式与能：数字化转型升级的战略五阶段

施德俊

地生度，度生量，量生数，数生称，称生胜。——《孙子·形篇》

今天，我们需要什么样的商业创新战略？

21世纪的第二个十年就快要过完的今天，毋庸置疑，是一个快速变化的数字商业时代。一切信息都在飞快数字化，沟通变得越来越便捷，交易也变得越来越简单。消费者享受了更多的方便、价值和实惠，但是生活和品质感和幸福感，似乎仍然没有得到满足。

经过多年的发展，我们已经成功建立了一个以智能手机为核心，以移动网络为触角，以社交媒体为接口的现代数字化生活体系。

但是，消费者和用户的C端视野范围之内的市场现象，只不过是数字商业的冰山之一角。掩藏在海平面以下的，更大的冰山主体，其实是B端的企业，是“营销-管理-运营-生产-研发”等更复杂、更专业的工作。

当然，今天的企业拥有了基于数字网络的，更多的营销方法和手段，也获得了更多可用于运营和创新决策的反馈数据。但是，他们同时也面临着更复杂、更不确定的市场，以及更激烈的竞争。

身处这样的市场环境，固守既有商业模式无疑是危险的。创新和转型升级，是有志于发展壮大的企业的必然性选择。但是，应该选择什么样的战略框架来推动数字化的转型升级呢？到底什么样的商业模式，才是真正具有实战价值和战略意义的“数字化”呢？

如何理解数字化转型升级

数字化和转型升级两个概念，在十九大报告中已经有比较明确的指向，比如对“数字中国、智慧社会”的展望。并有“推动互联网、大数据、人工智能和实体经济深度融合”，以及“支持传统产业优化升级”的战略规划。

完整而正式的提出“数字化转型升级”这个说法的，最早应该是腾讯董事局主席马化腾。在2017年《致合作伙伴公开信》中他这样写道：“过去一年，整个经济社会都迈入了全面数字化的进程。以云、大数据、人工智能等为代表的新型基础设施，不但开始为各个产业的革新提供源动力，而且逐渐构成新型社会管理的主平台，并为前沿科技的发展与应用打造强载体。各行各业的商业企业、公共服务部门、教育科研机构、公益机构以及文化创意组织等，都希望搭上数字化转型升级的快车。”

从这两个表述来理解，数字化转型升级似乎是专为“传统的、非网络新经济体”设计的创新发展战略。但是观察最近一年多来的市场动向，包括腾讯公司持续下滑的股价，及其十月初推出的机构改革方案，再加上持续火热的线上线下融合发展的新零售。我们会发现：实际情况并非如此——数字化转型升级的难题和挑战，可能是今天所有的企业都要面对的。

让我们先来观察和分析以下两家企业，思考“什么才是我们需要的数字化”。

一家创始于2007年，主营网络游戏，整个商业模式都建立在网络环境之中，有海量的行为数据和即时的用户反馈来做研发、运营和管理参考。于此同时，公司高度重视数据应用，有强大数据分析理论，以及一整套复杂的数据分析基础架构。已经形成了稳定健全的测试、反馈和响应机制，可以根据成熟的指标体系快速迭代更新产品和服务。成立不到五年时，月活用户数高达2.35亿，日活6500万。2012年在纳斯达克上市，市值一度突破120亿美元。

另一家创始于1973年，主营小型便利店。小型便利店又被叫做夫妻店，是一种被无数次颠覆和否定的商业业态，无论价格、货品种类、货品品质都不具有竞争力，而且店面分散、规模小、利润率也不高。更大的挑战在于，所处的地域和商圈对于便利店有着决定性的影响，可以说每一家店面都面临不一样的顾客需求，需要店长做相当程度的个性化门店建设和运营管理。不过，该企业成功的克服了便利店业态的不利因素，建立了有效的管理机制和盈利模式，45年来保持高速增长，全球门店数量已经超过67000家，年营业额超过2000亿人民币。

上述两家企业，哪一家算得上成功的践行了商业的数字化呢？

表面上看，第一家企业似乎更具数字化的基因。它是一家标准的新经济企业，其产品本身就是数字的，是在社交网络平台上运营的游戏；用户行为可以进行快速的量化分析；此外，公司的算法和研发体系已经成功推出了好几款成功的游戏。

不过，无论从数字化商业还是更一般商业的意义上而言，第二家企业都是更值得钦佩和学习的榜样。因为，它把古老的零售模式，成功带到了数字化商业新经济时代。在持续近半个世纪的发展进程中，不断地把模糊的消费和交易行为数码化、数量化和数字化，并且建立了行之有效的分析模型，不断调整、优化和升级自己的运营模式和管理模式，最终变成了一家高效灵活的平台企业，构建了以便利店连锁运营为中心的繁盛的商业生态。

对于面临数字化挑战，期待转型升级的企业来说，第一家企业当然有很多值得学习的地方。但是相对来说，第二家值得学习的地方更多。而事实上，作为中国新经济明星的阿里、京东都在积极学习这家连锁便利店的成功经验。即便是非零售行业的企业，也一样可以从它的身上学到许多数字化商业运营的经验和方法。

站在企业的角度来说，数字化转型升级，并不只是云计算、人工智能、大数据等技术的应用。这只是数字化的“式”而已。数字化转型升级，更需要实实在在地提升自己的市场竞争力；需要在新的竞争环境中，创造和保有顾客。这才是数字化的“能”！

那么，应该如何来理解和实践“数字化转型升级”呢？

要回答这个问题，有必要重新解构和解读“商业数字化”，以及更本源性的“数字化”，和更具现实意义的“转型升级”三个概念。

商业数字化，首先是一个商业行为，一个竞争性行动。对于竞争，兵圣孙子曾经有言：“多算胜，少算不胜，而况无算乎”。从这个意义上来理解，商业的数字化，其实就是一个“更好的去算”的商业发展策略。另外，企业的存在是有目的性的，对此，管理大师德鲁克的定义是“创造和保有顾客”，这其实正是企业赖以生存和发展的根本所在。因此，站在数字商业时代背景下，商业数字化的定义可以扩展为：如何利用移动网絡、云计算、大数据、人工智能等新兴基础设施，去更好的计算企业竞争策略的优劣，从而作出“可以更好的创造和保有顾客”的战略选择和战略行动。

数字化，简单来说，就是人与数据对话（People & Data）的方法。按照权威定义，数字化就是将许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立起适当的数字化模型，把它们转变为一系列二进制代码，引入计算机内部，进行统一处理。简单来说，是一个将模糊的现实，抽象转变为精确可量化的算法的基本过程。

转型升级，顾名思义，就是企业改变既有形态，采用更好的商业模式来寻求生存和发展。但是，这背后隐藏着两个重要的前提假设：第一个假设是，企业应该已经落后于市场主流，至少在所处的细分市场和行业当中已经不再具有竞争优势；第二个假设是，企业现有的商业模式和运营管理模式，已经不再适应未来市场竞争的需要。这两个假设都没有区分产业、行业和商业模式。也就是说，任何一家企业，在面对数字新经济的市场变革时，都需要转型升级。

数字化转型升级的操作性定义及5D分析框架

在重新理解了商业数字化、数字化、转型升级三个概念的基础上，我们可以为“数字化转型升级”做一个操作性的定义：

数字化转型升级，是企业出于保持和提升市场竞争力的目的，在数字和信息技术背景下，寻求创新发展的战略选择。包括数码化、数量化、数字化、数模化、数用化五个方面的主要内容。对应的英文分别是DigitizationDatafication-Digitalization-DigifaxDigiMarketing，因此简称5D（见图1）这是一个流程性的框架，分别指向数字化转型升级的前、中、后不同阶段的工作。

5D模型所参照的是《孙子·形篇》中提出的兵法原则：

“兵法：一曰度，二曰量，三曰数，四曰称，五曰胜。地生度，度生量，量生数，数生称，称生胜。故胜兵若以镒称铢，败兵若以铢称镒。称胜者之战民也，若决积水于千仞之溪者，形也。”

其中的核心思想，正是前文所述的“更好的去算”——竞争的胜利，无论战争还是商业，都需要“更好的去算”。

阶段一：数码化

数码化（Digitization），就是“度”，是对形态特征各异的人、事、物，以及千变万化的行为的数字记录，这个过程伴随着相当程度的观测、归纳和抽象。简单来说，就是把信息转换成计算机可以记录、储存、传输的数字格式。但是这些数码化的信息是分散的、割裂的，是不可相互比较和计算的。按照统计学的概念来讲，属于“非定距变量”或者“无标度变量”（non-scaling）（这是网络大数据应用最大的挑战之一）。

举例来说，一家便利店一个周所销售的商品，如果只是记录在本子上，那就是没有数码化的。如果仅仅只是录入了电脑，但不是记录在数据库文件里，而是记录在Word之类的文档里，那就只是完成了数码化。这个时候，虽然已经可以方便的存储和查看经营信息，但是还没办法计算和分析这家店铺的销售特征，没法知道什么是畅销品什么是滞销品，很难分析得出这家便利店是否盈利以及盈利的原因。

条形码和扫码枪的发明，正是零售数码化升级的重要技术。但是这两项技术要在实际经营中发挥应有的作用和价值，还得有后续的一系列分析和管理保障。硬性的形式，需要软性的能力来激活。

数字化转型升级，是企业出于保持和提升市场竞争力的目的，在数字和信息技术背景下，寻求创新发展的战略选择。包括数码化、数量化、数字化、数模化、数用化五个阶段。

在当前的技术和社会背景下，数码化的实现程度已经非常高了，智能手机、移动网络和物联网正在以越来越快的速度在数码化我们的生活。但是，商业的数字化转型升级，仅仅只有先进的数码化设备是不够的，还得有系统的方法和手段去进一步加工、管理数码化之后的信息。

阶段二：数量化

数量化（Datafication），就是“量”，是对数码化信息的定距化处理，是为数字信息赋值，进行分类、整理和有标度的测量。通过数量化，数字设备所记录的信息才可以被进一步的分析和利用。简单来说就是，原本只是可感的信息，现在可以量化比较了。

我们继续用便利店的例子来说明。一周的銷售信息分门别类地录入数据库之后，通常会以二维表的形式（就是Excel最常见的样子）保存在电脑里。这时已经可以快速统计各个商品的销量、销售额等经营信息了，从而可以为下一周进货种类的取舍提供决策参考，也可以一定程度上为便利店的盈利或者亏损分析查找原因了。

但是，如果想要通过数字化手段来提升这家便利店的经营绩效，回答比如说啤酒和尿布的销量为什么具有相关性的问题，那么我们还面临至少三个方面的难题：首先是成本问题，如果所有信息都需要专人来输入和分类整理，会产生相当的人工成本，而且多半体现为看不见的工作时间、客户体验等；其次是效率问题，每次都需要手动运算相关数据的话，耗费人力不说，还得做专门的培训；第三是数据量的问题，我们需要更多的分类数据来做综合性的分析，而有的数据和销售数据是不同维度，或不同测量尺度的，需要想办法连接和真正“打通”这些数据。

要解决这三个问题，企业得建立一系列的自动化流程，包括设置新的工作内容和工作程序，购买或研发专门的数字设备。条形码、扫码枪，以及收银机等技术的应用，可以大大提升零售工作中数量化效力。但是这些技术的部署应用，得有整体性的设计——有一个系统性的目标体系来设定采集数据的范围、格式等，否则还是难以进行综合分析，难以构建更为复杂的数据库架构。要完成这个任务，我们需要进入数字化转型升级的下一个核心环节：数字化。

阶段三：数字化

数字化（Digitalization），很大程度上相当于孙子所谓的“数”，是对数据的规范化、联通化、公式化、指标化，甚至达到相当程度的自动化。简而言之，就是某种程度上实现了“数字化转型升级”。这相当于完成了对某块儿业务（甚至整个企业）理性的、结构化的管理运营。在这个阶段，企业运营相关的信息，多半已经体现为一系列的综合性指标，有了相对明确的意义和指向，并且应该可以作为模块儿来组合应用。阿里巴巴构建的“数据中台”就是一个高级的数字化体系。

不过，数字化的实现，首先需要对企业的商业模式、工作流程有了相当的了解，基本上达到可以用公式来表述的程度；其次，得有自动化程度很高的数据采集工具体系来支撑；第三，得有高明的数据库架构，可以快速、准确地分类汇总和查询调用数据；第四，得定制性地研发指标体系和算法，这需要对多元变量的综合计算、深入分析和多角度测试。

数字化管理的思想不是数字商业时代的新事物，历史学家黄仁宇先生40年前在《万历十五年》等著作中念兹在兹的“数目字管理”，其实正是数字化的理念。而在商业领域，数字化升级的努力也从未停止过。

比如，早在1983年，沃尔玛就发射了自己的商用通讯卫星，通过这个网络，当时的全球4000多家门店，可以在一个小时之内对每种商品全部盘点一遍。实现物流、订单、销售、库存一体化管理。这一意味着，沃尔玛已经在35年前就已经构建了自动化程度很高的数据采集、数据分析和经营流程。

无独有偶，上一节介绍的两家企业中的第二家——7-11，也在1997年建立了“基于卫星通信倒入第五代店铺综合信息系统”，从而可以高效地对当时的全球7000多家门店进行一体化管理。

和沃尔玛不同的是，7-11更加注重搜集顾客细微的消费数据，甚至为此开发了新的收银机键盘，设计了“小男12/小女12、中男13-18/中女13-18……”等按键，以便快速搜集、自动化分类顾客的消费信息。从而能够更快、更个性化的为顾客提供需要的商品。要知道，7-11经营的便利店单店规模小、门店数量多，并且在价格、品类上都处于劣势，但是更靠近消费者。所以它高度重视门店的个性化能力建设，最大限度地吸引顾客、满足顾客。除了24小时营业、设计研发了很多爆款单品之外，每一家门店的商品品类和货架布置都不一样，而且经常变化。公司创始人铃木敏文甚至鼓励门店经理们“朝令夕改”。

对于数字化技术和方法的应用，今天的数字商业独角兽们更是叫人叹为观止。电子商务和网络游戏公司在营销活动中，对传播效果和投资回报率的测算已经达到了非常精细的程度。开发了从广告曝光到最终消费等多个环节的评估指标，包括CPM（曝光千人成本）、CPC（点击成本）、CPA（后续点击成本）、CPL（每登陆成本）、CPS（单位消费成本）等。

值得注意的是，数字化无疑会大大提升企业的运营效率，让企业可以用更低的成本、更快的速度、更高的品质为顾客提供产品和服务。但这未必能够创造更多的顾客，甚至未必能够保留住已有的顾客。

事实上，数字化程度的提升，往往意味着企业成熟度的提升。同时，这也意味着企业很可能已经踩在了“创新者的窘境”的边缘。根据克里斯坦森（Christensen）教授的颠覆式创新理论，运营优良的企业，通常更擅长延续性创新，很难孕育出突破性创新，从而导致企业在面临巨大的市场变革时被颠覆式创新的竞争对手打败。

本文上一节所介绍的两家企业中的第一家，就是犯了类似的错误。这家企业名为Zynga，在中国没有多大名气，因为我们很少人用Facebook。但是在其他国家，在游戏行业，它却是一家鼎鼎大名的企业。不仅僅是因为它很值钱，虽然它曾是“自Google以来最大的IPO”直到今天市值仍高达30亿美元；也不仅仅是因为它很传奇，虽然巅峰时期Facebook游戏前十名中有九款是他们家的；在商界，Zynga最为人称道的，是它领先的数据运用能力和产品运营能力。

Zynga把游戏产品当做互联网产品快速经营：快速推出产品，并以更快速度对产品进行维护和更新。尽管大多数公司都知道需要维护更新游戏、修复漏洞、保持用户新鲜感，但很少有公司像Zynga一样，每周对游戏进行数次更新。但是，贯彻“数据至上”的企业文化，让Zynga在战术和战略层面都陷入了窘境：一方面，游戏设计师对用户体验的追求，完全受制于产品经理对KPI数据的追求；另一方面，由于过渡依赖于数据来验证游戏设计的对与错，使得Zynga不敢做任何没有被数据验证过的事情，并因此错过了不少的市场机会。

以Zynga 为代表的数字新经济企业，其实只是数字化转型升级的1.0版本，仅仅完成了商业数字化的“式”。要实现真正具有竞争势能的数字化转型升级，还需要在“数生称”，需要对数据进行创造性应用。这个部分的工作，很大程度上已经不再只是数字问题了。

阶段四：数模化

数模化（Digifax）借鉴了气象学的研究术语，对于降水概率的测算，正好类似于孙子所谓的“称”。而在5D分析框架中，数码化具体指的是，在度量、计算和深入分析之后，对于“轻重”的衡量，是经过复杂分析之后对事物发展可能性的创造性判断。具有可视性、复杂性和创造性等特点。

从“数到称”，从“数字化到数模化”，已经超越了一般意义上的数据分析和应用，需要更多的商业理解和创新智慧来驾驭，需要商业上的创新设计（Innovation Design）。

具体来说，我们需要挑选“好指标”，规避“坏指标”，并且在此基础上创新应用数据，来开发新的产品、新的价值、新的商业模式，或者至少从中发现潜在的风险。可惜，商业世界中充满了坏指标。因为资本的逐利本性会让企业偏离了它“创造和保持顾客”的根本目的。前文介绍的Zynga就是“坏指标驱逐好指标”的典型。而近来市场上对嘀嘀的批评中，也频繁地提到资本的意志对用户体验漠视。

数模化的思想和实践，同样不是今天才有的。在前数字商业时代，对沃尔玛们的海量消费数据分析的技术，被称为数据挖掘（Data Mining）。其中最具传奇色彩的案例，是在德国超市发现的“啤酒和尿布消费呈现正相关”的故事。通过后续的调查分析，研究人员进一步发现了背后的两种消费模式：年轻妈妈去超市买尿布的时候，顺便替孩子爸爸买了啤酒；年轻爸爸去超市买尿布的时候，特意同时买了啤酒。到此为止，是“数字化”的工作。但是在此基础上对货品上架布局的调整策略，则是“数模化”的工作。

我们需要挑选“好指标”，规避“坏指标”，并且在此基础上创新应用数据，来开发新的产品、新的价值、新的商业模式，或者至少从中发现潜在的风险。

既然啤酒和尿布的消费正相关，那么，在二者的位置摆放上应该怎么做呢？是放在一起，甚至推出组合套装，让它们更多被一起消费？还是应该放得远一点，以便带来更多的“非相关即时性消费”？为了做出更有利于经营绩效的策略选择，需要进一步测算啤酒和尿布的相关性的强度。如果是低相关（如，低于0.3，可能是不太关心是否能买到啤酒的妈妈顾客更多），则应该放得近一点，让它们可以有更大的机会一起被购买；如果是高相关（如，高于0.8，可能是更想要买到啤酒的爸爸型顾客更多），则应该放得远一点，让它们带来更多其他商品的消费。

不过，数模化不只是一个简单的技术性工作。就像“预测明天是否下雨”需要考虑非常多的因素一样，经营策略的选择，也需要考虑很多现有数据之外的因素。比如说竞争问题，如果不远处有另外一家超市，那么“放远一点”的策略就有可能会导致客户流失。另外，到底“放多远才算远”？如果顾客花费的搜寻成本超过了容忍的极限，同样可能会让超市得不偿失。更重要的是，超市是看重短期效益还是长期绩效？如果希望完成“创造和保持顾客”的目的，那么，就应该想办法提升顾客的消费体验，而非获得短期内更高的客单价。

商业史上很多经典的创新案例都透着数模化思想的气息。

1980年代，沃尔玛成功打败凯马特，成为全线连锁超市的行业第一。沃尔玛成功的背后有复杂的多个原因的作用。但是对数据的创造性应用，可以说是最直接的原因。因此，可以称之为“数模化的胜利。其中最具启发意义的，是“数据互补”的思想。

所谓数据互补，指的是对多项数据指标的综合分析和应用。前文提到过条形码和扫码枪，当时在美国已经在广泛使用。但是凯马特仅仅只是把它当作门店前端数据来应用，最多只是提升了收银效率。沃尔玛则是把扫码枪采集回来的消费数据，和物流、货架、店面选址等数据进行了更深入的交叉和关联分析。从而在实现了“条形码、综合物流、快速及时的配送、低库存的大型店面互为补充”的一体化战略模式，有效提升效率，降低运营成本。进而可以把门店开到了传统上无法盈利的10万人口以下小镇，构建了更大规模的竞争体量，一举打败了强敌凯马特。

而贝索斯的亚马逊之所以能够成功的推出一个又一个新业务，直到形成强大的“飞轮效应”，对数据的创造性应用也是一个重要的支持因素。比如在2005年推出的AWS业务，是因为有很多第三方卖家希望能够使用亚马逊成熟的技术，于是贝索斯以Web服务的形式向企业提供IT基础设施服务，并逐步发展成了今天大名鼎鼎的“云计算”。而AWS的需求之所以能够被注意到并最终满足，是因为亚马逊有“第三方卖家平台”（Marketplace），一直在积累服务第三方卖家的经验和相关数据。

上述案例说明了一个重要的事实：数字化转型升级，需要在数字化的基础之上，对数据的创造性应用。不过，想要获得商业上的成功，不能只是战略上的应用，还得有战术性的操作，让企业的竞争力落地到具体的市場中去。这是“数用化”的工作所在。

阶段五：数用化

数用化（DigiMarketing），近似于孙子所谓的“胜”，是数字化转型升级的实施环节，将企业对市场、顾客，以及商业价值的理解落实到具体的产品、服务和营销等工作中去，从而在市场中实实在在地赢得顾客和收益。

就像前文在梳理“商业数字化”的含义时强调的，市场竞争的胜利，根本上是“更好的计算”的结果。但是计算的目的，是更有效、更高效的应用企业的相关资源。数用化的价值，正在于此——通过对企业资源和能力的归类整理、建模分析，以及数字化连通，让具体的业务创新可以快速、方便的调用已有的资源和能力，在市场前端组合称为面向特定顾客群的“产品”。这个产品，可以是虚拟的，也可以是现实的；可以是线上的，也可以是线下。

不过，我们今天所说的产品，还负担着另一个重要的使命：让企业与顾客建立持久的联结，并且把顾客变成用户。这个联结，不再是前数字时代的松散的买卖关系，而是被数字网络紧密联系在一起的服务关系。而在联结的背后，流动的是数据，更是极具价值的商业创新机会。

需要特别说明的是，虽然对应的英文单词是“数字营销”，但是数用化的内容并不局限于营销，而是包含了所有可能与顾客产生互动、交易的接触点，也就是说，还包含了营销之外的产品、服务等。

关于数用化，有一个比“啤酒/尿布”更让人惊奇的案例。2012年，美国第二大超市塔吉特的一次精准营销，居然让一个蒙在鼓里的父亲意外发现高中生女儿怀孕了。不过，这个故事最具商业启发意义的，是塔吉特超市对于“怀孕”这个指标的看重。通过大量的研究分析，塔吉特的数据团队发现，发生重大的生活改变的时候，正是赢得忠诚顾客的最佳时机，而家里添一个宝宝，是最具商业价值的生活改变。

更重要的是，塔吉特已经在这个重要发现的基础上，设计和研发了积极的干预机制。通过前期的数据训练，塔吉特可以根据顾客消费行为的细微改变——比如食品口味变化、卫生用品消费变化——判别她是否怀孕，然后在顾客自己都没有准备好的时候，给她和她的家人提供相关产品的折扣信息。不过，塔吉特的目的不是比顾客更快，而是要比对手更快——只要顾客确定性地开始在塔吉特消费孕期产品，那就意味着后续所有的婴孕消费，就全都是塔吉特的了。

此外，塔吉特的这一数据和干预能力，是可以应用到针对其他“重大的生活改变”产品上的，比如上大学、乔迁新居、结婚等等。

顺便提一下，阿里的“业务中台”所奉行的，差不多也是这样一种产品支持逻辑。

数用化，是数字化转型升级5D战略分析框架的最后一环，信息从消费者和消费行为出发，在后台和中台转了一圈，又回到了消费者和具体的消费上。这个逻辑，和传统商业是基本一致的。不同之处在于：今天，我们有更成熟的技术、设备和方法来“和数据对话”。

从数码化、数据化、数字化、数模化到数用化，再回到数码化，继续下一轮的循环，这个分析框架有一个内在的驱动力量和作用逻辑，那就是“人与数据对话”的逻辑。

数字化转型升级的核心作用逻辑：5D是P&D驱动的

本文一再引述的孙子的兵法逻辑中，有一个要素没有被5D框架包含在内，就是“地生度，度生量，量生数，数生称，称生胜”最开头的“地”。原文中，地指的是土地，是产出战争能力的资源。而在孙子完整的兵法逻辑中，“胜”的结果其实又回到了“地”——增加或保住了资源。一如前述5D战略分析框架中，从数用化的终点回到数码化这个起点的思考逻辑。这同样合乎经典的商业逻辑：企业通过一系列的努力创造和保有顾客，从而产出更大的市场竞争力。

在数用化和数码化之间的，是“人和人的对话”。让这个对话得以实现和发展的，是“人和数据对话”、“数据和数据对话“，以及“数据和人对话”。

这个“人与数据对话”，（People & Data，简称P&D）。是感性和理性在这一从具象到抽象，再回到具象的循环中交互作用。形成了如图2所示的一个分析框架：

在P&D分析框架中，P to P，即人与人的对话，是有消费者/用户参与的，市场中容易被观察到的“海面上的冰山”。另外三个部分，P to D ，D to D ，D to P，则是很少被公众关注和了解的部分。

与5D分析框架合并后，我们就得到了图3这个更丰富的分析框架：

简要说明一下：

数码化，主要是“人和数据对话”做预备的，是一个对现实情况的数字抽象化过程。数量化，则是为“数据与数据对话”做预备的，是对现实情况的进一步抽象，以便做高级的运算和分析。而数据与数据对话的实现，就是数字化在技术上的实现。

但是数字化转型升级到这里还没有结束，数据要发挥作用，得做到“数据与人对话”。也就是说，数据分析所获的判断，得让“人”，让企业和领导层领悟，这就需要数模化的工作。而后，在企业获得了数据智慧之后，再通过数用化，把创造的价值传递给用户。这就相当于回到了“人与人对话”。

虽然5D是本文重点介绍的战略分析框架，但是如果没有P&D的作用逻辑，那么无论在数字化转型升级的工作上投入多少的努力和资源，都会让大大降低其效力和价值。

数字化转型升级的战略分析框架：实现5D的方法

爱因斯坦曾说：“凡事都应该尽可能简单，但是不能为了简单而简单。”

数字化转型升级的5D战略分析框架本身是简单的，但是实现这个这五个环节及其内在的作用逻辑，则是不简单的。前文例举的案例如7-11、塔吉特、亚马逊等，在成功的商业创新和优秀的数字化管理和背后，是一次次艰难的技术探索和问题解决。

今天，数字化转型升级是一个还在进行中的商业创新趋势，包括它的提出者腾讯公司也一样在努力探索如“产业互联网”等新业务新产业的可能。所以，很难说数字化转型升级应该做什么才是正确的。不过，至少可以在5D框架下，梳理在不同环节中可以做的工作。我们总结了以下六个方面的工作：数字接口设计（Interface Design）、数据变量设计（Variable Design）、分析指标设计（Index Design）、商业创新设计（Business Design）、用户体验设计（User Experience Design）、营销沟通设计（Communication Design）。

这六个步骤的工作内容和5D，以及P&D有着一定的对应关系，放到一个框架下，呈现的就是图4这样的一个结构：

简要说明一下：

数字接口设计（Interface Design），是一个数据采集的工作，把现实生活中的相关信息数码化，变成电子格式的。这个部分的基本原则是准确、及时、自动和低成本。因此最好是构建合适的数字接口，从而高效地搜集用户行为数据、用户反馈信息、用户调查数据，以及物联网产生的相关数据。亚马逊AWS业务的第一项工作，就是为第三方卖家开发数字接口（APIs）。这部分工作中最重要的原则，是把消费者当作可以互动的“用户”来看。

数据变量设计（Variable Design），是一个数据整理的工作，把零散的、不相关的数据分类整理，并且按照一定的规则赋值。这个部分的基本原则是稳定、规范，以及低成本。最重要的工作是数据库的搭建，包括数据库的架构、数据存储的模式等。相关工作得综合考虑与前期数据搜集方式的适配性，也得为后续的分析需要做好数据准备。

分析指标设计（Index Design），是初级的数据分析工作阶段。不过，初级指的是通常不涉及多元统计及复杂的分析方法，从价值来讲则未必不高。从一般意义上来讲，只要能够根据实际业务设计出合适且健全的评估指标体系，也就基本完成了數字化管理的工作。这个部分的基本原则是公式化、流程化、稳定性，相关工作主要包括算法设计和模型设计，需要向前做好数据采集和数据准备的工作，向后做好反馈迭代的工作。

商业创新设计（Business Design），是对数据的高级分析及创造性洞察，是从数据中发现机会和风险，并且设计相应的商业策略或产品的工作阶段。主要工作包括产品研发、测试，以及迭代更新，也包括更高级的战略创新研讨等。这部分的工作需要丰富的商业智慧来驾驭，需要对相关业务的深入了解和广阔视野，通常也伴随着定制性的专门研究和数据分析。这个部分如果做好了，可以为后续的数字化工作指明战略方向，为商业创新和转型升级提供更可靠的保障。

用户体验设计（User Experience Design），是对数据的策略性应用。在基本指标和创造性分析的基础上，为后续的市场定位定制可行性方案。主要工作包括，用户研究、消费/使用场景研究、市场价值评估，以及产品方案研究等。这个阶段的工作需要面对具体的、复杂的、多变的现实挑战，得有足够的灵活性和相当的的冗余度。以创新闻名的3M和Google，都会在工作上给予员工相当的自由度，可以在一定的工作时间内做自己想做的事。这个部分的工作如果做得好，有可能会反过来影响公司的战略性的创新设计，比如3M公司的不少热门产品，如即时贴，都是员工在“业余”时间里研究出来的。

营销沟通设计（C o m m u n i c a t i o n Design），是数据应用的最终落地。但这并不是数字化对终点，而是有一个新的起点。这个部分的工作，需要对用户接触点做综合的管理，以便可以达到更好的沟通效果。而所谓的用户接触點，在数字商业的背景下，并不仅仅是社交网络等媒体触点，还包括产品本身，无论虚拟的还是物理的，及其他所有可能产生的信息流、数据流的地方。这是一个更加复杂更加灵活的工作，很难规范化管理，但是至少应该规范化管理数据流。因为这将驱动企业下一轮的创新和发展。

关于数字化转型升级的具体工作，只有身在其中的人才能真正知道水温，知道具体应该怎么做。不过，我们至少可以达成一个共识：成功的创新从来是不简单的。

新经济英雄们都乐于鼓吹简单，乐于宣扬“少即是多”的创新理念。但是，在商业意义上，所谓的“简单”其实更多的是相对于C端的消费者和用户而言的。身处B端的企业如果想要在运营管理上也奉行“简单原则”，很可能会陷入“为了简单而简单”的窘境。

因为，简单从来不简单，C端的简单，需要B端的足够复杂、精细和困难的工作流程。否则的话就很难实现用户层面的简单。即使很幸运的实现了，市场就会很快被模仿者给吃得干干净净。

新经济的独角兽们所推崇的 “Dont make me think！”（别让用户费脑子），真正的意思其实是：困难的工作，我们替用户完成。据说马化腾很喜欢那本同名的UE著作（中文版翻译作《点石成金》）。这可能一定程度上解释了，为什么腾讯提供了最“简单”的产品的同时，还获得了最稳固的市场。

数字化转型升级的要点：如何让数字新经济落地经典商业旧传统

“北京应该认真地把这些最基本的东西数数清楚，所以我想，在你基本的数数还没有数清楚以前，所有讲人工智能啊，稍微远了一点——先把数数要数对了”。阿里云创始人，阿里技术委员会主席王坚在最近一次演讲提到，他曾经如此这般给北京交警部门建议。

先把数数对了，实在是许多企业和组织在数字化转型升级上的难题所在。

世界上没有点石成金的灵丹妙药，传统企业想要跟上时代的大潮不能指望简单的照搬BAT的经验。在自己企业的现实问题中，BAT的经验是靠不住的，因为：第一，它们也一样身处转型升级的压力之中；其次，传统企业有自己独特的商业模式，并非新兴经济体可以理解的；第三，随着市场的成熟，既有的红利已经快要被吃光了，所有的企业都需要寻找新的增长点和价值洼地。君不见，马化腾一直在强调要增强to B的能力吗？

“吉迪恩，你擅长电脑，但是你得让警察们先做好自己的本职工作。”2017年的美剧《全境通告APB》中，这句不起眼的台词一语道破了数字化转型升级的难题。这是一个有关警队数字化转型升级的故事。天才的亿万富翁带着先进的设备和技术来到芝加哥一个破败的警局，他满心以为自己可以很快扭转乾坤。结果发现，要解决旧的现实问题，不能只是寄希望于新技术新装备，还得让技术和装备在经典的刑侦工作逻辑中发挥作用。否则的话，就只是徒具“式”，没有“能”。

不过，式，毕竟是重要的，有“式”才有“势”，才有可能形成“势能”。这正是孙子所谓“称胜者之战民也，若决积水于千仞之溪者，形也。”