数字化何以被称为企业能力底座？ 数字技术价值的底层逻辑是什么？ 数字技术如何驱动价值链活动进化？ 数字化底座的具体构成是什么？ 企业如何落地数字化底座建设？
业务目标策略类（A类能力）：分析平台提供充分及时数据分析及洞察，确保制定业务目标和策略的合理性和科学性，如数据挖掘和预测技术、模拟技术； 业务计划监控类（B类能力）：数字交易平台可管理对订单进度执行以及伙伴交易状态，确保业务执行效率和效果，如几乎所有的交易平台都有的进度管理、指标管理功能； 业务执行操作类（C类能力）：如对流程的自动化执行与业务规则的自动化控制，直接带来的是与各部门、客户、供应商协同带来效率、质量和创新，如ERP、CRM、SRM、MOM、PLM等。
业务能力：因数字化技术而被放大了，见前文 管理能力：主要管理者的目标计划、组织和控制能力以及企业运营管理能力，这些能力通过大量的协同工具而放大，如OA系统、钉钉、飞书等协作平台，以及各种指标管控仪表盘、自动化预警/稽核工具等等，将目标管理、计划进度、绩效管理都融合其中。 组织活力：流程自动化释放大量员工无效工作时间，提高员工创造力；协作平台让虚拟组织运作成为可能，员工工作灵活性、自主性增加；员工入职到离职全生命周期管理数字化带来的员工体验，以及数字化学习平台等；数字化用得好，员工活力激发也很到位。 
串流程：流程活动动步骤因为数字化技术而可以简化、合并、删除、自动化，流程规则可以实现系统的自动化控制； 串数据：由于数字化技术可以带来对数据的全量全要素收集，及时性、准确性、完整性、一致性都得以保证，数据流动和共享让业务过程全程可视、可管理、可追溯； 串知识技能：由于知识图谱和社交技术，让人与业务、人与知识的链接更加容易，加速知识沉淀与分享，知识和技能传递由“人找知识”到“知识找人”转变。
人类文明的发展史，就是对抗不确定性的历史，而获得更全面、更及时、更准确的数据是提高确定性的最主要手段。同样，人类技术的进化，就是对体力和脑力替代的不懈追求。数字化技术带来的价值按来源可以总结如下：
感知：无处不在的传感器、智能设备、IoT芯片在无时无刻地收集人、物体、环境的信息，以往无法收集的数据都可以收集到，以往是抽样、个例数据，现在可以收集到全量数据，如产品生产过程、机器状态、系统日志、用户行为追踪等。
链接：通过无处不在的网络（互联网、移动互联网、物联网等），人与人、物与物、物与人的链接，这种连接确保了上述感知到一切数据都可以流动起来。如设备联网、人机交互、远程办公、生态协同等。
共享：流动的数据带来信息的共享，打破信息孤岛和资源壁垒，通过共享的信息让工作协同成为可能，共享的价值本质来自资源利用率的提高。如SAAS，中台，API等。
自动：在规范、标准数据的支持下，基于规则的自动化流程取代人工，提高效率，降低成本，是数字化最直接最成熟的价值体现。如RPA、工作流、各类信息系统等。
智能：从自动化到自主化，通过自主决策和行动，从基于规则到基于学习和推理。在提升决策质量、资源配置优化、个性化和前瞻性方面，来辅助人类工作。如AI算法、智能客服、推荐系统等，实现了人类无法做到的基于大量数据的分析洞察，是数字化进阶的核心能力。
仿真：在数字空间里把现实进行预演，从而降低试错成本，提高决策与设计科学性。让复杂系统设计、验证、优化和培训变得高效。如数字孪生、虚拟仿真、系统建模、压力测试等。
研发试错形式在不断优化。数字空间的仿真模拟在不断取代实物试验，研发周期缩短、成本大幅降低。 研发协作边界在不断打开。企业内部的跨组织跨地域共享数据、协同进度，而与企业外部的协同链接也在不断增强，如开源社区、共创协同平台等。
营销与销售：个性化、互动化趋势
与客户接触越发个性化：用户行为、社交、交易数据的获取，可实现千人千面的内容推送与触点
与客户互动程度不断提升：双向互动，实时分析、及时反馈，提升转化效率与客户忠诚度
供应与生产：可视化、柔性化趋势
供应链链路全过程可视可控：IoT与大数据可实现供应链全链路可视化（库存、物流、产能），并逐渐通过AI算法实现预测及物资调度；
多品种、小品量的需求满足：数字孪生与仿真技术支撑柔性生产，从“按订单生产”升级为“按需求敏捷响应”，降低库存成本与交付周期。
售后服务：主动化、增值化趋势
从故障后维修转向全生命周期主动服务：IoT传感器实时采集设备运行数据，AI预测潜在故障并触发预防性维护；
结合用户使用习惯提供个性化增值服务，如设备优化建议，从“成本中心”转为“利润增长点”，同时通过服务数据反哺研发优化产品。
财务：实时核算、精准分析趋势
RPA自动化处理报销、对账等重复性工作，业财一体化平台可穿透业务场景，支撑动态定价、资源分配等战略决策;
大数据和AI整合多源数据，不仅实时监控现金流、成本波动，与预警风险预，如信用违约、预算偏差
数据核心支撑：数据采集、数据存储、数据治理和各种数据服务提供。整合企业内外部业务数据、用户数据、设备数据等多源数据，搭建数据湖/数据仓库，实现结构化与非结构化数据的安全存储，提供数据查询、分析、可视化等服务。
AI核心支撑：聚焦AI技术与业务场景的融合赋能，包括算法模型层，如部署机器学习、深度学习等，AI能力平台，提供提供模型开发、训练、部署、迭代的全生命周期管理工具，以及及场景化应用赋能，如智能客服、智能风控等。
数字化规划是建立愿景、凝聚共识的过程，也能够在企业内部建立一种数字化学习和思考氛围，是难得的管理层集体研讨的机会。 可以根据企业拟投资预算规模选择规划深度，可轻可重，可内部自行完成，也可借助外部专家支持。 如果从没做过规划，且未来若干年拟投入较多，建议请外部资源协助规划。
规划的目的就是要分出轻重缓急，要有节奏、按次序开展。 聚焦核心业务的紧急需求场景，快速解决实际问题、产生可见价值，增强信心。 要把大目标拆解为多个阶段性目标，每一阶段进行验证与复盘，逐步迭代，适配业务变化，也降低风险。
最好的应用一定是持续迭代出来的。 通过收集一线用户的反馈，分析数据、功能、集成、体验上的各种问题，针对性优化。 应用-反馈-优化，这种闭环迭代模式，能让数字化底座与业务需求紧密贴合，将支撑逐步升级为价值引领。
锚定了赛道剩下的就是全力以赴的能力构建，无论是营销、研发还是供应链，投入精力才能换来实力。数字化对价值链的提效创新案例比比皆是，投一些精力对数字化做一下研究很值得。 数字化的很多内容不是高深的技术，而是这个世界运行的方式，因此也是企业经营的方式。作为管理者，你的引领学习，企业各层管理者才会重视，你企业的业务才会变得“数字化”。 以开放的心态与外部数字化专家对话、与标杆企业交流。在数字时代管理者的与时俱进，就是拥抱数字创新，现在能这样做的管理者并不多，如果你做到了，你的企业就拥有了更大的胜出概率。
AI热下可能你听说了很多AI的强大，但如今在企业里可发力的地方还有限，但未来一定会渗透在你工作的方方面面。 但我仍然想说的是，与其了解AI还不如看当下你所负责的业务流程在公司的数字化系统中是如何流转的，业务数据和规则该如何通过数字化技术转化为你所负责部门的业务能力。 数字化事实上是完全可以重构你的工作方式和工作流程的，你思考的越多，你的工作越具有创造性，而不是重复和琐碎。
如今AI连在技术领域极为高端的程序员都可以取代，可以想象AI大量取代IT技术人员的日子势在必然。 研究行业和公司战略，思考数字化如何与业务结合才能打造你所在企业的竞争力，这可能是每一个数字化从业人员都该考虑的事情。 深入了解价值链业务，主动与业务去沟通，站在业务角度去思考技术如何发力，打通业务和技术，会让你的职业道路更加光明。
无论是培训讲师、管理教练、咨询顾问、软件实施顾问，在这个数字技术迅猛发展的当下，客户的认知需要不断提升，而作为企业专业服务者也需要充分认识企业业务和数字技术的融合趋势。 培训理论结合数字实践、管理融合人与技术、业务融合技术，在为客户提供方案过程中，要充分融合技术，为企业提供有价值的、可落地的方案，用实实在在的业务价值反映服务价值。
