多产业板块的双中台数字化转型怎么做？
前言
多产业板块的数字化转型怎么做？
集团该管什么，各版块分子公司如何协作？
如何通过数字化转型产生增量创新？
这是很多集团性企业的困惑。
本文用一个脱敏后的真实项目剖析多产业版块集团建设双中台实现数字化转型的过程。
数据驱动的数字化转型是一个体系化工作，需要从理论体系、平台工具、数据、组织、机制五个方面着手，建一个企业级的数据资产平台，梳理清晰整个集团的数据资产，并借助数据和智能的算法，在数据资产中发现新的业务价值点，创新产品和服务，从而构建数据驱动的数字化转型
客户****背景
该客户是一个新成立的多业态集团，子版块包括物流、地产、制造、零售、港口等多形态的业务，原来这些板块都独立经营，各自为政，而在20*年，该集团并购了多个大型资产，集团总部希望通过数字化转型，能够整合所有的这些业态，在现有的传统业务基础上，产生新的数字化业务，将企业的市值能翻翻。
项目挑战
该企业的执行力非常强，总部一纸令下，原来分散的40多个公司，进行了重组，新的组织结构立刻生效，大家都摩拳擦掌，雄心勃勃。
愿景是美好的，但是现实是骨感的。
项目启动伊始，发现，100多家法人机构，业务模式不一样，用户群体不一样，经营业务不同，信息化水平参差不齐，这样的现状，应该怎么整合？
整合后会产生哪些新业务呢？
企业董事长要求数字化转型要快速见效，那么从哪里开始整合能够见效最快呢？
数字化转型策略
很明显，这样的情况不是一个清晰的问题，没有一个可以参考的实践，归属于Cynefine数字化转型框架中的“无序问题”：
这种情况下，我们该客户启动了数字化转型咨询项目，通过这个数字化转型咨询来进行分析和顶层设计，制定转型策略，识别整合路线，规划转型蓝图，指导转型路线。
作为该转型项目的总负责人，企业的CIO和我一起制定了下面的三步走策略：
高层培训宣贯
将全集团300多CEO/COO/CIO集中在一起，封闭进行数字化培训，通过概念宣贯，案例学习，实战工作坊等方式，让大家建立数字化心智，统一转型认知，对齐转型方向，下定决心抛开幻想，走上数字化的单行道。
数字化转型咨询
这是一个典型的无序(Disorder）和混沌（Chaos）的问题域，需要第一时间摸清现状，梳理解构第一时间找到解决问题的核心突破点和路径，将问题解构成多个子域，然后逐个同步推进。
而由于该项目要求的周期很紧，希望快速验证价值，所以，如果按照传统的做深度调研，一层层梳理业务流程，做三级流程设计，从业务，应用，数据，技术到运营出五大架构的咨询方法论，估计需要半年才能完成咨询，明显是不满足这个整体进度要求的。于是，这个项目我们采用了敏捷精益的轻咨询方法，简化组织结构，业务流程的设计，以场景为价值切入点，以数据为核心，双中台建设为抓手，在12周左右完成了整体数字化转型的规划设计并且识别出了高价值场景，启动了整体数字化转型的建设。
而且，为了让咨询的成果能更好的落地，深入的指导后续的实施项目，这个轻咨询后面有一个持续的运营转型的阶段，以数字化运营部的身份不断优化，对齐从而保证实施的方向是与咨询规划的结果是对焦的。
数字化转型项目群
数字化转型咨询规划之后，该企业启动了三个层面的项目，业务，平台和数据，组织的调整是随着运营条线按需发生，水到渠成的。
从上至下分别是：
业务应用层
数字化转型的目的是为了利用数字化的方式重构传统业务，业务应用层是将那些识别出来的高价值业务场景实现成数字化产品，持续的运营起来。这一层主要落地在各业务板块，是业务的最前台，直接为客户和市场服务。
技术平台层
技术平台层是为了支撑各个业务应用层，让前台能够更快的响应客户需求，是整个集团的能力中台，包括数据中台和业务中台。这一层落地在集团数字化部门，同时也是原来的IT公司，以服务化的方式快速支撑各业态的前台。
数据资产层
这个集团转型伊始就意识到了数据的重要性，树立了以数据为核心的转型策略，通过数据的打通实现多板块的业务融合，通过数据的集成发现新的洞察和机会，实现新产品的开发，把数据作为决策，创新的依据。
组织****运营****层
任何转型最终都需要落实到组织上，才能够持续，这个项目中，组织和运营是融合在一起的，是为了服务于客户价值的。本项目组织的调整是敏捷的，而不是简单的从上到下的命令，是康威定律中保证业务和组织的一致性，从而得到更高效的执行力。
整体数字化****转型****过程
转型切入点
经过数字化咨询的探索和对焦，最终我们确定了第一个阶段要集成和打通三个主数据：用户，交易和支付。
通过这三个主数据的打通，来打通各业态的用户、订单、支付、产品和服务数据，利用数据产生业务洞察，打造创新产品和服务，比如供应链金融，跨境电商，智慧物流等。
该集团是重组后的新生儿，所以业务不协同，数据不共享是与生俱来的现状，这个痛点导致集团的打造数字化协同生态的战略愿景实现举步维艰。
如何能够打破组织结构的壁垒，将上百个业务系统的业务数据汇聚在一起，通过数据去产生新洞察，发现新业务，打造新产品，验证新想法，从而驱动业务的快速迭代，是这个项目的目标和愿景。而这个项目的特点是，该集团的高层很清晰的知道多板块的融合协同，产生新的产品和服务的目标是建立在数据的打通，数据驱动基础上的，所以一开始就成立了集团的数字化公司，并且由这个数字化公司来推动整个数字化转型。
实施时间****点
第一年
5月启动项目调研
7月完成整体咨询规划，启动业务中台，数据中台和业务前台门户的建设
11月数据中台的MVP初步完成，12月份前台门户和业务中台MVP上线
12月，接入一个多个质量较好的数据资产，并开始启动价值挖掘。
第二年
5月，完成数据中台与业务中台的连接，持续在数据中找到了多个业务价值创新点。获得了业务方的认可，开发成了数字化产品并上线。
转型蓝图
组织设计
整个转型，从组织层面，可以分为三大块：集团层面，原有版块和新的数字化版块，集团负责整体的管控，运营指导。原有板块负责原有业务的运营，然后集团投资新成立了一个数字化业务公司，是以原来的集团IT和数字化部门为主体建立的，这个公司是以产品为运营的主体，每一个产品是一种创新投资的方式。
数字化转型其实是一个变革项目，变革项目最大的问题就是不同意识的博弈。传统板块的思维模式和数字化，互联网的思维模式是截然不同的，期待在传统环境颠覆自己产生新的模式成功的几率是很小的，但是，历史的遗留资产，客户，数据，等沉淀和掌握在传统业务板块，如何让他们能够更好地配合支持数字化业务的创新，而不是去拉数字化的后腿，这是很典型的利益博弈问题。
而这样的一个组织结构，解决了一个多版块数字化转型的利益分配的问题，那就是，数字化公司的产品的投资方都是传统公司，通过市场化和资本的运作来保证数字化产品的收益能够被共享，从而能够获得更多地支持。这样对于传统板块的利益相关者也是很公正的，他们也愿意全面的支持数字化的新业务，从而能够获得数字化的杠杆价值。
三核心平台设计
在这个蓝图中，有三个核心，业务前台门户，业务中台，数据中台。
业务前台门户
通过这个前台，将全集团所有的业务统一入口，从而能够让每个用户在这个唯一的入口进行业务往来，一方面，这样可以让用户全面的了解集团的业务，有一个业务全貌，而不是仅知道有交易的组织，能够推进行业和市场对于集团的全面了解，打造新的品牌和影响力。另外一方面，可以推进集团不同业态，产品之间的交叉销售。
业务前台是一个应用商店，SaaS的模式，能够快速的接入，创新新的产品，不断演进。
业务中台
一个统一的业务前台会导入很多的不同的业务需求，订单，交易，那么谁来负责统一的调度，处理呢？这就是业务中台承担的职责。
业务中台将多样化的订单，抽象成一个统一的模型，然后将这些交易请求，调度分发给后台的系统，有的是新的数字化产品，有的是传统的老的业务应用。
然后业务中台将用户和支付也统一到了一起，这样，集团层面就有了一个统一的业务大图，那就是，我的用户是谁，他们都和我有哪些业务往来，都产生了多少笔支付交易。
业务中台起到两个作用：为前台提供可复用的业务能力，同时标准化业务处理逻辑，让生成的数据更加标准，提升数据质量。
在这个基础上，借助数据智能的力量，业务中台就可以实现智慧分单，智慧调度。
数据中台
数据中台是三平台中的智慧大脑，它汇聚了集团所有的共有数据，拉通，集成，萃取全域数据，加工这些数据，从数据中发现新的产品，新的洞察，新的连接，然后把这些数据的洞察作为驱动，作为决策的指引回到业务中台去调度业务。
数据驱动的****数字化转型
整个项目的核心是通过一个企业级的数据中台，梳理清晰整个集团的数据资产，并借助数据和智能的算法，在数据资产中发现新的业务价值点，创新产品和服务，从而构建数据驱动的数字化转型。
数据驱动的数字化转型是一个体系化的工作，从理论体系、平台工具、数据、组织、机制五个方面，进行了以下的工作：
1、梳理企业级数据资产(EDF)
基于L-DAMF（Lean Data Asset Innovation Methodology)框架，识别、定位、梳理出集团的数据资产目录，清晰，有体系的组织利用企业的数据。
2、制定精益数据级数据治理体系（Lean Data Governance)
总结管理职责、数据标准、数据质量、挖掘利用、安全规范、数据集成各方面的痛点，现状，打造组织、管理、技术和执行四个维度的精益数据治理体系，建立持续的数据资产保障机制。
3、打造企业数据资产平台(EDP)
分阶段，分步骤，快速迭代，打造企业数据资产平台，实现数据的获取、存储、探索、分析、利用全生命周期价值。为企业的各角色提供对应的数据服务。
4、建立数据分析团队
建立业务分析师、数据分析师和数据工程师为核心的数据组织，持续的挖掘、产生数据洞察。
5、建立数据驱动的创新孵化机制
结合集团的创新孵化投资体系，建立数据驱动的创新孵化机制。
本项目是按照L-DAIM的框架作为指导的。精益数据资产管理的远期目标是构建一个高质量、开放、协作的数据价值生态，让企业的生态相关方都可以在这个价值生态中获取、贡献数据，利用数据探索业务创新，将业务创新落地成服务产生收益，而企业数据资产平台则是这个目标的技术支撑和实现。
精益企业数据资产管理框架(L-DAIM)的实践能够帮助企业体系化管理企业的数据，并且构建可持续的数据资产治理机制，从而产生持续的数据创新：
1、数据资产的识别和治理
数据资产评估模型，帮助企业从业务价值、数据成熟度的角度评估和识别哪些数据是企业的数据资产，他们的成熟度、价值、安全级别是怎样的。整理企业的数据资产目录，并且对应到这些数据资产目前的源系统、数据质量、数据所有者、利用情况等维度，构建企业数据资产全景图。建立数据资产的治理体系，从数据质量、数据集成、数据管理、数据利用的角度，构建对应的组织、技术、管理和制度体系，来保证数据资产本身可利用、可挖掘、可审计、可集成。
2、数据资产的获取和存储
构建企业级数据湖，根据企业数据资产目录，将识别出的数据利用对应的数字化技术获取并接入到数据湖，进行安全、高效的存储和监控管理。
3、数据资产的共享和协作
当数据已经按照数据目录的结构存储到数据湖中，如何将这些数据有效的共享分发提供给需要的角色和组织去使用，这是数据资产管理的重要内容。企业的数据使用方应该能够全面的掌握企业有哪些数据资产，然后可以根据权限高效便捷的获取到这些数据资产和服务，数据资产的使用、分发、下载、都是需要被记录，可追踪，可审计的。数据资产管理框架致力于打造一个安全、开放、共享的数据资产协作体系。
4、数据创新的挖掘和探索
数据创新非常依赖于团队的协作和技术工具，企业数据资产从数据到价值，重要的能力就是如何分析和挖掘这些数据。L-DAIM提供了一套数据价值探索的方法论和实践准则，辅助以数据工程、数据科学的协作平台工具，让数据分析师、数据工程师、数据科学家能够在一个工作台上搜索数据、分析数据、挖掘数据，产生数据洞察。一个业务创新价值，是需要多角色的协作，快速迭代和验证的。L-DAIM通过Data Discovery-Inception的方法，辅助以一套分享、讨论、协作、甄选的创新论坛，帮助企业去识别数据洞察的价值、可行性、优先级，让用户、业务人员、数据分析师、数据工程师和数据科学家通力协作，产生可以落地的业务价值和产品创新。
5、数据服务的构建和管理
数据集、算法、模型和可视化报表等都会以服务的方式提供出来，在统一的服务市场里进行管理，用户可以搜索、获取使用这些服务，并且给这些服务予以反馈、点评，从而识别出优质的服务。
6、资产和服务的交易和管理
最终，数据资产和服务，都是可以被交易的，所有的交易是被监控，被管理的。这个体系里的每一个角色，都能够通过提供数据、提供技术工具、提供分析服务等手段获得对应的价值回报，从而形成协作，共赢的数据价值生态，促进企业的持续数据创新。
精益数据资产管理体系如何能够在企业中发挥作用，是需要一个数字化平台来支撑的。而本项目的目标就是在精益数据资产创新体系基础上构建一个支持持续数据资产创新的平台。
系统架构
本项目采用的架构如下图所示：
[图片上传失败...(image-deacb4-1598411876815)]
整个架构是按照数据工厂(Data Factory）的思路来构建的：
[图片上传失败...(image-583b49-1598411876815)]
每一个企业未来都是数据驱动的企业，所有的决策，产品的设计、研发、生产、销售都会基于数据来进行。那么每一个企业可以类比城一个数据工厂。
这个工厂有原材料那就是内外部的源数据，源数据通过运输队，也就是数据采集通道获取到原材料仓库中，这里的原材料仓库就是数据湖，数据湖是用来存储原始数据。在原材料的基础上，企业需要一个数据的实验室，在这里，利用数据探索、数据分析等方法，企业的数据科学家和算法工程师与业务人员一起，尝试各种新产品、新服务，进行各种实验。如果实验成功，那么这就变成一个产品的设计方案，进入到车间流水线中量产成一个个的产品，也就是数据服务和应用。这些数据服务和应用是具有业务价值的，是直接能够解决一个或多个业务场景的问题的。
这样的服务和应用就会被放置到企业的服务/应用商店中，供内外部用户所调用。
这个这个过程，都会由办公室来进行整体的监控和管理，这里的办公室就是数据的治理，来确保数据的质量，产品的生产过程，最终服务和应用的交付质量。
在商店里，哪些数据的服务和应用被调用比较多，在大部分情况下，那么这些数据的价值就会比较高。
有了这样一个数据资产创新平台，企业的业务用户、技术人员、数据分析师，数据提供者，数据使用者，都可以在这个平台上开放、共享的协作。
商业收益
在这个项目中，构建了数据价值的生态：
以业务为目标，以算法模型为工具，在数据的矿山中，识别出了以下种类的业务价值：
[图片上传失败...(image-8d07b0-1598411876815)]
打通了过去的数据壁垒，解决了不知道企业有什么数据，存在哪里，如何获取的共享协作问题，构建了适合于这个行业的业务人员的易用的数据挖掘分析工具平台。
从而赋能业务人员，让他们在数据的海洋中，自服务，自挖掘业务价值，实现“数据民主化”，从而能够快速的识别，探索出更多地数字化产品。
总结
从这个案例里可以总结出多产业板块数字化转型的三个关键成功因素：
通过轻咨询对齐愿景，识别场景，拉通数据，快速启动
通过双中台，拉通业务，推动协同
通过数字化运营，重构模式，持续迭代