現在講數字化轉型，大多是自頂向下的視角，但企業光提戰略、目標是不夠的，必須將任務分配到每個團隊，落實到每個人每天的工作上，但這些工作會跟員工以前的工作不太一樣，也就意味著團隊和員工也需要跟著轉型。

可以肯定的是，無論企業數字化轉型口號喊得多么響亮，如果一線員工的工作內涵沒有發生變化，那也就是企業的自嗨而已，那么面對數字化轉型，作為員工的我們，應該如何迎接這些挑戰呢？

企業的數據崗位人員，應是企業數字化轉型中最先面臨沖擊的一撥人，我作為其中一員，現在也在經歷著這一過程，雖然企業的數字化轉型還在路上，但發生在自己身上的各種挑戰已經暗流涌動，而正是發生在企業每個員工身上的這些挑戰最終決定了企業數字化轉型的成功與否。

今天就來講講自己正在經歷的企業內部數字化轉型一個案例，即原來企業的一些投資需求是由一線手工搜集上報的，存在數據不準確，上報不及時等問題，現在需要基于前端市場的訴求、設備實際運行的數據進行科學分析后給出投資需求，然后通過在線方式及時上報，快速響應前端市場的設備擴容需求。

圍繞這項數字化轉型工作，企業有幾個核心參與角色，負責規劃投資的業務部門，負責設備運維的管理部門，負責設備運維的一線生產部門，負責市場拓展的業務部門，負責IT的部門（負責管理信息系統，業務系統、數據系統的建設和運維）等等。

雖然這只是企業眾多數字化轉型案例中的一個，但的確夠復雜，幾乎涵蓋了數字化轉型的方方面面，帶給我的挑戰也是很大的，用四個字來概括，就是“不確定性”，具體來講就是八個方面的挑戰。

1、企業對轉型來真的，我最擔心的是不確定性

企業數字化轉型不是簡單的建個系統那么簡單，大多需要動一些根本性的機制和流程，建系統那是很后面的事情了。這次企業數字化轉型涉及到企業投資的流程，影響面還是很大的，畢竟投資一般還是有路徑依賴的，原來多少，今年如果差不離，風險也不會很大，但如果把這種路徑依賴打破了，對所有人都是挑戰。

這個轉會型涉及到很多的部門的工作，設備運維管理部門負責統一生產管理（包括設備運維系統統一建設，涉及源端相關數據），一線運維部門負責設備需求上報（市場前端部門也會提出需求），規劃部門決定投資需求方案（也是投資管理系統、大數據平臺等的需求方），IT部門負責系統建設和數據支持（負責投資管理流程系統，大數據平臺等建設），這個時候組織機制的保障就非常關鍵了，比如轉型工作哪個部門牽頭，哪些部門配合，具體的職責是什么，具體的工作流程是什么等等。

各個部門都有自己的工作，要凝聚共識并不容易，需要強有力的管理層的推動，而且這種推動不是開幾個會那么簡單，因為數字化轉型往往需要打破舊的框架，少有行業最佳實踐，大多是摸著石頭過河，領導開始的時候如果不親力親為，不抓些細節，可能大家走的路就會偏掉，其實很多時候大家并不知道這個工作做到什么程度才算真正的到位，領導和員工的視角也很難短期能夠拉平，必須要靠慢慢的磨合。

我參加過很多次溝通會，匯報會，最大的體會就是領導的要求要跟員工對齊，這個對齊過程非常艱巨，一次次匯報工作都是為了糾正大家認知上的偏差，你以為做到這一點就可以了，其實離領導的目標還差很遠，那下次繼續匯報，直到逼近預期。在這個過程中，大家都要用實際流程說話、用實際數據說話，沒有調查就沒有發言權，你好我好大家好的數字化轉型是不存在的。

數字化轉型的牽頭部門，這個時候承受著最大的壓力，我們要對他們報以敬意。我每次去參加開會，最怕的就是這種不確定性哪天落到了自己身上，自己雖然懂點數據和IT，但跟他們的相比，那也是不值一提，我們搞數據和IT的，一定要知道這一點，這樣你在后續的工作中，就沒有不努力的理由。

2、業務需要數據支持，我擔心業務想不清楚

可以肯定的說，如果數字化轉型的組織、機制和流程扎實的建立了，那么也就成功了一半，大多數轉型失敗不是什么系統不好用，數據不靠譜，而是前面那個頭就沒做好，比如領導開了個頭，后面就不持續抓了，那估計大家也就泄氣了，領導一定是一以貫之的，比如每周要聽匯報，每月要三方會審，把還不明確的東西要明確掉，子彈才能繼續飛下去，因為到處都是壁壘。

牽頭業務部門要出數字化轉型的方案，挑戰是巨大的，由于沒有什么最佳實踐，業務部門很難一下子出完整的方案，大多需要由點到面，比如先找一個點嘗試做一下，匯報一下，根據匯報的結果再做調整，然后一點一點去摸索，因此這項工作開始前幾個月，就沒看到什么像樣的方案，反正團隊成員在不停的配合業務做些取數建模工作。

終于有一天我去參加了一次正式匯報，看到業務部門拿出了一個相對清晰的方案，我心里也算落了一塊石頭，的確這是一種相對務實的方法，如果業務部門一開始就拿著外來和尚的完美方案匯報一下，那的確是很難經得起實踐的檢驗的。

舉個例子，我們需要基于一些運維數據來判斷是否需要擴容，但前期取數發現計算出來的結果跟一線上報的相差甚遠，后來核查才發現是源端數據錄入的問題，如果數字化轉型不做錄入數據這個流程的優化，那失敗的可能性就會大增，但這種方案的完善根本不是靠臨時找個合作伙伴寫出個方案就能達到的。

業務千萬不要想著直接扔個方案，然后就催著IT建系統，而是要因地制宜，否則建的系統大多無人使用，根本無法推廣。

3、業務自己想清楚了，我擔心缺乏業務指導

很多數字化創新只是在數據團隊熟悉的領域內修修補補，這種局部的、改良式的數字化工作是很多數據團隊的日常，比如把營銷數據推送環節進行精簡，取數從人工轉向自動等等，而真正的企業數字化轉型往往具有全局性的特點，對于數據團隊很大的挑戰就是要進行跨領域的數據支持。

數據團隊面臨的將是全新的業務領域，全新的數據環境和全新的機制流程，對于這些領域的業務和數據，數據團隊以前可能也接觸過，但也只是淺嘗輒止，比如我們數據團隊對市場營銷領域比較熟悉，已經打造了一套較為成熟的在線精確營銷體系，但對于投資規劃、設備運維等領域就比較陌生，也就是曾經采集了個別的數據而已。

在一個全新的業務領域，數據團隊再有本事，也要躬身去學習新的業務和數據，并能形成數據和業務的映射，才能對業務形成最基本的數據支持能力，而這種支持能力需要在非常短的時間內形成，因為數字化轉型不會留給數據團隊太多時間。

而站在業務方的角度看，雖然其可能熟悉業務，但也是分層次的，比如業務管理部門的業務理解往往有方向、有高度、有邏輯，但其可能并不熟悉一線的實操場景，而一線業務部門則是反過來的，數據團隊并不是簡單的抓住一個業務人員問就可以了，經常需要業務牽頭部門幫忙協調到歸口的業務人員來進行咨詢，這帶來了很大的不確定性。

一般業務部門也是沒有數據專員的，所有的數據都在運維部門，數據團隊還需要業務部門作為中間協調人與運維部門的IT進行溝通，否則理解業務和數據也無從談起，這又帶來了不確定性。

在數字化轉型的初期，業務牽頭部門的實際配合力度直接決定了數據團隊的支持能力，業務部門能不能配合、相關干系人員能不能配合、業務部門自身的理解是否到位、相關干系人員是否傳授到位，數據團隊的人員能否理解到位，都成為了數據團隊工作推進的不確定因素，對于所有人來說，這都是一個學習磨合的過程。

數字化轉型讓我感覺到了隔行如隔山，有時聽團隊人員匯報模型就像聽天書，唯一能做的，就是確保資源到位，協調到位，能夠未雨綢繆，我問得最多的都是這些問題，業務概念有沒有理解？業務流程清不清楚？業務數據能不能驗證？業務部門能不能配合？

4、業務持續提出訴求，我擔心能力儲備不足

在數字化工作的初期，數據團隊的人員投入并不需要很多，但一定要是自己團隊的核心骨干，不僅要有較好的業務理解能力，也要有數據的實操能力，這樣能盡量減少前期的溝通成本，因為大家都知道，搞數據的，只要多了一個中間環節，那支撐的效率就會大幅降低，數據是業務的，業務是數據的，兩者有時很難分的清楚。

但隨著數字化工作的深入，業務部門的理解在不斷加深，涉及的探索領域也在逐步擴大，相應的數據支持工作也在不斷增加，這個時候開始需要大量的模型人員進行支持，比如驗證業務人員某個想法，開發一個新的模型，進行匯報的數據支持等等，大量的探索性取數在這個階段集中爆發。

如果一個數據團隊沒有足夠的人員儲備，就會沖擊原有的數據工作，如果臨時找人支持，那這些人員的數量、素質、協同水平是很個大的未知數。

由于數字化轉型的數據支持工作探索性很強，需要團隊成員之間有很好的信任關系，在出現問題時不扯皮，不計較，這種團隊往往不是靠臨時拼湊就能搞起來的，即使是現在，我還是有隱隱的擔心。

數字化轉型一旦進入了狀態，最大的挑戰一定是人吧，缺人的結果就是跟業務扯皮，然后雙方都不滿意，而你只能變相降低工作質量，更不要提能主動能為業務獻計獻策了，而這是非常重要的。因為在進入數字化轉型的中期，業務會非常依賴IT和數據的能力，無論是平臺建設、數據模型、可視化展現、人工智能等等，很多業務策略的制定，也需要建模人員給予建議，比如資源預警的閾值確定等等。

5、模型需要反復迭代，我擔心業務缺乏耐心

有次跟公司領導匯報工作進展，提到要解決某路網匹配的問題，然后業務人員說需要建模人員給予支持，然后公司領導表示對于我們建模還是很有信心，一直在給我們打氣，但自己還是有很大的擔心。

我怕做不好是有原因的，一是業務的因素，企業80-90%的模型都是規則建模說明了業務理解的重要性，而這需要業務人員的充分參與，否則建模人員的壓力太大；二是模型的因素，比如圖模型以前沒做過，短時間內不一定能出結果，這帶來了不確定性；三是迭代因素，可能第一次效果不好，但如果多給些驗證的機會，效果可能就會上來，我們需要業務給點耐心。

我得清楚的傳遞給領導和業務人員一個信息，就是建模不是簡單的數據團隊的事情，而是需要業務人員的全力配合，現在業務對于我們報有這么大的期望，我們當然要全力以赴，但你們也可千萬別放手，最后一定是雙方共同努力的結果。

6、流程需要進行變更，我擔心業務無法協調

數字化轉型一定要動一些根本性的東西，流程肯定首當其沖，因為流程在提升企業運營效率方面至關重要，我舉一個例子。

以運維數據為例，企業需要基于運維數據發現設備運行的問題，但通過數據驗證發現，很多運維數據在錄入的時候就是錯誤的，這里既有系統方面的因素，也有管理上的因素，反正是歷史原因造成的，而基于錯誤的數據得到的結論肯定也不靠譜，因此要做的一個工作就是改進數據錄入流程，但這個問題解決起來難度可太大了，因為凡是涉及到一線的流程，就會牽一發而動全身，流程改一個環節，成千上萬的一線人員可能就要搖一搖。

要解決這種問題，業務要做的事情就太多了，比如業務要充分理解一線業務流程，了解每個流程中每個角色的職責；發現這些角色操作中存在的問題，評估這些操作帶來的影響，尋找解決這些問題的方法，跟公司領導匯報改進的方案；更改業務管理辦法，下發業務操作手冊，構建新的業務流程，打造相關的配套工具（比如自動錄入工具和自動稽核工具）；對一線人員進行培訓，然后新流程試點上線等等，更關鍵的是，可能還要花很多錢。

當然我這里只是舉個例子，但你可以充分理解事情的復雜性，歷史留下的欠債要當前的業務人員來還，的確有點不公平，但這就是數字化轉型的關鍵點。

數據團隊幫助業務人員發現了問題，但這只是個開始，你的數據分析結果還必須嵌入到生產流程中才算完成了使命，比如需要在一線人員數據錄入的環節嵌入自動數據稽核模型進行預警，而這所有的一切，都需要業務人員來統籌操盤。

7、模型和流程終建立，我擔心系統體驗不好

我們好不容易建立了流程，嵌入了模型，這還不算完，因為如果新流程體驗不好，就會極大提升一線使用門檻，況且老流程用慣了，新流程的替換成本就很高，自頂向下強推當然也是可以的，但浪費一線人員的時間就是一種罪過，即使初衷是好的。

我再舉個例子：

為了確保施工信息的準確性，我們以前需要一線人員在施工的時候手工錄入系統很多的信息，比如小區名稱、地址信息、經緯度、設備信息、附屬信息等等，但最后你會發現，這些人工錄入的信息準確性很差，這次在新流程中，我們就需要考慮智能化的手段解決錄入信息準確性問題，無論是小區信息、地址信息、經緯度信息、設備信息（比如端口數）等等，這些其實都是可以自動化的，只要你真的是為了解決一線的實際問題，比如經緯度信息可以APP自己采集，小區信息可以基于經緯度自動適配地圖獲得，地址信息和設備信息可以通過拍照圖片AI自動識別獲得，數字化轉型成功其實就是靠這么一個個細節鑄成的。

無論是數據團隊還是IT團隊，都要有種想干事，干成事的精神，充分利用數字化技術來為一線人員賦能，但在操作體驗層面，業務人員是很難把握好的，這恰恰也是IT和數據發揮能力的舞臺，也是我們需要向互聯網公司學習的地方，即關注用戶的體驗，為一線提供炮彈不能嘴上說說，一定要落實到行動上。

8、應用體驗終于達標，我擔心業務推廣不力

數字化轉型工作會涉及到很多方面，每個方面的進度并不一致，有些流程和系統預警上線，有些已經進入到推廣階段，有些還處在設計階段，但上線一個其實就要推廣一個，讓其盡快發揮生產力，由此螺旋式迭代提升才是精益運營的方法。

那么如何評估是否有真正的生產力呢？

唯一的辦法就是用數據說話，比如我們這個轉型案例其實最終要看得是投資是否節省了，決策是否更快了，業務投訴是否少了，但過程數據在前期更為關鍵，因為它可以促成盡早問題的發現和改進，業務和數據團隊每天得盯著新流程和系統的使用情況來決定下一步，但在這最后一公里上，我們前期做的并不是太好。

我始終擔心畢其功于一役的做法，因為我們當初想的，做的，并不一定符合一線的實際，這里一定有個漸進提升的過程。比如我們上線了一個可視化的管理工具，演示的時候很好，我還以為成功了，后來通過數據才發現使用者不多，一打聽才知道業務還沒有具體的推廣計劃，試點單位的操作體驗問題也很多，比如數據的展示速度太慢，沒有跟后續的流程打通等等。

以上就是我在一次企業數字化轉型中的真實體會，它對數據團隊提出了全新的挑戰，但也帶來了新的價值出口，更關鍵的是，我們每個人在這個過程中都能收獲成長，這是件很快樂的事情。

來源：與數據同行