用區塊鏈從新定義生產關系，用云量、用數量、移動指數、物聯網指數、數據的應用和開放能力重新定義生產力，實現現代企業的五化管理工作移動化、數據產品化、分析可視化、管理云化、業務融合化。
大數據專家張涵誠認為這就是企業數字化轉型的要做的事情，總結起來就是“12345模型”，即：一個平臺，兩個核心技能，三個階段，四個戰略內容，五化建設。
一個平臺是指：一個擁有大數據和人工智能各種組件的云計算平臺；
兩個核心技能是指：業務快速的IT化能力&數據科學的能力；
三個階段是指：業務數據化、數據業務化、業務智能化；
四個戰略是指：管理戰略、運營戰略、分析戰略、工具戰略；
五化建設是指：業務移動化、工作移動化、數據產品化、分析可視化、管理云化。
企業通過這12345策略，利用新一代信息技術，構建業務數據的采集、傳輸、存儲、處理、分析、可視化結果和反饋的閉環，打不同系統、不同技術、不同部門，甚至不同企業，不同產業間的數據壁壘，提高企業、產業、行業生態整體的運行效率，構建全新的數字經濟體系。這就是數字化轉型實施方法論。
在以數字化、網絡化、智能化為突出特征的新一輪數字化轉型的過程中，云平臺發揮著“操作系統”的重要作用。因為大家可以在一個平臺上協同工作，運營維護IT系統、敏捷開發系統平臺，基于云大協同工作，進行IT創新的平臺，進行數據交換。之前的我們系統大部分煙囪，建了ERP、 CRM、 OA、供應鏈、財務或者企業的網站或者企業的電子商務平臺，都多家不同的系統供應商提供。每個系統都有自己的技術架構，數據庫不連接，跨系統之間的工作流無法協同，這樣呢，數據在每個系統里面跑自己的。就形成了數據煙囪，我們通過建一個統一的云平臺，可以讓技術融合、數據融合、業務融合。云平臺的建立，對于數據的共享和流通是非常有幫助的。所以之前的由各家承建的各種系統就會變成一個統一的云的大中臺的系統統一起來。
今天云平臺提供的服務非常多，存儲、計算、網絡、負責均衡，業務的，整個的快速定制的管理PaaS平臺。包括最后的企業的各種應用系統SaaS。包括從SaaS系統吐出來的數據能夠為業務部門提供數據服務的DaaS。從IaaS、PaaS、SaaS到DaaS。
云平臺提供了必要的IT資源，同時也需要數據服務，大數據和人工智能，這里主要是一些大數據的分析挖掘算法、文本分析、語音分析、視頻分析、個性化推薦。神經網絡、各種機器學習的算法等，這個就是我們當前企業數字化轉型的一個核心的云平臺加上大數據和人工智能的組件助力企業實現數字化轉型，包括亞馬遜、阿里巴巴、IBM、微軟、Facebook、谷歌等國外的一些大的IT互聯網公司。
一個是業務的趨勢把握的能力。
業務把握的能力實際上是對于企業所在行業的發展趨勢的深刻洞察、預見、準備、布局、投資、運營管理、工具的使用等一種綜合能力。使企業內部人員之間的溝通、對外的業務客戶、企業內部、合作伙伴、供應商、競爭對手。協同起來能夠更加快捷，高效，安全穩定適應市場的發展，特別是我們從IT到DT這個變化的過程中，企業業務就要上云了。
IT處理的是單一穩定、流程驅動的一些系統，比如說CRM、ERP、OA、HRc這些都是電子流程化，相對比較穩定。IT是一個成本中心，基本上是落后業務的。業務需要什么系統IT就會做什么系統，基本上是解決線下穩定的業務問題。
DT主要是處理多元的，實時在線的這種系統，比如說用戶畫像、在線的用戶行為分析、個性化推薦系統、實時搜索、標簽的管理包括大數據的系統。DT是一個利潤中心，是領先業務的，它解決的是實時在線的業務。
所以這種預測能力或把握趨勢的能力的背后邏輯就是，我們的一言一行、一舉一動都迅速的轉變成大數據，然后轉變成商家的洞察力和企業決策力。大數據將作為最重要的生產資料要素驅動所有業務流程、體驗、效率產業進行革新，所以業務趨勢把握能力的建設，除了市場的思維上的認知，實際就是我們能夠從線下到線上，從IT到DT，建立一套基于大數據的系統平臺，能夠時時應對業務的變化，甚至能夠去領先業務。
另一個能力就是數據科學。
今天的數據科學為什么沒有普及到很多行業？現在已經普及到圍棋，產生了AlphaGo這樣一些優秀人工智能機器人。那么為什么沒有阿爾法貓、阿爾法醫生、阿爾法打麻將？那是因為懂數據科學的人并不會打麻將，而打麻將的人也不太會數據科學。
所以當我們企業在進行數字化轉型的時候，有一類人是非常重要的，那就是既懂業務又懂數據科學的人才，能夠把業務有效的通過數據科學去描述，去實現它的高效處理速度。各行各業的業務利用數據科學都可以高更智慧的運行，智慧醫療，智慧交通，智慧旅游，智慧海關，智慧稅務，都是要利用數據科學智慧的。
第一個階段就是業務的數據化。
這個數據化實際是在企業整個業務的閉環。從企業去找客戶，跟進客戶，做一些定制或者一些產品的設計；拿到訂單后要形成服務，有生產產品，然后要要運輸、收賬。最后客戶會給這個產品一個評價，反饋，再去影響企業的下一波找客戶。
這個階段全國很多優秀的知名的企業，包括一些政府、機構，現在都已經實現了業務的數據化。從數據的這種采集，到數據管理再到數據建模分析再到可視化?；旧先ミ@些企業都有可視化分析的屏幕，就說基本上已經做完了從業務數據化的這個部分。當然也還有很多企業并沒有實現這個邏輯過程，很多環節的數據還是記錄在紙上或者excel表格里，并沒有把它很好的放在系統里面去記錄、統計、分析。當然業務數據化中，數據的質量管理非常重要，如果數據活性不夠，數據質量不高，數據顆粒度，數據維度，數據關聯性不夠，收集的數據也會影響業務。
第二個階段叫數據的業務化，
業務分析出來的數據能夠去指導業務實踐，這就是數據的業務化，將數據分析出來的結果發揮價值，產生收益。這一步很多企業沒有實現，互聯網企業可能對于數據的采集加工分析和利用指導業務是做的比較好的，可是在很多傳統的企業，比如制造企業，收集了產品的不良率，并不能通過這個數據去指導，因為改生產線可能花費巨資，改個人的行為需要管理上的很多手段。所以數據的業務化對傳統企業來講很有挑戰性，完全用數據去做管理，讓數據說話、數據管理、數據決策，實際上現在很多企業還做不到。
這里必須說的是不是所有企業是按這個數據決策的。不管是決策管理還是做業務，都有科學和藝術的成分在里面。而且數據的業務化對于企業管理層、企業運營經理等具體執行人員都要有能夠把數據加工運營好的意識，除了有意識以外，當然還有過硬的技術，自己能夠做一些簡單分析，能夠從數據中發現一些業務的機會，這種能力和技術，還有方法，實際上是這個階段非常重要的一個企業建設的內容。
第三個階段就是業務的智能化，
我們已經通過系統的分析得出了結論，然后能通過結論再去調整系統或是去優化管理，指導人的工作，那么就要把這些全部寫成算法，讓它智能化地去執行，減少人的干預。
除了這個方面，我們還可以智能化地去發掘一些銷售線索、跟蹤一些銷售機會、進行一些訂單的生產、甚至智能化的去做一些售后服務，比如現在很多聊天機器人，我們可以做智能化的產品反饋跟調研，自動的去市場上收一些我們產品的缺點、優點，以及消費者對它的自然語言的一些信息，通過這些信息再去改進我們的產品，創新改進我們的市場營銷方法和策略。
第一、管理戰略，行業的變化趨勢，政策法規和國家的投入、行業的發展趨勢，對于一個企業來講是至關重要的，它相當于一個大環境，這個大環境好的時候企業在這方面投入就能得到回報，大環境不好的時候企業在這方面投入就會相對比較少。
第二、運營戰略，就是運營的指標架構體系，我們要了解行業，目前領軍企業他們的運營的優勢，因為每個企業在建立的過程中最后都會形成自己的核心管理優勢，這些企業的優勢對企業轉型有哪些借鑒的作用，這個我們是需要知道的。
第三、數據分析戰略，因為不同的分析層面，實際上需要的算法和模型是不一樣的，我們有很多優秀的算法，效率會更高，我們有很多優秀的人才，他能夠去加快企業的速度增長和建設，所以在企業的分析層面，我們需要優秀的算法跟人才。
第四、工具戰略，工欲善其事，必先利其器，我們要實現我們的戰略，實現更好的運營時間、更好的商業上的分析，需要好的工具，不管是選擇微軟、IBM、阿里巴巴、騰訊哪一個大數據平臺、工具、SaaS、PaaS…你都會根據自己的實際經濟能力、人員的水平、業務的場景去做一些個性化的選擇。
第一、移動化，因為今天可以說移動手機占了整個使用系統時間的百分之八十九十，所以企業的五化建設第一個一定是移動化，就是系統盡可能的去滿足用戶當前的場景，移動的辦公、移動的業務、移動的需求。
第二、數據產品化，因為數據通過產品更容易去釋放它的價值，你把你的數據、企業的業務能夠變成一個數據的產品，你的客戶、員工、領導再去發掘數據確定數據的時候，能夠比較便捷地獲取并且比較安全，那么數據的這種產品化已經是非常重要的一個方向。
第三、分析的可視化，大家知道一圖勝千言，一維的分析能讓你發現的規律是有限的，二維就能讓你比較容易的發現，三維的動態就讓你更直觀，能夠去促動你找出數據之間的一些規律。企業在分析自己的業務時，可視化工程師可以說是在畫畫，能夠通過畫去驅動領導對決策對管理的需求，如果畫的好可能我們對于業務的探索就會更加便捷，更加清晰。
第四、管理要云化，管理樂趣在云端，因為在云端把你的審批變得很方便，對員工、客戶的用戶體驗就是要及時，不管是ERP、CRM、OA等最好能夠把它放在云端，云端的管理實際上會更加便捷，方便。所以盡可能的讓管理者的應用在云端去實現。
最后、業務的融合化，今年貴陽世博會提出的主題叫數化萬物，智在融合啊，就是說我們的部門數據對部門肯定有用，但是對跨部門、企業的集團公司、產業鏈其他的上下游合作伙伴有沒有幫助？對整個行業有沒有借鑒作用？能不能創造價值，就非常重要了。
愿12345這個方法論驅動企業數字化的五化建設，愿此方法論成為企業IT轉型的目標，快速迭代，早日實現。
作者：張涵誠
本文版權歸原作者所有，如有侵權，請聯系刪除。
