数据驱动型企业成长路径概览
管理数字化
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
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
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
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
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
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。
互联互通社区
