果。

第二阶段：数据整理

采集到的数据往往都分布在各业务系统内，但后续分析的时候往往会涉及多种业务的数据，比如财务+销售，所以系统之间的数据壁垒要打通，避免数据孤岛。
在这个过程通常需要借助BI平台、数仓来搭建。

有些数据体量大的企业会搭建大数据平台（BI）。

第三阶段：数据分析与可视化

在数据连接完成后，下一步就是基于业务需求，进行数据分析与可视化展示

(这里是用报表工具FineReport做的)

FineReport做出的可视化大屏

当企业数字化成熟到一定程度，各个业务都要有相应的可视化模块，运用BI系统搭建，这是企业实现数据可视化的重要工具。

第四阶段：精益分析

完成以上三个阶段后，往往这时候企业会开始思考：“我有这么多数据，能看到这么多报表，我怎么提升效率降低成本呢？”因此，进入数字化转型的第四阶段精益分析。

绝大部分生产制造企业在精益化方面相对落后，而精益分析的阶段需要企业利用数字化软硬件技术和工具，来优化的过程，也就是将原来以经验为主的现场诊断，逐步转化为依据实时数据变化的数字化诊断，这样诊断才能够更客观、全面、智能地去发现企业生产过程中存在的问题。

第五阶段：高阶分析

通过大数据和人工智能技术对最佳历史实践进行总结并预测，找到以往最佳解决方案，以此来辅助管理人员进行快速决策，乃至解放管理人员进行自动决策，从而真正实现企业智能制造，是为高阶分析。

最后，啰嗦几句

1.落地是从一到五，思考数据链路是从五到一。

2.软硬件全买最好的，不如用精益方法先把整个流程撸通，然后逐步迭代升级（可借鉴IT行业的敏捷开发模式），在技术发展太快的今天，除非你能像换iPhone一样换你的数字化系统，不然总有更好的版本，更好的产品。

3.一次性把数据采集全了，不如挑一、两个典型工业应用场景（痛点）直接从第一阶段干到第三、四阶段。搞清楚这些数据，能帮我把哪里管得更好。