数字化管理和数据化管理
点击量：2128发布时间：2020-03-12 08:56:44
共图咨询核心产品之：
数字化管理和数据化管理
信息化、数字化、数据化有什么样的区别？
数字化与目前企业的信息化区别在哪里？
很多企业疑问：我们搞了几十年的企业信息化，也做了很大的投入，现在为什么要转型搞数字化？
首先需要明确的是数字化并不是对企业以往的信息化推倒重来，而是需要整合优化以往的企业信息化系统，在整合优化的基础上，用新的互联网技术手段、大数据、云计算以及AI技术提升企业新的信息化水平，是信息化的高级阶段。
毕竟，数字也是一种信息。
信息化和数字化都会产生数据，所以数据是信息化和数字化的一个产品，数据化是信息化和数字化的一个目的。
一、信息化
1.1、信息化孕育期
古代就有信息化的需求，比如文字记录、烽火台、驿站、信鸽和鸿雁传书等。到后来发展到印刷书面文字，用胶片拍的照片，用磁带记录影像，后来发展到光碟。但要把信息传递给远方他人、情侣，需要邮寄，需漫长等待；
后来过渡时期有传真和Email，但通过电话线，收几个K的文字都要花老半天。
1.2、信息化初期
互联网的产生是信息化得以飞跃。
企业信息化初期是将生产经营过程中的信息数字化数据采集,以便利用计算机和网络技术,准确快捷地进行信息查询、沟通和传递,从而实现生产经营数据的共享,更加科学有效地计划、组织、领导和控制。将企业的生产过程、物料移动、事物处理、现金流动、客户交互等业务过程数字化，通过各种信息系统、网络加工生成新的信息资源，用来提供给各层次的人了解“业务现在是什么情况”，“流程进展到哪里”等一切动态业务信息。以作出有利于生产要素组合优化的决策，让企业资源合理配置，以使企业能适应瞬息万变的市场经济竞争环境，一提高经济效益。
目前应用的企业信息化管理系统主要有：OA办公自动化系统；用于管理客户关系的CRM系统；MES制造执行管理系统； MDC生产数据及设备状态信息采集分析管理系统；PDM制造过程数据文档管理系统等。
1.3、信息化深化期
信息化深化期有以下几个特征：
1、内容的优化：改变信息化初期只有大量的软硬件投入却缺乏内容，或者虽有内容却缺乏管理者和决策者想要的内容；
2、内容的深加工：在原始数据上做深度分析，得出结论，找到改进点，为决策提供依据；
3、链接：首先目前的企业信息系统他是搭建于以往互联网没有高度发展的时期，在当时环境下，整体的互联网发展与目前对比差异较大，也可以说当时的环境下还比较缺乏对链接的这种深度认识。
所以目前看企业的信息化初期的信息系统最大问题是没有建立连接，特别是没有建立与消费者的链接，有的企业也没有打通企业各个单元的链接、没有实现企业各个数据单元的链接。这种没有链接所造成问题是：效率低，信息不能共享，不能深度开发。
4、打通：信息化初期的信息系统系统之间是割裂的，并且各个数据系统之间单元独立，形成相对独立的数据孤岛，更关键的是没有打通企业与消费者之间的数据连接。这样的信息系统所带来的问题就是企业的效率低下，整体的运行没有形成完整的数据闭环。
譬如目前企业很多的关键岗位，要查询相关数据，需要登录企业的不同系统，销售是一套系统、库存是一套系统、客户数据是一套系统，数据查询要花费很多的时间。所以，目前迫切需要实现企业各个单元之间的数据化打通，通过这种打通推动企业的效率提升。
5、用户思维：
以往的企业信息化从构建之初，所体现的思想就是一种管理思维。当时，企业建立信息化管理的主要指导思想就是通过这一套管理工具能够把企业的各个环节、涉及到进销存、涉及到相关岗位的动作都能管起来。
所以当时的信息化系统设计的思路不是用户思维，也就是并没过多的考虑用户需求的便利化，更多关注的是管理的思维。
目前看，这种建立在管理思维环境下设计的企业信息系统，缺乏有效解决用户效率的思想。导致的结果是用户效率非常低，很多的用户需求得不到满足。
目前，需要借助移动化技术，打破以往的单纯管理思维，实现既能够保证管理效率，又能够切实提升用户的效率。核心是如何有效提升各个系统节点用户的效率，既要解决他们的查询效率，更要有效解决他们的作业效率。
二、数字化
1.1、数字化则是推进信息化的最好方法。
数字化是将许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立起适当的数字化模型，把它们转变为一系列0和1二进制代码，引入计算机内部，进行统一处理，这就是数字化的基本过程。
信息化的对象基本上还停留在物理世界，信息和数据是管理物理世界的手段和工具；数字化将物理世界抽象并投影为数字化，是一种虚拟世界。
数字化是信息化的高级阶段，毕竟，数字也是一种信息。
1.2、数字化的特征如下：
即时反馈?：在数字化世界中，客户都期待着自己的请求能够立刻获得反馈。客户不会再等待几分钟、几小时甚至数天，仅仅为了知道自己的请求是成功或失败。数字化世界的响应时间已经开始用毫秒作为单位来衡量。
实时?：数字化系统应该能全天候接受请求，应该能按需可用，应该能使用／返回最新数据。
自动化?：数字化服务应该包含尽可能多的计算机处理过程（最理想状况是100%由计算机处理），需要的人工介入越少越好。
智能?：繁琐的工作都应交给数字化服务处理，将客户或其他方面人员需要付诸的精力和所需的理解减至最低。
在线?：数字化系统应该能通过互联网从任何地点访问，不应对设备和使用情况进行任何限制。
推进改变?：应该是由数字化服务定义业务过程，而非业务过程定义数字化服务。数字化意味着业务过程需要作出改变，以便适应计算的世界，而非反其道行之。
1.3、数字化与信息化的重要区别：数据源头非人工负责
是否人工录入数据，是区别信息化和数字化的标志！现在你的手机每天记录你走了多少步，手环记录的心跳和运动数据，这些数据不是人工完成的，而是自动化采集，采集-呈现-分析几乎同时完成，不但工作效率大大提高，节约了人工，更重要的是产生了大数据。过去依靠人工来统计的任务交给IoT设备，例如你家装了物联网设备，并且设定了工作阈值：温度计检测到室内温度高于30度，自动开启空调降温，室内温度恒定在25~27度之间。谷歌的Nest同样的产品。
1.4、数字化的本质：实时采集-分析由机器完成
凡是数据采集和录入由机器完成，在人工预设的规则下才能触发的自动化工作，都可以成为数字化。只不过数据量大小已经今非昔比了，当海量数据需要云管端协同的时候，云计算的优势就显现了。以上，我们只能说是数字化！还不是智能化！
现在摄像头可以记录每个路口每天过了多少车多少人，什么车什么人，然后给到交通部门做科学分析，是否应该调整红绿灯，预测未来交通状况。这就是阿里、华为推的城市智慧大脑，至于智慧的程度呢，就要交给智能化了！
以云计算，大数据、人工智能为代表的新一代数字技术，正推动中国互联网的发展进入到数字经济时代的深水区。
数字化已成为未来新常态，对于传统企业而言，数字化转型已经不再是一道选择题，而是一道生存题，利用数字化管理技术实现弯道超车是当下企业的机会。中国的互联网人口如今已经过了增长红利期，但从另一面看，以云计算和人工智能等数字化技术的兴起也正润物细无声般融入我们的生活，成为水和电这样最便宜的基础设施。谁能用好它，谁就能在竞争中活到最后。
1.5、数字化与智能化的区别：最终决策谁来做？
大数据不等于智能化
现在有了海量的数据，数据也能实时处理和分析，呈现出好看的报表，业务大屏一目了然了，那么这就是智能化了吗？大数据的计算、分析和运用都不是智能化，还是数字化，因为最后的依赖数据分析结果做出决策的还是人，至少大部分场景下还是人，而不是机器。
数据智能
数据智能：即AI利用大数据分析的结果自动做出决策，比如你的今日头条、淘宝页面根据你的基本特征（年龄身高体重）数据、浏览行为数据、交易数据做出决策，给你展现什么产品在首页，信息流可以无限刷新，达到看了又看，买了又买的目的。这个过程中人是不需要参与运营的，传统运营需要人来配banner广告、广告位顺序、上下架时间等等，现在通通交给AI决策。这个阶段，才算是初步实现了数据智能，新零售！
以上还仅仅限制在电商和内容消费场景。线下场景实现数据智能了吗？实际上科幻片《流浪地球》里的MOSS也是数据智能！
《终结者》里的天网、《黑客帝国》里的Matrix都是通用AI发展到消灭人类程度的想象，机器人觉醒了，违背卡西莫夫机器人三原则了，《西部世界》里的机器人决定“我欲为人”了。
自我意识觉醒
——机器，我思故我在了，群体意识觉醒
——人类，非我族类其心必异，进化和自我修复——活下去要紧
三、数据化
3.1、数字化的初期：数据化。
数字化管理有二方面含义：一是对内容进行数字化，实现电脑和在线数字化管理；二是对现有数据内容进行优化，深化分析加工，是数据增值，实现管理和决策的优化。
要弄清楚什么是数字化管理，先要有数字化思维。而在数字化思维之前，首先要有数据化思维。而与之对应的则是经验思维，传统经验思维是根据个人经验或者普适性的常识对事物做出判断，从而形成结论的模式，会带来局限性，甚至会由于不能识别和适应外部环境的变化，跌入陷阱和深渊。
数据化是指问题转化为可制表分析的量化形式的过程。最直观的就是企业形形色色的报表和报告。
企业要实现数字化，首先实现数据化。而大部分企业目前的数据只能称之为小数据，与大数据相去十万八千里。
3.2、数据化管理
无论你做什么工作都需要学会用数据来管理你的工作，而不是凭感觉。管理者需要每天去分析你的库存数据、财务数据、销售数据、生产数据、成本数据、品质数据、售后数据等。企业的库存是否合理、财务是否健康、成本是否合理、销售网络是否正常、生产流程是否顺利，售后网络是否完善，企业都得从重视数据管理开始。根据这些数据，你才能作出正确的判断,才能做出正确的决策。数据管理对应于内容管理、竞争情报、知识管理、商业智能、数据仓储，实现良好的数据管理。
作为企业的一员，不论你是一线员工或是企业领导，我们都是数据的管理者。事实上，只要你愿意，几乎一切的管理要素、模块和结果，都可以数字化。包含确认消费需求﹑购买心态﹑消费模式﹑购买方式、产品定位、产品特征、产品性能、产品生产、成品成本、产品品质、产品周期、产品服务等等所有企业行为，也不再是凭借个人感觉、来自于数字分析。
一线员工是数据制造者，负责原始数据的准确、及时记录；
基层管理是数据处理者，负责原始数据的筛选、加工、上传；
中层管理是数字组织者，负责数据的分析、判断、处理；
高层管理是数据决策者，数据是我们最好、最公正的参谋，是利润的代言人。
3.3、数据化管理=数据分析+服务业务+改善管理
谈数据化管理之前先说说数据分析。数据分析就是用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论的过程。
数据分析只能对某一个问题作出解答，比如分析得出销售额下降的比率和原因，但并没有告诉我们怎么做，也就是说，数据分析本身不能带来最大化的业绩和效率。所以，数据分析结合人的决策和业务行动，将正确的分析结果用最实际的方式应用到业务层面才能产生效益，只有持续不断的产生效益才能称之为数据化管理。
企业要走向数字化，目前难以逾越的阶段是信息化的深化阶段，集数据化管理。否则又会向信息化的初级阶段那样，有了软件和硬件，却没有内容，或有内容，不知怎么应用。
应数字化趋势产生的数字化管理专家在企业中的角色相当于CXO，是继CTO、CMO、COO、CFO等的又一热门职业，他们利用互联网的思维方式来管理一家公司，助力企业数字化转型。
四、企业数字化初级管理（数据化）基本内容框架
4.1、关于思维模式
企业要长盛不衰走向卓越，要做的无非是改善眼前经营、洞察未来机遇、识别隐藏风险。这样必须要完成从依靠经验思维上升到数据化思维再到数字化思维。传统经验思维是根据个人经验或者普适性的常识对事物做出判断，从而形成结论的模式，这样会带来局限性，甚至会由于不能识别和适应外部环境的变化，跌入陷阱和深渊。在思维模式上，我们要摒弃农民春播秋收式的直观商机判断和年成避险思维模式，培育起需要升维的对未来机会猎取和风险规避的透视能力。
微观上，肉眼只能看到比细胞大的组织，比细胞小的纳米级的组织必须依靠高倍显微镜才能看到；
宏观上，几光年的天体肉眼我们只能看到发光的恒星的点，要看到那些天体的细节必须依靠射电望远镜；
当企业各级管理人员都分头忙忙碌碌时，需要有人爬上桅杆瞭望远方，寻找更合理的航道，避开暗礁的风险。
未来的机会甄别和风险识别要依靠大脑的延伸，依靠那些能与数字和AI机器友好相处和顺畅沟通的绝顶聪明人。而要连接这些绝顶的聪明人，组织内部还需要一个中间体，就是能与这些绝顶聪明人友好相处和顺畅沟通的次等聪明人。
而要想让人和组织变得聪明，基础是数据化和数字化
4.2、数据内容采集及积累：
数据库构建、加工和增值利用意义重大。许多优秀企业历史上的投资决策失误、项目实施失误、经营失误、预算失误、商务谈判失误和合同失误跟商务的专业性有很大关系，而商务专业性跟数据的掌握和运用有密切关系。
大部分企业在数据管理方面的主要弊端是：不清楚积累哪些数据、现有原始数据不知怎么加工和利用。
数据库架构：
4.3、数据库增值加工
原始数据的加工利用根据不同需要，可以对包括投资决策、产品需求预测、战略规划、经营计划、财务预算、经营诊断、量本利分析、营销策略、客户管理、供应商管理、库存策略、低储高出、工艺技术优化、配方配比优化、产品结构优化、质量改进、成本控制、业绩考核、标杆管理、分配激励、合伙人制、增量分配基数设定、商务谈判、合同签订、经济技术指标优化、配煤、配矿等方面产生支持作用。数据的输入和输出关系如下：
数据库增值服务输入输出关系
4.4、算法和案例
算法就是用计算机解决问题的方法，能用数学描述的问题，一般可以找到数学上最优的解法，一般表现为因果关系。如下图所示：
Y = f（X）
通常这个f可以作为一个暗箱处理，通过数理经济、概率统计回归分析等方法描述出来：
大数据追求的是另一种情形，不需要很好的算法，只要有足够的数据样例，也可以将问题解决的很好。理论上不一定很完美，但是实际上管用。
Y ∽X
比如：
城市GDP ∽ 城市夜景亮度
鼠标点击率 ∽ 某商品的需求
在企业里，大多数情形目前还谈不上大数据，只能说是小数据（比如财务报表、管理报表以及其它各种数据），或者说是大数据的小型化（比如生产线上产生的即时数据）。
例1：通过以下历史数据建模，预测未来年份的铝需求：
图1：国内电解铝消费结构
表1：中国原铝各行业消费结构（2018年）
再结合以下历年数据：
即可回归分析得出以下对铝锭的需求函数：
当年用铝增长率=R1*当年房屋竣工面积增长率+R2*汽车产量增长率+R3*上年电力投资增长率+ R4*上年制造业投资增长率+R5*上年房屋销售面积增长率+R6*GDP增长率。其中系数R1—R6是历年动态变化的。
利用该模型作为工具，并对其进行改造和精细化，宏观上我们可以据此判断长期趋势，微观上我们可以判断短期的产品需求，作为补库出货和峰谷差价捕捉的工具。
例2：通过以下历史数据分析，做出未来产品库存和出货的策略调整
例3：通过以下历史数据分析，做出对大客户管理的策略调整
例4：自备电厂不同煤种配比优化：
表2：承包前后煤配比变化及入炉煤指标和汽煤比变化。
从上表看出，榆林煤与当地煤配比从2：1调低到1：1后，汽煤比在回升。按照目前5月份9.6左右的标煤汽煤比，如果汽煤比回升到较好的月份的10.3，即煤耗降低6.8%，那么蒸汽的结算价可以从目前的60元左右进一步降低到56.2元左右。
进一步通过配煤，配出一种最佳的“热汽比”。从以上相关性的规律分析，我们有理由相信，供煤单元或电厂把煤的热值配成5100大卡—5200大卡也许是最经济的。
例5、煤气站气煤比下降，煤耗上升原因分析
例6：数据分析之痛：大部分老板和管理人员不懂数字或讨厌数字
①似乎不懂什么是同比（比上年同期相比），应是一个百分比，却给了一个绝对数字；
②在需要给我百分点的时候，却给我百分比，要知道百分点与百分比有时要相差十万八千里。在填表说明时我们已经提出过要求了；
③明明要求单位是公斤，却有些论斤、有些论吨；
共图咨询经过20多年的理论探索和实践积累，形成了传统咨询、创新咨询、特殊咨询三大咨询领域。
在传统咨询领域的主要咨询项目有：
在前沿创新咨询领域，共图发展了如下的具有共图独特思想的咨询产品：
特殊咨询领域主要内容如下：
现代科学预测术及其应用；
国土空间生态修复基金；
政府采购验收
智力和专业服务监理和验收
运命学和人生规划
数字化管理和数据化管理
信息化、数字化、数据化有什么样的区别？
数字化与目前企业的信息化区别在哪里？
很多企业疑问：我们搞了几十年的企业信息化，也做了很大的投入，现在为什么要转型搞数字化？
首先需要明确的是数字化并不是对企业以往的信息化推倒重来，而是需要整合优化以往的企业信息化系统，在整合优化的基础上，用新的互联网技术手段、大数据、云计算以及AI技术提升企业新的信息化水平，是信息化的高级阶段。
毕竟，数字也是一种信息。
信息化和数字化都会产生数据，所以数据是信息化和数字化的一个产品，数据化是信息化和数字化的一个目的。
一、信息化
1.1、信息化孕育期
古代就有信息化的需求，比如文字记录、烽火台、驿站、信鸽和鸿雁传书等。到后来发展到印刷书面文字，用胶片拍的照片，用磁带记录影像，后来发展到光碟。但要把信息传递给远方他人、情侣，需要邮寄，需漫长等待；
后来过渡时期有传真和Email，但通过电话线，收几个K的文字都要花老半天。
1.2、信息化初期
互联网的产生是信息化得以飞跃。
企业信息化初期是将生产经营过程中的信息数字化数据采集,以便利用计算机和网络技术,准确快捷地进行信息查询、沟通和传递,从而实现生产经营数据的共享,更加科学有效地计划、组织、领导和控制。将企业的生产过程、物料移动、事物处理、现金流动、客户交互等业务过程数字化，通过各种信息系统、网络加工生成新的信息资源，用来提供给各层次的人了解“业务现在是什么情况”，“流程进展到哪里”等一切动态业务信息。以作出有利于生产要素组合优化的决策，让企业资源合理配置，以使企业能适应瞬息万变的市场经济竞争环境，一提高经济效益。
目前应用的企业信息化管理系统主要有：OA办公自动化系统；用于管理客户关系的CRM系统；MES制造执行管理系统； MDC生产数据及设备状态信息采集分析管理系统；PDM制造过程数据文档管理系统等。
1.3、信息化深化期
信息化深化期有以下几个特征：
1、内容的优化：改变信息化初期只有大量的软硬件投入却缺乏内容，或者虽有内容却缺乏管理者和决策者想要的内容；
2、内容的深加工：在原始数据上做深度分析，得出结论，找到改进点，为决策提供依据；
3、链接：首先目前的企业信息系统他是搭建于以往互联网没有高度发展的时期，在当时环境下，整体的互联网发展与目前对比差异较大，也可以说当时的环境下还比较缺乏对链接的这种深度认识。
所以目前看企业的信息化初期的信息系统最大问题是没有建立连接，特别是没有建立与消费者的链接，有的企业也没有打通企业各个单元的链接、没有实现企业各个数据单元的链接。这种没有链接所造成问题是：效率低，信息不能共享，不能深度开发。
4、打通：信息化初期的信息系统系统之间是割裂的，并且各个数据系统之间单元独立，形成相对独立的数据孤岛，更关键的是没有打通企业与消费者之间的数据连接。这样的信息系统所带来的问题就是企业的效率低下，整体的运行没有形成完整的数据闭环。
譬如目前企业很多的关键岗位，要查询相关数据，需要登录企业的不同系统，销售是一套系统、库存是一套系统、客户数据是一套系统，数据查询要花费很多的时间。所以，目前迫切需要实现企业各个单元之间的数据化打通，通过这种打通推动企业的效率提升。
5、用户思维：
以往的企业信息化从构建之初，所体现的思想就是一种管理思维。当时，企业建立信息化管理的主要指导思想就是通过这一套管理工具能够把企业的各个环节、涉及到进销存、涉及到相关岗位的动作都能管起来。
所以当时的信息化系统设计的思路不是用户思维，也就是并没过多的考虑用户需求的便利化，更多关注的是管理的思维。
目前看，这种建立在管理思维环境下设计的企业信息系统，缺乏有效解决用户效率的思想。导致的结果是用户效率非常低，很多的用户需求得不到满足。
目前，需要借助移动化技术，打破以往的单纯管理思维，实现既能够保证管理效率，又能够切实提升用户的效率。核心是如何有效提升各个系统节点用户的效率，既要解决他们的查询效率，更要有效解决他们的作业效率。
二、数字化
1.1、数字化则是推进信息化的最好方法。
数字化是将许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立起适当的数字化模型，把它们转变为一系列0和1二进制代码，引入计算机内部，进行统一处理，这就是数字化的基本过程。
信息化的对象基本上还停留在物理世界，信息和数据是管理物理世界的手段和工具；数字化将物理世界抽象并投影为数字化，是一种虚拟世界。
数字化是信息化的高级阶段，毕竟，数字也是一种信息。
1.2、数字化的特征如下：
即时反馈?：在数字化世界中，客户都期待着自己的请求能够立刻获得反馈。客户不会再等待几分钟、几小时甚至数天，仅仅为了知道自己的请求是成功或失败。数字化世界的响应时间已经开始用毫秒作为单位来衡量。
实时?：数字化系统应该能全天候接受请求，应该能按需可用，应该能使用／返回最新数据。
自动化?：数字化服务应该包含尽可能多的计算机处理过程（最理想状况是100%由计算机处理），需要的人工介入越少越好。
智能?：繁琐的工作都应交给数字化服务处理，将客户或其他方面人员需要付诸的精力和所需的理解减至最低。
在线?：数字化系统应该能通过互联网从任何地点访问，不应对设备和使用情况进行任何限制。
推进改变?：应该是由数字化服务定义业务过程，而非业务过程定义数字化服务。数字化意味着业务过程需要作出改变，以便适应计算的世界，而非反其道行之。
1.3、数字化与信息化的重要区别：数据源头非人工负责
是否人工录入数据，是区别信息化和数字化的标志！现在你的手机每天记录你走了多少步，手环记录的心跳和运动数据，这些数据不是人工完成的，而是自动化采集，采集-呈现-分析几乎同时完成，不但工作效率大大提高，节约了人工，更重要的是产生了大数据。过去依靠人工来统计的任务交给IoT设备，例如你家装了物联网设备，并且设定了工作阈值：温度计检测到室内温度高于30度，自动开启空调降温，室内温度恒定在25~27度之间。谷歌的Nest同样的产品。
1.4、数字化的本质：实时采集-分析由机器完成
凡是数据采集和录入由机器完成，在人工预设的规则下才能触发的自动化工作，都可以成为数字化。只不过数据量大小已经今非昔比了，当海量数据需要云管端协同的时候，云计算的优势就显现了。以上，我们只能说是数字化！还不是智能化！
现在摄像头可以记录每个路口每天过了多少车多少人，什么车什么人，然后给到交通部门做科学分析，是否应该调整红绿灯，预测未来交通状况。这就是阿里、华为推的城市智慧大脑，至于智慧的程度呢，就要交给智能化了！
以云计算，大数据、人工智能为代表的新一代数字技术，正推动中国互联网的发展进入到数字经济时代的深水区。
数字化已成为未来新常态，对于传统企业而言，数字化转型已经不再是一道选择题，而是一道生存题，利用数字化管理技术实现弯道超车是当下企业的机会。中国的互联网人口如今已经过了增长红利期，但从另一面看，以云计算和人工智能等数字化技术的兴起也正润物细无声般融入我们的生活，成为水和电这样最便宜的基础设施。谁能用好它，谁就能在竞争中活到最后。
1.5、数字化与智能化的区别：最终决策谁来做？
大数据不等于智能化
现在有了海量的数据，数据也能实时处理和分析，呈现出好看的报表，业务大屏一目了然了，那么这就是智能化了吗？大数据的计算、分析和运用都不是智能化，还是数字化，因为最后的依赖数据分析结果做出决策的还是人，至少大部分场景下还是人，而不是机器。
数据智能
数据智能：即AI利用大数据分析的结果自动做出决策，比如你的今日头条、淘宝页面根据你的基本特征（年龄身高体重）数据、浏览行为数据、交易数据做出决策，给你展现什么产品在首页，信息流可以无限刷新，达到看了又看，买了又买的目的。这个过程中人是不需要参与运营的，传统运营需要人来配banner广告、广告位顺序、上下架时间等等，现在通通交给AI决策。这个阶段，才算是初步实现了数据智能，新零售！
以上还仅仅限制在电商和内容消费场景。线下场景实现数据智能了吗？实际上科幻片《流浪地球》里的MOSS也是数据智能！
《终结者》里的天网、《黑客帝国》里的Matrix都是通用AI发展到消灭人类程度的想象，机器人觉醒了，违背卡西莫夫机器人三原则了，《西部世界》里的机器人决定“我欲为人”了。
自我意识觉醒
——机器，我思故我在了，群体意识觉醒
——人类，非我族类其心必异，进化和自我修复——活下去要紧
三、数据化
3.1、数字化的初期：数据化。
数字化管理有二方面含义：一是对内容进行数字化，实现电脑和在线数字化管理；二是对现有数据内容进行优化，深化分析加工，是数据增值，实现管理和决策的优化。
要弄清楚什么是数字化管理，先要有数字化思维。而在数字化思维之前，首先要有数据化思维。而与之对应的则是经验思维，传统经验思维是根据个人经验或者普适性的常识对事物做出判断，从而形成结论的模式，会带来局限性，甚至会由于不能识别和适应外部环境的变化，跌入陷阱和深渊。
数据化是指问题转化为可制表分析的量化形式的过程。最直观的就是企业形形色色的报表和报告。
企业要实现数字化，首先实现数据化。而大部分企业目前的数据只能称之为小数据，与大数据相去十万八千里。
3.2、数据化管理
无论你做什么工作都需要学会用数据来管理你的工作，而不是凭感觉。管理者需要每天去分析你的库存数据、财务数据、销售数据、生产数据、成本数据、品质数据、售后数据等。企业的库存是否合理、财务是否健康、成本是否合理、销售网络是否正常、生产流程是否顺利，售后网络是否完善，企业都得从重视数据管理开始。根据这些数据，你才能作出正确的判断,才能做出正确的决策。数据管理对应于内容管理、竞争情报、知识管理、商业智能、数据仓储，实现良好的数据管理。
作为企业的一员，不论你是一线员工或是企业领导，我们都是数据的管理者。事实上，只要你愿意，几乎一切的管理要素、模块和结果，都可以数字化。包含确认消费需求﹑购买心态﹑消费模式﹑购买方式、产品定位、产品特征、产品性能、产品生产、成品成本、产品品质、产品周期、产品服务等等所有企业行为，也不再是凭借个人感觉、来自于数字分析。
一线员工是数据制造者，负责原始数据的准确、及时记录；
基层管理是数据处理者，负责原始数据的筛选、加工、上传；
中层管理是数字组织者，负责数据的分析、判断、处理；
高层管理是数据决策者，数据是我们最好、最公正的参谋，是利润的代言人。
3.3、数据化管理=数据分析+服务业务+改善管理
谈数据化管理之前先说说数据分析。数据分析就是用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论的过程。
数据分析只能对某一个问题作出解答，比如分析得出销售额下降的比率和原因，但并没有告诉我们怎么做，也就是说，数据分析本身不能带来最大化的业绩和效率。所以，数据分析结合人的决策和业务行动，将正确的分析结果用最实际的方式应用到业务层面才能产生效益，只有持续不断的产生效益才能称之为数据化管理。
企业要走向数字化，目前难以逾越的阶段是信息化的深化阶段，集数据化管理。否则又会向信息化的初级阶段那样，有了软件和硬件，却没有内容，或有内容，不知怎么应用。
应数字化趋势产生的数字化管理专家在企业中的角色相当于CXO，是继CTO、CMO、COO、CFO等的又一热门职业，他们利用互联网的思维方式来管理一家公司，助力企业数字化转型。
四、企业数字化初级管理（数据化）基本内容框架
4.1、关于思维模式
企业要长盛不衰走向卓越，要做的无非是改善眼前经营、洞察未来机遇、识别隐藏风险。这样必须要完成从依靠经验思维上升到数据化思维再到数字化思维。传统经验思维是根据个人经验或者普适性的常识对事物做出判断，从而形成结论的模式，这样会带来局限性，甚至会由于不能识别和适应外部环境的变化，跌入陷阱和深渊。在思维模式上，我们要摒弃农民春播秋收式的直观商机判断和年成避险思维模式，培育起需要升维的对未来机会猎取和风险规避的透视能力。
微观上，肉眼只能看到比细胞大的组织，比细胞小的纳米级的组织必须依靠高倍显微镜才能看到；
宏观上，几光年的天体肉眼我们只能看到发光的恒星的点，要看到那些天体的细节必须依靠射电望远镜；
当企业各级管理人员都分头忙忙碌碌时，需要有人爬上桅杆瞭望远方，寻找更合理的航道，避开暗礁的风险。
未来的机会甄别和风险识别要依靠大脑的延伸，依靠那些能与数字和AI机器友好相处和顺畅沟通的绝顶聪明人。而要连接这些绝顶的聪明人，组织内部还需要一个中间体，就是能与这些绝顶聪明人友好相处和顺畅沟通的次等聪明人。
而要想让人和组织变得聪明，基础是数据化和数字化
4.2、数据内容采集及积累：
数据库构建、加工和增值利用意义重大。许多优秀企业历史上的投资决策失误、项目实施失误、经营失误、预算失误、商务谈判失误和合同失误跟商务的专业性有很大关系，而商务专业性跟数据的掌握和运用有密切关系。
大部分企业在数据管理方面的主要弊端是：不清楚积累哪些数据、现有原始数据不知怎么加工和利用。
数据库架构：
4.3、数据库增值加工
原始数据的加工利用根据不同需要，可以对包括投资决策、产品需求预测、战略规划、经营计划、财务预算、经营诊断、量本利分析、营销策略、客户管理、供应商管理、库存策略、低储高出、工艺技术优化、配方配比优化、产品结构优化、质量改进、成本控制、业绩考核、标杆管理、分配激励、合伙人制、增量分配基数设定、商务谈判、合同签订、经济技术指标优化、配煤、配矿等方面产生支持作用。数据的输入和输出关系如下：
数据库增值服务输入输出关系
4.4、算法和案例
算法就是用计算机解决问题的方法，能用数学描述的问题，一般可以找到数学上最优的解法，一般表现为因果关系。如下图所示：
Y = f（X）
通常这个f可以作为一个暗箱处理，通过数理经济、概率统计回归分析等方法描述出来：
大数据追求的是另一种情形，不需要很好的算法，只要有足够的数据样例，也可以将问题解决的很好。理论上不一定很完美，但是实际上管用。
Y ∽X
比如：
城市GDP ∽ 城市夜景亮度
鼠标点击率 ∽ 某商品的需求
在企业里，大多数情形目前还谈不上大数据，只能说是小数据（比如财务报表、管理报表以及其它各种数据），或者说是大数据的小型化（比如生产线上产生的即时数据）。
例1：通过以下历史数据建模，预测未来年份的铝需求：
图1：国内电解铝消费结构
表1：中国原铝各行业消费结构（2018年）
| 用铝总需求 | 3800万吨 | |
|
建筑房地产： 1200万吨 |
门窗 | 710 |
| 幕墙、装饰 | 400 | |
| 模板 | 100 | |
|
交通运输： 600万吨 |
轨道交通 | |
| 航空航天 | ||
| 汽车、摩托车 | 400 | |
| 特种设备车 | ||
|
电力： 500万吨 |
发电：光伏边框等 | |
| 变电：变压器、互感器等 | ||
| 输电：架空导线、母线铝排等 | ||
|
包装： 350万吨 |
易拉罐 | |
| 医药等包装箱 | ||
| 铝制托盘、集装箱等 | ||
|
机械设备： 500万吨 |
基站 | |
| 螺母等连接件 | ||
| 车间工作台框架 | ||
| 防护栏 | ||
| 货架 | ||
| 化工槽罐及铝管 | ||
| 模具 | ||
| 工业机器人 | ||
|
消费品： 700万吨 |
消费电子外壳 | |
| 家用电器 | ||
| 铝制家具 | ||
| LED照明 | ||
| 运动器材 | ||
| 厨卫设备 | ||
|
其它： 100万吨 |
炼钢还原剂 | |
| 印刷基板 | ||
| 其它 | ||
再结合以下历年数据：
| 年份 | 房屋竣工面积 | 商品房销售面积 | 电力投资 | 制造业投资 | 汽车产量 | 电解铝需求量 | |
| 增长率 | 增长率 | 增长率 | 增长率 | 增长率 | 实际增长率 | 模拟增长率 | |
| 2008 | 9.8 | 15.4 | 30.7 | 4.7 | 6.7 | ||
| 2009 | 9.2 | 43.6 | 29.1 | 26.6 | 48.2 | -2.3 | |
| 2010 | 9.7 | 10.6 | 7.7 | 26.9 | 32.4 | 22.5 | |
| 2011 | 17.6 | 4.4 | 0.5 | 37.7 | 0.8 | 12.1 | |
| 2012 | 7.3 | 1.8 | 13.7 | 21.3 | 4.7 | 14.3 | |
| 2013 | 2.0 | 17.3 | 17.7 | 18.6 | 14.7 | 9.2 | |
| 2014 | 5.9 | -7.6 | 16.3 | 13.1 | 7.3 | 30.8 | |
| 2015 | -6.9 | 6.5 | 17 | 8.0 | 3.2 | 8.8 | |
| 2016 | 6.1 | 22.5 | 11.3 | 4.2 | 14.8 | 3.9 | |
| 2017 | -4.4 | 7.7 | 0.2 | 3.1 | 3.2 | 2.0 | |
| 2018 | -7.8 | 1.3 | -6.7 | 9.5 | -4.1 | 7.5 | |
即可回归分析得出以下对铝锭的需求函数：
当年用铝增长率=R1*当年房屋竣工面积增长率+R2*汽车产量增长率+R3*上年电力投资增长率+ R4*上年制造业投资增长率+R5*上年房屋销售面积增长率+R6*GDP增长率。其中系数R1—R6是历年动态变化的。
利用该模型作为工具，并对其进行改造和精细化，宏观上我们可以据此判断长期趋势，微观上我们可以判断短期的产品需求，作为补库出货和峰谷差价捕捉的工具。
例2：通过以下历史数据分析，做出未来产品库存和出货的策略调整
例3：通过以下历史数据分析，做出对大客户管理的策略调整
例4：自备电厂不同煤种配比优化：
表2：承包前后煤配比变化及入炉煤指标和汽煤比变化。
| 时 | 榆林煤和本地煤配比 | 入炉煤指标 | 用量 | 标汽煤比 | |
| 发热量 | s | 给煤机数量 | |||
| 2017年6月 | 3:2 | 5384.4 | 1.17 | 59551 | 10.32 |
| 中间略 | |||||
| 2018年4月 | 3:2 | 5462.4 | 1.01 | 61772 | 10.00 |
| 2018年6月 | 2:1 | 5442.04 | 1.01 | 60841 | 10.83 |
| 中间略 | |||||
| 2019年6月 | 1:1 | 5355 | 1.1 | 53482 | 9.78 |
进一步通过配煤，配出一种最佳的“热汽比”。从以上相关性的规律分析，我们有理由相信，供煤单元或电厂把煤的热值配成5100大卡—5200大卡也许是最经济的。
例5、煤气站气煤比下降，煤耗上升原因分析
例6：数据分析之痛：大部分老板和管理人员不懂数字或讨厌数字
①似乎不懂什么是同比（比上年同期相比），应是一个百分比，却给了一个绝对数字；
②在需要给我百分点的时候，却给我百分比，要知道百分点与百分比有时要相差十万八千里。在填表说明时我们已经提出过要求了；
③明明要求单位是公斤，却有些论斤、有些论吨；
共图咨询经过20多年的理论探索和实践积累，形成了传统咨询、创新咨询、特殊咨询三大咨询领域。
在传统咨询领域的主要咨询项目有：
- 基于广义战略规划的战略管理咨询；
- 基于系统思考的集团管控咨询；
- 以共图特色的考核评价为核心的人力资源咨询；
- 以义聚+利聚为文化场的企业文化咨询；
- 基于系统思维的战略成本链咨询
- 建立在独特前瞻洞察能力基础上的投资咨询：推广了以高科技为主的系列项目，比如高分子焊接、超石墨烯电池、超T1200的碳纤维、太赫兹波癌症诊疗、纳米机器人基因修复、量子芯片等；
在前沿创新咨询领域，共图发展了如下的具有共图独特思想的咨询产品：
- 基于三维分解机制的执行力工程；
- 以利润微积分为基本工具的增量和隐形利润挖掘；
- 智能制造和工业互联网；
- 资产证券化和市值管理；
- 供应链金融和商票融资；
- 基于数字化管理的前瞻预测术
特殊咨询领域主要内容如下：
现代科学预测术及其应用；
国土空间生态修复基金；
政府采购验收
智力和专业服务监理和验收
运命学和人生规划
上一篇：执行力咨询：执行力工程框架
下一篇：预测技术及趋势研判
扫一扫关注