文 | 翁丽君
编辑 | 石亚琼
头图来源｜pexel
数字经济正逐渐成为世界经济的主流趋势，我国数字经济规模也从2012年的11万亿元增长到2021年的45.5万亿元，占GDP比重由21.6%提升到39.8%。无疑，数字化的步伐已势不可挡。
与此相对的，是中国企业数字化的进展绝对称不上平顺。有人说，业界缺少具有普适性的数字化范式经验与操作标准；有人认为，数字化缺少足够的重视、预算、资源与人才；甚至有人猜想，中国缺少数字化创新的产业基础……
如何定义成功的数字化甚至数智化、谁应该为数智化创新负责、数智化创新的预算从哪里来、如何才能最大可能的提升数字化转型的效率与成功率？……这些问题我们与行业人士一样好奇。
因此，我们36氪数字时氪团队（微信号：digital36kr) 正式启动了《数智前瞻. 数智化十问》这个系列。我们邀约了行业内长期关注数智化创新的创业者、投资人、从业者，与我们一起探讨这些当下数智化创新领域的热点问题。
本期是我们《数智前瞻. 数智化十问》的第十一期内容。我们邀请了StartDT首席数据科学家、GrowingIO创始人张溪梦。
GrowingIO创始人张溪梦，践行数据驱动增长20余年，曾就职于eBay和LinkedIn。2013年，Data Science Central评选其为「世界前十位前沿数据科学家」。2015年5月，回国创立GrowingIO，致力于帮助企业提升数据驱动能力，实现增长。伴随奇点云与GrowingIO并购重组，张溪梦出任StartDT首席数据科学家。
作为独立第三方数据科技集团，StartDT为客户提供「数据云+分析云」的数智产品与服务。其中，奇点云掌握自主可控、数据安全等核心技术，以统一开放、中立安全的数据云支撑客户沉淀数据资产；GrowingIO则致力于为客户提供「数据+分析+智能+运营」的分析云产品与服务，全场景赋能商业决策，实现降本增效。至今，StartDT已服务1500+客户，覆盖泛零售、制造、金融、政府及公共服务组织等行业。
在采访过程中，张溪梦对36氪讲述了他基于众多数字化项目所得的观察。他认为，
数字化最关键的是企业内部有能力，把数据在企业经营、日常工作中持续用起来。在这个层面，组建团队、培养企业自己的人才，会天然优于外采。
从IT预算里拿出一部分做数字化建设，这种做法往往不足以支撑企业数字化转型。
好的企业，多个部门、各级员工都会为数字化创新负责。最佳状态是非中心化的，「自上而下」、「自下而上」，两个方向都要发生数字化创新。
以下是专访部分（经36氪编辑）：
01
从IT预算里拿出一部分做数字化建设，这种做法往往不足以支撑企业数字化转型。
36氪：企业应该以什么比例去设计数智化的预算投入？
张溪梦：企业数字化投入的影响因素比较多，其中尤为关键的是「其商业模式与数字化的关联度」，商业模式决定了你在数字化上要投入多大的资源。例如，互联网公司、科技型公司，在数字化上投入的预算比重通常远高于传统企业，因为这类企业的营收、利润就来自于数字化的产品和服务，来自数据。
我们今天讲数字化转型，大多数情况讨论的是偏传统的企业。这一类企业商业模式对数字化没有强依赖，比例自然就会相对偏低。从现状上来看，国内传统企业在数字化转型上的预算通常约为3%。
企业拟定数字化预算，取决于企业的数字化规划是着眼短期还是中长期，衡量预期时间段内的投入产出比。例如，只是想解决单点的、小而轻的问题，那么不需要很大的投入；如果想对企业进行整体的数字化转型，包括涉及到长期数据能力的建设，投入的绝对值必然高许多。（谈绝对值，是因为有一些企业本身业务体量大，不需要拿出很大比例的预算，也能够推动数字化。）
数字化建设的预算不仅要覆盖软硬件采购，也要用于支持内部团队建设、外部专业能力引入等等。外部专业能力指咨询顾问、运营「带教」等，前者帮助企业找到数字化转型的方向，为实践指路、避坑，后者则帮助企业员工掌握数字化的方式方法，在场景中以数据驱动运营，并内化为企业自身的能力。对内，则涉及流程再造、组织重塑、人才引入等等，都需要各方共同的投入和支持。
因此，从IT预算里拿出一部分做数字化建设，这种做法往往不足以支撑企业数字化转型。
一个比较理想的状态是需求驱动，总部及各业务部门向DT部门提需求，提供预算，DT部门则负责统筹规划、消耗预算、解决问题。
消耗预算也有「门道」。尤其是对于预算比较受限的企业，可以采用「数据驱动增长」的方法，小幅试错，快速迭代，看到一个可见的结果后再确定下阶段的投入，能够规避「一次性高投入而产出不如预期」的风险，这样企业的数字化转型节奏是比较健康的。
36氪：企业数字化应该自研还是外购？
张溪梦：自研和外购都需要。（如果企业有非常完备的自研能力，那它的数字化水平已不在「转型」的讨论范围内了。）
对于绝大多数没有高精尖研发团队的公司而言，完全自研是「事倍功半」的。且不谈数据平台这类大型产品的研发难度，数据科技在高速发展，业务和市场环境也在快速变化，可能还没研发出一款足够易用的数据产品，就已经跟不上企业自身业务需求了。
软件是一种思想，一种管理的方法。成熟的软件沉淀了很多企业的管理方法和最佳实践（无论是业务层还是技术层）。依托软件，能帮助企业少走很多弯路。因此，当企业想获得一些比较前沿的技术、新的能力时，可以考虑引入外部厂商来加速自己的发展，「他山之石可以攻玉」，对企业来说是比较有效率的选择。
但数字化并不是能完全「外采」的。我认为未来数字化能力应该成为企业的基本功。
通常来说，外采的软件厂商只能提供工具和交付实施，咨询服务商提供方法论的指引，而数字化最关键的是企业内部有团队、有能力，把数据在企业经营、日常工作中持续用起来。在这个层面，组建团队、培养企业自己的人才，会天然优于外采。
因此内外结合是非常必要的，具体可以根据企业经营的需要、数字化阶段来衡量。
36氪：企业数字化是否必须以信息化为基础？
张溪梦：从历史发展来看，基本是「信息化—在线化—数字化」的演进路径。
- 信息化伴随着PC（个人电脑）普及而开始普及，例如企业建了ERP，开始管自己的货（进销存）；
- 在线化对应从互联网到移动互联网的阶段，例如24小时开放的电商平台，又如员工合同不再是扫描存储在HR电脑本地，而可以在线签约，并通过OA系统对人员状态进行实时管理；
- 数字化阶段，则指用数据真实地反映业务流程，依托数据来了解业务、赋能业务，进行科学的分析、洞察、辅助决策，从而优化供应链、商品管理、业财、组织等各个环节，依托数字化的手段来放大价值点。例如我们最为熟悉的用户增长、用户精细化运营，就依赖数字化来进行。据悉，有70%的企业都把数字化预算花在了增长相关的模块，这也是企业转型路上相对好入手的。
- 其实接下来还有一个阶段，「智能化」，现在一些企业已经开始在探索了，让机器去完成过于复杂、突破人脑极限的计算，譬如「智能推荐」、「智能决策」、「智能调货」等等，将经验和规律沉淀到算法里，通过数据智能放大千万倍，拉动增长飞轮。
所以如果企业没做信息化，那离数字化还是有一段距离。
在线化是数字化的基础环节，如果只是做了电商，可以通过线上交易商品，但没有任何的数据行为，也不能完全称为数字化。
数字化转型四阶段
在一家企业内，同时做信息化、在线化和数字化的情况确实有可能出现，不同条线通常有不同的节奏。但项目同时进行，要求领导者有较强的战略统筹能力，能对不同进度的项目进行整体规划，并能较早地把数据相关的要求植入到在线化建设中，利于后期数字化治理提效。
02
数字化转型最佳状态是非中心化的，「自上而下」、「自下而上」，两个方向都要发生创新。
36氪：谁应该为企业的数字化创新负责？
张溪梦：好的企业，多个部门、各级员工都会为数字化创新负责。最佳状态是非中心化的，「自上而下」、「自下而上」，两个方向都要发生创新。
为什么说「非中心化」？
因为许多业务线都有着巨大的数字化创新机会，而各条线往往最了解自身业务、最能挖掘需求。以我曾经工作的一家甲方企业为例，当时数据用得好的几个部门，并不是老板「拍」下来的，而是他们自己提出需求并推动落地的。
如果只把创新的要求放在个别部门或个别岗位（例如CDO）上，一方面会对企业的数字化进程产生阻碍，让创新受限，另一方面也不利于员工能力成长，创造力受限，止步于执行。
当然，「非中心化创新」这件事需要一把手的支持，并有一个中心化的组织（例如CDO或数据科学家带领的数据创新部门）将这些创新收敛起来，沉淀为可复用的能力（例如软件工具），避免重复造轮子。
36氪：CIO和CDO有哪些不同？
张溪梦：CIO（首席信息官）这个岗位已经存在很多年了，伴随企业信息化的普及，在中国至少有20年。
CDO（首席数据官）则比较新。2012年，陆兆禧出任了阿里巴巴集团的CDO，这是我们比较熟悉的。
美国一家机构的调查显示，2012年，受访企业中有12%的企业设置了CDO这个岗位，而到了2021年，有CDO的企业已经占比65%。目前我们国内企业设CDO的比例还相对较低，从现状上看，有些企业会让CIO、CMO承担一部分CDO的职责，这主要与企业的数字化进程及其商业模式相关。
我们说IT时代正在走向DT时代，但不意味着CIO的职业通道要走向CDO。在企业中，CIO与CDO应该是2个职能，双方协同配合：
CIO负责一家公司的IT建设、信息化，让公司流程能通过IT跑通、跑完善。从背景上看，大部分CIO此前在技术部门里任职，充分了解各类型的IT系统和软件（例如ERP、CRM、费控系统等），具备一定的研发、运维等知识，对供应商也有很强的管理能力。
CDO则要从数据视角，建立公司数据战略，依托数据优化企业对内对外的运营。他们可能出身数据科学家，也可能有管理咨询或统计学的背景，他们需要具备数据及相关技术（例如大数据平台、商业智能、算法模型等）的专业理解和实践经验，有复杂项目的管理能力，并对商业有认知，能以数据的能力支撑业务发展，产生价值。
03
选择「明星项目」来投入，效果相对能脱颖而出，被大家认知到「成功」。
36氪：如何评价当下中国企业的数字化进展？
张溪梦：其实很多企业已经取得进展了，例如在用户运营层面，依托数字化的手段优化用户体验，从而提升留存及转化；又如在供应链和商品层面，完成线上线下一盘货，借助模型实现自动化的调补货，大幅降低了物流费用。
哪怕是最基本的打通数据孤岛，建立统一的指标体系，各部门对同一指标有了同样的理解，而不再依赖人工在各部门手动对数据、拉表格，把枯燥乏味还容易出错的大量时间节约下来，就是很大的进展。
感知上觉得成功案例少，我觉得可能有两个原因。
其一，「短期内得到巨大回报」这样的案例不多。
国内传统企业的数字化刚刚起步，有些业务线可能还处于在线化的阶段，我们对「成功」的要求不能「一步登天」。我们对数字化应有合理的期待，就像信息化、在线化的建设一样，数字化也是需要一些时间的。如果希望借助数字化转型快速孕育出新的业务，那也不太现实。希望大家能给数字化一定的耐心。
其二，企业数字化有它自己的方法，没有找对路径确实不容易成功，这也是为什么我们一直会分享一些「避坑」的方法和行业成功案例。
例如，盲目一窝蜂上项目，找来最顶级的技术和产品，结果企业内组织流程有很多不适应，这就好比买了一艘航空母舰，停在公司门口的小河边，最后只能「烂尾」。这种情况有厂商造势吹风的影响，也可能有企业追热点的原因。
此外，在不同行业、场景，往往有着不同类型的「明星项目」。例如，品牌商近年在数据营销领域有比较多的成功案例（DTC、私域等等），汽车行业则在供应链的数字化转型有较多成功案例。企业在数字化建设的过程中，首先选择「明星项目」来投入，它的效果就会相对能脱颖而出，被大家认知到「成功」。
36氪：如何评价数科公司模式？
张溪梦：数科公司通常是较大的集团企业（例如金融企业、央企等等）会考虑设立。一方面，组织更独立，更有利于培养企业自有的数据人才；另一方面，希望把自己的数字化能力外化，赋能给产业链上下游或同类型企业伙伴。
目前确实没有看到数科公司能力外化特别成功的商业案例，原因或有以下3个方面：
1. 企业在选择服务商时，往往希望服务商及时响应、面面俱到，能满足更细节的需求。而一家中心化的数科公司，已需要服务其母集团多条业务线，对外的响应速度会相对不足；
2. 数科公司在组织上相对独立，可能与业务单元联动较少，就较难从业务上做出价值；
3. 从母公司孵化出数科公司，如果想服务同行业的企业，天然受限（友商不愿采购同行的服务）；如果想跨行业服务，能力象限则可能不足以覆盖。
通常来说，企业能拥有一个中心化的数据团队，深入企业各环节持续推动数字化建设，就已经很不容易。因此集团企业是否要设立自己的数科公司来外化能力，是值得审慎评估的。
36氪：经济寒冬，对数字化厂商有哪些影响？
张溪梦：2020年以来，受到疫情的影响，我们的生活方式（例如购物习惯、社交习惯）、企业的管理与协作方式及政府单位的服务方式，都发生了很多变化。其中最显著的变化就是「在线化」。
在线化沉淀下数据，给数字化带来了大量机会。因此我们可以看到2020-2022年，数字化发展有一种「反周期」的抬头。
此外，外部环境的不稳定更推动企业去寻找「确定性」，需要数字化对突发事件进行有效的预测和防护。这种「确定性」的需求今年在供应链领域尤为显著。
回到企业服务这个层面，寒冬之下，数字化预算降低是比较正常的现象。不仅仅是数字化，各方面的成本支出都在控制，这是企业非常合理的管理行为。
但我们的客户即使在「经济寒冬」，也非常坚决地在做数字化建设。一方面，数字化是刚需，转型已经迫在眉睫，应对未来的不确定性；另一方面，经济都有周期，它并不是持续下行的，从企业经营的角度我们可以有优先级地推动数字化项目，把预算先花在刀刃上，修炼内功，为未来的市场竞争做准备。
36氪：您怎么看待2023年的数字化市场？
张溪梦：我觉得可以称2023为「数据年」。
正如前面谈到的，疫情影响下，2020年开始，很多企业或被动或主动地开启了「在线化」。在线化到一定程度后，要把其红利充分发挥出来，就必须要数字化。
2023年，企业已经积累了大量数据，包括数据治理、数据分析、数据应用在内的数据相关需求将持续增加，甚至爆发。
从市场大环境到企业的经营管理方式，整体都趋于理性，也就更需要数据来支撑决策。例如在运营上，最起码要知道效果如何，什么地方需要改进，如何优化提升，又如用数据（而非依托人工）直接进行营销、运营、精细化服务，这些都是很扎实的需求。同时，也将出现数据技术上的挑战，譬如在存算上，海量的复杂数据怎样更划算地存下来、更高效地计算。
此外，伴随着数据相关需求爆发，数据领域的人才缺口也会愈发明显。这样的人才不仅将来自学校，也会来自企业，培育自客户自身。作为数据科技的服务商，我认为我们有传播专业知识与经验、培养DT领域人才的责任。
最后补充谈谈下个阶段「智能化」。以海量数据为基础，再往后几年，对数据智能的强需求将规模化涌现出来。有些企业已经开始实践了，通过机器学习、算法模型等深入挖掘数据价值，探索创新性的「化学反应」。而全面走向智能化，中国企业可能还需要三到五年。
