数据之道读书笔记-01数据驱动的企业数字化转型

随着通信与数字技术的发展，网络化和数字化给人类带来更多的精彩和无限的可能，推动我们进入全联接的信息时代和大数据时代。因此，如何响应这个时代的变化是当前所有企业都需要考虑的问题。

在这样的时代背景下，数字化转型正在改变许多企业和行业的运作模式，无论是数字原生企业，还是非数字原生企业，都在积极探索数字化转型。社会经济大环境的变化、行业趋势的变化、竞争对手的压力、公司的战略优化、自身经营的改善等是企业数字化转型最主要的驱动力。

IDC（国际数据公司）预测，鉴于竞争对手和产业都在进行数字化转型，如果企业不能快速实现数字化转型，到2022年，它们逾三分之二的目标市场会消失。过去几年里，IT厂商和传统企业始终专注于数字化转型，它们利用第三平台技术（云计算、移动、大数据/分析、社交）重组企业架构，而物联网（IoT）、人工智能（AI）和增强与虚拟现实（AR/VR）等创新加速器更进一步推动了这一进程。随着数字覆盖面的扩大、智能技术的广泛普及、应用程序与服务开发的爆发式增长，企业不断释放出“倍增创新”能力，数字化转型已步入第二阶段。在这个技术与商业日新月异的环境中，企业竞相加强自己的数字化创新能力，以便在快速数字化的全球经济中提升竞争力，实现繁荣发展。

企业要想在这样的数字时代生存下来，要么是数字原生企业，要么数字化转型成功，成为重生后的数字企业。

1.1 非数字原生企业的数字化转型挑战

数字原生企业在设立之初就以数字世界为中心来构建，生成了以软件和数据平台为核心的数字世界入口，便捷地获取和存储了大量的数据，并开始尝试通过机器学习等人工智能技术分析这些数据，以便更好地理解用户需求，增强数字化创新能力。部分数字原生企业引领着云计算、大数据、人工智能技术的发展，推动了数字化时代的发展。在这些数字原生企业中，整个企业的战略愿景、业务需求、组织架构、人员技能、管理文化、思考方式都是围绕着数字世界展开的。

与数字原生企业不同，非数字原生企业在成立之时，基本都是以物理世界为中心来构建的。绝大部分企业在创建的时候，是围绕生产、流通、服务等具体的经济活动展开的，天然缺乏以软件和数据平台为核心的数字世界入口，这也就造成了非数字原生企业与数字原生企业之间的显著差异。所以在数字化转型过程中，非数字原生企业面临着更大的挑战。

华为公司作为典型的非数字原生企业，在数字化转型过程中面临着与大多数非数字原生企业相似的问题。

1.1.1 业态特征：产业链条长、多业态并存

非数字原生企业，特别是大中型生产企业，往往有较长的业务链路，从研发到销售全产业链覆盖。以传统的钢铁企业为例（如图1-1所示），完整工艺包括采矿、选矿、烧结、炼铁、炼钢、热轧、冷轧、硅钢等，辅助生产工艺包括焦化、制氧、燃气、自备电、动力等，在各个工艺流程中沉淀着大量的复杂数据。

华为公司在构建面向客户价值流的过程中，同样形成了从研发到销售、供应、交付、运维的长链条，同时产品类型包括电信基站、服务器、CPU、电脑、手机、耳机等，横跨多个产业。这在某种程度上造成了各条块分割、业务组织强势、变革困难、变革复杂度极高等问题。

1.1.2 运营环境：数据交互和共享风险高

非数字原生企业，特别是注重实物生产、交易的大中型企业，还面临着场景复杂的特点，比如交易复杂、风险周期长、内外部风险多等。生产过程中需要关注原材料供应、人工成本、物流过程；交易过程中涉及进出口的还需要关注外汇汇率、当地政治环境、海关、法律法规、安全隐私、环境保护等多种信息；对于设备需要异地安装的情况，还需要考虑地理环境、道路环境、施工条件、运输条件、用工政策和安全防护等复杂因素。

华为公司的服务对象从运营商、企业客户到个人消费者，服务范围和雇员遍布全球100多个国家和地区，需要严格遵守各个国家和地区的进出口管制措施、环保条例、安全隐私法规等。这些业务形态上的特点，导致包括华为在内的诸多非数字原生企业对数据共享（特别是生产、销售侧数据的对外共享）有更多顾虑，更容易形成客观上的“数据孤岛”。

1.1.3 IT建设过程：数据复杂、历史包袱重

非数字原生企业普遍有较长的历史，组织架构和人员配置都围绕着线下业务开展，大都经历过信息化过程。很多制造型企业随着不同阶段的发展需求，保留着各个版本的ERP软件和各种不同类型的数据库存储环境，导致数据来源多样，独立封装和存储的数据难以集中共享，也不敢随意改造或替换，IT系统历史包袱沉重。Oracle ERP历年的版本信息如图1-2所示。

目前，华为公司的主业务流程中存在几千个系统模块，有多版本的ERP、多种集成方式，系统间存在大量复杂的集成和嵌套。各业务领域开发了上千个应用系统模块，包含上百万张物理表、几千万个字段，这些数据又分别存储在上千个不同数据库中，共享困难；数据链路呈“长网”状，典型链路达12层以上，部分链路甚至高达22层。

1.1.4 数据质量：数据可信和一致化的要求程度高

基于业务特征和运营环境的特点，非数字原生企业对数据生成质量有更高的要求。数据产生时的质量高低不仅直接影响产品质量，而且直接影响整个内部业务的运作效率和成本。例如，华为公司会对合同录入质量进行严格度量和控制，以确保下游各环节能够及时、准确、完整地获得所需数据，并在整个端到端链条中对异常数据进行严格监控。数据质量要求严格，需要配置多重精确规则，基于客观事实多重校验，确保数据可信、一致。

非数字原生企业在消费数据时对数据质量的要求也更高，一般会更聚焦于与业务流程相关的特定场景，更关注业务流程中问题的根因和偏差，数据挖掘、推理、人工智能都会聚焦于对业务的理解，面向业务去做定制化、精细化的算法管理，因此消费数据时的质量容错空间非常小。

上面所列出的非数字原生企业的特点，是我们基于华为的发展和对行业的认知所总结的，包括对非数字原生企业存在的问题和历史包袱等的表述，只是管中窥豹。联合国工业体系分类中525门小工业体系的差异，足以说明非数字原生企业数字化转型的复杂性。精益管理技术下的不合格产品的“小数据”，让制造业AI难以基于这样的数据量训练出性能良好的产品质检模型，同样说明非数字原生企业的数字化转型不可能是对数字原生企业的简单复刻。

1.2 华为数字化转型与数据治理

传统企业通过制造先进的机器来提升生产效率，但是未来，如何结构性地提升服务和运营效率，如何用更低的成本获取更好的产品，成了时代性的问题。数字化转型归根结底就是要解决企业的两大问题：成本和效率，并围绕“多打粮食，增加土地肥力”而开展。

1.2.1 华为数字化转型整体目标

2016年华为变革战略规划，明确要面向用户（企业客户、消费者、员工、合作伙伴、供应商）实现ROADS体验，持续提升效率、效益和客户满意度。明确要用五年时间完成业务数字化转型，数字化转型成为华为唯一的变革。

2017年华为提出了企业的新愿景：“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”。同时，华为公司董事、CIO陶景文提出了“实现全联接的智能华为，成为行业标杆”的数字化转型目标（如图1-3所示）。

对内，各业务领域数字化、服务化，打通跨领域的信息断点，达到领先于行业的运营效率。逐步构建以“面向客户做生意”和“基于市场的创新”两个业务流为核心的“端到端”的数字化管理体系。管理方式从定性走向定量，实现数据驱动的高效运作。

对外，对准5类用户的ROADS体验，实现与客户做生意更简单、更高效、更安全，提升客户满意度。华为首先从用户体验的视角表达了对行业的最新判断，并将其总结为ROADS，即实时（Real-time）、按需（On-demand）、全在线（All-online）、服务自助（DIY）和社交化（Social）。

1.2.2 华为数字化转型蓝图及对数据治理的要求

2017年，华为基于愿景确定了数字化转型的蓝图和框架，统一规划、分层次开展，最终实现客户交互方式的转变，实现内部运营效率和效益的提升。华为数字化转型蓝图包括5项举措（如图1-4所示）。

举措1：实现“客户交互方式”的转变，用数字化手段做厚、做深客户界面，实现与客户做生意更简单、更高效、更安全，提升客户体验满意度，帮助客户解决问题。

举措2：实现“作战模式”的转变，围绕两大主业务流，以项目为中心，对准一线精兵团队作战，率先实现基于ROADS的体验，达到领先于行业的运营效率。

举措3：实现“平台能力”提供方式的转变，实现关键业务对象的数字化并不断汇聚数据，实现流程数字化和能力服务化，支撑一线作战人员和客户的全联接。

举措4：实现“运营模式”的转变，基于统一数据底座，实现数字化运营与决策，简化管理，加大对一线人员的授权。

举措5：云化、服务化的IT基础设施和IT应用，统一公司IT平台，同时构建智能服务。

其中，举措4涉及数据治理和数字化运营，是华为数字化转型的关键，承接了打破数据孤岛、确保源头数据准确、促进数据共享、保障数据隐私与安全等目标。华为数字化转型对数据治理的要求如下：
1）基于统一的数据管理规则，确保数据源头质量以及数据入湖，形成清洁、完整、一致的数据湖，这是华为数字化转型的基础。

2）业务与数据双驱动，加强数据联接建设，并能够以数据服务方式，灵活满足业务自助式的数据消费诉求。

3）针对汇聚的海量内外部数据，能够确保数据安全合规。

4）不断完善业务对象、过程与规则数字化，提升数据自动采集能力，减少人工录入。

1.3 华为数据治理实践

华为从2007年开始启动数据治理，历经两个阶段的持续变革，系统地建立了华为数据管理体系。第一阶段近十年的持续投入为华为在2017年开始的数字化转型打下了坚实的基础。同时，在数字化转型对数据治理的新要求下，正式进入第二阶段，数据治理工作也迎来了新的挑战和发展。

1.3.1 华为数据治理历程

1. 第一阶段：2007～2016年
在这一阶段，华为设立数据管理专业组织，建立数据管理框架，发布数据管理政策，任命数据Owner，通过统一信息架构与标准、唯一可信的数据源、有效的数据质量度量改进机制，实现了以下目标。
1）持续提升数据质量，减少纠错成本：通过数据质量度量与持续改进，确保数据真实反映业务，降低运营风险。
2）数据全流程贯通，提升业务运作效率：通过业务数字化、标准化，借助IT技术，实现业务上下游信息快速传递、共享。

2. 第二阶段：2017年至今
在这一阶段，华为建设数据底座，汇聚企业全域数据并对数据进行联接，通过数据服务、数据地图、数据安全防护与隐私保护，实现了数据随需共享、敏捷自助、安全透明的目标，支撑着华为数字化转型，实现了如下的数据价值。

1）业务可视，能够快速、准确决策：通过数据汇聚，实现业务状态透明可视，提供基于“事实”的决策支持依据。

2）人工智能，实现业务自动化：通过业务规则数字化、算法化，嵌入业务流，逐步替代人工判断。

3）数据创新，成为差异化竞争优势：基于数据的用户洞察，发现新的市场机会点。
华为数据治理的发展历程如图1-5所示。

1.3.2 华为数据工作的愿景与目标

华为公司基于多业务、全球化、分布式管理等业务战略规划和数字化转型诉求，明确了华为数据工作的愿景，即“实现业务感知、互联、智能和ROADS体验，支撑华为数字化转型”。华为数据工作的目标为“清洁、透明、智慧数据，使能卓越运营和有效增长”。为确保数据工作的愿景与目标达成，需要实现数据自动采集、对象/规则/过程数字化、数据清洁、安全共享等特性（如图1-6所示）。

1.3.3 华为数据工作建设的整体思路和框架

作为非数字原生企业，我们认为数字化转型的关键要素之一是在现实世界的基础上构建一个跨越孤立系统、承载业务的“数字孪生”的数字世界。通过在数字世界汇聚、联接与分析数据，进行描述、诊断和预测，最终指导业务改进。在实现策略上，数字世界一方面要充分利用现有IT系统的存量数据资产，另一方面要构建一条从现实世界直接感知、采集、汇聚数据到数字世界的通道，不断驱动业务对象、过程与规则的数字化。华为数据工作建设的整体思路如图1-7所示。

华为经过多年实践，形成了一套数据工作框架。
1）数据源：业务数字化是数据工作的前提，通过业务对象、规则与过程数字化，不断提升数据质量，建立清洁、可靠的数据源。

2）数据湖：基于“统筹推动、以用促建”的建设策略，严格按六项标准，通过物理与虚拟两种入湖方式，汇聚华为内部和外部的海量数据，形成清洁、完整、一致的数据湖。

3）数据主题联接：通过五种数据联接方式，规划和需求双驱动，建立数据主题联接，并通过服务支撑数据消费。

4）数据消费：对准数据消费场景，通过提供统一的数据分析平台，满足自助式数据消费需求。

5）数据治理：为保障各业务领域数据工作的有序开展，需建立统一的数据治理能力，如数据体系、数据分类、数据感知、数据质量、安全与隐私等。

数据体系建设的整体框架（如图1-8所示），基于统一的规则与平台，以业务数字化为前提，数据入湖为基础，通过数据主题联接并提供服务，支撑业务数字化运营。

1.4 本章小结

本书是华为数据治理方法论和数据建设实践经验的总结，本章从宏观上介绍了华为在数字化转型和数据治理方面面临的挑战和整体策略。后续内容将从数据体系建设和数据分类开始，围绕信息架构、数据底座、数据服务建设，结合数据感知、数据质量和安全合规能力打造，详细阐述华为在数据治理和数字化转型方面的经验。