來源：艾瑞咨詢 已授權

數字化轉型變得重要且緊急

數據驅動型企業的概念

以數據生產要素驅動經營管理，實現持續增長和創新發展

從農業經濟到工業經濟，生產要素經歷了由土地、勞動力向資本、技術及管理等的演進。數字經濟時代催生了以大數據為代表的新型生產要素，企業的經營管理離不開海量數據的支撐。相較于傳統生產要素的有限增長和供給，數據具有可復制、可共享、無限增長和供給的特性，可以通過連接物理世界和數字世界，驅動企業向數字化轉型升級，進而實現持續增長和創新發展。需要注意的是，數字化轉型強調的是運用數字技術，而數據驅動強調是以數據作為關鍵生產要素，因而數字化轉型的范疇大于數據驅動，但數據驅動是數字化轉型的主線。

不同行業的數字化轉型差異

外部環境變化催生轉型需求，數字化轉型正變得重要且緊急

盡管已經認識到數字化轉型的重要性，但在很多企業，數字化轉型依然是重要但不緊急的事情，從戰略層面驅動轉型更需要耗費大量的時間和精力，往往進展速度慢、執行力不強。通常而言，越貼近最終消費者的行業，其所面臨的競爭環境變化越快，更新迭代頻繁，數字化轉型更可能直接關系到企業的生死存亡。《中國兩化融合發展數據地圖（2018）》數據顯示，服務業在兩化融合發展水平上領先工業，農業、建筑業整體相對落后。進入2020年，在“新基建”、新冠疫情等外部因素的催化下，眾多行業受到沖擊，加速開展線上業務，數字化轉型正對越來越多的行業而言變得重要且緊急。

大數據整體產業鏈結構

涵蓋底層基礎設施、大數據平臺及面向業務場景的各類應用

對于數據驅動型企業而言，擁有數據是前提條件，數據可以是來自企業自身的經營管理，也可以來自外部的如政府數據、第三方數據等，而數據中心為數據提供數據存儲和計算的基礎設施。面對各種不同類型的離線與實時、結構化與非結構化數據，企業需要進行集成、處理、分析和可視化等工作，以應用在具體的業務場景當中。通常而言，對于有一定規模和信息化基礎企業，會引入大數據平臺或數據中臺等對數據進行統一的全生命周期管理，而針對特定場景的業務需求，則可以直接選擇更加產品化的大數據應用。

數據對企業經營發展的重要意義

供需精準匹配替代經驗主義，優化問題環節提升企業效率

過去，企業的經營管理多是流程驅動的，高度依賴經驗主義。數據驅動型企業利用海量、多維度的數據建立起更加全面的評估體系，無論是基于供需雙方的精準匹配帶來直接的業務創新增長，或是不斷優化低效、問題環節以提升運營效率，都是在激烈的市場競爭中保持可持續發展的重要手段。

如下圖所示，以鋼鐵企業為例分析企業的數字化轉型成效。企業的經營管理過程可以被劃分為多個細分環節，數據驅動對每個環節帶來不同程度的效果提升，其最終對企業的貢獻將是非常可觀的。

企業在數據運營管理方面的痛點

多源異構數據面臨整合打通難題，數字化轉型落地需各部門通力配合

從數據產生到應用的成長路徑

數據驅動型企業成長路徑概覽

遵循數據產生、管理、分析到應用的路徑，各階段相互促進

管理數字化

引入各類管理信息系統，輔助企業進行流程化管理

管理數字化指的是針對支撐企業正常運轉的一系列活動的數字化，是數據驅動型企業成長的第一步。通常而言，初創期的企業因為員工數量有限、業務規模較小，可以不需要IT系統支撐的情況下，以高度靈活、極其扁平化的方式進行管理。隨著企業的發展壯大，或多或少都需要引入管理信息系統來固化管理流程，典型的如ERP、SCM、CRM、OA等，針對不同的行業領域，也有具有行業屬性的應用系統。企業開展管理數字化能夠有效規避管理風險，通過流程化的方式提高管理效率、降低管理成本，其最終結果會沉淀大量與企業管理及流程相關的數據。

業務數字化

核心業務由線下轉為線上，形成商業模式的數字化創新

業務數字化聚焦與企業產生直接效益的產品和服務有關的數字化，沉淀與企業核心業務環節相關的數據。一類是將核心業務由線下交付轉為線上進行，如電商之于零售、在線教育之于傳統線下教育；一類是對于無法在線上進行的核心業務，通過盡可能多的數據觸點，建立其物理世界在數字世界的映射，形成的商業模式數字化創新，如對于制造業而言其生產環節必須在線下完成，但利用傳感器、RFID等技術采集工業數據，進而基于工業互聯網平臺的數字化模型對生產制造過程進行分析、預測和決策。

對于互聯網企業而言，其產品形態本就是高度依賴互聯網的、線上化的，因而商業模式的數字化水到渠成，業務數字化與管理數字化經常是同期進行的。而大量的傳統企業往往是先開展管理數字化，在數字化轉型升級的過程中，逐步探索核心業務的數字化結合點。

數據統一管理

利用數據中臺等形式整合、提純數據，實現數據的資產化

當企業有一定的信息化基礎，沉淀了各種各樣的數據，就會面臨數據統一管理的問題。企業需要對以職能、流程為中心流入進來的數據，圍繞業務和場景進行數據治理，完成從數據到可變現的數據資產的價值轉化。其實現形式主要有數據倉庫、數據湖、數據中臺等，三類的側重點各有不同。數據倉庫主要處理歷史的、結構化的數據，為滿足后續的高級報表及數據分析需求，用戶以企業決策層為主；數據湖遵循以自然格式存儲數據的理念，可處理所有類型的數據，多服務于數據開發者；數據中臺可面向各類實時、離線及結構化、非結構化數據，為前臺提供具有業務價值的邏輯概念。

數據靈活分析

由靜態報表和可視化向動態、自主的新型商業智能演變

企業可以運用代碼類工具或分析類工具對數據進行挖掘分析和可視化呈現。商業智能即為數據分析而生，是集合了數據統計、數據展示、數據分析和挖掘、數據預警等的整體解決方案，其目的在于快速準確地提供報表等決策依據，從而幫助企業做出合理的經營決策。在商業智能的發展初期，報表系統多基于ERP、CRM等業務系統進行設計，通過將數據套用進相應的模塊，可實現周報、月報等固定報表的數據查詢，但在響應業務變化和實時動態分析上無法提供有效支持。隨著大數據、人工智能等技術的發展，新型商業智能相比過去更強調對業務的實時追蹤和自主分析，數據挖掘逐漸邁向多維度的決策智能階段。

面向業務場景的數據應用

針對具體場景需求，可選擇輕量級、產品化的數字化工具

數據驅動的最終目的是圍繞業務場景應用數據，從而為企業帶來實際的效益增長。針對場景化的明確需求，企業可以選擇更加輕量級、產品化的數字化工具，敏捷地應對市場變化。具體而言，大數據應用根據聚焦場景的不同，可以分為通用應用和行業應用。面向廣告營銷、用戶行為分析等領域的通用應用率先落地，隨著數據驅動進一步向產業鏈條后端的生產、物流等領域延伸，大數據應用逐漸向金融、電信、醫療、工業、政務等行業滲透。SaaS模式具有在線交付、快速迭代、靈活付費等優勢，因而愈發受到數據驅動型企業的歡迎。為解決定制化能力不足的問題，SaaS廠商大多會向PaaS層延伸，以增強產品的可擴展性。

組織與文化變革

向以客戶為中心的敏捷組織演變，保障數據驅動的高效落地

數字化轉型是一項系統性工程，它不僅僅依賴于數字技術的應用，缺乏高層領導的參與的數據驅動，在由局部試點走向全面推行的過程中往往會遇到執行層面的諸多阻力。轉型領軍者相比于其他企業，更加重視“一把手推動”的作用，其數字化推進部門也更傾向于定位在集管理變革、模式轉型等多職能的綜合性部門，而非單純的IT部門。

技術與文化是相輔相成的，當數據驅動型企業成長到一定階段，自然會倒逼組織從流程驅動、以產品為中心向去中心化、以客戶為中心轉變。同時，從戰略層面推動的組織架構與企業文化變革，能夠保障數據驅動更加高效地執行，轉型領軍者實行敏捷管理，對數字化轉型效益的評估周期更短，有利于企業針對市場動態進行快速的調整和迭代。

五大典型場景如何開展數字驅動

數據驅動產業圖譜

數據驅動營銷

數字營銷先行，線上線下加速融合，形成豐富的數據觸點

艾瑞咨詢廣告主調研顯示，有近7成的廣告主認為市場營銷部門的主要職責是理解消費者和市場趨勢以及實現公司業務增長。面臨獲客成本增加、營銷渠道多樣、迭代更新快速等痛點，營銷的數字化升級將對企業的經營效益帶來直接的貢獻。在企業經營管理的各個環節中，營銷場景具有貼近客戶、和外部互動頻繁的特點。受益于互聯網、移動互聯網的蓬勃發展，企業與客戶之間的數據觸點不斷豐富，線上與線下的融合趨勢加強，數字營銷成為當前數據驅動最為成熟的領域。

利用多維度數據建立更完整的畫像，精準觸達目標客戶

數字營銷圍繞數據、內容和觸點的全面優化展開，其中數據環節包括第一方數據運營、第三方數據、數據中臺和數據分析等細分賽道。數據驅動營銷的目的在于以全鏈路的客戶數據采集與分析，幫助企業形成更加完整的客戶畫像，從而精準觸達目標客戶，提高營銷活動的投入產出比。企業應從全渠道接入和整合、全域客戶洞察等維度考慮，選擇合適的服務商，產品的靈活性和可擴展性能讓企業更從容地應對未來的市場變化。

數據驅動銷售

實體零售創新轉型，打通商品流和信息流，重構傳統人貨場

無論B2C、C2C或是B2B的電商，其本質都是銷售環節的線上化轉型，是業務數字化的典型代表。以快速消費品為例，2019年電商渠道占比達到21.9%，較2015年提高14%，大賣場、雜貨店等渠道進一步向電商銷售轉移。在2020年疫情爆發的背景下，線上購物節和電商直播更成為了傳統零售自救的重要手段。以線上線下渠道融合為特征的新零售，強調創造以消費者為中心的、線上與線下一致的購物體驗。從銷售環節入手打通商品流和信息流，將助推傳統線性的人貨場結構向消費者、經銷商、生產商和零售商之間的環狀結構轉變，加速實體零售的創新轉型。

全鏈路、精細化的銷售管理，驅動企業效能提升和業績增長

企業在銷售環節通常會應用CRM管理系統，將從線索、商機、訂單到回款的全鏈路數字化，精準把控銷售節奏，讓銷售效能可分析。通過多維度的銷售數據分析和可視化呈現，企業可以優化市場策略，驅動銷售業績增長；沉淀多渠道的客戶信息，形成360°客戶畫像，有助于企業提高商機響應率和贏單率；針對收款、逾期等進行精細化管理，動態追蹤回款流程，完成銷售全流程的“最后一公里”。

數據驅動生產

應用柔性生產拓展C2M反向定制，滿足個性化的產品需求

消費結構升級促使賣方市場轉向買方市場，消費者的個性化需求涌現，“先訂單后生產”的C2M模式應運而生。傳統剛性生產過程中，一條生產線對應一個規格的產品，為實現C2M的反向定制必須轉向柔性生產。柔性生產系統能夠基于用戶需求、產品信息、設備信息、生產計劃等大量的數據信息，選擇最合適的生產方案并最優化資源配置，從而提供符合市場需求的、高質量的產品，減少企業在面對供應、庫存、運輸等環節中的不確定性，消除牛鞭效應。

基于工業互聯網海量實時的工業數據，探索智能化生產

當前制造業是數字經濟的主戰場，規模以上工業企業的生產設備數字化率、工序數控化率、數字化設備聯網率持續增長，到2018年分別達到45.9%、48.7%、39.4%。隨著工業企業數字化基礎的穩步提升，工業互聯網的應用將助推“中國制造”邁向“中國智造”。工業互聯網的關鍵在于海量工業數據的實時采集，通過信息的自由流轉和數據的精準分析，優化制造資源的配置，可以實現降低成本、提高效率和提供產品和服務品質，以數據驅動生產的智能化轉型。

數據驅動采購

電商式采購精準對接供需，全流程數字化促進采購高效協同

對于多數企業來說，采購金額是銷售金額中的大頭，降低采購成本對提高整體盈利能力至關重要。數字化采購從供給側和采購側延伸出企業采購電商和采購管理系統兩條發展路徑。企業采購電商將電商平臺模式引入采購環節，通過整合海量供應商資源并以集中式采購的方式，打造陽光、低成本、高效的采購體驗；應用數字化的采購管理系統，打通從供應鏈計劃到執行的各部門數據，圍繞全供應鏈績效進行高效協同，實現可預測戰略尋源、自動化采購執行與前瞻性的供應商管理。

數字驅動協同

連接企業內外部數據，優化管理流程，指導智能化決策

管理數字化的推進為企業帶來了越來越多的數據觸點，如HR系統中的考勤數據、績效數據，財務管理系統中的發票數據、應收應付數據，OA系統中的流程審批數據，而從網絡招聘、電子發票等線上化的流程不僅大幅提升工作效率，更讓數據以結構化的方式被企業輕松獲取和使用。協同場景下的數據應用一方面可以促進流程優化，一方面可以驅動智能化決策，針對不同場景均有各自的模型算法與專業的第三方服務商。相比以往，當前的企業數字化轉型更強調跨系統的打通，通過連接企業內外部數據、拉通業務場景進行一體化分析，企業將能夠更深入地洞察和指導自身經營管理。

數據驅動加速向全場景滲透

疫情對數據驅動型企業的影響

數字化轉型按下加速鍵，企業數據驅動需求逆勢上漲

受到疫情影響傳統企業的線下業務開展受阻，面向消費者端的各環節加速線上化。2020年1月至5月社會消費品零售總額同比下降14.0%，而網上零售額僅出現短暫回落隨即迎來上漲。同時，企業的協同辦公被迫從線下遷移到線上，效率辦公類APP月活增長迅猛。管理和業務數字化的效益顯現，疫情對各行各業的影響將會伴隨企業和用戶習慣的形成從短期轉變為長期，帶動更深層次的數據驅動。

數據驅動的應用場景可能性

數據量的提升、數據維度多元化讓數據驅動向全場景滲透

預計到2025年中國范圍內采集、創建和復制的所有新數據的規模將達到48.6ZB，其中企業級數據圈的占比將從2015年的49%增長至69%。無論各類管理信息系統、協同辦公系統的應用，或是物聯網和邊緣設備的普及，都將讓企業端數據采集和分析的場景變得越來越多。在物理世界觸點的豐富多樣將促使企業以更多的維度建立其在數字世界的映射，進而反哺到以數據驅動經營管理。相應地，數據驅動的場景會從當前的集中在前端的營銷、銷售環節，向面向后端供應鏈的全場景滲透，從與消費互聯網緊密相關的零售電商向金融、教育、醫療、工業等全行業延伸。

數據驅動與云、AI、物聯網的協同發展

降低數據驅動的門檻，促進企業有效、高效應用數據

數據驅動不僅僅依賴于大數據技術，云計算、人工智能和物聯網等的融合應用將能夠降低數據驅動的門檻，讓更多的企業享受到數據帶來的紅利。傳統IT架構無法應對大數據環境，云計算可以降低大數據平臺的復雜性，簡化運維，靈活、可擴展的支撐數據挖掘與分析需求。物聯網技術是物理世界連接數字世界的通路，海量設備實時交互，如何有效處理和應用這些數據是企業面臨的難題。無論將繁瑣耗時的數據準備工作交由機器完成，或是在數據分析中應用復雜的人工智能算法，都將大幅提升數據驅動的效能。

原文標題：2020年中國數據驅動型企業成長路徑研究報告

文章出處：【微信公眾號：工業IoT】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq