前面講述了數字化轉型如何重要，以及轉型中需要做的管理工作和系統建設工作。接下來，我們要討論一下數字化轉型在實踐落地方面，可能會遇到的諸多現實問題及應該考慮的注意事項。

轉型的理念很誘人，但是現實卻又總是“骨感”的，我們會遇到方方面面的阻力。技術的阻力是一方面，而更多的阻力可能來自組織和業務方面。數字化轉型靠能力，也靠“緣分”，天時、地利、人和都要具備——用戶接受、行業可期、人心一致。很多企業在轉型中都失敗了，大多是因為缺少這些要素之一。本章我們會梳理這些轉型中的“絆腳石”，把實踐中可能遇到的“坑”都理一理，看看身為讀者的你是否也遇到過這些問題。

接下來，我們會討論數字化轉型的未來發展趨勢。雖然在轉型的道路上，我們獲得了不少成績，也遇到了很多困難，但是未來的總體趨勢還是好的。市場對數字化轉型的需求會越來越大，但是有需求、有機會，并不意味著轉型的成功率就高，這里面是有一些規律的。

轉型不能盲目，轉型實踐需要把握大方向和大趨勢，只有了解規律、順應規律，才能夠交出好的“答卷”。在未來，轉型浪潮的業務覆蓋范圍會更全面、更廣泛，也更深入，這將體現在社會發展的方方面面。盡管我們所在的行業有可能暫時看起來和數字化關系不大，或者一時半會沒有出現好的“案例”，但不管是“困難”還是“迷茫”，都只是暫時的。我們需要堅定信念，大膽發揮創造力，然后勇敢迎接技術挑戰，積極地投入更多的嘗試。

轉型的絆腳石：失敗乃成功之母

數字化這個目標雖然是明確的，但是很多企業家和管理者仍然很迷茫，只知道該進行數字化轉型，卻不知道具體要怎么做。任何管理問題都不具備可以復制的特點，只會抄作業是沒法考好大學的。盡管如此，管理問題的“坑”還是可以總結出來的，一個管理者要是能躲開路上的坑，那么離成功也就不遠了！

當我們說一個人成功時，經常會總結出天時、地利、人和的因素，如果數字化不成功，那么我們似乎也可以從天時、地利、人和的角度來總結一下，到底哪些問題是企業數字化轉型道路上的絆腳石。

天時：市場或許還沒準備好

做任何事情都要和市場大環境相契合，順勢而為是非常重要的。當今時代是數字經濟非常好的時代，有很多非常好的拓展數字化業務的機會。然而，關于數字化的所有好聽的聲音，更多的是生產端一方喊出來的，那么我們有沒有認真傾聽過用戶發出的聲音？從消費者的角度看，用戶對數字化的產品又都是一致歡迎的嗎？

任何改革和變化都會遭遇阻力，這是正常的，數字化轉型這件事也一樣。當然，遭遇阻力并不意味著方向不對，只是成長必須要經歷的痛苦罷了。在進行數字化轉型變革的時候，我們需要了解到市場上一些“質疑”的態度，然后合理地規避或柔和處理。如果我們視而不見，掩耳盜鈴，一味地硬干蠻干，就很容易“遭冷場”，最后白忙活。

很多企業的數字化轉型不太成功，和整個市場環境對某些數字化理念的接受程度不足有關系。在設計一個數字化業務的時候，要看到業務的本質，要明白哪些行業的數字化轉型思路是有群眾基礎的，以及哪些行業的數字化可能會因為給文化、傳統、生活方式、道德理念等方面帶來太大沖擊，而容易產生水土不服，讓數字化的計劃提前破產。

所以在進行數字化轉型之前，就要思考清楚：當各行各業都飛快地接觸數字化基因進行業務轉型的時候，我們對業務的改造會不會觸碰到人們的心理紅線。這一點，尤其在涉及C端參與的數字化業務設計時，需要特別注意。

例如，數字化對個人信息安全方面的滲透，會給不少人帶來困擾，從而產生抵觸情緒，因為這讓人們缺乏安全感。很多網絡應用提供個性化服務的基礎是采集足夠精細的個性化數據，互聯網巨頭甚至有時候比居委會主任還懂你，你住哪兒，在哪兒工作，有幾個孩子，每個月開銷大概多少，經常聊天的幾個好友都有誰，這些信息它全知道，是不是不寒而栗？

年輕人膽子相對大一些，放得開，愿意承擔這個風險并享受數字化帶來的便利，那么中老年人呢？

其實，現在很多中老年人在對新興數字化產品的接受上，往往還是把風險放在方便前面考慮的。但矛盾的是，他們的潛在消費能力其實很強。如果數字化不能獲得他們的“投票”，就說明更大的市場潛力還沒有被釋放出來。人到了中老年，盡管財富積累比年輕人高，但是往往比年輕人更加保守，更加“摳門”。畢竟除了少數非常成功的人士，大多數人到了中老年，都需要更加穩定的生活。

一些老年人，在辦理銀行存款或轉賬業務時從來不用手機App，十幾年如一日地往銀行跑，寧愿守在銀行，坐在那兒排隊等一兩個小時，袁文澤博客www.yuanwze.cn也不愿意在手機上進行便捷的操作。如果去問他們為什么這么“執著”，則他們不會告訴你是因為手機這東西不會用，而是會反問你，“這軟件會不會把我的錢轉丟了”，或者“我的銀行卡密碼會不會被手機病毒泄露”。這些問題讓人忍俊不禁又值得反思。

你看，在數字化這么發達的現代，信息安全這件事帶來的恐懼，其實是深深埋在每個老百姓心里的。若沒有遇到特別的事情，就可以暫且把隱私的事兒“傻傻”放在一邊不管，但一旦遇到某些特別的場景，就會時不時提醒人們這方面存在隱患。換句話說，如果一個數字化產品在使用時需要獲取人們在意的、敏感的、核心的隱私信息或安全信息，那么這個產品勢必會在一定程度上承受來自這方面因素的推廣阻力。

倫理道德問題也是一樣的，這幾年大數據“殺熟”問題也很嚴重，很多App通過用戶購買產品的頻率、數量和金額，來判斷某個產品對用戶來說是不是剛需的，從而對其進行“價格歧視”，這種事在網上經常被提及。

例如，A經常在某個電商平臺買東西，甚至辦了會員儲值卡。這個電商平臺會通過數據分析判斷A是個購物達人，于是同樣的一塊手表，A購買可能要比作為新用戶的朋友多花幾百元。

再如，B打算假期去旅游，于是他就去旅游網站瀏覽機票的價格信息，但是由于各種行程安排還不確定，所以多次登錄旅游網站的購票平臺進行機票信息的查閱和對比。而當旅游網站通過大數據信息監測，發現了B“迫切”的旅游需求時，就可能會對其進行提價，展示更高的價格。

在數字化時代，商家總是希望通過數據分析獲得更高的收益，大數據分析提升了商家進行“價格歧視”的技術水平，把消費者這種不開心的體驗放大了。

在其他方面，用戶對數字化的各種顧慮也非常多：有人擔心在全社會推廣數字化的進程中，大量的5G基站建設會對健康產生影響；有人擔心自己的小孩沉迷于手機游戲和短視頻，影響了學習和身心健康；還有不少人會覺得人工智能算法“導致”的交通事故沒有人承擔責任……

在數字化轉型過程中，引入的技術概念很多，導致的技術問題也很多。怎么用好技術，改善人們的生活，同時盡量避免技術問題，緩解人們對技術的焦慮，是每個推動數字化進程的“探索者”都需要考慮清楚的問題。

地利：行業真的有迫切需求嗎

除了市場的原因，行業方面的原因往往也是導致數字化轉型發展產生問題的重要因素。首先要認識到，當下每個行業對數字化的客觀需求是不一樣的。在數字經濟時代，數字信息技術可以給每個行業都帶來不菲的好處，但是數字化為行業帶來好處的大小、程度、潛力，是不一樣的。有些行業的數字化潛力還沒有充分發揮，也就是說，在現有的技術水平下，需求還沒有找到，沒有被挖掘出來。

還有一些數字化項目推不動，是由于所在行業的壟斷造成的，如資源開采類的行業。競爭越大的行業，數字化的需求就越大，因為“內卷”得厲害，所以降本增效的需求就大。

如果一個行業是靠輸出知識內容生存的，那么這個行業對數字化的依賴會特別強；如果一個行業是靠輸出物理形態產品生存的，那么這個行業對數字化的依賴會相對弱一些。對于后者，這個行業對數字化需求的原動力會比較不足，因為即使企業不去進行數字化，光靠投入生產設備、資金和人力，也可以提高競爭優勢。

如果一個企業所在的行業價值體現在人的創造力上，那么這個行業其實不太適合用數字化的方式改善業務現狀。

前面也提到了，數字化解決的是效率問題，不解決創新問題，因為創新工作更多需要的是人的靈性。當然，人工智能技術的研究也越來越深入，很多科學家都在思考怎么讓機器越來越像人，讓機器把人的腦力活動也給做了。這個想法不錯，但是距離真正實現仍然很遠，現在人工智能基本上沒有什么創造力，只會按部就班地工作，沒任何多余的想法。

別說創造力了，現在的人工智能就連稍微變通一點的頭腦也沒有，掃地機器人就只會掃地，不會想著順便幫你把掉在地上的鑰匙收起來，做飯機器人也只能按照提前錄入的菜譜燒菜，不會因為天氣冷了主動給主人煲雞湯。

像藝術、音樂和繪畫這些行業，都需要很多人的靈性，其成敗在于人的創造力，在于作品是否能提供獨特的體驗，效率其實不是第一位的。有時候一件令人驚艷的雕塑或畫作，比一百件普通的作品都要值錢。降本增效的邏輯對這些行業起不到關鍵的作用。一味地在不合適的行業里去推動數字化，短期內可能不會帶來太多好處，推廣難度也會很大。

此外，我認為阻礙一個企業進行數字化轉型的另一個重要因素，就是企業所在行業的標準化程度。越成熟的行業，越重視生產效率的行業，標準化程度就越高，比如制造行業。

數字化的核心在于把業務數字化，但是如果這個行業的標準都不清晰，就沒有辦法用數據對業務進行定義，而如果沒有辦法把業務數據化，那么只能單純靠人工了，機器幫不上任何忙。

很多行業本身有很豐富的業務知識，把這些業務知識數據化，就是要構建面向整個業務領域的知識體系，而這件事是非常有難度的，需要找很多業務專家來做。但“殘酷”的現實是，人的專業能力和知識表達能力通常表現出不一致的水平，網絡上的“知識大V”可能并不具備專業背景，而資深教授的課堂卻可能是“空蕩蕩”的。

此外，很多行業的知識體系沒有構建起來，更普遍的情況是，大家對所在領域的業務活動甚至都沒有形成統一的理解和認識，同時也沒有形成靠譜的操作規范。如果說以師傅帶徒弟的方式開展業務，什么事都要手把手教，經驗靠踩坑積累，那么這類業務就很難讓機器參與。

人和：“轉型”不是空喊口號

前面講了市場大環境和企業所在行業對數字化轉型的影響，然而企業如果自己不努力，執行效果差，那么時代條件再好也抓不住機遇。于是，人的因素就顯得格外重要。

我們都知道，數字化轉型對整個企業來說是一個綜合性非常強的任務，對業務的影響非常大。如果想要堅定不移地推進數字化轉型，背后就需要有非常強大的組織支持，也就是說，需要在企業里面找到“說話好使”的人來支持這件事，并且親自“盯”這件事的執行。

如果不這樣的話，則企業各部門、團隊就會把“數字化”當作空喊的口號，沒有人認認真真地去落實。這個“說話好使”的人最好是企業的一把手或準一把手，比如CEO或COO，這樣就不會牽扯到具體部門的利益，也不會有偏有向，令人信服。

數字化需要公司領導的大力支持，組織資源永遠是第一位的。

如果企業一把手是非常懂數字化的人，那么數字化轉型這件事就會比較順利，而如果一把手是個外行，或者對數字化這件事存在誤解，那么轉型的成功率就很難保障。做任何事情，領頭的人都很重要，因為領頭人決定方向。領導者對數字化的認知有問題，或者做事格局太小，就有可能影響到數字化轉型的最終效果。

例如，領導者可能認為當前不應該進行數字化，對行業的判斷出現了偏差，認為依靠企業現有的技術優勢或行業壟斷優勢，可以長期地保持領先的地位，表現出不著急或躊躇不決的態度。

外部市場環境變化很大，短期內行業內可能會面對數字化的迷霧，但是一旦有一家企業突破了這個迷霧，就很可能瞬間取得壓倒性優勢，顛覆原有行業老大的地位。

此外，領導者本人性格可能趨于保守，比較求“穩”，把責任風險看得比企業未來發展更重要，這樣就會先天比較排斥數字化轉型的落地，并會主動尋求各種理由和說辭來證明數字化轉型“為時過早”，需要“靜觀其變”，以此安撫企業員工維持現狀。

而更多的情況是，領導者可能對數字化的理解不到位，把數字化當作信息化來做。信息化這個概念出現的比數字化早，目的是把業務流程搬到線上環境，給業務流程加速，但是從本質上來說，業務邏輯本身并沒有發生太大變化，而且業務產生的數據也沒有支撐業務的創新和優化。管理者如果帶著這種想法做數字化轉型，那么轉型的效果往往也是大打折扣的。

當然，僅有領導層的支持還不夠，一個企業如果在執行層配合不到位，也很容易在數字化的轉型過程中“半途而廢”。前面講到，數字化轉型是面向業務的，技術解決方案本質上也是為了突破業務發展的痛點。

因此，在企業中，業務人員需要特別地重視數字化轉型工作。

但諷刺的是，在很多企業中，對數字化轉型最感興趣的不是業務人員，而是技術人員。數字化雖然是關于業務的，但往往會被大部分人誤會成技術部門負責的工作，所以在現實中，技術人員表現得比業務人員更加上心。

技術人員長期處于“后勤”輔助團隊中，一直都是給別人服務的，好不容易等來了數字化這個機會，想借著這件事“露露臉”，整天跟在業務部門后面“討要”需求。而這個時候，業務部門的小伙伴就會很容易表現得非常不耐煩，不是假借開會不理你，就是隨便發一堆莫名其妙的業務材料讓你自己“找答案”。業務人員的心態一旦擺歪了，就會成為數字化道路上的最大阻力。

很多業務人員覺得，完成手頭上的業務指標才是當下最要緊的事，審批一個合同，談妥一個單子，推廣一個產品，整頓一個門店，這些事情可都比數字化轉型重要多了。

業務部門的員工看起來總是很忙，一天到晚都急著往前趕路，心無旁騖、勤勞地工作。但是這份認真，有時候卻很“麻煩”，好走的路不一定長遠，也需要往兩邊看看。一個企業要想順利地推進數字化，就得好好啟發一線業務人員的思想認知，爭取他們的全力支持。

數字化轉型工作很尷尬，它是面向未來的。從短期上來看，數字化是個“成本型”的項目，是要花錢的，在開始數字化轉型的一段時間里，可能會有成本大于收益的情況出現。在企業內部的輿論上，數字化的積極推動者會面臨著很大的壓力。

近期目標通常是清晰、明確的，然而遠期目標卻不容易預見。因此，很多業務部門也就更愿意去參與“夠得到”的項目，不愿意投入過多的精力去做看起來不可估量的數字化項目。正是因為這樣的原因，在一個比較大的成熟企業里，更多的是讓一些新招來的“小白”或“實習生”去做這種探索性的工作，而那些真正懂業務的骨干，都還“掙扎”在主業務里煩惱呢！

除了上面提到的，還有一個人員方面的因素也會影響數字化轉型的整體效果，那就是員工的基本素質。

企業員工關于數據方面的基本素質若還不達標，那么轉型工作自然會表現得“心有余而力不足”。數字化轉型是一件有挑戰性的工作，企業要迎接技術帶來的挑戰，因此需要具備較強的數據能力體系。數據能力體系是指，企業里至少需要有一部分人，對信息系統、數據，有足夠多的理解，能夠明白數據是怎么來的，以及數據應該怎么用。

很多企業所在的行業非常傳統，員工對業務的理解僅僅局限于流程，只了解一些非常傳統的業務概念。然而，這些業務概念在數字經濟時代，很多已經有了新的定義，但是企業員工的理解還不到位。

換句話說，員工的數字“底子”太薄了。這種企業的數字化轉型，是非常困難的，因為企業員工的思維方式沒有突破傳統的認知，不具備對數據的想象力，也不能理解“數據”這個概念。最基本的數據觀都沒有建立起來，更何談數字化這件事呢？這些企業的數字化轉型工作，往往不是內部驅動的，而是外部驅動的。咨詢公司先主動找上門來給企業培訓，慢慢滲透相應觀念，讓數字化轉型的需求一點點地被挖掘出來，這個過程不是一蹴而就的。我們首先要轉變觀念，加強學習，再討論怎么執行落地。

當然，如果想讓業務人員足夠重視數字化轉型工作，那么企業也需要調整對員工的考核制度來提供“制度”上的配合。如果對員工的考核制度跟不上，就會導致大家對數字化工作不能投入，因為擔心影響到原有工作的績效。

數字化是知識驅動型的工作，創新性的特點比較突出，數字化轉型的結果也具有很大的不確定性。但是，數字化項目又需要不同職能背景的員工進行深度的合作和參與，于是這些員工就必然要分“精力”給這項新的任務。

但尷尬的是，由于數字化轉型工作既綜合又復雜，同時也是面向未來的，所以對數字化轉型工作做得好壞很難進行評估，甚至員工的努力投入是不被“領導”看得見的。有時候領導會誤以為，最終開發系統或采購技術設備的團隊才是真正干活的，殊不知這里面的業務人員、市場人員、運營人員、組織管理人員、行政人員都會投入大量的精力，但是他們的工作很容易被忽略。

在企業里，人力考核是一把無形的尺子，規范著每個人的工作表現。如果這把尺子歪了，那么大家工作的勁兒也就使歪了，畢竟具體到大多數的個體，都會先關心自己的“錢途”，然后考慮企業發展的“前途”。

要想有效地推動數字化，配套的考核制度就得跟得上，不能忽略每個轉型參與者的利益。數字化轉型，本質上更像創新研發類的工作，我們可以參考創新研發類工作的考核方案，引導員工努力投入。例如，引用基于OKR的目標管理工具。最近幾年，OKR這個概念炒得很火，可能是因為在數字經濟時代，大多數企業的知識工作者變得越來越多了，需要更多有效的業務創新來提升企業的市場競爭力。

那么OKR到底是什么呢？OKR的全稱是Objectives and Key Results，中文意思是目標與關鍵成果。基于OKR的考核，最終目的是實現企業的戰略目標，而要想實現企業的戰略目標，就要對任務進行層層分解。至于目標實現的方式、目標實現的路徑，在執行上都比較靈活。其中，所有的工作任務和工作過程，都是完成具體任務的員工自己決定的。

OKR考核強調員工自己給自己下任務，而不是在傳統模式下被動地接受上級強行下達的任務。OKR考核比較適合對任務不清晰的創新型工作進行考核與管理，對于與數字化轉型密切相關的工作任務，它恐怕再適合不過了。

關于“人和”的重要性，最后要補充一點，數字化轉型的工作可能會影響某些部門或團體的既有利益格局，這其實是導致很多轉型落地延緩或失敗的一個非常隱性的關鍵誘因。

例如，在進行數字化轉型的過程中，需要成立新的部門和團隊，原有的組織架構就要被“打散”，甚至被取消，部分團隊的負責領導就會面臨被“架空”的風險，這不免會觸動一些人的利益。

有些團隊，傳統業務做得很好，人員技術也很嫻熟，但是數字化后，原本很多人做的事情都被機器替代了，很多“吃老本”或循規蹈矩的“老人”可能也就沒了市場。在數字化時代，在企業里“一招鮮吃遍天”的玩法，也就越來越不管用了。

另外，數字化轉型會讓一些創新業務代替老業務成為企業的核心經濟增長點，而那些不盈利的，原來舍不得割舍的舊業務線，也許就被趁機“甩包袱”了。這個時候，無論是人員的崗位，還是工作的內容，都可能會面臨巨大的調整。原來的業務骨干可能會被邊緣化，之前某個數據管理小助理也可能搖身一變，成了各部門都爭相搶奪的“香餑餑”。

所以說，有時候不是因為一件事“錯了”而沒去做，對于企業來說正確的事情，未必每個人都認為是正確的。那些在數字化轉型中保守的一方，也有自己的利益訴求，如果在轉型的過程中沒法穩妥安置、平穩過渡，那么在轉型的過程中就會遇到很大的阻力。而這種來自人的阻力，在現實生活中比來自技術的阻力要大得多。

即使是畜牧業這樣傳統的行業場景，如果有足夠的創新勇氣，那么也有讓“數字化”充分發揮價值的舞臺。在該圖中，通過編程構造的一個可以自動投喂飼料的智能機器人，可以幫農場主更加準時而貼心地對牲畜進行喂養。

關于數字化未來的一些想象

從最早的數字化業務實踐開始，包括金融、醫療、政務、教育，以及制造在內的大多數行業都以不同的形式取得了一些進展，也積累了不少新穎的數字經濟發展模式。當然，也有類似于農業、環保、藝術等的少數行業，在數字化方面還只是剛剛起步。總體來看，凡是依托于數字化的行業和市場，都可以說是發展空間巨大。各行各業都希望通過數字化轉型提高自己的競爭力，并從中創造出更多的經濟價值。

在本書的最后，我們要展望一下數字化轉型的未來。不管是從產業落地角度，還是從技術變化角度，我們都希望通過本書的討論，能夠幫助所有關心數字化的朋友們思考未來數字經濟的形態可能是什么樣的。

只有準確預判未來，我們才能提前做好準備，迎接挑戰，順應趨勢方可有所作為。從大的方面來說，未來的數字化發展具有技術普惠、行業覆蓋、虛實結合、全面升級4個方面的主要特征。

技術普惠：從大企業到小團隊

當前，關于互聯網經濟格局的競爭，已經到了下半場，也就是從移動互聯網時代逐漸過渡到產業互聯網時代。隨著諸多“大廠”在互聯網行業長期的精耕細作，它們已經構建了非常成熟的技術能力。而這些技術能力恰恰可以服務于傳統的中小微企業進行數字化改造，并能幫助它們快速形成信息技術能力，快速吃到信息化和智能化的時代紅利。

什么是產業互聯網呢？產業互聯網就是指服務于B端的互聯網應用。因為現在C端用戶的流量紅利已經被挖掘得差不多了，大家不管是午休娛樂還是在地鐵上打發時間，都已經在很“努力”地使用各種App了。所以，如果在C端一直競爭下去，接下來就只剩下“內卷”了。

從社會技術資源配置的角度看，如果想用信息技術為社會更高效地創造價值，則不應該只在消費端“動心思”，更多的還是要在企業端賦能。

在未來，對于數字化轉型來說，一個非常典型的特征可能是，大企業先去“踩坑”，率先鉆研業務領域的數字化體系，完成核心業務的數字化升級和數字化創新，提升用戶的服務體驗。之后，大企業再將數字化業務能力對外輸出，為所在行業的中小企業賦能，對整個供應鏈進行全局的技術升級。

當前已經有很多大廠開始大力布局，助推小企業數字化轉型，這些大廠除了提供文檔管理、在線會議、業務審批等一系列數字化的通用管理工具，提高中小企業的日常辦公效率，同時也會基于數據中臺，圍繞行業核心業務數據提供各種定制業務能力支撐，幫助這些企業進行數字化運營，甚至綜合業務決策。

對于一個行業來說，進行數字化轉型需要投入很多的成本，不管是人力成本、經濟成本、管理成本，還是技術成本。相比于中小企業來說，大企業更有實力成為轉型的先驅者，他們有能力和魄力來更高效地推動這個事情。

就像前面提到的，僅積累數據、搭建系統這些基礎性的工作，投入就不是一般公司能承受的。而且很多數字化業務模式的構建，需要充分整合大量業務經驗，而只有大企業才可能擁有這么多專家和業務數據來支撐轉型事業。

大企業完成轉型之后，借助自己的業務“流量”優勢，可以很快地將數字化業務模式和產品形態“實驗”出來。這些能力如果給小企業，那么小企業不用投入巨大的成本就可以享受到數字化技術的福利。

比方說，阿里巴巴作為電商巨頭，背靠“淘寶”和“天貓”，由于掌握了大量的市場一線交易數據，所以很好地為入駐其平臺的海量中小企業商家進行了數字化的賦能升級。除了開放更多流量，還會助力商家提升自身的數字運營能力，包括小程序建設能力、“千人千面”的店鋪能力，以及數字會員的運營能力等。

除了拓展商家線上業務，阿里巴巴還開展了“新零售”計劃。按照馬云自己的說法，新零售是線上、線下與智慧物流相結合的零售。在這種模式下，線上與線下的競爭關系變為互利共生的關系，實體零售店的營銷、倉儲，乃至店面設計都由大數據分析來指導。新零售的特色在于個性化銷售，實體店可以根據消費數據準確預測顧客需求，更加靈活地進行商品備貨和營銷活動。

除阿里巴巴外，騰訊在“數字能力”輸出方面也做得相當不錯，只不過騰訊不是依賴交易數據進行決策支持的，而是基于社交運營的路線，聚焦流量的管理和推廣。騰訊可以支撐的數字化場景甚至更加廣泛，復雜的不說，最接地氣的就是微信小程序，不同領域的商家都可以根據自己的業務需求構建數據應用，提升現有業務的數字化水平。

不管是點餐平臺、外賣平臺、就診平臺，還是快遞平臺，都可以基于微信小程序構建。手機的屏幕就巴掌點大，用戶不可能“細心”到為每個場景專門下載一個App來用，也不是所有的中小企業都有足夠的“閑錢”來做這個事。因此，在微信小程序架構上快速搭建一個應用程序是非常明智的選擇。

商家可以通過微信小程序快速地與用戶構建緊密的聯系，基于用戶在微信小程序上的使用情況分析數據，進行精細化的用戶管理，更貼心地服務用戶，更“聰明”地投入營銷成本。

《2021中國小企業數字初始化指數2.0》中顯示，中國小企業的平均生命周期為2.5年，而數字化水平最高的小企業的平均生命周期則能達到13.3年，超出平均生存水平5倍多。在數字化的浪潮下，小企業逐漸擁抱數字化是大勢所趨，雖然它們可能暫時缺乏很強的技術能力，但是大企業會為它們提供這方面的服務，幫助小企業補齊短板。此時，小企業要做的不是為技術焦慮，而是提升數據認知能力，愿意去接受業務形態的變化，以及面對技術沖擊帶來的新想法和新挑戰。

數字化轉型在未來不再只是大企業的專利，數字化紅利會向大企業的周邊溢出，以后會有更多小企業有機會享受到“高性價比”的數字化服務。數字化以中臺的形式，加持云服務的高性能、低成本特點，足以讓數字化服務像水一樣流向行業中的不同企業。數字化服務將是一種新的供應鏈資源，支撐產業上下游各個企業參與主體的日常經營。

行業覆蓋：從新興領域到傳統行業

零售行業和服務行業是最先引入“互聯網+”商業模式的，基于“互聯網+”的業務先天就攜帶著數字化基因，因此非常容易引領數字化創新的潮流。相較而言，傳統行業在開展數字化方面就困難多了。對于傳統行業來說，進行數字化改革是強行引入數字化模式，“過渡”得也就沒有線上的ToC業務那么自然。

從當前的發展情況看，傳統行業在數字化轉型方面確實是“慢半拍”的，甚至“慢一拍”。就像前面提到的，傳統行業因為缺少底層的信息化基礎，缺少數據積累，所以光是在數據方面欠下來的“債”，就很難補起來。

除此以外，更為重要的是，在應用模式上，傳統行業的數字化轉型需要更多的業務環節介入，需要企業對原有業務過程進行大改造，甚至需要完全做個新模式。而這些工作，都需要推翻現有的“實體”資產架構，重新構建，這個過程中會花很多錢，但是一旦轉型完成，就很可能會讓原有的產能結構發生顛覆性改變。

從“數字化”這個概念火起來開始，數字化在第一、二、三產業的滲透率都有所提高，但是數字經濟的增長，明顯更集中在第三產業。換個思路看待這件事，我們也可以認為，在第一、二產業通過數字化創收存在著非常大的發展空間，而很多企業已經開始把握這個機會。

好比這兩年，“智能制造”這個概念很流行，包括工業4.0，都是圍繞第二產業推廣數字化提出的，這方面的實踐成果也確實不少。而制造業畢竟屬于高精尖行業，是有高科技門檻的，因此進行數字化推廣這件事并不難理解。但事實上，即便是能源這種“資本密集型”的傳統工業，也有很多的數字化需求和機會存在。

就以石油、天然氣的開采為例，我們都知道開采設備經常需要在極端的自然環境中工作，設備本身在工作中的損耗是非常大的，十分容易出現故障。結合生產數據對設備的故障進行提前預測并對設備進行定期維護，保證設備穩定運行，可以節約大量的維修費用。如果將眼光放長遠點，把開采設備停機對煉油和石化工業等下游行業的影響也算進來，那么這種數字運營能力帶來的經濟效益空間更大。此外，在勘察石油和天然氣儲量的過程中，也會產生大量非常重要的地質數據和生產數據，把這些數據與硬件數據有效結合，可以極大地提高地層中碳氫化合物的識別效率，更加精準地進行資源定位和開采，提高能源獲取的綜合效率。

那么，數字化轉型在第一產業的場景中有沒有具體的玩法呢？答案自然是有的！

在農業領域，通過對農業生產數據的自動采集和智能分析，可以優化種子種植、灌溉及噴灑等操作，讓這些生產活動更加精準，顯著地減少化肥和灌溉成本，并且有效提高農作物的產量。

在畜牧業領域，可以通過采集動物的語音信息，結合語音識別技術分析聲音信號的變化，自動識別牲畜是否患病，以便盡早進行治療干預，減少養殖者的損失。在國外的一項學術研究中發現，利用神經網絡的模式識別算法，可以做到有效地識別出病雞（識別兩種最常見的疾病）。這個算法對已經發病2天的病雞的識別準確率為66%，對已經發病8天的病雞的識別準確率則可以達到100%。

另外一個更加直觀的應用是，直接“雇傭”一個機器人來工作，把農民伯伯徹底解放出來。例如，現在有些農場已經開始嘗試構建對水果和蔬菜進行分揀的智能設備了，還有不少操控無人機進行播種的嘗試，這些應用都可以節約很多生產方面的人力成本。農業在本質上是一個勞動密集型的行業，用機器來代替人力活動，甚至可能改變農業活動的底層業務邏輯，迎來真正的智能化農業時代。

虛實結合：從互聯網到元宇宙

虛實結合是指隨著數字化技術越來越成熟、完善，現實中的業務會呈現出更多的虛擬化特點。虛擬世界會有更高的靈活性、創新性和開放性，這些特點可以更好地滿足全球化大背景下經濟持續增長的迫切需求。

隨著VR、AR、5G、3D建模等技術的快速發展，未來的數字化業務會不斷地打破物理世界和虛擬世界的界限，將二者更加緊密地融合，并且充分利用虛擬世界中的建模能力、計算能力，以及分析能力來改善現實世界的業務狀況。

當我們聊到虛擬世界時，自然繞不開元宇宙這個“家喻戶曉”的技術話題。什么是元宇宙呢？可以想象，只要戴上一個VR眼鏡，就馬上進入一個全新的虛擬空間，商店、公路、樓房、路人，一切都和現實生活交融。我們可以在里面任意地走動，在這個空間中自由地穿梭、旅游、游戲、社交……就像電影《頭號玩家》里面描述的場景一樣。

當前的VR技術只能提供一個人造空間，讓人們在里面參觀，最多進行一些簡單的游戲，但是大多做不了實際的事情。而在元宇宙的構想里，現實物理世界中的吃喝玩樂、消費投資，都可以在這個元宇宙“空間”中同步進行。

有人會問，現實物理世界的生活不是挺好嗎？為什么要到元宇宙里生活，難道地球上的空間不夠了嗎？

在回答這個問題之前，不妨先思考另一個問題：我們去實體店買東西就挺好了，為什么要網上購物呢？

其實元宇宙的本質就是互聯網。如果說很多傳統業務都存在線上化創新的需求，那么這些業務未來被設計在元宇宙中自然也是順理成章的。只不過因為這個互聯網太過“逼真”，跟現實世界越來越像，所以才有了元宇宙這個“優雅”的名字。

當前，數字化轉型中的很多應用都需要通過網絡實現。類似地，未來數字化創新業務也會朝著元宇宙場景下的形態去發展。元宇宙時代的互聯網與現在的互聯網之間有很多區別，除全息沉浸式特效以外，還有更加開放、更加豐富的互聯網環境。元宇宙概念的提出，給數字化業務的創新發展帶來了很多好處。

首先，元宇宙具有強大的內容表達能力。元宇宙允許在更多物理空間環境下才能產生的活動和服務在虛擬世界中也能發生，這突破了傳統空間對業務的限制。典型的應用有基于虛擬人的遠程會議，或者“把故宮直接做成可供游覽的3D場景”的數字文旅項目。由于新冠肺炎疫情的原因，這些應用被“刺激”地快速發展，催生了一個基于線上場景的、能夠覆蓋更多客群需求的“沉浸式”應用市場。

其次，元宇宙具有“仿真”能力。這一點在前面的數字孿生部分其實已經聊過，通過構建現實物理世界的映射，我們可以更好地分析世界、改造世界。未來，一個企業對業務的抽象化和虛擬化能力，可以直接看作其對所在領域業務知識和業務經驗的掌握和運用能力。這樣的企業可以更好地對業務計算，并對業務進行全方位的智能化升級。

最后，元宇宙具有開放性特征。元宇宙中的不同網絡平臺都可以“無縫”連接在一起，一個用戶在一個網絡平臺中的數據和“虛擬資產”，到另一個網絡平臺中也有效。例如，某用戶在游戲平臺A上賺取了1000個游戲幣，這些游戲幣拿到游戲平臺B上也可以使用，可以任意購買游戲裝備。

未來的游戲不僅用于娛樂，而且會成為經濟系統的一部分，把社交、娛樂的元素融入虛擬世界的建設中，可以對元宇宙生態的繁榮起到非常好的“催化”作用。

根據這個思路，我們可以更好地規劃虛擬世界的運行機制，比如游戲獎勵機制，用來激勵用戶更多地使用虛擬世界并參與到虛擬世界的建設中去，然后通過這個過程，充分發揮網民的智力活動，不斷對虛擬世界進行建設和完善。

元宇宙這個概念雖然比較新，但事實上，不管在產品體驗，還是在商業模式上，都已經有了很多不錯的場景化應用。例如，世界最大的多人在線創作游戲Roblox，可以開展虛擬土地購買和經營管理的投資型游戲Decentraland，面向NFT藏品交易的大型線上交易平臺OpenSea，以及基于數據共享驅動模式的智能汽車……

我們看到，虛擬化是當前數字化轉型的一大趨勢。虛擬化打通了線上和線下之間的壁壘，構建了事物之間在時空上的聯系。通過虛擬化這個工具，我們可以玩出更多的數字化業務，可以創造出更多的虛擬產品和虛擬服務，同時也可以激發對虛擬經濟全新商業模式的積極探索。虛擬化與數字化的結合，不僅能夠提高經濟效率，還能創造出一個更廣闊的市場。

全面升級：從專業智能到普適智能

最后我們來討論一下智能化方面的話題。當數字化應用發展到比較高級的階段時，基本上都會展現出智能化的特點，代替普通人甚至某些領域有經驗的專家來做各種各樣的決策，如信息審核、商品導購、內容推薦、業務咨詢、醫療診斷、考卷評分等。而機器代替人來做這些事的好處不僅僅在于節約成本，還在于能有效地減少由人的情緒化和疲勞化帶來的工作失誤。

從技術上講，為了讓機器能夠代替人來做這些事，就得教會機器如何做事，這里面又包括兩個具體步驟：一是構建一個算法模型；二是用數據來“投喂”算法模型，讓模型學習人的辦事經驗，也就是模型“訓練”。

因此，為了能夠獲得聰明的、能夠做好事的算法模型，我們既要在模型設計上下功夫，又要在數據資源建設方面花費精力。

在當前的智能化技術發展水平下，機器只能做垂直領域的事情。什么意思呢？一個算法模型只能完成一類任務：能夠做文字識別，就不能做自動翻譯；能夠做自動翻譯，就不能預測用戶的消費行為。和人相比，機器才是“專才”。

如果想讓機器做好一件事，就要專門為這件事構建一個模型，以及準備用來“調教”模型的專門數據集合。我們人類可以做千千萬萬種事情，包括日常活動及專業的生產行為。但如果想讓機器達到人的水平，且不說高級員工，就是做到滿足一個普通人的日常生活交流，都是十分困難的，機器要學的實在太多了！

有太多的業務知識需要機器來學習了，而每件事都需要同時解決模型構建和數據獲取的難題。為什么說信息化是數字化的基礎呢？至少從構建智能機器的角度來說，要想獲得好的模型，就得積累足夠多的相關業務數據，而這些數據都是在信息化的過程中不斷積累下來的。

在數字化轉型的長遠愿景中，我們希望機器像人一樣越來越全能，讓機器從專業智能進化到普適智能。只能做一件事的機器只是工廠里的一件高級設備，而能夠做很多事的機器，才敢“厚著臉皮”說自己是個機器人。構建具有普適智能的機器，將是人工智能發展的下一個挑戰性目標。

我們應當如何讓機器具有普適智能呢？當前數據科學家們通常會從兩個角度來解決這個問題。

一是“飯要一口一口吃”，不斷構建出更多垂直專業的應用模型，雖然任重道遠，但是可以通過一些技術手段來加速模型構建和模型訓練的速度，比如現在比較熱門的深度學習、預訓練模型、小樣本學習、元學習等技術。

二是構建真正“類人”的仿生機器，讓機器在學習經驗的方式上和人腦一樣巧妙。當前，人和機器在獲取“智力”方面采取的方式是不一樣的，人腦的學習方式在底層機理上，其實根本不像機器那么生硬。

即便是三四歲的小孩，在快速學習能力上也比機器強大得多。最先進的算法模型要想從一堆蘋果圖片中準確識別出鱷梨，可能需要經過幾十上百張圖片的指導，但是很多小孩子只要見過一次鱷梨圖片，下一次就能準確識別鱷梨了。

因此，最近幾年腦科學領域的研究十分火熱，諸如“人類大腦的構造和思維方式到底是怎樣的”等問題對我們具有很大的吸引力，這也是智能技術產生飛躍性突破的關鍵所在。我們希望能夠更好地了解自己，把人類自身的優秀品質灌輸到智能機器中，以幫助我們更好地優化業務、改造世界，探索更豐富的生命體驗。

AlphaGo和AlphaGo Zero是集成了最前沿人工智能技術的圍棋機器人，即使是當今世界頂尖的職業圍棋選手，也不是它們的“對手”。盡管如此，人工智能仍然只能在棋類游戲這種少數的領域與人類智能媲美，機器的智能化仍然任重道遠。