侯建英 李平

很多企業(yè)都在學華為的數(shù)字化轉型，但真正實現(xiàn)成功轉型的寥寥無幾。我們不僅要問：華為數(shù)字化轉型的成功經(jīng)驗是否具備普適性？當前數(shù)字化轉型有所建樹的企業(yè)，大多是類似阿里、騰訊這樣的互聯(lián)網(wǎng)企業(yè)，也稱之為“數(shù)字原生企業(yè)”。這些企業(yè)誕生于互聯(lián)網(wǎng)，其業(yè)務在數(shù)字世界中天生成長，因此“轉型”一詞用在這類企業(yè)身上并不吻合，但對傳統(tǒng)行業(yè)企業(yè)（即“非數(shù)字原生企業(yè)”）卻基本適用。此外，鑒于人工智能對數(shù)字化轉型的獨特作用，我們將數(shù)字化稱為“數(shù)智化”。

作為一個“非數(shù)字原生企業(yè)”，華為在數(shù)智化轉型方面，包括數(shù)據(jù)治理方面取得的成績的確可供中國絕大多數(shù)傳統(tǒng)行業(yè)企業(yè)借鑒。然而，向華為學習不能機械式照搬，更不能斷章取義。華為在數(shù)智化轉型過程中走過不少彎路，目前也存在諸多不足之處。為此，我們需要精準研究華為數(shù)智化轉型的成就經(jīng)驗與彎路教訓，尤其是去偽存真，澄清外界誤傳，以免對其他企業(yè)的數(shù)智化轉型造成誤導。本文旨在歸納華為數(shù)智化轉型的經(jīng)驗與教訓，在其基礎上提煉可供傳統(tǒng)行業(yè)企業(yè)借鑒的數(shù)智化轉型模式。

華為數(shù)智化轉型的三大階段

首先回顧一下華為數(shù)智化轉型的歷史。華為數(shù)智化轉型大體經(jīng)歷了三個階段，可以分別稱之為工具階段、信息化階段和數(shù)智化階段。我們以華為LTC（從線索到現(xiàn)金流程）領域數(shù)智化轉型為例，詳見圖1。從工具階段到信息化階段可被視為顛覆式轉型，因為原有工具在以ERP與 Siebel為代表的系統(tǒng)上線之時基本被全面替換。然而，從信息化階段到數(shù)智化階段卻更多是對原有IT系統(tǒng)的服務化改造，并疊加數(shù)據(jù)相關的組件。

工具階段

華為LTC領域在2011年以前大體屬于工具階段。這個時期的特點是針對不同業(yè)務環(huán)節(jié)開發(fā)了眾多孤立的IT小工具和“電子流”。這些小工具采用的IT技術沒有統(tǒng)一的標準，工具之間的集成異常困難。為了改變這一情況，2009年華為引進了Siebel軟件包，2011年建設完成isales系統(tǒng)。i代表integrated，也就是說當時IT的建設目標就是要建設一個高度集成的統(tǒng)一系統(tǒng)，替代原有眾多孤立IT小工具。isales 1.0的交付代表著華為LTC進入信息化階段。

信息化階段

然而，isales從上線第一天起就一直被詬病體驗不好。大系統(tǒng)解決了工具階段的單打獨斗問題，但也帶來了新的問題。過于剛性的統(tǒng)一架構對于多業(yè)務場景的適配性很差。如果業(yè)務稍作變動，就要修改整體系統(tǒng)，不僅成本太高，而且也無法快速適應客戶需求。

以合同/ PO（采購訂單）處理為例。華為每年在A國的合同數(shù)量不多，但PO數(shù)量可以超過10萬。為解決這些PO以及相關的開票回款等高業(yè)務量，華為在A國開發(fā)了一套自動化的PO、開票處理系統(tǒng)。類似業(yè)務場景在B國也存在，但僅僅因為B國PO顆粒度與A國不同，業(yè)務的前后順序略有調(diào)整，基于信息化階段開發(fā)的整套IT系統(tǒng)就需要重新開發(fā)調(diào)測。

數(shù)智化階段

2016年之后隨著服務化架構的廣泛應用以及數(shù)據(jù)觀念的不斷更新，華為也適時提出了數(shù)智化轉型。其主要工作就包括對原有信息化階段IT系統(tǒng)的服務化改造、數(shù)據(jù)底座建設以及基于數(shù)據(jù)的各種應用開發(fā)。

信息化階段用IT統(tǒng)一系統(tǒng)解決了集成問題，但卻喪失了小工具靈活快速滿足客戶需求的優(yōu)勢，這個兩難情況一直到微服務的技術架構出現(xiàn)，才找到了相對兩全的解決方案。華為對需要高度靈活場景適配的業(yè)務部分進行模塊化、組件化、服務化改造，相當于把它們重新做成了“小工具”，但是這些“小工具”——各種服務化的模塊，遵從統(tǒng)一的服務化技術架構，實現(xiàn)了輕松的互連與集成。

華為數(shù)智化轉型階段的另一個重要工作就是數(shù)據(jù)底座以及基于數(shù)據(jù)底座的應用開發(fā)。隨著大家對數(shù)據(jù)價值的認同，各種集成運營中心、各種大屏、各種智能分析、智能決策相關的應用系統(tǒng)被開發(fā)，這些應用往往需要大量數(shù)據(jù)，但這些數(shù)據(jù)原本分散在各個相對獨立的業(yè)務子系統(tǒng)內(nèi)部，不僅難找而且集成關系復雜。為此，華為開始構建統(tǒng)一的數(shù)據(jù)底座，包括數(shù)據(jù)湖與數(shù)據(jù)聯(lián)接，以此為基礎開發(fā)各種智能化應用。2016年以后，華為正式進入數(shù)智化階段。

傳統(tǒng)行業(yè)企業(yè)數(shù)智化轉型的成功模式

我們認為可以學習華為，但不能照搬華為。我們希望在歸納提煉華為經(jīng)驗的基礎上提出一個適合傳統(tǒng)行業(yè)企業(yè)數(shù)智化轉型的成功模式，其中包含總體藍圖與具體路徑。數(shù)智化總體藍圖由兩類應用服務與一套數(shù)據(jù)底座共同構成（圖2）。

操作類應用服務：如在線報價、客戶合同錄入等。這類應用最早大多是出于固化作業(yè)流程或提升工作效率而建。其自身其實并不需要太多數(shù)據(jù)支撐，恰恰相反，這類服務客觀上為支撐數(shù)智化轉型提供了數(shù)據(jù)基礎，華為在后期基于數(shù)智化轉型對數(shù)據(jù)的需要，增加了很多數(shù)據(jù)采集工具的建設，也可以歸屬在這一部分。

決策支撐類應用服務：對于業(yè)務產(chǎn)生的數(shù)據(jù)的充分應用，是一個數(shù)據(jù)業(yè)務化的過程。其中包括構筑數(shù)字孿生，實現(xiàn)業(yè)務實時可視，從事后到事中再到事前的經(jīng)營管理等。各種支撐預測和輔助決策等AI工具也包含在內(nèi)。

數(shù)據(jù)底座：業(yè)務產(chǎn)生的數(shù)據(jù)在數(shù)據(jù)湖進行匯聚，并通過聯(lián)接進行預處理，實現(xiàn)數(shù)據(jù)資產(chǎn)化以支撐上面講到的各種業(yè)務可視和決策支撐類應用。

我們可以依據(jù)圖2作為數(shù)智化的總體藍圖，指導如何選擇數(shù)智化轉型具體路徑，為傳統(tǒng)行業(yè)企業(yè)提供一個可供借鑒的數(shù)智化轉型模式。總體藍圖包括三個構成部分，從時間維度視角逐步解構三大部分構建的順序路徑，即從A圈到底座，再到B圈，最后形成互動融合的統(tǒng)一系統(tǒng)。

目前流行的數(shù)字化轉型模式在A圈構建方面存在嚴重缺陷，要么停留在信息化階段，要么完全沒有這部分內(nèi)容。所以，在總體藍圖中A圈構建模式需要盡快糾錯。我們認為，A圈構建是數(shù)智化轉型的重中之重；一旦A圈成功，其他部分的構建必然事半功倍；如果A圈先天不足，則將導致事倍功半。為此，本文重點聚焦A圈構建方面。

A圈啟動：操作類應用服務

操作類應用服務是所有數(shù)智化轉型的起點，這部分也是數(shù)字原生企業(yè)和非數(shù)字原生企業(yè)最大的不同，即是否“在線”。

華為無論在工具階段還是信息化階段都是為了解決圖2中A圈部分。這是因為數(shù)智化轉型第一步就是要有數(shù)據(jù)。我們一直追求像數(shù)字原生企業(yè)一樣，把傳統(tǒng)行業(yè)本身在“離線”完成的工作搬到“在線”，從而形成“操作即記錄”與“操作即數(shù)據(jù)”。

操作類應用服務的成功除服務化的技術架構外，還有三個關鍵因素：

首先是線下業(yè)務流程的優(yōu)化。

從“數(shù)字孿生”視角來看，一個線下非?；靵y的業(yè)務，搬到線上只能讓業(yè)務更加糟糕。因此，這個階段最為核心的學習內(nèi)容之一就是線下業(yè)務流程的優(yōu)化與運營，為向線上轉型提供必要的基礎。

其次，操作類應用服務另一個關鍵是需要既懂業(yè)務流程又懂數(shù)智技術（包括IT技術與數(shù)據(jù)技術）的兩棲型專家。一家公司業(yè)務部門的數(shù)智化能力決定了其數(shù)智化轉型的天花板。傳統(tǒng)行業(yè)企業(yè)需要的操作類應用服務都是業(yè)務驅動的，這與其他操作系統(tǒng)或AI技術顯著不同。真正構成操作類應用軟件好用與否的分水嶺是其中內(nèi)含的業(yè)務設計。業(yè)務人員需要把物理世界中你中有我、我中有你的業(yè)務，以及業(yè)務基礎之上再疊加的多重管控、信息安全等要素，全部解耦成為一個個相對獨立又互相依賴的模塊。這需要對業(yè)務進行高度抽象，提煉成為各種相互作用的應用服務以及數(shù)據(jù)服務。這個抽象過程對業(yè)務人員個人能力的依賴很大。

最后，目前流行的數(shù)字化轉型模式還存在一個重大缺陷，即將數(shù)據(jù)治理歸到數(shù)據(jù)底座范圍，而沒有將其納入A圈范圍。這是一個非常嚴重的謬誤。事實證明，此類數(shù)據(jù)治理模式往往導致失敗，因為這在本質上是一種事后的數(shù)據(jù)處理模式，最多只能解決一些IT系統(tǒng)自身建設不完善所導致的數(shù)據(jù)問題。我們在一家中國知名的傳統(tǒng)行業(yè)企業(yè)做過詳細調(diào)研，發(fā)現(xiàn)IT系統(tǒng)帶來的數(shù)據(jù)質量問題大約僅占20%，而業(yè)務本身的問題卻占44%，其他30%多的問題是數(shù)據(jù)口徑、統(tǒng)計維度等其他原因。換言之，流行的數(shù)據(jù)治理模式只能解決20%的數(shù)據(jù)問題，而對其他80%的問題則無能為力。華為LTC其實從2011年isales上線伊始就一直在解決數(shù)據(jù)質量問題，包括及時性、準確性、完整性、可用性，但直到2015年才實現(xiàn)“清潔”數(shù)據(jù)，為后期數(shù)智化轉型奠定了重要基礎（圖3）。

提供“清潔”數(shù)據(jù)，不僅僅是數(shù)據(jù)分析的需要，更是打通業(yè)務流程的要求。整個數(shù)據(jù)治理的過程其實是伴隨著業(yè)務流程的打通優(yōu)化，操作類應用服務不斷貼近業(yè)務實踐，以及不斷提升業(yè)務體驗的過程中完成的。數(shù)據(jù)治理必須伴隨業(yè)務治理，沒有好的業(yè)務治理就沒有好的數(shù)據(jù)治理。這對現(xiàn)在很多正在致力于數(shù)據(jù)治理的傳統(tǒng)行業(yè)企業(yè)來說具有異常重要的警醒意義。這也可以解釋為何眾多傳統(tǒng)行業(yè)企業(yè)在數(shù)據(jù)治理方面收效甚微。

數(shù)據(jù)治理除了上述清潔數(shù)據(jù)治理之外，還有另外兩項重要工作，即主數(shù)據(jù)治理和基礎數(shù)據(jù)（也稱為參考數(shù)據(jù)）治理。主數(shù)據(jù)和基礎數(shù)據(jù)的治理與前面提到的另外30%多的數(shù)據(jù)口徑、統(tǒng)計維度等數(shù)據(jù)問題緊密相連，也是確保交易數(shù)據(jù)（事務數(shù)據(jù)）準確有效的關鍵。同理，這兩部分工作等到A圈建完之后才啟動業(yè)已錯過最佳時機，因此需要納入A圈構建。

首先，統(tǒng)計維度問題大多與主數(shù)據(jù)相關。不少企業(yè)基本都沒有統(tǒng)一的主數(shù)據(jù)系統(tǒng)，或者即使有主數(shù)據(jù)管理系統(tǒng)，但并沒有提供統(tǒng)計維度服務，因此導致無法有效支撐管理者對業(yè)務數(shù)據(jù)按組織、客戶、產(chǎn)品等關鍵統(tǒng)計維度進行匯總或深入分析。

其次，基礎數(shù)據(jù)可以解決很多統(tǒng)計口徑問題。基礎數(shù)據(jù)除了支持分析應用，還有一個特別重要的作用就是把很多業(yè)務管理動作真正做到了落地。比如說我們把企業(yè)允許的商業(yè)模式（一次性付款、利潤分成等）做成基礎數(shù)據(jù)固化在數(shù)字化系統(tǒng)里，就可以比較好地控制簽署未經(jīng)企業(yè)許可的商業(yè)模式。

最后，還有一類數(shù)據(jù)質量問題是企業(yè)在A圈構建中特別容易忽視的，就是操作類應用服務產(chǎn)生的數(shù)據(jù)怎么讓別人容易看懂，怎么方便業(yè)務分析。在很長的一段時間里，華為都在苦惱找不到數(shù)據(jù)。早期的數(shù)據(jù)定義和構建都是為了完成自己的操作類應用而定義和構建的，別說周邊業(yè)務部門的人看不懂，就是本領域的業(yè)務人員想搞明白數(shù)據(jù)湖里自己領域的數(shù)據(jù)都非常困難。所以這也是后來為什么華為特別強調(diào)業(yè)務人員轉身去做數(shù)據(jù)，去定義業(yè)務元數(shù)據(jù)，并總結歸納周邊領域對本領域的數(shù)據(jù)分析需求，把這些需求也考慮到數(shù)據(jù)的定義中去，讓數(shù)據(jù)不僅本領域的業(yè)務人員看得懂，也要方便周邊領域看得懂、找得到。我們把業(yè)務活動直接產(chǎn)生的數(shù)據(jù)叫作OLTP（On-Line Transaction Processing）數(shù)據(jù)。這部分對數(shù)據(jù)定義的工作其實是OLTP數(shù)據(jù)資產(chǎn)化的重要組成部分。這部分工作也必須在A圈構建的同時完成，而不能等到數(shù)據(jù)底座階段來完成。

數(shù)據(jù)底座：數(shù)據(jù)湖、數(shù)據(jù)聯(lián)接、資產(chǎn)管理

從A圈到B圈的發(fā)展需要一個數(shù)據(jù)底座，數(shù)據(jù)在這里匯聚并集中提供給應用服務，包括A圈與B圈。數(shù)據(jù)底座主要包含三個構成部分，即數(shù)據(jù)湖、數(shù)據(jù)聯(lián)接、數(shù)據(jù)資產(chǎn)管理。

數(shù)據(jù)湖的使命是把分散在各個領域的OLTP數(shù)據(jù)集中存放，便于搜尋，但在入湖前必須保證數(shù)據(jù)是清潔的。因為各個領域在數(shù)據(jù)湖構建之前都已奠定基礎，華為數(shù)據(jù)湖的構建基本在一年之內(nèi)就完成了。

數(shù)據(jù)聯(lián)接的目的是為了方便挖掘數(shù)據(jù)價值，對數(shù)據(jù)進行預處理，比如與合同相關的數(shù)據(jù)過去可能分布在銷售、制造、開票等各個獨立物理表中，現(xiàn)在可以從這些物理表中把相關字段挑出重新匯聚，構成一個寬表，為未來開發(fā)基于合同的端到端可視、經(jīng)營分析等提供方便。類似的還有圍繞某個產(chǎn)品打標簽，或者做一些指標數(shù)據(jù)加工的初級準備等。這些數(shù)據(jù)建設主要是為了支撐決策應用，所以我們也稱之為OLAP數(shù)據(jù)。因為決策支撐類應用還有很大發(fā)展空間，這一部分工作華為還在持續(xù)構建之中。

OLAP的本意是方便數(shù)據(jù)分析，而后來卻發(fā)現(xiàn)這類資產(chǎn)很難理解；當出現(xiàn)數(shù)據(jù)問題時，更加難以定位是原OLTP數(shù)據(jù)的質量問題，還是對寬表的誤解導致引用了錯誤數(shù)據(jù)。因此，對OLAP數(shù)據(jù)標準定義的意義異常重大。整體來看，對OLAP做標準化的業(yè)務定義目前整個業(yè)界也還很不完善，也就造成了OLAP數(shù)據(jù)資產(chǎn)管理的不足。華為針對指標類的OLAP數(shù)據(jù)資產(chǎn)，按照分析對象、分析維度、指標數(shù)據(jù)三個維度進行了標準化定義，覆蓋了目前最常用的一類OLAP資產(chǎn)，在OLAP資產(chǎn)定義上前進了一大步。

B圈閉環(huán)：決策支撐類應用服務

按照流行的數(shù)字化轉型模式，應該是先建數(shù)據(jù)底座（數(shù)據(jù)湖、數(shù)據(jù)聯(lián)接、資產(chǎn)管理），實現(xiàn)數(shù)據(jù)資產(chǎn)化，再在該數(shù)據(jù)底座基礎上構筑業(yè)務流程實時可視、智能化決策支撐等功能。然而，對于大多數(shù)企業(yè)管理者來講，這個過程過長，前期投入過高而不可接受，因為他們迫切需要獲得數(shù)據(jù)，并基于數(shù)據(jù)進行決策分析。

這種迫切需求合情合理，同時也不一定非要完成數(shù)智化轉型所有流程才能滿足這一訴求。很多傳統(tǒng)行業(yè)企業(yè)信息化底子薄弱，資金和人才都非常有限，如果按部就班完成數(shù)智化藍圖的三大構成部分，就會遭遇投入太大、周期太長的突出挑戰(zhàn)。為此，我們認為在數(shù)據(jù)底座建設完成前，直接到業(yè)務操作系統(tǒng)中進行數(shù)據(jù)集成也可作為一條急用先行的路徑。

華為在A圈建設時把一些關鍵數(shù)據(jù)（如合同數(shù)據(jù)）與應用做了解耦，構建了單獨的數(shù)據(jù)源。這些數(shù)據(jù)從分類上屬于事務數(shù)據(jù)，但華為采取了類似主數(shù)據(jù)的建設模式。伴隨A圈內(nèi)的應用建設構建好這些數(shù)據(jù)源，不僅為后續(xù)入湖奠定了良好基礎，也為沒有數(shù)據(jù)湖時進行決策支撐類應用提供了較好的數(shù)據(jù)支撐。

在這些數(shù)據(jù)基礎上構建決策支撐類應用服務受限于數(shù)據(jù)的豐富程度，可能達不到全面數(shù)智化轉型所能達到的完美程度，但對于很多傳統(tǒng)行業(yè)管理者的主要訴求來說可以基本滿足。只要這些決策支撐類應用本身能跟上當前數(shù)據(jù)分析系統(tǒng)和數(shù)據(jù)展現(xiàn)的主流設計方式與技術，這樣雖然后期還會需要改造，但其改造的工作量可以達到最低。

華為經(jīng)驗表明，數(shù)據(jù)分析最主要的問題出在分析訴求多變方面。華為最開始的決策支撐類應用都是枚舉方式，把管理者需要的各式各樣分析表格、分析數(shù)據(jù)枚舉，直接用硬代碼寫成BI，后來發(fā)現(xiàn)因為管理者的訴求太多、變化太大導致后期開發(fā)成本居高不下，系統(tǒng)越做越復雜。在栽了跟頭后，華為采用“數(shù)據(jù)服務+BI工具”模式。我們認同碩磐智能對數(shù)據(jù)分析系統(tǒng)現(xiàn)狀及未來趨勢的基本判斷（圖4），目前一些前沿企業(yè)已經(jīng)研究第三代智能可視化分析和第四代預測性分析機器學習模式，以便支持隨時隨地、針對任何維度的快速業(yè)務問題根因定位。

另外一個重要方法就是AI應用。把AI技術應用當作一項投資來對待，需要具體分析此類投資是否能夠得到合理回報，不能盲目跟風。目前看來，AI技術，尤其是生成式AI大模型技術在商業(yè)領域的有效應用還處在初期階段。然而，AI技術在某些具體領域的應用確實取得不俗成效，比如優(yōu)化物流路徑、智能資源匹配等。必須指出，面對不同企業(yè)規(guī)模與不同業(yè)務復雜程度，AI能夠發(fā)揮作用的潛力不盡相同。從華為經(jīng)驗來看，AI技術在決策支撐類應用領域的有效應用依然有限，尚在初期探索階段。

※※※※※

作為一個非數(shù)字化原生企業(yè)，華為在數(shù)智化轉型方面取得的成績的確可供中國絕大多數(shù)傳統(tǒng)行業(yè)企業(yè)借鑒。然而，向華為學習不能機械式照搬，更不能斷章取義。華為在數(shù)智化轉型過程中走過不少彎路，目前也存在不足之處。

為此，本文歸納華為數(shù)智化轉型的經(jīng)驗與教訓，在其基礎上提煉可供傳統(tǒng)行業(yè)企業(yè)借鑒的數(shù)智化轉型成功模式，其中包括總體藍圖與具體路徑，即“A圈—底座—B圈”三大組成部分，以及這三大部分構建的順序路徑。對于絕大多數(shù)傳統(tǒng)企業(yè)來說，在首先規(guī)劃總體藍圖的基礎上，選擇局部先行的具體路徑，采取小步快跑方式逐步完善，更加切實可行。