下载掌阅APP，畅读海量书库
立即打开
中国一汽的一把手（包括企业、数字化部门和各业务部门的一把手）一方面向外学习，例如与华为、SAP、阿里云、微软和西门子等数智化标杆企业的专家交流，借鉴先进理念；另一方面，在内部反思数智化转型的重点和难点，探讨数智化思维的内涵。在此基础上，中国一汽总结出了数智化思维的五大核心维度——业务思维、架构思维、数据思维、自主思维和迭代思维。
关于数智化转型，常见的思维误区之一，是将其简单地视为技术采纳，聚焦于引入数字技术和IT系统，错误地将系统成功上线视为转型的核心目标，而忽视了其对业务变革的价值，导致转型流于形式，难以产生实质效益。中国一汽体系数字化部总经理总结道：“以往关于转型的讨论焦点都是要买什么系统，要如何立项，如何推进项目交付。看起来干得热火朝天，但对业务有何价值？数智化转型的根本是业务生态和作业方式的全面变革。IT系统是工具和手段，脱离业务开展数智化，都是蛮干，是没有价值呈现的‘忙碌’。”因此，企业开展数智化转型，需要具备业务思维，以变革业务作为数智化转型的出发点和落脚点，确保数字技术的应用真正推动业务变革。
基于业务思维开展数智化转型，具体体现在以下三个方面。第一，一切转型工作都要聚焦用户的需求。转型要思考用户是谁，要站在用户的视角，思考用户最需要的价值到底是什么，怎样借助技术解决方案来满足用户的价值诉求。例如，中国一汽在人员能力数智化转型过程中，从用户视角切入，敏锐地识别员工与管理者是两大类核心用户，他们的价值主张迥然不同，进而针对不同需求设计了不同的功能模块。具体来说，员工最需要的是清晰的评价标准，以便明确自身在角色和职级上的发展路径。因此，应构建一个清晰、明确、公平的职业发展生态平台，帮助员工定位并规划成长方向。而管理者则聚焦于本部门的人员能力如何满足业务需要并实现部门的战略目标，因此应借助数字技术为管理者精准地分析部门人员能力，并提供匹配其能力水平的培训服务。总之，只有为用户提供他们想要的价值，才能让数智化转型深入业务、走深走实。
第二，所有工作都要以“产品化”为导向，对业务实现全生命周期的赋能。数智化转型要推动业务变革，就不能止步于IT系统交付，而是要以终为始，着眼于业务的全生命周期，思考如何在业务的端到端流程中创造价值。
怎样才是全生命周期的赋能？在中国一汽营销中心以往对以政企客户为主的重要客户的管理中，IT系统以构建客户数据库为核心工作，以销售量为数据指标考核业务部门。但基于业务思维，营销中心意识到不能仅构建客户数据库，还要利用数据构建客户画像和持续迭代的行为模型，让一线业务人员能够追踪、分析客户的潜在购车需求，主动出击。业务行为从被动响应转变为主动出击，数据从静态的、间断的升级为动态的、实时的。同时，营销部门以复购率指标代替销售量指标，引导一线业务人员重视业务全生命周期的发展。这是因为对以政企客户为主的营销而言，不同客户采购规模不一，销售人员也难以影响客户单次采购量，并且在同一地区内政企客户的数量有限，拓展新客户也是极难的。过去以销售量指标来考核只会增大一线业务人员的工作压力，难以反映业务现状，更无法起到引领业务质量提升的作用。而复购率这一指标，能够促使一线业务人员不局限于与客户单次交易的短期视角，而是采用全生命周期的视角，分析客户未来的长期需求，进而在不同时期有针对性地调整客户关系维护工作，持续提升客户满意度，促进业务可持续发展。
第三，以业务价值作为转型成果的核心评价标准。数智化转型要推动业务变革，就不能认为系统上线就等于工作完成，而是要评价到底为业务提供了多少价值——业务部门的效率和效益可以提升多少？对业务有没有优化作用？有没有提升人员和组织能力？数智化转型要赋能业务，就不能只盯着完成手上的任务，而不去思考价值。
架构是人们对一个复杂系统内的元素及元素间关系进行抽象化的产物。通过梳理架构，人们可将复杂的问题拆解为多个简单的部分，以便分别处理每个部分的主要问题，最终再将这些部分整合为一个全面的解决方案。人类的思维能力终归有限，对于量级达到一定程度的系统，必须通过梳理架构，使其简化，这样才能让复杂系统的创造、理解、分析和治理变得可行。中国一汽在数智化转型过程中，运用架构思维将企业内的各类活动梳理为5A架构（关于5A架构，详见第6章）。5A架构作为企业数智化转型的顶层设计，一方面可以保障整体与部分间完整有序的关系，另一方面可以确保落地结果与企业战略目标一致。
架构思维有助于企业把握整体与部分的辩证关系，使数智化转型始终围绕企业的整体架构展开。通过建立统一的企业架构全景图，既能确保业务规划与系统建设有序协同，又能帮助各部门在推进具体工作时保持全局视野——明确自身工作在整体战略中的定位，避免陷入零散化、短期化的执行误区。当局部模块完成优化升级后，创新成果又会反哺整体架构，成为下一轮迭代的基础。这种动态演进机制有效破解了大企业内组织、流程和系统的熵增。
架构思维有助于企业对内部的不同活动进行分类处理，并进行有针对性的优化。在梳理业务架构的过程中，将复杂的业务流程拆解为不同类型的子流程，使企业迅速识别每类子流程的特征和不同类型子流程之间的关系。在此基础上，分析业务问题具体源于哪类子流程，进而开展有针对性的优化。
组织架构进行了怎样的调整，业务逻辑有哪些变革，流程是如何改进的，以及员工在日常运营中所形成的知识和经验等都被整合进架构，而非停留在员工的头脑中和手头的文件上。企业中每个人的智慧和成果都可以通过在架构中沉淀，成为“企业”这一组织的核心资源，进而在未来形成能力组合，成为企业的核心竞争力。
数据思维强调利用数据驱动决策，发挥数据要素的巨大价值。传统企业与数字原生企业的根本差异就在于，数字原生企业利用数据寻找发展方向，而传统企业往往会忽视数据。不抓取数据、不运用数据、不基于数据做决策是传统企业的最大弊病。
数据来源于对现象的观察和记录。想要有效利用数据驱动决策，就必须将业务的真实情况准确地反映在数据中。然而，业务活动纷繁复杂，要将这些现实中的活动转化为有价值的数据，就必须对业务活动进行解构。正如中国一汽体系数字化部总经理总结的：“为什么我们能驱动变革，因为我们抓住了本源，我们把视野里所有的事全解构了。”
以数据思维为指导开展数智化转型，首先要对业务活动进行解构，中国一汽解构业务活动的方法，被称为“数数、分类、定标准”。
数数，即穷尽管理对象，形成数据的采集点。数智化的前提是数字化，将企业内的人、事、物、系统通过“数数”全部纳入管理是数智化的开端。在传统的管理中，过多的组织层级使信息在传递过程中出现衰减，管理者难以掌握管理对象的真实情况。数智化转型要赋能业务、推动变革，自然要厘清管理对象。
例如，对于汽车销售，至关重要的就是挖掘客户的购车需求。挖掘客户需求以销售顾问对客户提问这一动作为基础。因此要数智化“挖掘需求”的过程，首先要梳理销售顾问向客户提出的所有问题。中国一汽的营销中心通过收集销售顾问的服务记录，提取出销售顾问能向客户提出的所有问题，最后提炼得到的百余个问题就是赋能挖掘购车需求这一业务所需管理的对象。
分类，就是抽象和归集，按照相应的管理目标，对管理对象标签化和属性化。只有梳理出不同类别的业务场景，才能进行有针对性的优化。之后，再将管理目标与业务场景进行匹配，对数据进行初加工。
上文中的百余个购车需求问题，作为管理对象不是独立存在的。既然目的是挖掘购车需求，可将这些问题按目的分为了解客户经济能力、挖掘客户出行需求等14个大类。对这14类问题再进行归纳，就可得到销售顾问挖掘客户需求的5大类能力。这样就可以依据分类的结果对销售顾问挖掘客户需求这一专业能力构建能力模型，进而为业务赋能打下基础。
数数和分类让原本纷繁复杂的现象变得有序，接下来是定标准，基于数据对业务活动进行评价和优化。
定标准，就是找到业务价值，并据此制定标准。在销售顾问接待客户的情境中，通过将销售顾问同客户交流的情况和销售达成情况做对照处理，就可以总结出销售最佳实践的规律。以此为基础，就可以在销售顾问的能力模型中构建评价标准和优化指南，对销售顾问的行为进行诊断分析。不仅能给销售顾问打分，列举其能力弱项，还能识别未来改进方向，同时也可对能力模型进行校验和优化。
解构就是透过现象看本质，通过“数数，分类，定标准”，让原本捉摸不透的艺术，变成清晰明确的科学。
以数据思维为指导开展数智化转型，要在对业务活动实现解构的基础上，通过数字孪生，实现流程在线化，在运营中抓取和积累数据。要建立数据驱动的业务演进模式，就必须构建涵盖业务全流程的应用系统，将所有行为在线化。凭借强大的数据收集机制和埋点能力，自动对企业每天的业务进行监管和统计，使得所有业务的全部流程都有数据记录。中国一汽打造了云工作台，为员工提供在线作业的场景，将业务的全流程细化到能够显示在什么时间、什么人做了什么事、达到了什么标准、交付了什么内容、投入了多少资源。
以数据思维为指导开展数智化转型，还要求企业对运营中沉淀的数据进行分析，用数据驱动决策。企业每日的运营数据都被记录在案，通过数据分析就可以对业务实践进行量化和评估。基于数据的决策可以推动业务不断优化，形成闭环迭代。例如，以前中国一汽的营销中心每年需要投入大量资源和精力筹备多次车展，但一直没有明确的效果优化方向。中国一汽通过数字化技术为车展实现了数字孪生，实时记录车展中的展台位置、活动和热力图（见图2-1），并据此进行相应的人员调配和讲解配置。事后，营销中心还可综合客流、订单来源和人员服务等数据对车展效果进行量化评价，据此优化下一场车展的部署。小到一场车展，大到整个集团的流程乃至组织机构的调整，企业都可以通过数据掌握所有业务活动的真实情况，实现数据赋能。过去企业管理中的流程是否合理？部门、机构、单元如何设置？哪些工作应设独立部门负责？哪些部门应该合并？又有哪些部门应该裁撤？对于这些问题，除了效仿标杆以外，几乎都是大家拍脑袋做决策。中国一汽将所有线下发生的作业与线上的业务单元实时联动，然后依据运行数据实现业务单元和流程的迭代。经过半年的数据运营，中国一汽将内部流程精简了58%，效率大幅提升。
图2-1 中国一汽的数字孪生车展（示意图）
国内企业逐渐走入数智化的“无人区”，面对和西方企业相同的技术边界，过去简单模仿西方企业成熟模式的方法自然也不再可取。经营数智化将成为未来企业的常态，关系着企业的生存和发展。国有企业是国民经济的主导力量，不仅在汽车制造、钢铁、建筑等实体经济中是主要支柱，更是在能源、通信、国防等关乎国计民生的重要领域中发挥着主导作用。无论数智化转型之路如何艰辛，国有企业的转型过程都必须坚持独立自主。
过去传统的IT项目主要采用外包模式，而在数智化转型中这一模式的缺陷就逐渐暴露出来且越发严重。主要有三个缺陷。第一，在外包过程中，IT能力完全依靠第三方公司支持。一旦第三方公司出现问题，就会对企业业务产生巨大冲击。第二，外包模式依赖市场机制和商务流程，协作过程较为烦琐。现如今市场与业务在持续变化，数字产品也要随之变化，然而外包合作流程环节多、反馈周期长，难以快速响应迭代的需求。第三，在外包的过程中，项目履约、维护以及变更需求产生的成本极为高昂，抬高了企业试错成本，这将在无形中扼杀企业的潜在创新力。过去中国一汽也曾走过弯路，工作人员看到了问题，也有了解决思路，但因外包模式所限而迟迟不能做出调整。后来中国一汽拥有了自研能力，自己写代码，可以随时进行系统修正。
目前，中国一汽已经实现了核心业务的业务规划、架构规划完全自主的设计与落地。自2021年以来，中国一汽几乎没有产生咨询费用和系统采购项目，全部自研。因此，中国一汽在系统开发过程中，免去了招投标、巡视等机制的限制。同时，中国一汽自主开发核心IT产品，建立了自己主导的研发体系，自主掌握核心测试能力、测试标准和管理体系，并形成了自主的敏捷开发团队。在成体系的自主能力加持下，各领域的数智化转型从规划到系统上线的效率提升了40%以上。
数智化转型需紧跟变化。处在这样一个技术爆炸的时代，企业数智化转型需要在新技术、新方法不断涌现的过程中同步调整，以敏捷应对外部变化。
近年来AI（人工智能）发展迅猛，中国一汽最开始只是简单地利用AI工具协助归纳信息，现如今已将AI与员工技能和业务流融合，实现了业务流程自动化，与技术进步始终保持同频。
特别是对非数字原生企业而言，快速试错、持续迭代可以让员工更快地看到数智化的价值，调动员工的积极性，进而更主动地参与转型。
例如中国一汽营销业务的数据治理过程，第一期工作就涉及200多套历史图像系统和多条业务线。在多条业务线同步推进的过程中，有些同事屡屡抱怨任务繁重，耽误了本职工作，不愿花时间推进。后来中国一汽转变了数据治理工作的思路，以单个项目为单位快速上线，之前抱怨的同事竟然变得主动起来。原因就在于他们在实践中很快就看到了价值，看到了解决自身痛点的希望。越来越多的同事支持转型，形成了从数据治理到痛点改善的良性循环，数据治理的架构得到了组织上下的快速贯彻。
数智化转型过程必定伴随着种种不接受、不适应。占用大量资源设计出完美作品既不现实，也很危险。转型工作要快速推进，产品和功能也要快速上线，让员工在一点一点的实践中看到转型的成效，看到对实际工作的助力，看到转型的前景。