企业数字化转型技术发展趋势研究
1.技术的发展趋势
新一代数字技术是实现转型升级的重要支撑
- 新技术
- 大数据
- 移动互联网
- 云计算
- 物联网
- 区块链
- 作用
- 符合云原生架构
- 打破系统模块烟囱模式的边界
- 有效实现能力复用，以及数据、流程的拉通
- 适应数字化时代对业务敏捷性、弹性及动态组合能力的要求
建立在线连接能力是企业数字化转型的前提
- 企业业务流程全面线上化
- 企业组织、人、设备在线化
升级ERP架构是适应数字化转型的必然要求
- 传统
- 套装软件
- 封闭式架构
- 制约限制与外部系统有效集成
- 实时处理大量业财数据方面存在先天障碍
- 升级后
- 服务化
- 加强流程和数据集成
- 提升大数据处理能力
数据治理是提升企业智能决策能力的基础保障
AI技术中台化应用全面提升企业智能化水平
2.技术应用保障体系
战略指导
- 企业战略
- 编制技术发展战略
- 基于技术发展趋势积极导入应用
- 探索合适的应用方式
- 发挥技术更大的价值
基本原则
- “以业务为核心”的原则
- 从业务需求出发选择合适的成熟技术进行大胆尝试和应用
- 以绩效作为选择技术应用的重要标准
- 总体规划，分步实施的指导原则
- 既要站在总体事业规划技术应用的内容和步骤，又要按照不同阶段需求，循序渐进推进项目的实施落地
- 在总结分步项目不同的应用效果的前提下，优化调整总体规划，使其更有效地指导其他项目的顺利落地实施
- 使用新技术进行试点
- 1、对新技术加以关注
- 2、新技术的特点、应用方式和效果进行仔细观察
- 3、选择试点范围大胆尝试
- 4、确认实施效果
- 5、大面积推广，获得市场竞争的先发优势
组织建设
- 产品设计
- 技术研发
- 根据技术目标需求编制组织机构
- 合理分工
- 目标一致
- 不断提高技术研发的协同效率
- 实施应用
- 提供更准确、更及时的服务体验
- 市场推广
- 数字化营销
- 关注发展趋势，发现市场推广渠道
技术部署
- 应用环境
- 部署方式
- 应用模式
- 云化部署是数字技术应用的一个大趋势
- 应用
- 数据
- 安全
- 合规
- 常见部署方式
- 公有云
- 私有云
- 混合云
- 数字技术底座
- PaaS平台
- 最新数字技术
- 专业化应用协同同样重要
- 需要关注各个不同专业化业务系统之间的数据标准、共享规则，发挥各个数字化系统的集成价值和系统效应
3.技术转型路径
一、以数字技术提升企业基础能力
- 混合云将成为数字化集成设施的标准形态
- 公共算力不断增强，混合云支撑未来架构
- 东数西算-工程，国家级数字经济基础设施
- 即开即用SaaS服务
- 云原生算力越来越强
- 外部连接生态丰富
- 对数据资产的私有化
- 安全诉求更加强烈
- 混合云（跨云）成功应用的基础
- 有统一的管理平台
- 高速集成
- 混合云模式下，算力、算法、应用与数据的分离将随着数据价值的不断发掘成为一种标准的模式
- 数据资产是企业未来的核心资产
- 数据安全是企业的重中之重
- 数字化Paas平台将支撑灵活多变的业务应用
- 形成可组装的业务引擎
- 打造极致的用户体验
- 建设开放的生态平台
- 开放平台
- 可以接入到社交化生态中
- 也可以允许商业合作伙伴们通过标准开放平台更容易地实现到互联互通，紧密协作。
- 内置集成的多方系统
- DevSecOps开发理念兼顾系统安全和灵活应用
- 在软件开发生命周期的每个阶段自动集成安全性-从最初的设计到集成、测试、部署直到软件交付。
- IDaaS
- 统一目录
- 帐号生命周期
- 安全审计
- IT系统的常见授权模型
- DAC（自主访问控制）
- MAC（强制访问控制）
- RBAC(基于角色的权限控制)
- ABAC(基于属性的权限验证)
- 统一授权中心
- 统一授权中心可以控制系统内“资源”的访问限制
- 系统资源
- 功能资源
- 菜单
- 页面
- 按钮
- 字段
- 数据资源
- 业务数据行
- 通过行级安全性控制数据资源
- 算力资源
- 可以调用到的批处理
- 后台程序
- GPU资源等
- 其他资源
- 人机交互智能化将不断推高用户体验
- 主要推进要素
- 计算平台
- 技术的演进
- 功能化
- 代码化精准式
- CLI(Command-Line Interface)
- 人性化
- 图像化用户界面
- Graphic User Interface
- 智能化
- 交互自然式
- Natural User Interface
- 人机交互
- 人和机器合作关系
- 依托于可视化界面交互
- 多端协同
- 两个或以上的设计发生联系
- 向无界面人机交互的发展方向发展
- 数据中台将成为激活业务价值的技术平台
- 数据中台建立统一的数据服务体系
- 数据治理功能
- 数据安全
- 数据标准
- 主数据管理
- 数据质量管理
- 数据标签管理
- 元数据管理
- 数据处理功能
- 离线计算
- 实时计算
- 数据存储功能
- 数据资产门户
- 数据资产地图
- 数据资产管理
二、以泛在连接加速数据资产沉淀
- 1.打造全渠道的供应链网络体系
- 六大基石
- 以客户为中心的供应链战略
- 供应链管理
- 客户关系管理
- 渠道网络和生态系统
- 端到端规划和信息流共享
- 全渠道交易履行的节点运营
- 全链路数字化和过程自动化
- 风险控制和持续性
- 2.实现更智能的在线交易和协同
- 战略
- 供应链优化和透明度
- 与合作伙伴的协同和供应链策略同步
- 随市场需求波动的可变成本结构
- 计划
- 实时需求和库存管理和渠道供应链库存可视化
- 协同计划和执行
- 协同财务和运营数据分析
- 协同销售和客户需求
- 产品
- 与客户和合作伙伴进行协同开发
- 贯穿整个生命周期的可持续考虑
- 知识共享促进持续改进
- 采购
- 主动和实时监控供应商网络
- 多层供应的实时可见和深度协同
- 合同管理和战略采购渠道建立
- 买卖预测分析和智能支出分析
- 运营
- 优化库存控制和事件检测
- 运营风险管理和控制的可见性
- 和合作伙伴KPI的贸易条款的协同管理
- 协同工作平台
- 资产
- 动态和可变的资产成本结构
- 主动重新部署/重新配置/剥离资产
- 物流
- 监控和实时检测以及报警库存优化
- 敏捷的按需求物流网络
- 数据驱动的逆向物流
- 具有可变应急计划和策略的供应商网络集成
- 3.实现全链路的在线生产管理
- 生产设备数据的在线连接和洞察
- 生产设备维护信息
- 设备状态数据
- 维修时间
- 维修器件
- 维修时长
- 维修人员等
- 生产设备加工产品信息
- 产品名称
- 产品型号
- 加工开始时间
- 加工结束时间
- 加工数量
- 加工工序
- 加工工序的参数信息
- 转速
- 功率
- 温度
- 压力
- 刀具等
- 智能APS高级排程系统
- 4.构造端到端的流程建模引擎
- 端到端流程是一组有组织的相关活动，共同创造客户价值。流程的重点不是单个工作单元，而是关注整个活动组。当这些活动有效地组合在一起时，就会创造出客户重视的结果。
- 业务数据从客户需求端到客户价值端的全流程，都可以在这套能力体系上进行流转和追溯- 一切业务在线，数据驱动业务
- 以数字化PaaS平台为核心建立“端到端”的业务数据流链路是建设端到端流程的核心要素
- 低代码建模能力
- 业务流程建模能力
- 审批流能力
- IPaaS集成平台能力
- 数字化PaaS平台
- 端到端价值链
- 端到端价值链可以分解为端到端流程、价值链中的环节和流程关联，可以支持管理者查看只能流程的运行状况。
- 5.提升人与人的在线协同效率
- 去中心化、扁平化 以成为企业组织变革的方向，构建一个网格化组织，提升企业的整体运营效率
- 在线是基本需求，互动是中级需求，协同是最终目标
- 协同工具的核心价值就是实现在线、互动、协同三位一体
- 1、即时通讯
- 2、会议协同
- 3、文档协同
- 在线文档，支持多人同时编辑调整
- 4、对象协同
- 数据、单据、合同、订单、流程、事件等都可以被定义为企业管理的对象
- 随着数字化能力不断提升，企业员工可以轻松基于这些对象快速展开沟通和协同
- 5、共享协同
- 可以基于财务、采购、行政、人事等传统部门进行共享形态重塑，以新的管理协同模式拉近人与人、人与事的关系，基于特有事项统一收集及按需分发工单，极致发挥出“专业的人做专业的事”效能，大大提升员工的协同及工作效率
- 6、内外协同
- 打通企业外部客户、供应商、合作伙伴等的协同关系，可以应用到合同签订、订单执行、对账结算、发票开具及收取，同时联通企业管理者与员工，建立起真正面向企业外部及内部的在线协同管理模式，摆脱传统的协同壁垒。
三、以数据技术保障实现数据价值
- 数据治理是实现数据价值的制度保障；数据治理是释放数据要素价值、推动数据要素市场发展的前提与基础
- 1.业务牵引的数据治理体系将成为主流
- 数据治理的两个维度
- 业务聚焦
- 治理能力方面聚焦
- 数据治理作为企业实现数字战略的基础，也是人工智能应用的基础。
- 以机器学习为例，大数据样本是机器训练的基础，数据治理为机器学习技术的应用提供高质量的合规数据，同时，数据治理需要业务人员、技术人员与数据治理专业人员持续地协同工作，随着数据量、数据复杂度以及系统架构的爆发式增长，企业需要越来越多地持续投入治理成本。
- 在数字经济的应用场景下，数据只有在流通中才能充分发挥其价值，而数据流动又必须以保障数据安全为前提。
- 传统的信息安全往往追求将数据放在一个封闭的环境中，这种片面的做法只能理解为是一种简单的保证数据的“防窃取”，而当下，数据共享是发展趋势，数据安全应该包括防止数据被窃取、被滥用、被误用，同时充分的将数据的“保密性”、“完整性”和“可用性”这三个重要的数据指标考虑进去。
- 2.混合型数据库将成为数据技术发展方向
- 多维数据库需要更多维度的元数据频繁访问，数据存取I/O和实时计算速度至关重要。随着内存成本降低、内存空间越来越大，使用内存读取、存储、复杂计算等操作大大加速数据库处理速度，内存计算与MOLAP多维内存数据库技术的融合是一个必然选择。
- 混合型数据库（HTAP）融合了OLTP交易型数据库的优点和OLAP分析型数据库的优点，让企业可以同时满足两类业务对数据库技术的需求。
- 优势：不但避免繁琐且昂贵的ETL操作，还可以更快地对最新数据进行分析。
- 通过工程化的方式建立数据驱动决策模型，解决实际问题的能力
- 3.数据智能助手将成为未来企业的必备工具
- 通过自然语言查询（NLQ）,用户可以用“人话”来向系统提问，在理解用户的数据查询、数据分析意图后，会自动从数据库中查询到对应的数据进行展示（BI）。也可以与ASR语音识别技术结合，让用户可以用语音来驱动数据查询，解放双手。
- 数据智能助手把数据查询、数据分析的能力赋予企业的数字员工，给全员企业提供7*24服务。
- 通过自认语言驱动的数据查询，为“人找数”场景搭建了无门槛的通路
- 通过数据预警，为“数据人”场景提供了实时精准推送的渠道。
- 基于数智算法建立的归因分析、预测分析、洞察分析，只需要一次点击，既可帮助业务用户从海量数据中快速得到有价值的信息。
四、以数据驱动提升企业决策能力
- 数据驱动是一种由数据主导驱动，而不是由人的直觉或者经验来推进的状态
- 1.企业决策由被动响应转向主动服务模式
- 2.数据驱动的层次提升促进企业盈利能力
- 3.监控决策指挥系统是企业敏捷决策基石
五、以人工智能挖掘拓展市场机遇
- 1.无代码AI是推动智能化落地的关键一环
- 无代码建模平台
- 自动化模型调优
- 模型部署和解释
- 2.AI清洗是提升业务主数据的重要方向
- 3.可解释性AI将助力业务洞察和商业创新
- 4.因果推断是企业调整经营策略的重要依据
- 常用：机器学习算法
- 基于随机实验方法
- ABtest
- DID
- 基于弱内生因素的相似度打分因果推断
- PSM倾向得分匹配
- IPTW
- 动态面板
- 合成控制法和广义合成控制法及相关变种模型突飞猛进
- 贝叶斯网络
4.技术应用的实践场景
一、传承升级：以解耦架构激活核心ERP潜能
- 传统的困境
- 产品设计理念的局限性
- 部署架构的局限性
- 技术架构上无法拓展以支撑企业灵活的需求变化、且敏捷迭代。
- 发展方向
- 中台化趋势
- 云化趋势
- 从技术角度来看，ERP云化的核心是云原生
- 传统ERP与SAAS ERP各方面异同比较
- 传统ERP
- 实施周期
- 系统部署周期长（2周-6周）
- 系统运维
- 成本较高，需要专业运维团队来保障
- 系统扩容
- 成本高、周期长。需要新采购服务器，部署系统
- 系统访问
- 本地访问，性能一般
- 数据安全
- 需要考虑完整的数据安全容灾，备份机制
- 系统安全
- 普通安全级别
- SAAS ERP
- 实施周期
- 在线申请，无需调试，一键部署
- 系统运维
- 无运维成本：云ERP能够提供7*24小时技术支持
- 系统扩容
- 成本低，周期短：15分钟可快速完成系统扩容、无需重新部署。
- 系统访问
- 随时随地访问，更高可用性：多线BGP网络接入，智能网络负载均衡。
- 数据安全
- 数据安全性更高：实时热备，数据多重冷备，异地数据中心远程灾备。
- 系统安全
- 重视系统安全：服务器双重网络保护，防火墙+服务器集群单独VLAN隔离等
- 场景化趋势
- 不同行业企业的场景逐渐多样化，传统的企业管理边界会被进一步打破，对ERP产品的场景化应用需求更为凸显。
- ERP打通会计引擎夯实实现业财融合基础
- 元数据驱动+业务对象建模
- 智能知识图谱
- 规则引擎
- ERP融合数据中台提升企业经营决策能力
- 传统ERP无法应对日常交易处理数据量的爆发式增长，无法为管理者提供及时的经营决策数据，数据中台具有强大的数据计算能力和分析功能，可以从ERP系统及其他各个业务系统中获取数据，然后统一数据打通、统一建模、统一计算、对外提供统一数据应用。
- 数据中台为ERP提供更实时的数据决策能力
二、调度算法：APS实现更广泛的计划和协同
- 运营模式数字化转型的重要环节是改变生产计划模式
- APS实现基于物料需求和资源能力动态平衡的实时计划
- 生产计划
- 通过智能算法在满足各项生产约束的前提下，计算出一个满足产能、物料规则等约束的一定周期的日生产计划
- 车间排程
- 根据生产计划中的日生产计划，通过对生产工艺过程的分解，将日生产任务分解到车间设备上，实现对车间设备的操作生产排程。
- APS实现生产计划和更广泛生产资源的最后配置
- 运筹优化
- 物流选址优化
- 仓内优化
- 路网管理
- 路径优化
- 配送优化
- 分仓选品优化
- 配载优化
- 费率优化
- APS生产计划的制定是与更多的生产资源协同之后的成果
- 企业的数据质量是保障APS系统成功运转的重要一环
- APS的实施方式
- 标准软件配置方式
- 求解器内核方式
- 混搭方式
三、解耦工具：低代码平台与ERP的融合与迁移
- 低代码平台是用来开发和配置差异型业务系统、创新应用的最佳选择，打通了业务和技术的壁垒，可配置、可扩展、可快速变动；低代码平台所开发的各种应用，承载差异化、创新性的功能，并与ERP形成一个高内聚、低耦合的体系，各自完成任务，通过集成有机结合在一起。
四、数据驱动：应用场景分析和企业实践
- 实现数据驱动型管理的目标，是实现管理决策的智能化、自动化。
- 1.智能KPI指标提升客户体验和经营绩效
- 2.智能风控推动审计主动预警和风控落地
五、人工智能:可落地的多应用场景
- 1.AI中台大幅提升数据分析效率和质量
- 2.集成洞察推荐算法有效支撑精准决策
- 3.AI流程建模促进业务活动降本增效
- 4.RPA与AI融合将成流程自动化主流方式
- 机器人流程自动化（RPA）是一种基于人类预定规则、模仿人类行为的软件，被视为第六波创新浪潮的关键要素，以及人工智能的前序。
- 银行及证券行业使用度最高分别达到84%和90%
- 保险和医疗行业，制造业仅占25%
5.建议
数字化转型是企业从战略到战术的全面优化整合，涉及面广，影响面大，必须得到企业最高领导的重视，才能有效推进，属于“一把手工程”的范畴
一、因企制宜制定个性化的数字化转型战略
- 制造业的数字化转型
- 制造业的数字化转型目标就是实现从“制造”向“智造”升级，向精益管理要效益的目标。
- 能源化工行业数字化转型
- 在2060年“碳中和”的目标下，中国正在推进能源革命，通过建设智慧能源系统加快构建清洁低碳、安全高效的能源体系。
- 能源行业企业积极拥抱云计算、物联网、人工智能等技术，在发电、输变电、配用电、电网安全与控制等环节结合自身业务场景，构建自主可控的数字化基础设施，持续致力于融合创新技术，形成了覆盖能源成产、能源销售及能源利用等领域的智能化应用模式。
- 金融机构的数字化转型
- 金融行业数字化基础较好
- 人脸识别
- 智能客服
- 精准营销
- 智能风控
- 从企业决策场景出发，在管理管理会计思想指导下，用“数据中台+决策额模型”制定决策分析的维度和方向。从物联网、在线数据、新基建角度出发，制定数据采集、存储建模分析等数据治理体系和智能化应用。
二、优化升级打造全面覆盖的企业技术架构
- 制定一套循序渐进的技术升级方案，从混合云、PaaS平台、数据中台、业务中台到各类应用，从系统安全到智能化应用。
三、循序渐进构建数据驱动的管理决策体系
- 数据驱动的基础是数据，数据治理体系和实现技术，数据中台是企业构建数据驱动体系的技术基础。
- 在业内专家的指导下完善优化从数据采集、使用、建模、分析、指导等全生命周期的数据治理体系，构建数据监控、决策和指挥体系。
- 数字化、智能化是企业数字化转型之后的愿景目标，更广泛地导入人工智能技术，才能更广泛地挖掘转型价值，展现更多转型成果。
- 人工智能技术在运算、感知、认知三个层次的不断演进发展，为企业在语音识别、知识图谱、数据智答等各个方面带来更加实用可操作性的技术应用产品。
勇者无惧，强者无敌。
