数据驱动是数字化转型的主线

来源：艾瑞咨询 已授权

数字化转型变得重要且紧急

数据驱动型企业的概念

以数据生产要素驱动经营管理，实现持续增长和创新发展

从农业经济到工业经济，生产要素经历了由土地、劳动力向资本、技术及管理等的演进。数字经济时代催生了以大数据为代表的新型生产要素，企业的经营管理离不开海量数据的支撑。相较于传统生产要素的有限增长和供给，数据具有可复制、可共享、无限增长和供给的特性，可以通过连接物理世界和数字世界，驱动企业向数字化转型升级，进而实现持续增长和创新发展。需要注意的是，数字化转型强调的是运用数字技术，而数据驱动强调是以数据作为关键生产要素，因而数字化转型的范畴大于数据驱动，但数据驱动是数字化转型的主线。

不同行业的数字化转型差异

外部环境变化催生转型需求，数字化转型正变得重要且紧急

尽管已经认识到数字化转型的重要性，但在很多企业，数字化转型依然是重要但不紧急的事情，从战略层面驱动转型更需要耗费大量的时间和精力，往往进展速度慢、执行力不强。通常而言，越贴近最终消费者的行业，其所面临的竞争环境变化越快，更新迭代频繁，数字化转型更可能直接关系到企业的生死存亡。《中国两化融合发展数据地图（2018）》数据显示，服务业在两化融合发展水平上领先工业，农业、建筑业整体相对落后。进入2020年，在“新基建”、新冠疫情等外部因素的催化下，众多行业受到冲击，加速开展线上业务，数字化转型正对越来越多的行业而言变得重要且紧急。

大数据整体产业链结构

涵盖底层基础设施、大数据平台及面向业务场景的各类应用

对于数据驱动型企业而言，拥有数据是前提条件，数据可以是来自企业自身的经营管理，也可以来自外部的如政府数据、第三方数据等，而数据中心为数据提供数据存储和计算的基础设施。面对各种不同类型的离线与实时、结构化与非结构化数据，企业需要进行集成、处理、分析和可视化等工作，以应用在具体的业务场景当中。通常而言，对于有一定规模和信息化基础企业，会引入大数据平台或数据中台等对数据进行统一的全生命周期管理，而针对特定场景的业务需求，则可以直接选择更加产品化的大数据应用。

数据对企业经营发展的重要意义

供需精准匹配替代经验主义，优化问题环节提升企业效率

过去，企业的经营管理多是流程驱动的，高度依赖经验主义。数据驱动型企业利用海量、多维度的数据建立起更加全面的评估体系，无论是基于供需双方的精准匹配带来直接的业务创新增长，或是不断优化低效、问题环节以提升运营效率，都是在激烈的市场竞争中保持可持续发展的重要手段。

如下图所示，以钢铁企业为例分析企业的数字化转型成效。企业的经营管理过程可以被划分为多个细分环节，数据驱动对每个环节带来不同程度的效果提升，其最终对企业的贡献将是非常可观的。

企业在数据运营管理方面的痛点

多源异构数据面临整合打通难题，数字化转型落地需各部门通力配合

从数据产生到应用的成长路径

数据驱动型企业成长路径概览

遵循数据产生、管理、分析到应用的路径，各阶段相互促进

管理数字化

引入各类管理信息系统，辅助企业进行流程化管理

管理数字化指的是针对支撑企业正常运转的一系列活动的数字化，是数据驱动型企业成长的第一步。通常而言，初创期的企业因为员工数量有限、业务规模较小，可以不需要IT系统支撑的情况下，以高度灵活、极其扁平化的方式进行管理。随着企业的发展壮大，或多或少都需要引入管理信息系统来固化管理流程，典型的如ERP、SCM、CRM、OA等，针对不同的行业领域，也有具有行业属性的应用系统。企业开展管理数字化能够有效规避管理风险，通过流程化的方式提高管理效率、降低管理成本，其最终结果会沉淀大量与企业管理及流程相关的数据。

业务数字化

核心业务由线下转为线上，形成商业模式的数字化创新

业务数字化聚焦与企业产生直接效益的产品和服务有关的数字化，沉淀与企业核心业务环节相关的数据。一类是将核心业务由线下交付转为线上进行，如电商之于零售、在线教育之于传统线下教育；一类是对于无法在线上进行的核心业务，通过尽可能多的数据触点，建立其物理世界在数字世界的映射，形成的商业模式数字化创新，如对于制造业而言其生产环节必须在线下完成，但利用传感器、RFID等技术采集工业数据，进而基于工业互联网平台的数字化模型对生产制造过程进行分析、预测和决策。

对于互联网企业而言，其产品形态本就是高度依赖互联网的、线上化的，因而商业模式的数字化水到渠成，业务数字化与管理数字化经常是同期进行的。而大量的传统企业往往是先开展管理数字化，在数字化转型升级的过程中，逐步探索核心业务的数字化结合点。

数据统一管理

利用数据中台等形式整合、提纯数据，实现数据的资产化

当企业有一定的信息化基础，沉淀了各种各样的数据，就会面临数据统一管理的问题。企业需要对以职能、流程为中心流入进来的数据，围绕业务和场景进行数据治理，完成从数据到可变现的数据资产的价值转化。其实现形式主要有数据仓库、数据湖、数据中台等，三类的侧重点各有不同。数据仓库主要处理历史的、结构化的数据，为满足后续的高级报表及数据分析需求，用户以企业决策层为主；数据湖遵循以自然格式存储数据的理念，可处理所有类型的数据，多服务于数据开发者；数据中台可面向各类实时、离线及结构化、非结构化数据，为前台提供具有业务价值的逻辑概念。

数据灵活分析

由静态报表和可视化向动态、自主的新型商业智能演变

企业可以运用代码类工具或分析类工具对数据进行挖掘分析和可视化呈现。商业智能即为数据分析而生，是集合了数据统计、数据展示、数据分析和挖掘、数据预警等的整体解决方案，其目的在于快速准确地提供报表等决策依据，从而帮助企业做出合理的经营决策。在商业智能的发展初期，报表系统多基于ERP、CRM等业务系统进行设计，通过将数据套用进相应的模块，可实现周报、月报等固定报表的数据查询，但在响应业务变化和实时动态分析上无法提供有效支持。随着大数据、人工智能等技术的发展，新型商业智能相比过去更强调对业务的实时追踪和自主分析，数据挖掘逐渐迈向多维度的决策智能阶段。

面向业务场景的数据应用

针对具体场景需求，可选择轻量级、产品化的数字化工具

数据驱动的最终目的是围绕业务场景应用数据，从而为企业带来实际的效益增长。针对场景化的明确需求，企业可以选择更加轻量级、产品化的数字化工具，敏捷地应对市场变化。具体而言，大数据应用根据聚焦场景的不同，可以分为通用应用和行业应用。面向广告营销、用户行为分析等领域的通用应用率先落地，随着数据驱动进一步向产业链条后端的生产、物流等领域延伸，大数据应用逐渐向金融、电信、医疗、工业、政务等行业渗透。SaaS模式具有在线交付、快速迭代、灵活付费等优势，因而愈发受到数据驱动型企业的欢迎。为解决定制化能力不足的问题，SaaS厂商大多会向PaaS层延伸，以增强产品的可扩展性。

组织与文化变革

向以客户为中心的敏捷组织演变，保障数据驱动的高效落地

数字化转型是一项系统性工程，它不仅仅依赖于数字技术的应用，缺乏高层领导的参与的数据驱动，在由局部试点走向全面推行的过程中往往会遇到执行层面的诸多阻力。转型领军者相比于其他企业，更加重视“一把手推动”的作用，其数字化推进部门也更倾向于定位在集管理变革、模式转型等多职能的综合性部门，而非单纯的IT部门。

技术与文化是相辅相成的，当数据驱动型企业成长到一定阶段，自然会倒逼组织从流程驱动、以产品为中心向去中心化、以客户为中心转变。同时，从战略层面推动的组织架构与企业文化变革，能够保障数据驱动更加高效地执行，转型领军者实行敏捷管理，对数字化转型效益的评估周期更短，有利于企业针对市场动态进行快速的调整和迭代。

五大典型场景如何开展数字驱动

数据驱动产业图谱

数据驱动营销

数字营销先行，线上线下加速融合，形成丰富的数据触点

艾瑞咨询广告主调研显示，有近7成的广告主认为市场营销部门的主要职责是理解消费者和市场趋势以及实现公司业务增长。面临获客成本增加、营销渠道多样、迭代更新快速等痛点，营销的数字化升级将对企业的经营效益带来直接的贡献。在企业经营管理的各个环节中，营销场景具有贴近客户、和外部互动频繁的特点。受益于互联网、移动互联网的蓬勃发展，企业与客户之间的数据触点不断丰富，线上与线下的融合趋势加强，数字营销成为当前数据驱动最为成熟的领域。

利用多维度数据建立更完整的画像，精准触达目标客户

数字营销围绕数据、内容和触点的全面优化展开，其中数据环节包括第一方数据运营、第三方数据、数据中台和数据分析等细分赛道。数据驱动营销的目的在于以全链路的客户数据采集与分析，帮助企业形成更加完整的客户画像，从而精准触达目标客户，提高营销活动的投入产出比。企业应从全渠道接入和整合、全域客户洞察等维度考虑，选择合适的服务商，产品的灵活性和可扩展性能让企业更从容地应对未来的市场变化。

数据驱动销售

实体零售创新转型，打通商品流和信息流，重构传统人货场

无论B2C、C2C或是B2B的电商，其本质都是销售环节的线上化转型，是业务数字化的典型代表。以快速消费品为例，2019年电商渠道占比达到21.9%，较2015年提高14%，大卖场、杂货店等渠道进一步向电商销售转移。在2020年疫情爆发的背景下，线上购物节和电商直播更成为了传统零售自救的重要手段。以线上线下渠道融合为特征的新零售，强调创造以消费者为中心的、线上与线下一致的购物体验。从销售环节入手打通商品流和信息流，将助推传统线性的人货场结构向消费者、经销商、生产商和零售商之间的环状结构转变，加速实体零售的创新转型。

全链路、精细化的销售管理，驱动企业效能提升和业绩增长

企业在销售环节通常会应用CRM管理系统，将从线索、商机、订单到回款的全链路数字化，精准把控销售节奏，让销售效能可分析。通过多维度的销售数据分析和可视化呈现，企业可以优化市场策略，驱动销售业绩增长；沉淀多渠道的客户信息，形成360°客户画像，有助于企业提高商机响应率和赢单率；针对收款、逾期等进行精细化管理，动态追踪回款流程，完成销售全流程的“最后一公里”。

数据驱动生产

应用柔性生产拓展C2M反向定制，满足个性化的产品需求

消费结构升级促使卖方市场转向买方市场，消费者的个性化需求涌现，“先订单后生产”的C2M模式应运而生。传统刚性生产过程中，一条生产线对应一个规格的产品，为实现C2M的反向定制必须转向柔性生产。柔性生产系统能够基于用户需求、产品信息、设备信息、生产计划等大量的数据信息，选择最合适的生产方案并最优化资源配置，从而提供符合市场需求的、高质量的产品，减少企业在面对供应、库存、运输等环节中的不确定性，消除牛鞭效应。

基于工业互联网海量实时的工业数据，探索智能化生产

当前制造业是数字经济的主战场，规模以上工业企业的生产设备数字化率、工序数控化率、数字化设备联网率持续增长，到2018年分别达到45.9%、48.7%、39.4%。随着工业企业数字化基础的稳步提升，工业互联网的应用将助推“中国制造”迈向“中国智造”。工业互联网的关键在于海量工业数据的实时采集，通过信息的自由流转和数据的精准分析，优化制造资源的配置，可以实现降低成本、提高效率和提供产品和服务品质，以数据驱动生产的智能化转型。

数据驱动采购

电商式采购精准对接供需，全流程数字化促进采购高效协同

对于多数企业来说，采购金额是销售金额中的大头，降低采购成本对提高整体盈利能力至关重要。数字化采购从供给侧和采购侧延伸出企业采购电商和采购管理系统两条发展路径。企业采购电商将电商平台模式引入采购环节，通过整合海量供应商资源并以集中式采购的方式，打造阳光、低成本、高效的采购体验；应用数字化的采购管理系统，打通从供应链计划到执行的各部门数据，围绕全供应链绩效进行高效协同，实现可预测战略寻源、自动化采购执行与前瞻性的供应商管理。

数字驱动协同

连接企业内外部数据，优化管理流程，指导智能化决策

管理数字化的推进为企业带来了越来越多的数据触点，如HR系统中的考勤数据、绩效数据，财务管理系统中的发票数据、应收应付数据，OA系统中的流程审批数据，而从网络招聘、电子发票等线上化的流程不仅大幅提升工作效率，更让数据以结构化的方式被企业轻松获取和使用。协同场景下的数据应用一方面可以促进流程优化，一方面可以驱动智能化决策，针对不同场景均有各自的模型算法与专业的第三方服务商。相比以往，当前的企业数字化转型更强调跨系统的打通，通过连接企业内外部数据、拉通业务场景进行一体化分析，企业将能够更深入地洞察和指导自身经营管理。

数据驱动加速向全场景渗透

疫情对数据驱动型企业的影响

数字化转型按下加速键，企业数据驱动需求逆势上涨

受到疫情影响传统企业的线下业务开展受阻，面向消费者端的各环节加速线上化。2020年1月至5月社会消费品零售总额同比下降14.0%，而网上零售额仅出现短暂回落随即迎来上涨。同时，企业的协同办公被迫从线下迁移到线上，效率办公类APP月活增长迅猛。管理和业务数字化的效益显现，疫情对各行各业的影响将会伴随企业和用户习惯的形成从短期转变为长期，带动更深层次的数据驱动。

数据驱动的应用场景可能性

数据量的提升、数据维度多元化让数据驱动向全场景渗透

预计到2025年中国范围内采集、创建和复制的所有新数据的规模将达到48.6ZB，其中企业级数据圈的占比将从2015年的49%增长至69%。无论各类管理信息系统、协同办公系统的应用，或是物联网和边缘设备的普及，都将让企业端数据采集和分析的场景变得越来越多。在物理世界触点的丰富多样将促使企业以更多的维度建立其在数字世界的映射，进而反哺到以数据驱动经营管理。相应地，数据驱动的场景会从当前的集中在前端的营销、销售环节，向面向后端供应链的全场景渗透，从与消费互联网紧密相关的零售电商向金融、教育、医疗、工业等全行业延伸。

数据驱动与云、AI、物联网的协同发展

降低数据驱动的门槛，促进企业有效、高效应用数据

数据驱动不仅仅依赖于大数据技术，云计算、人工智能和物联网等的融合应用将能够降低数据驱动的门槛，让更多的企业享受到数据带来的红利。传统IT架构无法应对大数据环境，云计算可以降低大数据平台的复杂性，简化运维，灵活、可扩展的支撑数据挖掘与分析需求。物联网技术是物理世界连接数字世界的通路，海量设备实时交互，如何有效处理和应用这些数据是企业面临的难题。无论将繁琐耗时的数据准备工作交由机器完成，或是在数据分析中应用复杂的人工智能算法，都将大幅提升数据驱动的效能。

原文标题：2020年中国数据驱动型企业成长路径研究报告

文章出处：【微信公众号：工业IoT】欢迎添加关注！文章转载请注明出处。

责任编辑：haq