【原】09 -数字化技术 -《传统企业数字化转型：打造互联网时代的领先优势》

简单介绍主流的数字化技术——云、移、大、物、智、链。

云计算：分为IaaS、PaaS、SaaS三个层面，IaaS是基础资源层，PaaS是平台层， SaaS是服务和应用层。主流云计算包括阿里云、腾讯云、华为云、亚马逊云和微软云等，还有包含电信云、移动云、联通云等。主流的技术包括容器技术、k8s等；云部署模式分为公有云、私有云、混合云等。近几年国际形势，导致企业偏好原生云、自主可控等要求；在推进云计算的时候，需要考虑上云的策略、云计算架构、原有基础设施迁移、资源容量、投资、数据中心建设、灾备等。

大数据：大数据技术、数据中台、数据资产、数据治理、数据运营、个人隐私保护等是当前数字化转型领域炙手可热的建设重点。大数据技术相当广泛，可以从如下五个方面重点关注。

• 一是数据采集。确定数据来源，数据量大小，采集高质量数据采集

• 二是数据管理体系。使用数据中台或大数据平台，针对结构化数据、非结构化数据、流式数据、工业时序数据，采集、清洗、合并、去重、治理等，形成整体的数据管理体系。

• 三是数据服务。面向不同的微服务、应用、业务场景，提供各种数据服务。

• 四是数据资产管理。包括管理源数据、开展数据治理、重视数据质量、统一数据标准等。数字化转型过程中，评估数据资产的价值，重视数据资产的保密脱敏，确定跨企业数据资产交易方式与规则，即符合各种法律法规、商业秘密保护要求，又要管理和发挥数据资产价值。

• 五是数据运营。数据运营主要监控数据变化，分析和应用现有数据，及时调整数据模型算法，响应业务诉求，为业务服务、赋能、发挥价值。

5G：5G技术的成熟度是越来越高，在不同行业的应用也越来越广泛。在智慧矿山、智慧电厂、智能工厂、智慧港口、智慧会展中心等应用场景，已经取得了非常卓有成效的价值。

人工智能：工业机器人、机器学习、知识图谱等是人工智能主要应用的方向。工业机器人推动了设备或装备的智能化，让生产过程中自动感知、自主学习、自主决策、智能预警、智能预测。机器学习尤其是深度学习算法的广泛应用，在机器视觉、语音识别、自然语言等快速发展，智能客服、质量监测、安防、交通监管、风控等领域广泛应用。知识图谱是基于图论的人工智能技术，在设备故障管理、金融信贷风险管理等广泛应用。

区块链：伴随着数字货币为大家所熟知，在金融领域、信用领域、风险领域、票据领域、工业设备租赁与交易、供应链服务、大宗物资交易等领域有较多应用。

增材制造，研发阶段某汽车企业在做新品原型时，用增材制造打样作外观的设计和评审。

AR、VR在设备远程诊断方面，能够让远程专家和一线作业人员戴上VR眼镜或使用AR单兵手持系统，把现场设备故障情况传给远端维修专家，协同解决现场问题。

物联网和工业互联网，技术、商业化平台、应用积累日趋成熟。传感器越来越便宜，设备的数据采集能力越来越强。工业协议的整合和接入，也是物联网平台和工业互联网平台需要开展的。有些企业通过工业互联网转变商业模式，把卖产品转化为产品+服务的模式。需要在工业互联网上加载产品运行的大数据，分析数据，为客户提供增值服务。

使用数字化技术有六大注意事项：

一，不能为了技术而技术。而是要能够解决客户的痛点、为客户带来价值；同样地，也需要解决业务的痛点，为业务过程带来价值。

二，数字化技术不解决人性问题。（引用某位朋友的观点。）数字化技术不解决人性的问题，许多问题可以不在数字化转型当中来去解决，需要沟通、交流、人际合作、团队领导等，例如通过数字化采购领域，可以带来规范、在线、透明、数据监控等，但是不能杜绝采购领域的不合规行为。

三，数字化新技术不等于创新能力。比如使用设计思维开展数字化场景设计，很重要的方面之一是创新能力。不是问题交给技术部门、数字化转型的团队，就具有创造力了。这需要打开脑洞，需要有广阔的视野，需要开展客户旅程分析，利用各种创新手段和方法，结合企业实际不断探索、实践，才能创新。

四，不是加上 “智慧”就能真的“智慧”。如在设备管理数字化转型过程当中，需要去做大量的基础工作，如设备3D建模、运行大数据采集、设备维护历史数据管理、设备故障模式分析、AI算法应用，工业专家、数据专家共同努力，经过一系列模式和试错，研究如何开展预测性维修。

五，IT和OT融合。上述第五点也涉及到了，也就是数字化技术和运营技术融合，如生产、工艺、设备自动化、质量、供应链等技术领域，IT人员与OT人员组成联合项目组，共同开展数字化探索。

六，非技术人员的数字化技能很重要。业务模式转换、业务规则调整、客户旅程优化、客户体验提升，需要业务人员脑洞大开，积极了解数字化技术，了解数字化的业务价值、适用场景，才能与数字化科技人员一起创新创造。

      以上简单介绍了数字化常见技术，以及数字化技术应用的6个关键点。