别打转、别倒退，数字化该如何走进“数字深化”？

△点击上方卡片关注我，回复“实践”，即可获得 AI Agent、RAG、多模态大模型相关的案例资料

作者 | 付晓岩

“以名求物，物无当名之实；以物求名，名无得物之功。”

这是东晋名和尚僧肇，在其《不真空论》中写出的一句名言。僧肇可能听说过的读者不太多，但他的师傅很有名，鸠摩罗什，很多著名的佛经都是罗什大师翻译的，因为译经的功德，身后还留下了著名的“舌舍利”。《大唐诡事录之西行》中也借用了这个圣物的故事，就是那块卢凌风护送到寒州去的“舌舍利”。

古代高僧不少都是哲学家水平的，尤其擅长思辩，即便如此，“概念”这东西也还是不好搞定。“名”、“物”之分历来不易，哲学上对“概念”一词的定义“概念是完备的信念，是确认的范畴，即内涵上确认的范畴，外延上内涵的外延。概念是反映对象本质属性的思维形式，通常用词或词组来表达。”这也是很需要“心领神会”的“概念”，笔者记得以前也听过符号式的解释，说“概念”就是个符号。所以，“概念”本身就有模糊性，“以名求物”，什么是这东西；“以物求名”，这东西是什么，怎么说都不会非常准确、完备，尽管“概念”自身追求完备，但越说可能越不像，说得越多其实越暴露出“概念”提出者自身的局限性而已。

“数字化转型”自从 2020 年成为了全行业共用词之后，也就成了“百家讲坛”，虽然政策有明确的方向导向，但是从商业利益出发，各方必然还是喜欢众说纷纭的氛围。二十届三中全会的《决定》中有提到对数字产业化和产业数字化继续提出体系性的政策，感兴趣政策方向的读者可以跟进学习，毕竟政策有更大的影响力。本文也是在政策提出的方向上，进一步聊聊企业当前看待数字化的合适视角。

笔者在《银行数字化转型》一书中又提出过自己的数字化转型概念，虽然那个概念笔者至今仍认为没啥问题，但它是建立在数字孪生基础上的，方向不会错，就是还需要时间，所以笔者后来也曾提出初级数字化、高级数字化的阶段划分。不过，笔者在本文中想换个词来聊聊这件事情，虽有乱造概念之嫌，但笔者也觉得确实需要换个指示性更强的符号，来指代这个东西。

“转型”一词虽然易用，但最容易欠缺的就是方向感，往哪里转？转多少次？会不会原地转？以及为什么转？这个符号的道理是对的，就是指向性也许可以再改一改。换个什么词，指向性更好些呢？也许“数字深化”可以，“数字”代表手段，基于数据、基于数字化技术；“深化”代表方向，在企业内部持续做“深化”，而非泛泛地、局限于系统的数字化建设，是对业务、对技术的理解都要日胜一日地“深化”地去做，是将数字能力作为核心竞争力的“深化”，也就是将业务核心竞争力不断通过数字能力做“深”。

具体来讲，数字深化可以包括如下理解：

一、“数字深化”是自己家里的“深化”

作为指向，“数字深化”首先强调的是眼睛关注的焦点应该是自己家里，自己的策略、自己的业务、自己的资源、自己的问题、自己的出路、自己的技术等等，什么问题前边都加上“自己的”，然后在这个范围内才能“深化”。目前数字化圈子里，主动树立、被动树立的数字化人设、标杆都不少，但是经过一番“专研”，越来越多的文章标题成了“*** 学不了”。

数字化是不会让一个甲方企业跑到别人家里去“深化”的，所以，别人家里的事情，看看就行，别看太“深”。别人走过的路，取得的成绩，只是证明了这条路可以走通、可以走远，以此树立走的信心就行了，仅此而已。

其实这件事情不只是企业，笔者自己讲业务架构时也常说，学业务架构最慢、最容易错的方式就是看别人做过的架构模型实例去学。模型本质上是沟通工具，是用来跟相关者沟通、达成一致的东西，别人做的架构模型，是人家的架构师跟人家的管理人员、业务人员、技术人员沟通的结果，学习者直接拿过来是要跟谁沟通呢？是要集体学习另一个企业？能通过单纯解读模型学习另一个企业的实际运转和系统开发？模型上没记录的东西谁来告诉你呢？学习业务架构最快的方式就是以学习者身边可见可得的素材为基础，多将建模结果说给相关者，不局限于建模可以覆盖的业务范围，把能力一步一步练起来。

这个道理跟企业的数字化一样，如果企业总盯着别人的做法，总听别人的指挥，是无法做好数字化的，笔者用“数字深化”这个词，就是希望企业能更多盯着自己，盯着自己的问题提升自己的能力。笔者也算是业务条线和技术条线、甲方和乙方、咨询和培训都做过的，自从转入技术条线后，十多年的项目观察，发现，只要是甲方自己理解不深入的东西，无论找的是什么级别的咨询公司、买的是什么价钱的业务系统，基本上都很难真的用好，当年还见过一套曾经很好的资债系统，就是升级维护不了，自然废弃了。

企业理解数字化本就有一定“门槛”，而这些年高增长、高竞争的不良氛围，更是让企业很少能静下心来，从自己出发去想问题，总是被“市场”吓得“手忙脚乱”。“资金”在市场上其实是充裕的，至少从货币供应量上看是如此，从投资人对业绩对赌的高期望值看也是如此，只要一有新兴的成长点，就会迅速被“资金”催生促长，转而形成“一地鸡毛”。

笔者最近听一个播客节目，分享者是一个电动牙刷领域的早期创业者，也为销售而深度涉足电商直播带货领域。就数字化视角看，企业也是个数字化转型实践者。从他的分享中，可看出“资金”的灵敏嗅觉，本来这个领域只有两个国产厂家，其中一个还没挺住，但是，在“资金”的支持下，迅速就涌现出了一批国内厂家，其中不少是有业绩对赌协议的，增长率都是一倍、两倍的要求。企业为了达成目标，基本上就是把融资的大部分都投入了带货营销，几乎占到了经营成本的 60%，产品反而是次要的，一旦失去资金，就失去了优惠、低价，就失去了流量，业绩就迅速萎缩，甚至破产倒闭。

虽然不能说这个领域就是数字化营销的典型代表，但至少这么理解数字化肯定是长远不了的，也是无法“深化”的，看别人带货，自己也冲过去，然后钱花了一堆，结果是赔钱赚吆喝，这样的情形应该不少，也会让旁观者对数字化的真实作用产生疑虑。算是一个不理想的因缘吧，思考不深的企业，设定了不太实际的目标，创造了一个体验不好的数字化过程，也可能还遇到了实践不深的协助者，就只有钱和时间花的可能是“深”的。

笔者以前还听到过一个地区性民营房企的例子，想对自己的几十万条客户数据做人工智能应用，精准营销的，找了个大学联办，但是好像没做出什么成果来，虽然笔者了解不多，但估计很多读者也能猜到，无论是数据体量还是客户数据的更新频度，可能都难以支持搞人工智能精准营销，一般的数据分析按理说就够用了。除非是炒房子的，一般家庭，两次购房之间的时间间隔太长了，而这期间客户变化信息根本无从补充，很难有什么动态性的预测，能以年度为单位做些推断都算不错了。以笔者当时的了解看，该企业还不如把精力多用在对现有系统的能力和数据做些整合上，提升系统效率和数据质量，来支持信息快速共享和数据分析，但恰恰是因为听了另一家更大的房企的“专家”高谈阔论的数字化管理经验，不知道后来跑到了什么方向上去了。

所以，笔者认为，“数字深化”这个词的第一个好处就是，让企业知道这是自己的事，该懂的自己必须懂，除了自己，没有人能对你负责到底，红尘皆过客，“天下熙熙，皆为利来；天下攘攘，皆为利往。”

二、“数字深化”是每个人的“深化”

笔者在很多交流中都发现，企业认为数字化是有用的，但主推应该是 IT 技术人员的事情，业务不能被打扰，很多咨询专家也认为，业务人员主业是业务的，业务人员有些东西学不会，结构化思维对业务太难了，IT 技术人员该干好技术的工作。当然这里要明确下，站在 IT 系统实现职责的视角看，以实现企业中 IT 系统建设为主要职责的就是 IT 技术人员，不以此为主要职责的，都是业务人员，既不考虑这个人会不会写代码，也不考虑是不是个研究物理的、研究化学的，只要不做 IT 系统的就是业务人员。

企业数字化工作经常抱怨缺乏既懂业务又懂技术的人才，也就是所谓的复合型人才，但这种人才的培养周期不短，大体上在业务和技术两侧各工作三年，这是个起步条件，不能说在业务或者技术侧做过一小段时间就算复合了，这么简单的话，人才就不缺了。所谓复合型人才不仅掌握基本技能，还得充分掌握完整的过程经验。就好像说一个人是企业架构专家，然后这个人连一个大型的完整企业架构项目都没经历过，这会不会差点儿意思？说一个人懂前台业务，但是既没见过客户，也没成过单或者为客户交付过，这能懂前台业务？说一个人懂中后台业务，即没处理过账务或者风险事件，或者经历过安全问题，那最多就是懂些基本操作和规定，有事儿准发慌。

如果达成上述要求，在每一侧工作过三年应是起步条件，都算不上理想，毕竟，专家通常工作经验会在 5-8 年以上，视具体领域的难度而定，如果企业还想要复合呢？想要很“浅”的复合，还是“深”的复合？更重要的是，不要只盯着复合，别忘了，关键的是这些人提出和发现有价值的数字化应用方向和业务需求的能力，太“浅”了，他根本就提不出或者发现不了这样的需求的价值。

这种复合程度是很难大范围培养，也很难直接从外部找来的，毕竟，企业打算出多少？行业里有多少？专家要在新企业里适应多久？能不能适应？如果专家没能适应好，那对双方而言的损失都是巨大的，比如，之前因为做中台不成而下台的 CIO、CTO 中有没有被“错杀”的？

企业最好从自家每一个人的培养开始做起，建立起培养机制，才能扩大人才的范围，才能不怕流失。而培养每一个人，就不是单纯的等时间了，要先从复合型人才的基础和培养目的做起。复合型人才本意是业务和技术的沟通桥梁，那么，深入学习些有助于双方沟通的技能，就是一个良好的起步了，在这个基础上，再通过实践发现和培养出深度复合型人才。

这些技能就是基于“全局性结构化思维”的业务描述技能，对于业务人员而言，就是能够以结构化、数据化的视角看待业务、描述业务，使技术人员可以快速理解业务；对于技术人员而言，就是能够以业务人员可以接受的结构化、数据化的视角介绍对业务需求、业务系统的理解和设计，从而使业务人员理解数字化工作。这是双向的，对于双方而言，都要从各自的习惯上向对方走一步。

但这只是走一小步就可以的，毕竟，就是梳理好融合一致的流程模型、数据模型，就已经足够达成这个要求了。而流程模型笔者比较推荐使用 BPMN 方法，一种标准的流程图画法，不过令笔者不解的是，很多人，包括一些咨询顾问，都说让业务人员学习 BPMN 太难了，反人性。人性居然脆弱至此，画流程图是很多企业都有的工作，政府办事大厅、医院挂号大厅都经常有流程图，笔者觉得这东西与业务人员一生要学的很多业务相比，都是足够简单了，而且，这东西也比初高中的数理化简单得多，但凡对数字化有追求的企业，花大钱搞中台、搞 ERP 的企业，不至于其业务骨干会是连流程图都很难学会的员工。

学习过程中确实会有些争议，但这是必要的磨合过程，并不是“学习难度”。与流程相比，数据模型是难学些，但是数据模型的建模素材都是从业务中来的，还是那句话，这东西也比初高中的数理化简单得多，它只是个视角训练，需要些时间和经验而已。

现在一谈数字化，就有好多方法论、模型、框架，笔者感到奇怪的是，提出者们不担心这些东西业务人员理解起来有困难，反而担心操作级的流程结构化、数据结构化有难度，但是哪个企业的数字化真离得开这些东西呢？笔者今年用零代码平台做了企业架构管理工具软件，就是零代码实现，也需要理清楚流程和数据问题。

流程结构化、数据结构化也需要技术人员做一些改变，这个改变主要就是不要总试图用只方便自己理解的建模方式，尝试跟业务人员建立沟通用的模型，沟通是双向的，宁可双方都有一点改变，也不能只方便一侧。

现在“新质生产力”是个热门话题，笔者在讨论“新质生产力”的文章中也提到，“方法”是“新质生产力”中最容易掌握和创新的地方，也是所有新技术真正能发挥作用的根本，也就是找到适合自己的使用“方法”，而对流程结构化、数据结构化的研究，也是这些“方法”的来源。

笔者认为，企业的“数字深化”欠缺的可能正是“马斯克五步工作法”中的前四步，这前四步适合大多数领域，只有通过“深化”这四步，数字化的作用才能持续产生，而这四步，也离不开对流程和数据分析。所以，多“深”想想吧，如何通过每个人思维和能力的“深化”做到企业的“深化”，这才是有竞争力的企业，企业并非因数字化而有竞争力，恰恰是因为有竞争力才会更好地执行“数字深化”。

三、“数字深化”是全面但并不均匀的“深化”

“数字深化”最终会扩散至全价值链，但不可否认的是，数字化对不同类型企业的影响各异。对每个企业而言，数字化在价值链不同环节上所起到的作用也是不同的。因此，尽管“数字深化”会逐步推进，但它并不急于全面重塑整个价值链，而是根据需要，深浅不同、时间不同的逐次深化。当当前重点“深化”的领域遇到了障碍，需要扩散“深化”范围时，企业自己就能感知到。有能力先做整体设计当然好，但是如果没这个能力，也不用担心，“问题”不会放过企业，“问题”会让企业最终学会，尤其是在企业觉得先学习这种能力没什么必要时。

“数字深化”后形成的企业数字能力布局，必然是有山有谷，不必“一视同仁”、“一马平川”、“均匀撒钱”，“数字深化”没有什么必须照着做的样本，只有根据企业的价值判断形成的能力布局，所以，没有全局性判断能力的企业，很难做好理想中的数字化。

“数字深化”的不均匀性恰恰说明企业要从每个岗位上现实地评价数字化的真实诉求和价值，而不仅是在战略层面认可数字化的方向，数字化落地一定是落在具体事情、具体岗位上，如同前文说的每个人的“深化”一样，这里强调的则是对不同岗位的真实评价。每个岗位对数据的诉求、对效率提升的诉求和选择都是不一样的，如果希望数字化有价值，就要到每个岗位上进行真实的研究，再将岗位的实际需要同数字化战略结合起来，所以，这并不是单纯搞数字化建设的事情，而是有具体指向的持续发展“数字深化”的问题。

“数字深化”可以选择自研，也可以选择合作、外包甚至 SaaS 服务，只不过，要打造一个什么样的企业，这件事，别人帮不得你，企业必须自己定义自己，全面但并不均匀的“深化”，只是告诉企业，找准自己的问题，深入思考，放手去做，结果会自然形成，只要不放弃，能力会自然累积起来。

数字化已经过了概念普及的初期阶段，开始进入能否展现真实价值的应用“深化”阶段，这个阶段是检验数字化是否能够融入企业，是否能够加持每个人、每个岗位，企业是否理解环境发生的真实变化的阶段，也是树立自信心的“祛魅”阶段，对别人有用的，不见得对自己有用，自己用得好的，也无需别人评价，所以，关注自己，由此而产生的对数字化的理解和实践才是最重要的。

“数字深化”这个词，这次就解释到这里，笔者觉得它在指向性上更好些，也像极了常说的，“数字化是个大坑”，对，就是个“大坑”，而且还越挖越深，只有挖深了才会积更多的水，坑浅水也浅。如果坑挖错了怎么办，不用担心，最重要的是挖坑的能力，方向错了，调整过来继续挖，还能挖得更快、更好、更深。既然叫“数字深化”，就是比谁能在同类型、同规模企业中把坑挖的足够深，谁有更好的挖坑能力，这就是更强的数字转化能力，也就是数字时代的核心竞争力之一。

关于作者

付晓岩，天润聚粮执行董事总经理，原国有大型商业银行资深业务架构师。《银行数字化转型》、《企业级业务架构设计：方法论与实践》和《聚合架构：面向数字生态的构件化企业架构》三书作者。中国计算机学会软件工程专委会委员、数字金融分会首批执行委员；国家工程实验室金融大数据应用与安全研究中心研究员；CIC 金融科技与数字经济发展专家委员会成员；信通院企业架构推进中心、组装式推进中心技术专家；中华全国数字化人才培育联盟专家委员会特聘专家；工信部中小企业发展促进中心产教融合产业实践教授；国家互联网数据中心产业技术

内容推荐

金融行业凭借相对完善的数据和技术基础，以及丰富的业务场景，成为智能技术的实践场。在智能时代背景下，包括银行、保险、证券等在内的金融机构正在借助 AI 大模型、大数据、云计算等数字化技术不断完善和迭代自身的产品和服务，同时通过向外赋能，加速其它行业数字化，完成数实融合。关注「InfoQ 数字化经纬」，回复「实践案例」领取相关资料。

企业福利

极客时间数字化人才培养认证项目共设 15 个岗位，分为初、中、高三个等级，覆盖数字化及人工智能人才所需的主要技能方向，满足人才技能升级和适应产业发展需求，通过测评后可获得工信部颁发的《工业和信息化人才能力提升证书》，扫码添加小助手，回复「认证」可免费咨询并获得产品手册，一个锦囊、一个助力数字化人才培养的妙策！

 福利通道

• 关注「InfoQ数字化经纬」公众号，回复「案例」领取《行知数字中国数字化转型案例集锦》。

• 关注「InfoQ数字化经纬」公众号，回复「进群」加入数字化读者群交流。

今日好文推荐如何应对企业架构中的复杂度问题？企业如何解决大模型落地的“最后一公里”问题？
AI 与大模型如何助力金融研发效能最大化？降本增效挑战下，金融业如何量化数字化投入与产出平安壹钱包：大模型如何帮助风控运营实现效率翻倍