数字化转型分析毕业论文

谈到数字化转型，我们首先要清楚的认识数字化转型能为企业或业务条线带来什么？并且能够上下一心达成共识。如有必要，甚至从文化上也要同步调整。 业界比较认可的看法是通过用新技术、新架构、新方法对传统业务进行解构与重塑，从而达到降本增效、提升体验，挖掘现有业务价值的效果，甚至带来颠覆性的业务创新和管理理念。 所以转型是真正目的，数字化仅是一种手段，我们所有的出发点都要围绕创造业务价值、解决业务痛点出发，所以在符合企业或业务条线当前阶段的背景下，如何规划数字化转型的实施路径可谓是重点之一。 当今提出较多的是数字化转型三阶段理论，概括来讲，就是从线下到线上，从信息化迈向数字化，从数字化提升到智能化，这个过程基本上在业界达成了共识，而一些成功的案例，比如大部分电商企业的发展史，还比如一些知名高端制造业的企业，几乎无一例外沿着这个轨迹发展。但过程中势必存在不同的用户群体，他们具备不同的视角，那么他们对各阶段的诉求重心也会存在差异，但每个阶段都是下一个阶段的基础，很难跳跃两个阶段，直接进入下一个阶段，或者完全反向发展，这可以说是数字化转型三阶段的根本。 所以说不同的企业或业务条线所处的阶段不同，那么就要根据自身的情况，对侧重点有所倾斜，而不是与大多数企业或业务条线的工作保持一致。发力的时机不对，那自然就无法达到预计的效果了。 那么我们首先来看第一阶段的线上化，他能给我们带来什么？我们又该如何去做呢？ 从开展业务角度来看，线上化可以将制度、流程在系统上以标准化的方式呈现，如何按业务场景将各功能模块各业务分支串联起来，同时提供自动化的监控和规则判断，提高业务开展的效率，帮助流程上不同的用户协同办公，加强过程监控和合规化管理。统一业务条线的管理风格和制度流程，为各业务主管赋能。 从采集数据的角度来看，线上化丰富和完善了数据采集的方式和维度，标准线上流程的单一来源保障了数据唯一性，通过流程的限定和数据标准的约束，保障了数据的准确性，同时又能对所有节点的数据进行留痕和存储，无论是静态的客观数据，还是大量的用户行为数据以及管控数据。另外，还能建立各数据源接入的接口，为接入大量外部数据源做好准备。以上这些都将是开展数据分析挖掘，以数据驱动业务的重要基础。 从接入渠道的角度来看，线上化拓宽了业务开展渠道，从原来的中后台客户端、前台展现网页端的分离，到前中后一体化，统一在网页端上操作，再到大量的移动场景和应用，为用户提供了更为宽广和便捷的接入途径。既方便了用户使用、提升了满意度，也提高了系统的使用频度，从而采集到了更多的数据，也提高了数据更新的时效性。 而想合理地达成以上目标，线上化至少需要做到以下四点：业务流程化、数据标准化、权责明确化、操作高效化。 业务流程化，通俗来讲，就是要完成一个工作，一共分几步，每步有什么输入和产出，产生什么结果，最后如何响应形成业务闭环等等。其中每个环节都要设计通知机制，串联起整个流程。另外，除了常规流程外也要考虑到各种特殊情况的处理，给予管理上一定的弹性。 数据标准化，在线上化的伊始，就应该将数据标准作为设计的指导标准，从而为将来的数据分析打下良好基础。简单来说大致可以分为定义标准术语、统一数据类型、定义码值（枚举值），尤其是消除码值的二义性，制定关键数据的编码规则，校验规则，建立主外键和实体间的关联关系、设计主数据，融入企业数据标准的整体规划等等。 权责明确化，无论是从功能还是权限上，都应该做到最小授权原则，岗变权变，除了对数据安全的保障外，也能对业务开展带来方便，职责内的用户做该做的事，不用担心避嫌。而说到数据安全，近几年全社会已经愈发重视，远到国外facebook、雅虎个人信息泄密带来的不良影响，近到我国多家科技公司由于数据安全隐患问题关停。而很多传统企业前几年为了快速开展系统建设和信息化的进程，这块也是相当薄弱和疏于管理。而数据安全中灵活多变的权限管理可谓重点之一，而这块也是线上化的重要组成部分。 操作高效化，可以分成几块来看，一是如何通过业务流程的重构，将原先冗长的工作开展简化，减少中间节点。甚至对哪些工作线上开展，哪些工作回到线下也是可以根据实际情况调整，而非一概而论。二是借助一些规则，对一些工作节点通过系统自动化处理来提高效率和准确度。三是如何借助一些智能化的设备来替代人工操作。这些都是提效的可行方案。 通过对线上化的层层剖析，我们也发现线上化、数据化、智能化三个阶段并非完全独立，也不是说完成了某个阶段就再也不需要去迭代和优化了。他们除了是后者的基础外，之间也存在了指导、支撑和执行的关系。 比如上文中提到的数据标准化，就是数据治理体系的重要部分，可以说他是贯穿了整个数字化转型的工作，是各阶段的基础工作。 而通过线上化带来的操作高效化，也将进一步释放业务条线的操作型工作量和精力，能将条线员工更多的精力放在业务分析和数据挖掘上，不断丰富业务条线的数据维度，而数据分析的不断深入，通过数据发掘问题，也能进一步反过来对线上化进行迭代优化。通过数据驱动，来进一步优化我行的管理制度，提升用户体验。 那么要实现三阶段间的互相帮衬和快速迭代，显然平台的配置能力（灵活性）和扩展水平将是基础中的基础，没有这个基础，三阶段间的指导、支撑和执行将很难闭环，无法循环迭代。没有这个基础，无法支撑灵活多变的业务场景，提高应对未来不确定性、快速响应各类变革需求的能力。而这也是在线上化建设阶段要解决的重点问题之一。 我们可以再来回顾下下图，对于数字化转型的目的、三阶段的关系以及始终贯穿三阶段的工作开展是否就更为清晰了呢。如果需要的话，我们还可以对数据化、智能化两个阶段同样进行深度的剖析，从而对他们所能带来的价值以及实施前提具有更深入的认识。 我们再来看看某业务系统，经过若干年的不断迭代和优化，确实具备了一定的线上化和数据化程度，但受限于当年的技术框架以及管理理念。从当前的业务现状和需求看，要快速跟上业务变化，满足业务需求，达到降本增效、提升体验，挖掘业务价值的目标越来越难。 我们通过上文中的剖析来对现有系统做个比较，发现现有系统确实存在了不少问题，比如通知机制、规则监控的缺失导致的协同办公能力较弱，比如流程节点设计问题，以及技术框架的约束，导致数据采集维度缺失和不同步问题，比如渠道单薄带来的易用性问题。比如数据标准不完善带来的数据质量问题，比如权限管理的粗放带来的权限放大和数据安全问题，比如规则引擎、智能化设备欠缺导致的操作型事务依然无法完全释放和低效问题。最后，不够先进的技术框架在配置能力和扩展水平以及系统性能上已经落后，无法支撑未来的快速迭代和扩展，很多业务在无法流程化的搬到线上，只能通过线下开展业务线上台账补录的方式，也是数据质量下降的因素之一。同时目前这套技术框架，也不符合软件国产化、开源及去IOE的大方向。 综上，人力系统目前虽然具备一定的线上化和数据化程度，但显然线上化的基础还没有打好，人力条线无论是从业务和技术上看都还处在线上化的阶段，那将数字化转型的地基“线上化”作为人力条线现阶段的重点工作则更为合适，投入产出比也将更大。当然在这个阶段，适当的开展一些数据化工作，进行一些数据探索，来指导线上化工作的开展也是大有裨益的。 最后，大家要意识到，数字化转型其实并非一条康庄大道，所以我们既要有自己的目标和规划，同时也要看到风险并考虑如何规避，最后，我们来看一个不怎么成功的案例来给大家一点提示和启发。 某非银行抵押贷款提供商，前几年大力开展数字化转型，尤其是人工智能项目。但公司投入了大量成本和时间，最后却并未带来任何正向的收益。经过公司管理层和咨询公司的深入剖析，发现数据问题是人工智能项目达不到预期目标的主要原因。根据麦肯锡公司去年秋天发布的一份调查报告，限制人工智能技术应用的两大挑战与数据有关。 许多公司很难获得全面及标准的数据来训练他们的机器学习算法。如果数据没有通过线上流程采集，并通过系统约束标准化、结构化，工作人员就必须花费大量时间进行数据清洗，这可能反而会延迟项目或导致项目失败。可以说用不完善的数据形成的数据分析不会给决策带来帮助，反而会带来误导。而如何采集和标准化、结构化数据也正是线上化阶段的重点。 其他导致项目失败的还有诸如数据集成问题、未处理的非结构化数据等则体现的就是数据化阶段需要解决的问题了。 从这个例子我们也可以看到，在数字化转型的持久战中，如果步子迈太大或者跟随市场热度跳跃式发展，非但无法达到预期效果，还有可能给企业带来损失。 数字化转型，为我们的企业发展带来了更宽广的想象空间和指导方针，但同时也是荆棘丛生，充满了艰难险阻和未知风险，可谓任重而道远。