企业数字化转型：数字化成熟度评估模型 | IDCF
来源：谈数据 作者：石秀峰
自从写数字化转型这个专题以来，在后台也收到了很多网友的留言。大家关注的问题都集中在：有哪些数字化转型的方法和技术？企业如何成功实现数字化转型？数字化转型过程如何避免踩坑？数字化转型有没有捷径？数字化转型到底该从哪里开始？……
说实话，这些问题根本没有答案。
虽然目前很多企业都已启动了数字化转型战略，但对大多数企业而言，数字化转型都是“摸着石头过河”，根本没有可供借鉴的经验。即便是具有数据基因的科技互联网巨头，他们也在谈数字化转型，也就是说科技公司也不能说自己是数字化企业。而对于那些号称是成功转型的企业，其实也只是比其他企业多走了一步。
一、如何界定数字化转型是否成功？
麦肯锡的一份报告指出：企业数字化转型成功率仅为20％。
也就是说，80%的企业数字化转型都失败了。
数字化转型成功或失败，不好界定！
如何定义数字化成功？可能不同的人会有不同的理解。
完成了数字化的绩效目标，算转型成功吗？即使没有建立数据思维、缺少数字文化。 建立了数字化组织，配置了数字化人才，培育了数字化文化，算转型成功吗？即使数字化战略目标没有实现。 搭建了数字化基础环境，使用了数字化技术（如云计算、大数据、AI等），算转型成功吗？即便业务决策用到了数据。
数字化成功或失败，不能从一个维度考量！
在笔者看来：企业数字化转型不是从0到1，而是从1到100。转型是一个过程，场景从简单到复杂，应用从局部到广泛，持续优化、逐步成长。
也就是说，虽然不好界定数字化转型的成功或失败，但是数字化是有成长周期的，是一个从萌芽，不断生长，不断成熟的过程。而企业数字化成熟度的评估，就是帮助企业找到数字化到底位于何处，还有哪些不足，应该从哪里改进等问题的答案。
二、回顾：数据治理的成熟度评估模型！
提到“成熟度评估模型”，不得不提一下能力成熟度模型的鼻祖——CMM。可以说，几乎所有成熟度模型都借鉴了CMM的思路，基本都是将所涉及的能力（例如：软件能力、数据治理能力、数字化能力）划分为多个领域，每个领域又可以划分多个子领域，每个子领域又可以分为多个评估指标。然后综合这些评标进行评估，从而得到该领域的成熟度情况。而所谓成熟度就是几个可以逐步提升的等级（CMM示例），如下图所示：
（能力成熟度模型集成-CMMI）
笔者之前写过关于企业数据治理成熟度评估的系列文章：
CMMI DMM 数据管理能力成熟度模型 DCMM数据管理能力成熟度模型再解读 DCAM 数据管理能力成熟度模型 MD3M 主数据管理成熟度模型 DataFlux 主数据管理成熟度模型 IBM 数据治理能力成熟度模型 DSMM 数据安全能力成熟度模型
三、信通院：企业IT数字化能力和运营效果成熟度模型（IOMM）
四、中信联：团体标准—数字化转型新型能力体系建设指南
CL1初始级：总体处于尚未有效建成主营业务范围内的新型能力 ，初步建立了两化融合管理体系。 CL2单元级：形成工具级数字化的系统性解决方案，覆盖数据、技术、流程和组织等四要素，支持特定领域或业务环节数字化。 CL3流程级：聚焦跨部门或跨业务环节， 建成支持主营业务集成协同的流程级能力，支持过程管理动态优化；实现现有业务效率提升、成本降低 、质量提高等预期价值效益目标，并有效拓展延伸业务。 CL4网络级：聚焦组织全员、全要素和全过程，建成支持组织（ 企业）全局优化的网络级能力；能够按需开展数据驱动型的能力打造过程管理；实现与产品 /服务的创新， 并有效开展业态转变，培育发展数字业务。 CL5生态级：聚焦跨组织（企业 ）生态合作伙伴、用户等，建成支持价值共创的生态级能力，全面实现与业态转变相关的用户/生态合作伙伴连接与赋能、数字新业务、绿色可持续发展等价值效益目标。
五、毕马威&阿里：消费品生态全链路数智化转型框架
基础设施云化：构建企业的”数智大脑”是企业数智化转型的重要方向。基于复杂智能算法的推荐、预测、决策等结果，企业在系统层级直接采取相应行动并根据数据不断的完善和补充。企业的智能化场景会日益丰富，智能化决策通过对大数据进行不断的训练与学习，从而做出更加智能的决策，形成良性的学习反馈闭环，最终帮助企业实现全链路的高效决策。 触点数字化：企业在数智化时代需要启动和激活数据的商业价值，充分挖掘自身高价值的“小数据”并充分结合生态的“大数据”，实现数据驱动业务，进而形成分析和洞察驱动型的企业文化。通过完善的数据体系，数智化企业可以利用数据洞察赋能企业的全价值链，为企业的员工和合作伙伴提供运营指导，实现降本增效，同时，提高合作伙伴之间协同效率，改善消费者体验。 业务在线化：企业通过业务能力服务化的方式帮助企业完成业务流程的数字化和业务价值的提升。一方面，企业需要快速响应来自各触点的变化，对业务流程进行重塑与优化，实现组织沟通与协同的效率提升；另一方面，为了应对日益复杂的业务场景与需求，企业需要对全链路数字化业务系统进行升级，通过不断的业务服务重构来实现业务共享和创新，促进生态之间的开放与协同。 运营数据化：企业借助AIOT、移动互联网等技术，保持与消费者、员工、商品、合作伙伴等全链路的连接。触点数字化反映了企业数智化转型过程中，企业与各方交互触点数智化水平的成熟度。数智化的触点主要通过各个触点的数字化、移动化、智能化达到多维度的消费者行为感知、员工和组织感知、商品状态感知、合作伙伴和生态感知，使得企业在全链路保持连接和数据获取能力。 决策智能化：基础设施云化程度反映了企业数智化转型的基本技术能力。云计算除了为企业数智化转型提供了算力基础外，还涵盖到支撑企业智能运算的算法模型能力、数据存储能力、数据之间传输的网络连通能力、敏感数据的安全能力以及对数据实时和离线处理的能力等。此外，企业同样需要一个敏捷的、连续稳定的、成本优化的、安全和风险可控的智能运算环境。
六、普华永道：企业数字化成熟度评估架构
数字化战略：从企业的战略规划和投资等角度，衡量企业推行数字化的决心和力度; 数字化业务应用：从各个业务条线最终使用数字化的深浅程度，来衡量企业数字化转型的成果。业务条线包括衡量价值链环节的研发、采购、生产、营销、客服等，也包括内部管理条线，如战略、人力、财务、IT等； 数字化技术能力：是否具备先进的、支撑企业未来数字化应用的IT架构的，以及相应的技术组织能力，比如新技术人员、数字技术、组织结构和运作方式等； 数据能力：企业能够应用数据分析进行业务决策的程度，包括数据可得性以及数据分析能力两个方面。打造强有力的数据能力涉及数据战略、数据架构、数据治理、数据安全、人员技能等多个方面； 数字组织能力：企业采取怎样的组织机制/流程/文化/员工技能等，来支持企业数字化转型和运营工作； 变革管理：企业推进数字化转型的机制是否成熟，比如数字化治理模式、变革管理人员技能等。
七、华为：开放数字化成熟度模型ODMM
战略方面：主要考量对行业和生态的贡献程度，业务和技术的协同程度，对新的机会和业务的投资程度。 客户方面：主要考量口碑粘性和口碑传播的能力；客户体验管理和度量；客户通过线上渠道和你互动的活跃度。 组织方面：主要考量跨团队协同和主动创新的能力；利用外部资源和社会化资源的能力；团队持续学习和数字化能力建设的能力。 创新与精益：主要考量应用设计思维的能力；持续交付的能力；应对变化的能力。 数据与智能：主要考量关键数据的元数据管理能力；数据集成和互操作能力；数据科学与人工智能，比如智能客服解答客户问题的成功率。 技术领先：主要考量数据安全与风险控制；API First与微服务的架构；基于RPA(Robotic Process Automation)的流程自动化。
写在最后的话
8月26日，共读《DevOps实践指南》 9月2日，共读《敏捷无敌之DevOps时代》
评论