读透《数字蝶变：企业数字化转型之道》
这是傅一平的第364篇原创
老板推荐给我一本书《数字蝶变：企业数字化转型之道》，今天就来讲一讲这本书。
数字化很容易望文生义，我在不同的时期对于数字化就有过不同的理解。
开始的时候，我认为数字化就是数据化，建立大数据平台就是数字化最核心的工作，当我刚接触数字化这个名字的时候，很自然的就把自己的数据管理工作跟数字化工作直接联系起来，因此对于数字化不屑一顾，认为自己已经是数字化的老手了。
后来我发现自己的理解有误，开始知道数字化跟企业的流程改造有关，当时就在想，这个跟企业的ERP信息化不是一回事吗？既然公司的管理信息系统已经建的很好，那么未来我们数字化的方向更多是指对外提供信息化的解决方案吧。
然后公司开始提数字化转型，指出数字化有“五纵三横”的特点，特别是三横，即在线化、智能化及云化，这让我对数字化的本质产生新的思考，原来信息化还不是数字化，信息化基础上的智能化才是数字化。
那么什么才叫作信息化基础上的智能化呢？自己在搞的大数据变现是不是数字化的一部分呢？搞数据管理的人到底跟数字化是什么关系？做大数据的人如何在数字化中找到自己的位置？
大家可以看到，我对于数字化的理解就像盲人摸象，好像摸到了一点，但似乎差那么一点意思，正如《数字蝶变》这本书在序言中说得一样：
“每位专家看数字化转型都有不同的视角，有的从数字智能硬件建设的视角，有的从信息化技术升级的视角，有的从数据采集、数据管理与数据治理的视角，有的从数据价值挖掘的视角，也有的从应用场景的视角，还有的以特定行业案例的视角......”
每一方的利益相关者都“你方唱罢我登场”的来诠释他们理解中的数字化，我们似乎认识了数字化，但真要说明数字化是什么，却说不出个所以然，数字化是个既熟悉又陌生的东西。
看完这本书，我才能大致能建立起数字化这个概念的完整框架，大概知道我这个数据从业者在数字化中的位置，五年前我偶然的跟大数据有了亲密接触，5年后，我又一次要跟数字化结缘。
一、什么是数字化
有点遗憾的是，这本书并没对数字化的概念做出非常详细的阐述，但有一个地方点到了数字化的一些本质的东西，即IT和DT的区别。
“IT和DT是不同的，IT规划以IT基础设施和信息系统为核心，服务于企业的业务流程，提升的是流程的效率；而DT规划则要以数据为核心，以数据管理为内核，以数据开发和数据应用为内容，以数据分析和挖掘为手段，服务于企业的经营和管理决策，提高决策的质量和效率。”
如果还没看明白，我再翻出一篇文章《数据驱动的数字化转型：从流程驱动到数据驱动》，它是这么诠释数字化的，非常精彩。
“从企业信息化建设伊始到现在，一直都在做一件事情，那就是将物理世界的流程在信息世界中定义一遍，传统的信息系统是流程驱动的。而过去的企业转型也一直是围绕着流程来走的，从最早的信息化系统建设，将线下业务流程搬到线上，信息化，再到BPR业务流程再造。”
“传统的企业运营模式是工业化生产的理念，流程化的管理，在标准化的基础上，将一个价值链分解成一个个的流程节点，然后将一个节点对应到一个小的组织，由这个组织来负责这个节点的工作。这样，整个一个价值链可以并行的运转，然后通过流程把工作串起来。这在过去的工业化时代，的确提高了企业的管理效率，带来了规模化的生产。”
“在流程驱动的世界中，流程是最重要的，很多时候陷入了为了正确的流程而制定流程，而忘记了流程本身的意义所在。数字化转型的一个工作就是将过去那么多年建立起来的流程自动化，无形化，敏捷化。因为既然是流程，那就是别人之前设计好的，而现在的业务现状、竞争格局，客户需求，无时无刻不在发生变化，用过去的流程来管理和制约现在和未来的变化，这是不可能的事情。如何去发现变化，预测变化，只有数据。”
“所有的流程都会沉淀成数据，数据是最本质的反射。不论业务流程多么复杂，物理世界的本质是清晰地，数据之间的关联是清晰的，将企业的核心的数据资产梳理出来，发现那些不产生价值的过程数据，管理数据，以这些数据为源头和出发点，去优化业务流程，这是数据带来的对于内部效率的提升。”
二、数字化的挑战
从数字化的定义来看，我们以前做的数据仓库或现在大数据平台意义重大，即将企业核心的数据资产梳理出来，发现和管理好这些数据，但遗憾的是，我们往往只做了数字化的上半篇，而把数字化最重要的下半篇忘了，企业少有人会站在全局的角度去思考过如何用整合的数据去优化业务流程。
现在绝大多数大数据平台，做的也仅仅是针对某个业务流程的某个节点进行分析，跟打不打通没啥关系，很多数据从业者认为的数据打通，其实是在讲融合模型，比如宽表，但融合模型大多是部门级的、领域级的凤毛麟角、企业级的基本没有。
我们做的最多的其实是以某流程节点为核心的报表，比如新增、工单、资源等等，根本不需要分析什么长流程的对象和关系，很多人心中就有这样的疑问：新做的大数据平台跟以前的报表系统TMD有什么区别？
现在看来，的确我们的顶层设计出现了一些问题，至少包括三个方面的挑战：
第一、数字化转型是个系统工程，但企业往往缺乏全景图和路线图，笔者有时也非常迷惘，希望得到公司管理层面的指引
第二、数字化转型要颠覆业务流程，开始的时候很难调动起业务部门的参与度，容易让企业陷入“创新的窘境”，技术脱离业务的结果是难以实现业务价值
第三、企业对数字化转型的认知往往不足，组织不利，缺乏数据文化和人才
三、数字化的价值
信息化时代我们做的是流程的线上化，流程将经验固化下来可以拉高做事的基线，从而有效的提升企业的运作效率，比如新人基于流程做事就可以确保质量。
但信息化有个致命缺陷，就是流程的规则是以前的人定的，但如果外部的世界发生了变化，这些规则又不能自动迭代优化的话，则会影响业务流程的效率，所谓“成也流程，败也流程”。
怎么办呢？
数据技术作为一种感知世界、认知世界的技术，使得解决信息化的问题成为了可能，我们把企业基于数据技术来优化业务流程从而提升运作效率的过程叫做企业的数字化转型。
这里举个企业多次交易撮合的例子，来说明数字化对于企业的重要意义，一定要看完。
对于一家家电生产制造型企业，假设一种理想情况，一家门店每天销售100台空调，10加门店每天销售1000台，这时需要仓储中心每天发货1000台，仓储中心为了降低库存，必须从工厂获得1000台空调，工厂每天加工1000台空调，工厂每天收到加工1000台空调需要的零部件，而这些零部件供应厂家也是每天要生产1000台空调所需要的零部件。如果每天维持1000台的销量，那么这个稳定的供应链就是均匀的，假定每天送货一次，所有环节的库存就能够保持在平均生产1000台空调所需的库存，是可以做到最佳的。
如果要求门店必须每30天订一次货，门店就需要平均15天的库存，仓储中心也必须有15天的库存，工厂也会有15天的零部件库存，整个空调的供应链就有大量的闲置库存。如果终端每天的销量不固定，且不知道明天能卖出多少台空调，这个事情就变得非常复杂。
企业如何利用数据技术实现整个供应链环节的多次交易撮合，打通产供销全链条，这就需要以门店的销售数据作为起点，根据每日的销量，对近期的销售进行更加精准的预测，形成门店销售计划，这个销售计划形成向仓储中心或者分拨中心的订货计划，各个门店的订货计划又形成工厂的订货计划，工厂的订货计划形成工厂的生产计划，生产计划产生物料需求计划，物料需求计划产生采购计划，采购计划形成供应商的供货计划，这是第一个链条的多次交易撮合，是以计划为核心的多次交易撮合。
然后门店的订货计划形成订货订单，这个订单生成分拨中心的采购订单，各个门店的采购订单生成工厂采购的订单，分拨中心的采购订单形成工厂的生产订单，生产订单生成物料需求订单，物料需求订单生成供应商采购的订单，这个采购订单成为供应商的供货订单，这是第二个链条，是以订单为核心的多次交易撮合。
以此类推，还有以交易为核心的多次交易撮合，以资金为核心的多次交易撮合。这四个链条紧密的交织在一起，前一个链条为后一个链条提供输入，后一个链条形成对前一个链条的准确反馈，从而形成一个不断优化计划、订单、配货和付款的循环。
这个循环通过企业大数据平台自动完成，并自动优化，不断优化迭代过程中，形成高速且敏捷的企业经营管理活动“匹配”+“撮合”的平台。
这就是大多数企业数字化转型最核心的工作，也是数字化最大的价值，即实现需求端和供给端的柔性平衡，大幅的提升运作效率，而这些根本不可能靠人工来完成，只能靠数据技术来实现。
做大数据的任何一个从业者，都需要反思下自己的大数据工作是否能够或者已经在支撑这些核心流程的优化，从而对自己在企业中的位置有个清晰的认知。
四、数字化的技术
任何技术都是在延伸人类的能力，信息技术提供的是超越时空的信息传播，提升了人类器官传播信息的能力，而作为信息处理技术的数据技术，将要改变的是人们的大脑，从而提升人类认知世界的能力，数据技术的本质是智慧。
1、数据技术的三代划分方法
目前数据技术处于第一代，这个时期人类指挥计算机进行思考，通过人类的各种算法和模型，产生人类对世界新的认知。企业通过数字化转型，应用高效的数据采集、传输和处理硬件设备，通过建立数据中心对数据进行分析和挖掘，为生产、经营和管理提供决策支持，在这个不断积累更多数据的过程中，也不断积累更多的算法，从而提升企业洞察市场、客户、行业和产业的能力，形成企业的核心竞争力。这个时期至关重要的三个要素是数据、算法和算力，这三个要素融合能够创造出新的信息和知识，创造出更高的智慧。
第二代数据技术，指计算机指挥计算机创造认知、知识和智慧，三个要素都可以自动化发挥出作用，包括数据的自动和智能采集、计算机自动创新和迭代算法等等，比如现在的下棋机器人、无人驾驶汽车都是雏形，这些认知无法为人类掌握。
第三代数据技术，指数据技术武装的计算机与人类一起思考，融合在一起，未来的深度融合将无法区分人是计算机，还是计算机是人。
2、数据技术带来的范式变化
随着数据技术的发展，人类的学习方式将发生范式性的变化：
第一阶段是前喻文化，即晚辈主要向前辈学习。
第二阶段是并喻文化，即长辈和晚辈的学习发生在同辈人中。
第三阶段是后喻文化，即长辈反过来要向晚辈学习。
地市阶段是机喻文化，这时人需要向智能机器学习。
图灵奖得主Jim·Gray提出“第四范式”的概念：
第一范式是实验科学，发生了什么自然现象就记录下来，下一次知道如何重复。
第二范式是理论科学，通过总结发现自然现象背后的规律，如牛顿总结的三大定律。
第三范式是计算科学，在第二范式中，推演是靠手工完成的，到了第三范式时可以使用计算机总结规律，如天气预报，靠人工是无法完成的。
第四范式是数据密集科学，机器可以代替科学家进行规律的总结。
3、数据应用的四个层次
第一个层次是用数据发现问题，通过数据可以知道过去发生了什么，属于描述性分析，即发生了什么。比如某企业的200人的销售队伍，可以通过报表知道每天干了什么，干得怎么样，谁干的好，谁干的差。能发现问题的一般叫做初级数据分析师。
第二个层次是用数据发现规律，属于诊断性分析，即为什么发生。高级数据分析师通过对报表数据的分析，可以发现一些规律，比如高频度拜访客户的成交率达到70%，而做过一次拜访后的5天内部再拜访，那么客户的成交率为38%；在企业中，电话通话次数与拜访次数的比例平均是4.5:1，业绩好的业务经理平均在6:1，业绩差的3.5:1，业绩好的业务经理一般保持3天/次的沟通频率，而业绩差的平均7天/次。由此高级数据分析师建议业绩较差的业务经理每天给客户打一次电话，没有成交之前每三天拜访一次客户。
第三个层次是用数据发现未来，属于预测性分析，即将要发生什么。高级数据分析师基于时间序列得到了一个销售量和自然流量与营销推广费用之间的统计关系模型，从而可以基于营销费用预算来预测未来的销量，从而帮助控制任务的完成。
第四个层次是用数据发现范式，属于规范性分析，即应该做什么。高级数据分析师经过一个月的数据采集和实地调研，发现业务经理拜访的客户分成五大类，并对五类客户数量做了统计，大致是漏斗的形状，而且观摩了优秀业务经理和普通业务经理针对每类客户的不同沟通技巧，发现了其中的差异，所以接下来需要按照“客户体验地图”对客户的成交进程进行分类，然后按照优秀业务经理的做法规范所有人的拜访时机、策略、话术等等，要求所有人必须遵循这个管理规范。
4、六大类数据技术
第一类，与互联网、移动互联网、工业WI-FI等相关额通信技术，也就是解决数据的连接和传输问题。
第二类，以物联网和数字化智能迎检设备为主的数字采集设备与反向伺服设备，也就是解决数据感知和采集的问题。
第三类，数据分析和挖掘的技术，这是数据技术的核心技术。
第四类，区块链技术，属于虚拟世界的信用机制，未来数据安全流转的保障。
第五类，云计算技术，算力是大数据计算技术实现的最重要手段和工具。
第六类，虚拟现实、强化现实和数字孪生技术，通过虚拟和强化现实可以构筑虚拟空间，作为物理世界的补充，数字孪生为设计、研发和工艺制造环节及制作物理空间副本提供了新的思路。
五、数字化的策略
1、数字化转型的方式
数字化转型是一项战略挑战，从哪里转和如何转，必须从两个维度进行思考，一个维度是变革的深度，另一个是变革的广度，从这两个维度出发，可以确定四项数字化转型的策略，具体包括精益式转型、增强式转型、创新型转型和跃迁式转型。
这里重点讲一下精益式转型策略，这是大多数企业会采取的模式，主要把握三个要点：
第一个是进行场景优先级规划，找到重要的、急需的、短期可见效作为转型的起点。
第二个是充分发挥自下而上的力量，各部门的骨干对场景的理解是最深刻的，更知道怎样取得成功，当然，需要他们与数据技术层面的同事紧密配合。
第三个是“效果可视化”，当每一个场景数据化活动成功时，哪怕是阶段性成功，都要将其效果和价值通过可视化的方式传播出去，这样做可以证明数字化的价值，提高变革的认同度和支持度。
笔者正在利用大数据分析能力支撑公司规划部门的数字化转型，采取的方式完美契合以上的三点，特别是第三点，因为数字化转型会涉及到数据层面大量的细节工作，很难一步到位，我们必需用可视化的方式展现数据成果，从而逐步建立起各方的信心。
2、企业数字化转型应具备的实力
选择转型方式还需要考虑两个重要因素：一个是自身实力，另一个是外部行业稳定性，企业必须考虑内外部的条件从而选择转型的策略和路径，如下图所示。
行业稳定性评价是观察企业是否有足够时间应对转型的问题，如果行业稳定，可以慢慢转，而企业自身能力状况主要考虑目前企业的盈利状况，是否有足够的钱投资数字化转型。
如果一家企业既有钱又有闲，则可以选择较大的转型幅度和广度，通过搭建数据平台，整合数据资源，在企业各个业务端普遍开展数字化应用，彻底拉开与竞争对手的距离，对于很多大型龙头企业可以采取这种策略，现实中也差不多。
如果一家企业既没钱又处在剧烈变革的行业，这时生存是企业的第一要务，先赚钱是第一选择，为了能先赚到更多的钱，需要利用数据技术开拓市场，比如通过更加精准的营销手段和销售费用，提升利润率。
应该来讲，数字化转型不是救命药，而是保健、健身或进化的药，所以一家濒临倒闭的企业不能考虑利用数字化转型实现起死回生，数字化转型是一个系统化的长期投资，是更具有远见的企业战略选择，在企业经营状况非常好且发展迅速时，往往是数字化转型的良机，如果等到公司没有资金的时候，往往人力、物力、财力都有压力，更重要的是缺乏信心。
3、企业数字化转型的路线选择
企业选择数字化转型路线时，不能一厢情愿自主选择，必须结合自身情况和外部市场环境状况进行选择，自身情况包括现在的水平和能力，以及自身的市场地位与盈利状况，盲目跟风会使自己在数字化转型中处处碰壁。
如果自身数据资产状况很差，历史数据没有得到很好的管理，缺乏数据处理和分析经验，那么即使企业采用了新的技术和数字化设备，但这些设备采集的数据都会被“搁置”在服务器中，得不到有效挖掘利用。因此，应优先考虑提升管理者的数据意识和使用数据的能力。
下图是企业数字化转型的能力评价模型。
4、企业数字化转型要内外兼修
企业数字化转型按照实施的先后顺序可以有三种选择：第一种是由外而内，第二种是由内而外，第三种是内外兼修。所谓由外而内是指企业实施数字化转型，利用数据技术的方式先从企业外部触点开始，然后逐步在企业组织内部推行数字化。由内而外的方式则恰恰相反，现在企业组织内部实施，然后逐步延伸到相关合作方，包括客户端、供应商端和战略合作伙伴。内外兼修则是同时推进。
多数企业优先采用“由外而内”的方式，通过提升客户体验，以及加速供应链流程提升供应效率，都是从业务组织外部合作方着手推进数据技术的应用，但数据技术在企业的内部应用能够发挥的价值也是巨大的，只是很多企业还未意识到而已。
数据技术的应用能够彻底改变人们的沟通方式、管理方式、决策方式和生产方式，这些改变往往首先从内部改变开始，过度强调外部的变革是跟风的企业，不见得不会成功，但从内部做好准备的企业一定是具有前瞻性思想的企业。
以我为例，以前总想着用数据技术去赋能外边的数字化创新，其实无论是内部的大数据开发流程还是大数据变现流程都存在着大量线下的、低效的操作环节，但自己却从来没想过用数字化的技术去优化自己的流程，但如果自身的效率不提升，又谈何有效的去赋能外边？
如果企业每个员工都能很好的理解数字化创新，主动从身边做起，我想这个企业做数字化创新一定有更高的成功概率。
当前我正在负责一个企业内部数字化转型的攻坚工作，一方面感觉到内部数字化转型的空间很大，对于数据从业者是一项蓝海工作，不仅能够学习到更多的业务知识，更能将数据技术应用到新的场景，从0到1的成就感会很大，另一方面也感觉到了巨大的挑战，不仅需要公司管理层的持续推动，还需要与业务人员不断的磨合，获取他们的信任。
数字化转型的原则就是长远规划、阶段实施，并且实施一部分就锁定一部分成功，因为任何企业的资源都不是无限的，在有限的资源条件下推动数字化转型，并让阶段的成功鼓舞团队士气，建立信心，提高动力，这个的确非常重要。
六、企业管理的数字化升级
1、管理模式的创新
数字化转型涉及数字化愿景的设计、商业模式的创新、管理体系的重构，甚至需要挑战和颠覆现有的行业游戏规则，属于重大的战略层变革，这些工作需要企业家及高层管理团队自上而下全力推动，数字化转型一定首先是一把手工程。
数字化转型也需要对各项数字化技术进行综合性应用，每一种技术成熟度不一样，对于企业的成熟度也不一样，不同的场景也存在成熟度差别，这就需要自下而上的发现可能的应用场景，释放最熟悉应用场景的人探索和创新。
自上而下的推动属于规划式战略，自下而上的变革属于演化式战略，需要进行有效的结合才能有效推进。
数字化转型还有两个视角，一个是技术视角，另一个是管理视角，根据侧重点不同，可以分为四类，如下图所示，相关研究表明，那些能够发挥数据技术与领导力互补效应的“数字大师”企业，其利润率高出同行26%。
美国的一项商业研究也表明，那些既投资信息技术也采用下面七类管理行为的企业，比那些只投资信息技术或只采取七类管理行为的企业做的更好，这七类管理行为如下：从模拟程序转向数字程序；开放信息访问；授权给企业员工；采用绩效奖励制度；投资建设企业文化；招聘精英；投资人力成本。
在数字化转型中，整合两种学习方式也是非常重要的，分别是利用式学习和探索式学习。企业一方面可以利用数字化技术继续挖潜现有业务，提高效率，增加盈利，实现现有业务价值的最大化，这是利用式学习，另一方面也需要持续观察、探索各种数字化解决方案，创新商业模式，创造新业务，这是探索式学习。
2、塑造数据文化新体系
在推进数字化转型过程中，企业通常强调的是技术层面的工作，这些当然是重要的，但是如果得不到员工的认同，任何强大、先进的数据技术都难以发挥出应用的价值，因此，打造数据文化是非常重要的工作。
何谓数据文化，即企业全员以共享的测量思维感知和响应变化，以共用的数据能力决策和解决问题，以共信的数据力量驱动和革新变革，从而建立以数据为基础的竞争优势。
数据文化有四个内涵：
一是共享，就是以共享思维搭建数据平台，设计数据共享机制，高效、科学地取用数据。
二是价值导向，不是有什么数据就分析什么，前提是满足用户需求，否则就是为了分析而分析。
三是循证决策，就是依据事实、证明、数据分析的结果。Netflix的文化平台创建者帕蒂·麦考德说，在Netflix，有意培养员工对事实驱动和科学方法的痴迷，不是只在工程部，而是在全企业。
四是尊重、安全与利他，要尊重他人的隐私和权利，要用数据为善，而不是作恶。
在数字化转型中，塑造数据文化是领导者的第一要务。领导者是数据文化塑造的第一推动力，也负有主要责任，领导者塑造数据文化的过程如下。
首先，领导者要提出并宣贯数据愿景。比如宝洁就曾宣传“将企业的全部工作数字化，从分子的构成到工厂的运营再到零售商的销售数据。”
其次，领导者说到做到，以身作则。人们相信的不是领导者说什么，而是领导者做什么。
最后，领导者必须通过管理行为的设计，为员工进行数字化探索提供高支持度，促进数据文化的落地，即员工数据化思维、行为与技能的转化。某互联网企业在开展一项数据分析工作时，需要其他部门的数据，数据分析人员多次沟通都无法得到数据，对方说得非常直接：“我把数据给你，对我来说有什么好处，事情做好了，是你们的业绩，如果做不好，我们还要承担责任。”如果领导者不能自上而下地建立数据共享制度，靠员工推动即使可能，效率也是极低的。
数据文化虽然是企业文化的子集，但也有其特殊性，数据的使用一直都存在，这些年已经成为人们关注的热点，但是，知道不等于认同，数据感觉是本能，数据意识却不是，在管理者心中，数据的价值和力量依然是“有待证明”的。因此，在数据文化落地上，强调两个重要的方法。
一个是可视化，在数字化的初期，即使其产生的成果和效果很微小，也要让全员看到、感受到，眼见为实，只有目睹，才会促进思考和理解。
另一个是故事化，当数据分析结果出来之后，我们不能假设，决策者会自动、欣然地接受。分析者必须假设，决策者是不接受的，然后思考通过讲一个什么样的故事，决策者才能接受与认同。
3、搭建敏捷组织新架构
传统的组织架构是科层制，在科层制组织下，最前线的“士兵”没有决策权，虽然他们掌握最多的数据，但不能灵活、机动地响应客户诉求。管理决策和方案都需要层层汇报，层层审批，每一层信息传递都会带来信息衰减，上层掌握最少的数据，却做最重要的决策，企业的决策风险很高。
为了提高产品响应速度，以产品为中心的平台型组织正在崛起，为了提高产品运营的效率，前端、后端、开发、运维、甚至包括人力资源管理、财务管理、培训等都被独立分配到每个产品组织中，通过建立一个服务于产品的中台，提供基于产品共性需求的平台，同时起到整合的作用。而前台的产品部门则侧重点集中在满足客户的动态需求方面，以产品为核心，确保产品本身的成功。
敏捷的前台可以满足客户的动态需求，听得见“炮火”的中台能够为前台提供全力支持，以及强大的后台服务能力，这是“三台组织”的理想，建立平台型组织是为了适应前端不断变动的需求，是一种敏态型的组织架构。其中，中台一业务为中心，后台以服务为中心，让前台更加轻松的打仗。
为了适应组织开放性要求，一种更具开创性的组织模式-生态型组织，正在兴起。生态型组织并不是传统意义上的组织，而是一种开放式的松耦合的组织模式，企业组织的边界被打破，组织内外的关系开始模糊，每个人都是一个生态体系下共同体的一员，都在为整个生态的发展贡献自己的力量，比如虽然滴滴本身不是一个生态型组织，但其运营的共享出行其实可以作为一个生态型组织，小米现在正在转变成一个生态型的企业。
在生态型组织内部，各个成员之间不一定存在雇佣关系，而更多的是一种松散的合约关系，进入这个生态组织后，会签署一份生态组织协议，或者遵循一种规则、道德伦理等，生态体系内会有竞争，但更多的是合作关系，为生态谋取更多的发展贡献自身的力量。这种生态组织需要一个运营商，它们制定规则、规范和标准，对生态内的各种活动进行监控、并对各种活动创造的收益进行“收税”,并将“税收”用于这个生态体系的发展。
最后这本书还总结了企业经营数字化升级的五个方面，包括客户体验数字化、业务流程数字化、市场洞察数字化、运营管控数字化及数据平台系统化，里面有大量的案例可供大家参考借鉴，通过这些案例，一定会对数字化的本质有更深刻的理解。
这本书读下来，总体感觉体系化很好，而且浅显易懂，正如书的抬头写得那样：“系统深入的数字化转型框架，不再盲人摸象，清晰实用的数字化转型地图，不再束手无策”，因此向你隆重推荐。