下载掌阅APP，畅读海量书库
立即打开
目前为止，“数字化转型”还有很多未确定的含义和不统一的概念，让人们莫衷一是，无所适从。人们看到各种数字化做法，也看到很多数字化转型现象，褒贬不一，众说纷纭。之所以如此，大概是因为“数字化”一词的核心本质、底层逻辑和顶层思维没有被我们识别出来，所以只能头痛医头，脚痛医脚，就事论事，感觉数字化转型有很多事要做，也有很多种做法，但又不知道哪些事是自己该做的事，哪些做法适合自己，更不知从何做起。我将在本章就“数字化”和“数字化转型”的本质提出自己的理解，和读者一起体悟数字化转型的底层逻辑和顶层思维。
“数字化”一词被提出后，很长时间里“没有水花”。很多人认为“数字化”只是“信息化”换了个名字，是新瓶装旧酒，或者只是下一代信息化技术。也有人认为“数字化”是“软件”的泛化，工业数字化被认为是工业软件的泛化。直到最近几年，“数字化转型”的出现，才让“数字化”一词火热起来，被人们重新思考和讨论。
“数字化”热起来后，似乎把在中国大地驰骋了30年的“信息化”都融化了，气化了，蒸发了。人们不再提信息化，有人羞于提它，甚至有意无意地贬低它。有人把过去的信息化方案穿了件数字化外衣行走天下，如果我们把其中“数字化”3个字替换成“信息化”，那么方案里90%的内容都似曾相识。
一个时代有一个时代的明星，我们既要与时俱进，也不能忘了历史，不然就会迷失于当下。信息化和数字化是既有区别又紧密联系的两个概念。如果我们懒于区别两者，则会让数字化成为信息化的翻版，缺乏进步和创新；割裂两者，会让数字化转型既失去基础，又缺乏目标，忘了信息化的实质，也会被数字化迷惑。在信息化大潮中冲过浪的人，面对数字化浪潮，会充满疑惑，似乎难以区别过去的信息化和现在的数字化。没有在信息化中冲过浪的人，面对纷繁复杂的数字化局面，则会眉毛胡子一把抓，总是缺乏章法，不得要领。
关于数字化和信息化的区别和联系，业界有很多论点，有些专家还从多个角度陈述了它们之间的区别和联系。有人总结说，信息化是针对管理的，数字化是针对业务的。其实，信息化时代的很多工具和平台就是业务平台。也有人说，信息化是用来辅助业务的，数字化才是用来开展业务的，其实，信息化时代的很多平台和工具就是业务核心流程中的运行系统。还有一些更为系统化的分析：信息化侧重在企业内部运营，服务于管理，用来优化业务、提升效率、提高质量和降低成本，具有稳定、透明、自动、孤岛的特质；数字化用于把业务延伸到企业外部，服务于研发和技术，用于业务的创新和商业模式的突破，具有柔性、敏捷、定制、联通、智能的潜力。这些现象确实没错，但其实都是信息化和数字化各自不同的基因派生的表面特征，没有深入到底层逻辑。信息化和数字化确实有差异，因为信息化和数字化的确有各自不同的底层逻辑。
信息化和数字化就像人的左右脑，信息化司左脑之职，数字化行右脑之事。当我们掌握了明确的运行机理、清晰的初始条件（初态）和完备的边界条件（环境）时，可以用信息化帮助我们提高效率和质量。当我们的研究对象超越了我们理解，机理、初始条件和环境不完备时，则需要用数字化来突破我们的局限，实现创新。“逻辑会让你从 A 点到 B 点，想象力会把你带到任何地方。”爱因斯坦的这句话，说的就是这个意思。
我们所在的世界是三类系统的混构体系：第一类是自然物（如生物等），第二类是人造物（如机器等），第三类是组织体（如企业等）。人类始终致力于对这三类系统的运行规律进行研究，以期获得明确的机理。具有清晰的初始条件和完备的边界条件时，用明确机理来运算就能获得确定性的结论，人们靠这个运算结果可以预测时空运转，从当下和眼前预测未来和远方。
过去，人们掌握了 F = ma 、 E = mc 2 、工程经验公式、机器工作原理、生产执行策略、政治经济学、企业管理学等的运行规律。基于这些机理，计算机一出世，人们就迫不及待地开发了相应软件，于是科学计算、工程验算、MES（制造执行系统）、ERP（企业资源计划）、PLM（产品生命周期管理）、PM（项目管理）、MRO（维护、维修、运行）等软件相继涌现。这些软件解决的是流程已经固化、原理逻辑清晰和具有解析解的问题。这些软件的出现，大幅度提升了人类工作和生活的效率和质量。20世纪90年代开始，信息化浪潮变得尤为迅猛。那个年代，被我们称为“信息时代”，很具中国特色的“信息化”一词也是从那时开始流行的。
之所以用“信息”一词，是因为掌握了机理之后，我们只需要将少量的数据“喂”给软件，就可以获得足够好的反馈。这些少量的数据就是初始条件和边界条件。大量复杂的计算和数据传输工作，在软件内部就全部完美无误地完成了。信息是控制论中大行其道的概念，“信息”的本义就是指对大量数据进行提炼总结而形成的最有价值的少量“数据”。利用信息得出明确的运行机理、清晰的初始条件和完备的边界条件，你便可以开发一个自动化系统，机器就可以完成过去由人来做的工作。
信息化的基因是运行于应用系统中的确定性机理，包括业务规律、工业机理、系统逻辑和以解析解表示的科学原理。信息化项目的失败，多数可归因于没有对组织业务或机器原理做好提炼和总结，所以当业务不断变化，信息化系统也需同步更新。机理是明确的、稳定的，不会轻易变化，进化是缓慢的。不断更新的系统反而会给企业带来麻烦，降低效率。
人类对自然物、人造物和组织体这三类系统运行规律的研究都还很不完善，现已掌握的运行机理，只是这个世界规律中非常少的一部分，人类对这个世界大部分的运行机理、初始条件和边界条件的掌握都不完备。企业运行的规律更是如此，不然就不存在“管理不仅是科学，更是一门艺术”这一模棱两可的说法了。同时，即便掌握了事物的运行机理，对边界条件和初始条件的确定也面临很多挑战。机理、初始条件和边界条件三个中只要有一个不清晰，就难以推测运算结果了。
人类现已掌握的信息终有一天会被信息化用尽。那些信息化资深人士已经发现，信息化带来的边际效益越来越低，这是因为能明确的机理、初始条件和边界条件都已经进入信息化系统了，但仍然还有很多问题没有解决。此时，信息化遇到了瓶颈，上升通道被堵住了，价值曲线无限接近一条水平渐近线。
当然，人类从来都不会坐以待毙。信息（包含机理、初态和环境）是从大量数据中总结、提炼而成的，不管这些数据完整还是不完整。其实，信息的提取恰恰就是人类中的聪明人通过并不完备的数据抽象提炼和总结而成的。在信息化时代，大众几乎忘了这一事实，直接使用既有的信息来完成工作，但那些少数的聪明人始终是清醒的，科学技术在不断发展，他们发现新科技（特别是大数据与AI）可以在海量数据中总结出具有一定明确程度的机理、初态和环境（姑且称为“准信息”），而且随着数据量的增加和进一步分析学习，“准信息”可以越来越明确。准信息更接近纯数学的表达，未必像人类总结的信息那样具有显而易见的物理意义。但在一定范围和条件下，准信息确实接近真实世界的规律。也就是说，新科技让人们可以回归到信息的本源——数据层面，发现靠人脑不曾发现的机理，明确运行机理需要的初态和环境。
于是，数字化的大幕被拉开。如果说信息化以明确信息为前提，那么数字化则以海量数据为基石。数字化看似绕开了明确信息，但却走通了信息化曾绕开的路。因此，信息化走到天涯海角时，数字化应运而生，为信息化插上翅膀。
数字化总是和预感、柔性、探索、创新、自主、敏捷、外部、业务、智慧等词汇相伴随。数字化的基因是潜藏着不确定性机理的数据，这些数据中潜藏着尚未显性化的业务规律、工业机理、系统逻辑和科学原理。数字化转型的失败，大都归因于一个重要前提没有做好，那就是没有准备好足够的业务数据，或者缺乏有效的数据利用方式，总是把数字化转型寄希望于数字化软件而忽视了数据基础，或者只关注业务应用系统而忘了数据计算引擎才是数字化转型的发动机。
数字化的前提是研究对象从实物转换为数字化模型。数字化模型指的是广义数字化模型，而不仅仅指形体的数字化，我们把能反映实物特征和属性的所有时空关系的数字化表达都称为“数字化模型”。用简单的模型单元组合形成复杂的模型，利用已知信息获得海量未知数据，是数字化的基本手段。此处所说的数据为“泛数据”，或者说“广义数据”，表现形式多种多样，它可能是人们常说的业务数据，也可能是基于全息数据建立的产品模型，还可能是通过数据挖掘而形成知识图谱等。
面对复杂对象，人们不能获得完整机理、初态和环境，但对于一个简单对象，获得其信息并不难，当然建立一个反映简单对象的物理属性的数字对象也不难。我们将这个简单物理对象称为“物理单元”，其数字对象称为“数字单元”。我们对复杂物理世界进行数字化，就是把各种数字单元通过已知的逻辑组合成为一个更复杂的数字世界。这个物理世界已经超出了我们已知机理的范畴，但它被数字化之后，就可以直接从大千世界中已有的信息出发，通过计算来获得我们需要的海量数据，从而推理出曾经并不明确的更多机理。只要新的机理在手，将初始条件和边界条件收入囊中，那么对未知的预测又可以上一个台阶。CAD和CAE便是基于这个原理，首先走上了数字化道路，两者均通过建立全息模型的方式，利用分析和计算的方法获得潜在的数据及产品运行的规律。
当然，正如前文所言，人类并没有那么好的运气，能对所有的物理单元建立明确的数字单元，因为我们已知的最小物理单元的机理也许不明确，于是人们发明了“数字黑盒”，并通过这个黑盒单元输出的数据来推算它的准机理。通过由此类黑盒单元构成的复杂模型以及这个复杂模型的数据，来迭代递归地获得完整数字模型的准信息（机理、初始条件和边界条件）。在这种场景下，数据分析技术尤为重要。大量的数字化应用便是在生产制造、运行维护、企业管理等过程中，利用生产数据、供应链数据、运维数据、企业数据、经济数据来预测以前MES、ERP、MRO（维护、维修、运行）、CRM（客户关系管理）、SCM（供应链管理）等信息化软件只能绕开的场景，深挖数据中的信息，实现业务和管理的突破，耳熟能详的预测性维护应用即是典型实例。
凡此种种应用都显示，没有模型化，就没有数字化。当物理世界能通过模型化手段进行全面数字化表达的时候，人类所有的工业及经济梦想——工业互联、智能制造、数字孪生、元宇宙、数字经济和智能商业等都近在眼前，触手可及。
显然，我们不能左右不分。没有信息化，数字化的基础就不存在，将是无本之木，就像大楼缺少了地基和砖石，终将倾倒坍塌，落了片白茫茫大地真干净。想发展数字化，信息化的欠账是迟早要还的。以工匠精神先把企业已经明确的工业机理和业务模型梳理清楚，让它们在信息化系统中得到优良运行，然后再利用数字化进行创新发展，这才是数字化转型的正确姿势。“转型”二字，不仅代表了物理向数字的转变，也代表了信息化向数字化的转变。因此，奉劝那些试图跳过信息化阶段直接进入数字化的人，通过数字化来补救一切是痴心妄想，很可能因为弯道超车而翻车。
如此看来，先有信息化，后有数字化，那是不是意味着数字化就比信息化高级一些？非也！数字化其实是一种递归，是信息化遇到发展瓶颈之后的回归本源，但又不是简单的返璞归真，而是事物螺旋发展的一次高层次的回归。
信息来源于数据，那是不是意味着信息比数据高级一些？非也！信息最终会转化为常识，没人认为只掌握常识的人是高人。信息也终会转化为流程和规则，但只知道按章程办事的人，在组织中被称为普通工作人员。高瞻远瞩的人，也就是那些企业领袖、行业翘楚、社会贤达及科技怪才，往往是跳出现有信息框架，直接在高维度和宽视野的数据中用敏锐直觉感知未来的人。其实，在一个组织中，任何一个层级的正职都应该具有这种直觉，因为感性和直觉才是创新的通路，而开拓创新是正职最重要的职责。
组织的决策是用两个“脑”配合来做的。我们固然不能唯感性和直觉，但也不能唯理性和逻辑，更不能依赖理性。理性只能在已知的范畴内、舒适区内做事，而在未知领域、无人区、焦虑区我们只能靠感性和直觉去探索和开拓。因此，在已知的范畴，我们恰恰追求感性和直觉，以促进创新，这是在充分理性的基础上用直觉来开拓新天地。在未知的范畴，我们则要追求理性和逻辑，收集更多的数据，用数据来说话，巩固创新的成果和质量，完全靠感性和直觉一定会吃亏的。
我们在这里谈左右，并不是要把信息化和数字化对立。恰恰相反，从数据中识别、总结确定性信息（机理、初始条件和边界条件）是数字化的使命，人类终究还是要像牛顿、爱因斯坦那样取得真正的具有物理意义和业务含义的终极模型，才能获得实质性的进步。通过数字化识别的信息需要进行另一次递归，最终还要回归到信息化中来。有人说数据可以帮助人们消除不确定性，其实数据本身并不是不确定性的终结者，从数据中获得的信息才是。所以，我们不能因为有数字化手段就选择“躺平”，完全依赖数据做任何业务，而是应该千方百计地从数据中获得确定性的规律，将业务进行最大程度信息化。数字化是我们梦寐以求的创新和发展，但信息化是我们赖以生存的基础。也许，考核数字化团队的指标，不仅要看其数字化工作拓展的广度和深度，更要看其将数字化成果转化为信息化成果的比重。质量与创新的交替进步和螺旋上升，是工业进化与发展的基本模式。
当然，不论如何强调数据的重要性，数字化转型终究还是要关注人和组织的转型。信息化以员工的职业素养和契约精神为前提，数字化以员工的学习能力和创新精神为目标。
我们经常说的“考核”与“激励”是企业人力资源的重要管理手段，但这两个手段在企业管理中往往不做区分。其实，这两个手段的使用场合与范围应该差异化考量。考核应只针对那些已经具有确定性过程和方法的规范性业务，而激励应针对那些不具有确定性做法的创新性业务。因此，对参与信息化过程的人，以考核为重，让他们把本应该做好的工作做好，要敢于对绩效做减法。对于参与数字化过程的人，以激励为主，让他们在其他人都没有想好怎么做的事情摸出门道，做出成效，对其奖励，勇于对绩效做加法。
人们常说信息化和数字化是“一把手”工程，但在过去人们对此的认识是有误区的。从以人为本的角度，“一把手”工程才讲得通。过去总是要求“一把手”关注一个信息化或数字化项目，要求“一把手”要亲自使用信息化软件或数字化平台，这其实是与“一把手”的特质、定位和职责相违背的。企业员工的职业素养、学习能力和创新精神才是信息化或数字化项目成功的关键，这也是“一把手”在信息化和数字化工程中最该关注的。
我们之所以讨论信息化、数字化的关系，是因为这些关系涉及数字化转型的底层逻辑——到底是什么在驱动数字化转型。数字化转型有千种技术、万种方案、无穷表象，但万变不离其宗，探究清楚其稳定不变的底层逻辑，对于我们建立正确的数字化转型蓝图和路线大有裨益。
人类历史上发生过多次工业革命。我们认为，工业数字化转型与工业革命有异曲同工之妙，对工业革命的研究有助于我们理解数字化转型的本质。
《第三次工业革命》一书认为，人类有多次工业革命，是由能源利用方式的转变而导致的，如图1-1所示。
图1-1 能源利用方式的变革带来工业的数次革命
人类所能利用的能源终究还是与太阳有关，太阳内核聚变产生了能量，太阳变成了这些能量的载体，阳光是能源的表现形式。工业1.0时代的能源是木柴，它是植物的根茎；工业2.0时代的能源是煤炭，它是埋藏在地表不太深处的植物经复杂的物理、化学变化形成的；工业3.0时代的能源是油气，它的形成环境更复杂。即将到来的工业4.0是新能源驱动的智慧工业。今天，化石燃料已经不足以支撑工业的进化，于是我们直接利用光能，将其转化为电能，使其成为工业4.0时代的新能源。未来的工业5.0是核能驱动的太空工业，刘慈欣的科幻巨著《三体》为我们展示了这种工业的可能性。工业5.0时代的能源来源于核聚变，这是太阳辐射光能的原因。那时候，人们直接利用光能已经不能满足发展的要求，开始将手直接伸向产生阳光的物质——核燃料。人类目前实现了低效的核裂变，但核聚变才是更高效的能源来源。
你也许会问，工业革命难道不应该是工业技术的创新带来的吗？其实任何一项技术的创新都不是突变的，特别是大批量应用于工业的技术。一项技术从零的突破开始，到普遍应用于工业是有条件的，并且在形成这些条件的过程中，该项技术持续进化才能达到形成工业革命的程度。这些条件中，最重要的就是可以支撑这种创新持续进化的新型能源。况且工业革命不是由一项技术促成的，而是由许许多多技术的革新促成的。没有新型能源的支撑，这些技术甚至走不到可以批量应用的程度。这也许就是能源变革为什么是工业革命的驱动力的底层逻辑。
判断一个国家的工业处于哪种阶段的指标很多，例如智能化、绿色化、服务化等，太多的指标反倒让我们无法获得正确的判断。基于驱动力这个底层逻辑，将能源视为单一指标，做判断便容易得多。自从工业4.0的概念从德国传向全球后，大家普遍认为全球发达国家的工业已经进入4.0时代，但如果依据驱动力逻辑，从这些国家所使用的主流能源——油气来看，他们仍然处于工业3.0时代。工业4.0其实是这些工业发达国家为之努力的愿景，而不是现实。他们提出工业4.0，是在为自己设计发展目标，而不是在描述工业现实。工业4.0的外在表现是工业智能化，以AIGC为代表的通用人工智能（AGI）出现以后，智能工业才露出端倪。但AGI对算力的需求如此庞大，也预示着没有能源的变革，智能工业就永远无法到来。我们这个星球的油气储量根本无法支撑这项智能化技术全面走向工业。在以光能为主要来源的新能源成为工业主流能源之前，AGI永远是实验室的技术。
如果说，人类对能源的利用方式做出了何种转变，决定了工业发生了何种革命，那么，人类对工业数据的利用方式做出何种转变，将决定发生何种类型的工业数字化转型。能源是原子工业的动力，而数据则是数字工业的动力。人们曾经用能源的消耗量来衡量原子工业运行的强弱，未来将用数据的使用量来衡量数字工业运行的强弱。原子工业的能源以太阳为载体，数字工业的数据则以硬件（计算机、传感器等）为载体，太阳核反应产生能源，硬件运转产生数据。这就是人们总是把数据作为工业数字化转型抓手的根本原因，人们认定数据是制造业数字化转型的驱动力，“数据工程”是引擎工程。
人类社会中的原子工业发生过数次革命，这也预示着，数字化转型也将不止一次，人类利用数据的方式将会不断进化。依我来看，数字工业利用数据的方式有5次转型：知化、秩化、治化、智化和织化，即5个“Zhi”，并由此引发多次数据工程。数字化转型的5个引擎工程：数据归仓、数据管理、数据治理、数据智能、数据织锦，最终促成工业数字化的5次转型，如图1-2所示。
图1-2 人类对数据利用方式的变革带来数字工业的数字化转型
GB/T 43439—2023《信息技术服务 数字化转型 成熟度模型与评估》指出，数字化转型的成熟度级别包括规范级、场景级、领域级、平台级和生态级，共5级，如图1-3所示。
图1-3 数字化转型成熟度模型
前文将工业数字化转型的本质总结为“数据利用方式的转型”，但对于研发体系的数字化转型，我认为并非如此，因为研发的驱动力并不是数据，而是知识。如果说数据利用方式的转变决定了工业数字化转型的类型，那么知识利用方式的转变则决定了研发有何种数字化转型。如果说数据使用量可以衡量工业数字化的强弱，那么知识使用量则可以衡量研发数字化的强弱。如果说工业数据以工业硬件为载体，那么工业知识则以工业软件为载体，软件运转产生知识。因此，研发数字化转型的本质是“研发知识利用方式的转型”，知识是研发数字化转型的驱动力，“知识工程
”是其引擎工程。
知识看上去以数据的形式存在，但它和数据的差别是，在其产生过程中有人的意识和思维的参与并进行了创造性活动。数据利用方式的转型同样适用于知识，即知化、秩化、治化、智化和织化，5个“Zhi”，并由此引发多次知识工程。数字化转型的5个引擎工程：CA（计算机辅助）工程、流程工程、模型工程、知识工程
和云智工程，最终促成研发数字化的5次转型，如图1-4所示。
图1-4 人类对知识的利用方式的转变带来研发体系的数字化转型
生产体系的数字化是针对机器和数据的数字化，而研发体系的数字化则是针对人和知识的数字化。人和知识相对于机器和数据，在复杂性方面不可同日而语。生产体系强调的是质量，具有确定性；而研发体系追求的是创新，具有不确定性。相对于质量和确定性，创新和不确定性的驾驭难度要高出两个级别。因此，研发数字化相对于生产数字化，其复杂程度和困难程度也将高出两个级别。与运维数字化转型和商业数字化转型相比，研发数字化转型的难度也与之类似。因此，从产品全生命周期的视野来看，研发数字化转型是工业数字化转型的“上甘岭”。
人们进入复杂地形，感到四周像迷宫一般路路不通、万般迷惑时，最好的办法就是走到高处，居高临下，使路线尽收眼底、清晰可见，这就是顶层思维的重要性。如果说数据利用方式的变革是数字化转型的底层逻辑，那么业务体系的变革则是其顶层思维。如果说知识利用方式的变革是研发数字化转型的底层逻辑，那么研发理想模型的建立则是其顶层思维。
数字技术是数字化转型的支点，但数字化转型不等于简单地应用和部署数字技术。数字化转型本质上是数字技术驱动的业务变革，即需要在组织、流程、标准、人员、文化、业务模式等方面做整体变革。这一结论具有哲学、经济学以及社会技术学依据，是由生产力和生产关系共同决定的，也是由社会技术学的技术、管理和经济规律决定的。我们应在这些规律的指导下，将数字技术嵌入业务过程，对其进行数字化改造，从而驱动业务变革。
生产力和生产关系是历史唯物主义和政治经济学中两个最基本的概念，它们之间的辩证关系揭示了社会、经济和科技发展的普遍规律。
本书不赘述哲学和经济学的内容，只用图1-5来直观和简单地说明生产力（实线）和生产关系（虚线）的关系：生产关系终将束缚生产力的发展，直到其发生变革为止。生产力是推动社会发展的主要动力，会持续不停地发展，直到生产关系开始束缚生产力的发展，使其进步缓慢。但生产力的发展是不可阻挡的，其终将突破枷锁，也就是说，生产关系将发生一次变革，建立一种不束缚生产力发展的关系。每次变革结束，生产力会得到解放，逐步恢复发展速度，直到下一次束缚的到来。
数字化转型体系中，人、科学技术、产品是生产力要素，业务模式、组织、制度及文化是生产关系要素。图1-5说明，生产力是连续进化的，而生产关系会突变，在图中表现为阶跃。也就是说，数字化技术是连续发展的，业务模式则需要转型甚至变革。因此，“数字化转型”的体系隐含着一个关键信息：数字化转型是业务模式的转型，而不是数字化技术的转型。更进一步，数字化技术的发展要求业务模式转型，以充分释放数字化技术的价值，至少不能束缚其进化。换句话说，数字化转型的本质是技术驱动的业务变革。
数字化体系是典型的社会技术学体系，遵守社会技术学的技术、管理和经济规律。社会技术学模型在系统工程学科中称为WSR（物理—事理—人理）模型，基于此模型可建立完整体系模型。因此，数字化转型的完整体系模型应该由模式（或战略）、技术、流程、组织及平台构成，如图1-6所示。模式是中心，组织、技术、流程围绕模式展开，平台是模式实现和体系落地的支撑和载体，由此构成“1-3-1”结构。
图1-5 生产力和生产关系的辩证关系
①1个中心：模式（或战略），是体系的运行核心。
②3个要素：组织、流程、技术，决定了体系的运行方式。
③1个载体：平台，利用了数字时代的便利性，为体系提供支撑。
图1-6 数字化转型的社会技术学模型
社会技术体系的发展通常是从技术开始的。当技术达到一定程度，需要进行社会化推广应用的时候，就必须明确战略体系，完善流程体系、组织体系（含人才体系），最终形成完整和稳定的社会技术体系。在一个社会技术体系中，最不容易出问题的是技术，最容易出问题的是组织与流程。因此，建立与技术相适应的社会技术体系是保障技术发挥作用的基础。
数字化转型实际上就是针对企业的具体情况，特别是企业的发展战略和远景目标，依据WSR模型，对数字化体系中各业务构件的WSR要素进行数字化改造。数字化体系既是对数字化工具和技术的采纳，也是对数字化平台的建设，更是对业务模式的变革，对流程的建设以及对组织的优化。如果没有业务模式的转型甚至变革，那么再先进的数字化技术和平台都不会获得效益。当然，在先进的数字化技术出现以前，这种转型和变革也无从发生。因此，数字化技术的发展推动了业务模式转型，或者说，数字化转型的本质是技术驱动的业务变革。
数字技术被准确地嵌入到业务全体系中，对业务流程、业务构件和业务资源进行数字化改造，达到驱动业务变革的目的。数字技术纷繁复杂，每一种技术都有其核心使命，该使命需要和企业业务使命同频共振才能产生其应有的驱动作用。所以，对企业业务流程、业务构件和业务资源的分析，是数字化转型中的首要工作。
任何一家相对完备工业企业的业务体系都有3条线：主营业务、业务管理和业务资源，如图1-7所示。
图1-7 工业企业经营的3条线
①主营业务包括研发、生产、营销、供应和运维等阶段，每个阶段都要接纳需求，开展业务，输出价值。主营业务是一家企业存在的价值，企业能否持久，取决于其能否持续给社会创造价值。
②业务管理包括管理数据、需求、质量、项目、市场等贯穿业务阶段全生命周期的内容，保障企业在规定时间，按照规定质量，在规定成本下，完成规定产品，它是企业提高效率、降低成本、达成目标的手段。
③业务资源包括知识、设备、采购、人力、成本、财务等支撑主营业务的、贯穿全生命周期的资源，是企业业务能力的保障，也是竞争力和优势的直接呈现。
我们通常讲企业要做大做强，业务管理用来做大企业，而业务资源则是用来做强企业。
在理想情况下，这3个维度的各个业务阶段、各个管理领域及各种业务资源都具有相应的数字化技术来支持和驱动，基于企业经营视角的数字技术图谱如图1-8所示。
图1-8 基于企业经营视角的数字技术图谱
主营业务由多个环节构成价值链。每个阶段由不同的工业软件支撑，一般来说它们的功能不会重叠。每个阶段的软件可能包括单项工具软件和集成所需的过程软件。
业务管理是覆盖端到端全过程、全周期的。过去，不同软件进行不同业务的管理，现在逐渐归并成更大的范畴——PLM。因此，PLM狭义上是一种软件，广义上是一种管理类数字技术范畴。
业务资源同样是覆盖端到端全过程、全周期的。过去，不同软件进行不同资源的管理，现在逐渐归并成更大的范畴——ERP。同样，ERP狭义上是一种软件，广义上是一种资源类数字技术范畴。
其实，业务资源和业务管理之间并非没有耦合性，因此准确来讲，企业经营不是3条线，而应该是三维坐标系。基于企业经营三维度的数字技术图谱如图1-9所示，水平轴代表主营业务，纵向轴代表PLM，垂直轴代表ERP，其更真实地反映了企业的业务结构。
图1-9 基于企业经营三维度的数字技术图谱
基于前文的思想，企业的数字化转型过程，其实就是做好3方面改造工作：业务创新、管理变革和资源重构。这3种数字化改造都是以数据工程为基础，但又各自针对性地升华为不同的特定工程，并与数据工程迭代递归实现驱动和进化。
业务创新是依据数字技术所提供的新型能力支持并重构业务模式，对新型业务模式中需要的流程、技术、知识、工具、质量等业务内容进行梳理，按照数字化业务的要求补充、优化和创新，并对这些业务要素数字化，以便数字化平台上线后可直接支撑主营业务。在业务创新过程中，各业务环节数字化模型的建立是要点，模型工程是业务创新中的重要工程。数字化模型运转产生新数据，利用数据分析技术改进模型。
管理变革是根据业务模式的数字化变革的要求，对组织机构进行对应的职能调整及专业重组，并进行配套的组织、流程、标准和规范建设。确定新型的数字业务体系中各业务构件建设、运行和维护所需的组织结构、人力资源、分工和主要绩效目标等，通常也称组织保障。在管理变革过程中，各管理体系数字化流程的建立是要点，流程工程是管理创新中的重要工程。数字化流程运转产生新数据，利用数据分析技术优化流程。
资源重构是利用数字化技术对企业资源进行重构，形成支撑新型业务体系和新型管理模式的新型资源。数字化资源需要引入新型ICT技术和系统，譬如建模与仿真、MBSE、超现实（XR）、云计算、大数据、大模型、AI及物联网（IoT）等，对资源进行解构和重构，使其具有开放化、共享化和智能化特征。根据企业新型业务模式，确定与各业务构件相适应的数字化资源，建立数字化系统和协同平台，将数字化的业务要素、管理模型、智能资源协同整合，形成生态体系。在资源重构过程中，对各资源中的知识进行数字化加工是要点，知识工程是资源重构中的重要工程。数字化知识运转产出新数据，利用数据分析技术升华知识。
总结来说，数字化转型其实就是从企业经营的3个维度出发，利用数字技术对企业进行全面转型和改造，让业务从传统的线下低效模式转变为线上高效模式，从物理现场模式转变为数字灵境模式，从人工手动模式转变为软件（机器）自动模式，从信息化辅助模式转向数字化原生模式。未来企业中不仅工作环境是数字化的，而且数字化工作和成果本身就是业务过程和输出物的一部分，极少甚至无须离开数字环境即可完成业务全程，达到业务目标。