数字化转型迫在眉睫，企业如何破局新生？
3月9日，在全国两会经济论坛中，中国工业互联网研究院院长徐晓兰表示：“对于制造业等传统行业的企业，数字化转型已经到了不转不行，必须要有为的阶段了。”
随着数字化对社会经济的颠覆与冲击，数字化转型早已不是互联网企业、创新型企业的专利，而成为千万家涉及不同领域的传统企业不得不去面对的课题。
在数字化转型的进程中，这些对数字化转型需求极为迫切的企业往往面临着多样、直接而又深刻的挑战，“从何处着手推动企业自身的数字化转型”是最亟待解决的问题。福田产投从多个维度来讨论该问题，或许能给读者们带来一些思考。
随着物联网（IoT）的兴起，手机、汽车、家电……几乎一切电子设备都会产生数据，而5G技术的应用推广则会使这些来源五花八门的数据出现得更多、更快。
变化的市场环境下，“数据敏捷性”比以往任何时候更为重要。2020年，全球面临巨大的疫情挑战，对许多行业都造成了沉重打击。对此，一些公司表现出了强大的应对能力：他们大多已经开始，甚至已完成数据基础设施的“云化”。这些企业无需耗费大量成本精力，就能进行本地应用程序和基础设施的维护升级，从而获得更强的数据分析能力，更加快速灵活地应对市场变化，并在变化后的新环境中取得一定的先发优势。
瑞典医疗巨头Getinge，在疫情的大环境下加速推进了全公司数据系统云化转型及IT敏捷化转型。Getinge在云优先战略的基础上，依靠云计算IaaS平台，以及Kubernetes、云数据库、AIOps等技术，构建了一个基于云的产能及研发管理平台。通过新构建的管理平台，Getinge得以及时准确地调整与先进呼吸机和相关设备相匹配的生产和支援模式，提高生产效率，在更大程度上满足市场需求的基础上实现了跨越式的业绩增长。
疫情是数据化转型的一针催化剂。作为继土地、劳动力、资本和技术之后的第五大生产要素，数据对于企业而言格外重要。
《哈佛商业评论》2012年刊登的一篇文章曾经提到：“重视数据在决策中作用的企业在生产效率和利润率方面至少要比同行高5%。”而到2018年，Forrester Research的一份报告表明，数据驱动型企业正以平均每年30%的速度快速增长。在业务场景随社会总数据量持续爆发而变化的今天，数据驱动的优势愈发凸显，让越来越多的企业确立了数据驱动型的发展目标。
数据驱动能帮助企业做出正确的商业决策。数据是客观的，数据分析的结果往往也是直观的，从而能够为决策者提供了一条有迹可循的道路。
而正是因为“有迹可循”，企业在决策过程中便能省去了诸多众说纷纭、莫衷一是的不确定讨论，让决策更加精准、高效，从而获得更高的商业敏捷性。
此外，数据驱动型企业会基于大量的数据收集和分析做出决策。无论是对企业原有产品、业务的迭代，还是对新产品、新业务的设计，亦或是一些产品的智能化实现，在数据驱动下，企业的一举一动都将变得更加有理可依。
充分发挥数据价值，企业不仅能够在发展中不断修正前进方向，还能借由更高的商业敏捷性形成发展加速度。
近几年，不少企业逐步深化了数据化必要性的理念教育，如今反而是被“怎么做”卡住了脖子。
我们认为，朝数据驱动型企业转型，要从“人才、流程、技术”三个方向入手发力：
人才是构建数据驱动型企业的关键。随着大数据时代的发展和社会数字化转型的进程加快，企业对数据领域专业人才的需求愈发紧张。美国劳工统计局曾预测：到2026年，全美对可以“应用统计理论和方法来收集，解释和汇总数据”的数据专业人才需求将上升35%。同时，猎聘2019年大数据人才就业趋势报告显示：中国大数据人才缺口高达150万。
再先进的工具，再科学的方法，都需要人才去使用和执行。因此，想要依靠数据真正驱动企业前进，仅靠简单的收集远远不够。无论是对数据进行统计分析，亦或是对数据基础设施进行操作维护，都需要借助专业人才的能力实现。在人才缺口日渐扩大的当下，企业如果不组建培养自己的专业团队，就会陷入“虽进犹退”的尴尬境地。
建立统一的数据采集、分析和使用流程，也是构建数据驱动型企业不可轻视的一环。
Nature Research在2020年进行的一项研究中，共有70个神经影像专家小组通过查看完全相同的MRI数据集来验证9个假设。然而，每个小组都采用了与其他小组不同的自有工作流程，导致最终得出的结论大相径庭。
就企业内部而言，如果无法进行流程标准化，尽管掌握着同样的数据，不同部门却有可能因为流程的差异而得到不同的数据分析结论。由此一来，企业无法通过数据得到一个正确的指引方向，将再次陷入左右为难的困境。
采用能够满足企业需求的数据基础设施，则是构建数据驱动型企业最为重要的基础。先进的数据基础设能够帮助企业克服打造企业数据驱动文化过程中所面临的障碍，这就对的数据库系统等数据基础设施提出了要求。
● 强兼容性
具备强兼容性的数仓系统可以在不同来源的数字化应用之间建立顺畅的连接，将企业内部的多个数据系统整合在一起，使标准化的数据流程成为整个企业内部的共识。这样不仅易于积累可复用的数据资产，还能避免不同的业务线或职能部门在数据运用上各行其是，实现数据价值层面的“心往一处想，劲往一处使”。
脏数据、不可信数据所带来的数据质量方面的挑战，始终是影响企业发挥数据价值的主要障碍之一。在构建数据驱动型企业的过程中，数据基础设施应具备利用外部表并行加载以及在数据加载过程中进行错误处理的能力，使数据在入库之前得到清洗，从初始环节提高数据质量，保证数据库的完整性和利用率，让数据价值能够顺利挖掘出来。
任何一个数字化应用上线之后，其相关数据量必定会随着时间的推移呈现线性增长。然而，数据量的增长速度不断加快，企业对数据存储资源的需求也会随之扩大。即使是为了妥善存储这些可能促进业务增长的数据，也需要企业选择具备高扩展性特征的数据基础设施，以应对随时可能出现的数据库扩容需求。
● 灵活弹性
当销售旺季面临“流量高峰”“生产高峰”等情况时，企业对数据系统中的计算资源需求会瞬间超载，而后又快速恢复到正常水平。这使得采用MPP等架构的企业不可避免地陷入两难境地：如果选择能够完全满足高峰期计算性能需求的设备，有可能导致存储资源的浪费；如果选择有限满足计算性能需求的设备，则必然会导致服务可用性的不足。
两相权衡，企业将更多地倾向于选择云原生等技术架构，使得数据基础设施具备灵活弹性的特质。根据自身业务的实际需要，自由地选择扩充数据系统内部的计算或存储节点的目标，从而避免了传统数据平台因节点中存储计算绑定，而在扩充时造成的资源浪费的情况。
“千里之行，始于足下。”数字化转型对于当下的每一个企业来说都是不可不为的头等大事，也是需要持之以恒的长久目标。想要顺应新一轮科技革命和产业变革的浪潮，完成数字化的全面转型，首先要做的便是将自身打造成数据驱动型企业，通过挖掘数据中的无尽力量，让企业在转型的路上脚下生风而又后劲十足。