企业数字化实践

方裕固 阮鸥

摘  要： 通过对企业组织与业务内在底层逻辑进行抽象，构造业务矩阵与组织矩阵，建立企业数字化平台架构模型，并在此基础上无限扩展企业各项子业务和组织活动的量化模型，将业务与组织有机互联，实现业务和组织活动的高度自动化、智能化，改进企业的生产函数，降本增效。

关键词： 企业管理;数字化;大数据;智能化;生产函数

【Abstract】： An enterprise digital architecture model has been created by extracting enterprise organization and business underlying logic. Many quantitative models of enterprise activities can be developed based on the digital architecture model， which can build the connections inside business activities and organization activities， realize work automation and smart， improve enterprise production functions， reduce costs and increase benefits finally.

【Key words】： Enterprise management; Digital; Big data; Intelligentize; Production function

0  引言

随着计算机领域、通讯领域的科技发展，企业从内部的局部业务系统、互联网+，到目前快速发展的物联网、大数据、云计算、人工智能，都在从各个维度改变人们的工作与生活方式，改进企业的生产函数，提高全社会的效率。特别是面向广大用户的服务端，基于海量用户信息数据的分析运算，来辅佐企业进行广告投放、产品最优决策等，这方面发展十分迅速。

作为企业存在根本的企业内部业务活动、组织活动，同样也有更广阔的数字化前景。

从企业管理上来说，以汽车研发型企业举例，一般有项目管理部（PMD）专职公司级项目管理，每个业务部门还有一个小组专门接口PMD做部门级项目管理，而业务部门有些复杂的业务，还设有交付物管理岗位，总计来看，整个公司项目管理人力资源约为15%;另外从组织管理上来说，一般的基层管理者管理幅度约为10人，往上还有至少3级管理，算下来组织管理的人力也约为15%。统计下来企业的管理人员约占30%。当我们把管理者的协调性输入输出工作、统计工作、层级汇报工作，甚至管理经验等数字化后，管理人力缩减的空间是巨大的[1]。

从企业的具体业务来说，通过把组织的知识、技能、经验结构化，从而实现业务的自动化，这同样给企业带来巨大的资源节约与效率提升。

对于一家成熟的规模企业如何实现全面数字化转型，充满着挑战。已有的内部业务孤島系统，外部数据的应用，诸多不同的业务类型，业务的不断演化，以及主观性很强的富有感情的组织人员管理，这些都需构建一个强健柔性的企业数字化模型，以支持无限的业务扩展，快速的业务迭代。本文将分别从企业业务活动与组织活动出发，构建企业的数字化模型框架，在模型框架下，去关联已有或创建新的数字化模块，让纷繁芜杂的数据海洋变得条理清晰，继而在大量互联互通的组织与业务活动数据里，拓展各种智能化模型，改进企业的生产函数。

1  企业数字化模型

企业的主体是“组织”，是由诸多生产要素按照一定方式互联起来的系统;组织通过各种“业务”来生产产品（包含实体产品、服务、技术等），出售换取利润，所以可以把企业所有活动概括为两大类，一类是组织活动，另一类是业务活动，组织与业务互为基础、相互作用。在微观层面上，组织内部各要素与业务活动都是动态相连的，比如业务量的前瞻会提前安排组织人力资源要素，业务的创新需要组织有创新的资源要素，业务完成情况会反馈到组织人员绩效奖励等等。一个有竞争力、高效的企业，必定有一支高效的组织管理和业务管理团队，以及大量的高技能人才，来把各要素做到实时动态关联。但尽管如此，管理者还是难以得到充分量化的数据来进行企业的各项决策，往往都是凭灵感与直觉，对于聪慧勤政的管理者，他的灵感与直觉有更好的信息基础，能做出更好的决策而已;而对于关键岗位的技术人才流失来说，也给企业组织与业务带来重大的影响。这里将要阐述的企业数字化模型，将组织活动与业务活动全部数字化，产生大量的信息，在这些信息基础上，把聪慧勤政的管理者思路经验归纳总结为函数模型，从而计算出企业的诸多最优决策;把技术人才的知识结构化，实现业务的自动化。

1.1  业务立体框架

1.1.1  业务架构分层设计

依据业务对资源要素需求、业务内在关联程度，业务产出等等，首先对业务进行分类，比如汽车研发企业，一般可以归纳为整车开发业务、驱动系统开发业务、降本增效业务、二线维修零件业务、附件开发业务等业务类型。然后，根据实际业务情况，抽象出每个业务类型的主线，以广义的“项目”来表述这条主线，比如整车开发业务，本身就以车型项目为主线，来贯穿开发过程的一切活动;附件开发以零件为主线，每个零件就是一个“项目”。最后，我们要对项目业务进行分层设计。

把项目视为一个整体，整体是由项目里一切业务活动单元颗粒所组成，业务分层设计的实质就是对业务单元颗粒进行逻辑排列。为什么要对业务进行分层设计？整车开发的底层打散任务单元数以万计，项目过程的关键交付物数以千计，涉及的组织成员数以千计，每个人都有各自的业务技能宽度与深度，如此庞大的任务单元如果完全水平铺开，势必导致任务管理上的失效。而分层设计，对业务单元的底层逻辑进行树状组合，层级间做到自动互联，赋予不同用户以不同层级扁平视图;另外层级设计清晰定义任务模块的系统坐标，可以简化数字化过程中模块的独立与互联，任务产生的数据语义明确，为后续的各种数据运算打好基础。图1是整车开发项目中售后开发作为一个整体进行的业务分层设计举例。

数字化实现业务无限分层的可能，业务分层要以业务内在逻辑为导向，而不是去迎合现有的组织机构，相反，组织机构应该去适应新的业务分层模式。好的分层设计能把系统内部的摩擦与资源消耗降到最低，最终超越项目标，实现局部之和逼近整体。

1.1.2  业务立体框架

把所有的业务类型下的项目铺开，与一级任务形成矩阵面，与二级任务形成矩阵体。不同的业务类型项目，或者同一业务不同项目，或多或少地打散到空间不同任务节点;由此，我们可以构建如下企业的业务立体框架，如图2所示。当然，有些二级任务需要进一步打散，直到n级，每往下一级，形成一个新的子业务立体。站在公司级业务的角度，售后开发是一个截面;而站在部门业务的角度，售后开发则是一个立体，售后开发下面的某一项交付物变成一个面。

1.1.3  任务流与数据流的集成

业务流就是一连串任务单元的逻辑组合，每个最底层任务单元的产出都是广义的“数据”，数据的状态与质量直接反映任务单元的执行情况，进而影响整个业务流的状态。数据流是数字化模型里面任务管理的末端，数据流与任务流的集成是实现业务闭环自动化管理的基础。目前大多企业已有的系统都是将两者分离的，典型的是制造业普遍用到的PDM系统，BOM数据维护与BOM数据维护任务管理是松散的，比如大多汽车企业的工程BOM系统、制造BOM系统、售后BOM系统[2]，边界都是纯数据管理，BOM的维护与项目任务管理是割裂的;再比如售后维修信息系统，也是一个纯文本数据系统，未与维修信息每个章节的开发任务去做关联。

把底层数据的状态，与任务单元集成，用任务的各种属性来把数据与任务动态实时关联。

1.2  组织立体框架

1.2.1  组织立体框架

组织的核心要素是人，以人为主线把组织的其他要素进行分类，比如组织机构、绩效管理、人员资历、知识技能等等。不同的企业有不同的组织要素，以及不同的要素侧重点。把人员与其他要素进行交叉形成一个矩阵面，然后把其他要素进一步展开，形成一个矩阵体，如图3所示。这里以汽车研发企业作为例子，重点就知识技能要素进行展开，来构建组织的数字化框架。

企业的核心竞争力是企业拥有的创造产品的知识技能，企业员工是知识技能的一个载体。当知识技能都结构化在数字网络中，并且能通过不断的业务实践来自学习改进，不再唯一依附在员工身上，那企业的核心竞争力模式将从根本上得以改变。

1.2.2  业务解耦与知识结构化

把项目视为整体，整体是浩大的，需要分解到业务单元，组织的每个个体去从事业务单元的工作。单元之间是耦合的。业务分解得当、业务单元内聚性高、层级划分明确，都能降低业务单元间耦合的程度、减少单元间的依赖关系，但不能消除耦合，这也是为什么要进行业务解耦的原因。解耦的核心是要理清业务单元间的约束关系，定义单元间的输入输出接口。这样，最终零碎的业务单元能实现项目整体目标。概括來说，解耦是因为单元间存在固有的耦合关系，解耦的目的是为了单元能更好的耦合重组。

业务解耦本质上就是知识解耦，解耦的结果以参数、模板、算法等各种形式呈现。把解耦后的每个业务单元所对应的知识在系统结构化出来，将给业务的执行带来源生的动能，实现业务的自动化。

定义开发一辆满足成本、外观、舒适、动力等一系列性能要求的车，开发任务分解到各个组织功能块，进而分配到个体，相应地把整车性能分解到各个子系统、零部件，整车、各子系统、各零部件之间的空间和性能约束关系都要解耦清楚，各零部件的开发都满足解耦后的规范要求，这样各零部件开发完成后才可以拼成一辆既定性能要求的整车。整车开发的业务错综复杂、知识浩瀚，很多业务知识都无法做到完全解耦，所以有大量的虚拟验证和实车验证来修正设计上的问题。但随着知识经验的积累、数字化水平的提升，验证环节越来越少，知识解耦越来越彻底。

解耦的完整程度直接决定业务单元的执行效率与质量、企业内部的摩擦损耗，进而影响业务流的长短。

1.2.3  组织机构

组织机构在实体上把人和其他资源要素分组、分层级，组或层级之间存在固有的沟壑，这必然增加业务执行的摩擦和资源损耗。一般企业的组织划分，要么参照同类成熟企业的划分，要么凭管理层的感觉或某种意愿来划分，缺乏一个相对量化的划分标准。

按业务单元的内聚性、单元之间的耦合程度来划分组织机构，把业务耦合度高的单元聚集在一个小组，层层向上，来划分组织机构，是能降低组织管理、沟通损耗的有效方法。举个例子，在汽车研发项目中，有这样一组业务和岗位划分，产品设计发布工程师负责产品零件BOM设计及发布，在产品零件BOM基础上，维修工程师来定义维修BOM，具体是基于产品零件结构和参数，结合标准维修策略方案，来决定BOM中的每个零件如何维修，比如是用子零件维修、总成维修还是维修包维修;产品零件变更后，新老零件在售后维修是何种替换关系。维修工程师定义维修BOM的业务，大部分时间都花在对产品设计内容的了解上，和产品工程师沟通，解读产品工程师发布的数模或工程更改的各种信息，产品BOM和维修BOM两项业务的耦合度非常高，在对产品BOM信息了解上的浪费甚至超过了定义维修BOM上的价值增加。定义维修BOM本身的知识是不多的，特别是在这项业务的核心知识维修策略标准模板结构化之后，如果把产品工程师的业务稍微延伸，就能把定义维修BOM业务覆盖掉，从而去掉两个业务之间的解耦和再耦合的  损耗。

经常会出现这样一个矛盾，一个比较长的业务链，业务环节中都有耦合关系，如果设一个岗位，好处是能减少岗位间的沟通损耗，但一个人可能没有这么多知识技能;如果设多个岗位，则每个人能专业于一个业务环节，但缺点是环节中的沟通损耗。在知识结构化之后，有些业务环节可以自动化，无形中可以拉长每个岗位的业务链，减少组织损耗。在数字化模型中，很多业务量、知识技能都可以量化，为组织机构的划分提供依据。

1.3  生产函数与企业智能

把组织立体X与业务立体Y互相投射，形成企业的四维数字化模型。四维空间上的任何一个节点P，都和其他节点形成某种关系，P=f（X，Y）。于是我们可以利用模型中各个节点的数据，来逐步改进生产函数，实现企业智能。下面举几个应用例子。

1.3.1  业务闭环与自动化管理

项目立项任务分配与项目信息变更自上而下，项目交付与项目执行状态自下而上，这也是传统项目管理的主要工作内容。一般项目管理人员只管业务不管组织，要使位于各个组织机构里面的项目成员配合完成一个项目，管理工作琐碎繁杂，所以一个好的项目管理人员必定是勤勉且高情商的。一般整车开发项目周期在3年左右，这期间受市场等因素的扰动，项目的内容和时间节点变化频繁，项目设计人员众多，各维度层级管理级别也多，要不停的修改计划、上传下达、汇总报告、问题升级。

在数字化模型里面，通过任务的六个关键属性，任务时间、任务状态、任务输入、任务输出、问题管理、负责人，系统可以把以上項目管理人员的协调工作基本覆盖。项目任务及信息变更层层往下传递，项目完成状态层层往上汇总，图5是整车项目售后开发业务自动化管理模型样例。系统赋能以勤勉和高情商，高情商在这里表现为冰冷的规则、温情的公正、绿色的能耗，每个角色在项目的过程行为都一览无余，是积极的、拖拉的、精细的、粗糙的，结果都记录在系统里面，数据约束管理着每个人的行为。

1.3.2  知识与业务自动化

组织立体中的知识，与业务立体中的任务单元相对应，给业务立体中的每个任务单元节点都赋予结构化知识，实现业务的自动或半自动化。知识可以是一个简单的模板，也可以是复杂的数据运算逻辑，或产品开发的方案组合。任务处理的各个节点在满足输入输出约束下去自动调用这些知识，转化为业务算法，实现自动化。

而反过来，每个项目业务的完成，业务活动全过程数据都被系统所积累，就如人获取了项目经验一下，系统获取的经验更加全息，这些信息又沉淀为知识，为未来的项目所利用。图6是知识与项目任务的关联样例。

1.3.3  企业资源模型

把任务立体中的每个节点任务与组织中的人员等级进行关联，并根据项目等级、类型等来定义每个节点任务所需要的标准工时，结合任务里面的时间跨度，则可以汇总成企业在时间轴上的人力资源需求。并在系统最小颗粒度基础上，可以按组织机构里面不同的层级进行筛选，统计个人的、科室的、部门的人力情况，也可以按不同的项目来统计，也可以按天、周、月、年不同的时间刻度来统计。图7是一个人力资源模型样例。

同样的，如果把每个节点任务与组织中的设备进行关联，则可以汇总出企业在时间轴上的设备资源需求。如果把每个节点任务与各项财务预算进行关联，则可以汇总出企业在时间轴上的财务预算模型。

1.3.4  人物画像

在组织中一个人的表现是多维度的，要公正地去衡量组织中的每个人几乎是不可能的，一个庞大的组织，管理者没法做到对每个人的各维度都深入了解，即便了解，这些各维度碎片的感觉信息无法量化，如何汇总成一个人的综合排名，也只能靠直觉印象。

在企业组织与业务都数字化之后，便可以建立各维度量化模型，将人员在系统中的一切活动进行量化，变主观印象为客观数据。系统中的活动数据大多都已经贴好标签，在量化的过程中甚至不需要数据清洗与语义训练。将各维度的数据量化之后，如图8所示，可以进一步用来做绩效管理、评级晋升、人员安排等各种组织决策，在同一个规则模型下的数据，公正而客观，很多主观纠结与管理冲突都迎刃而解，这大幅度地释放了企业的管理工作[3]。

2  数字化路径

数字化产业升级，影响到企业的每个人和各项业务，牵涉面及其广泛，是一项庞大的工程，需要根据企业自身的现状，各项需求的紧急程度来逐步实现。从宏观上来说，数字化路径可以概括为以下三个阶段：

（1）在这万事万物快速进化的时代，注定必须用敏捷的思路去构建数字化企业，这要求宏观上要自上而下设计稳健的模型框架，业务模块要高内聚、充分解耦，支持模块的快速迭代、无限扩展;然后再进行自下而上的单个模块的开发，模块的迭代最小程度地影响到框架下的其他模块，否则所谓的敏捷迭代，只不过是程序员繁重的重复开发而已。

（2）在数字化框架下，逐步实现组织与业务的一切活动系统化。第一个模块的开发，模块的输入必须依赖人工，输出也无其他模块系统直接调用;但随着模块的越来越多，输入与输出在模块间得到自动关联，系统化的效率也逐步释放出来，系统化的模块越多，系统的效率越高。在数字化思维的引导下，组织与业务本身的流程也得到改造进化。另外大多企业都有部分底层业务系统比如产品数据管理系统，这些系统产生重要的源数据。但这些源数据往往以孤岛的形式存在。系统化需要通过企业总线等方式，将组织模型中生产源数据的节点与调用数据的节点连接在一起，而不是在用户节点去重建数据，从而保证源数据的唯一性同步性。

（3）随着系统化覆盖越来越广，企业活动的数字化信息越来越多，基于这些信息，模拟人的知识与经验设计出各种生产函数模型，实现企业智能，这是企业数字化的终极意义。当系统里面的数据越来越多，可用于企业智能的参数变量也就越来越多，函数模型不断进化逼近真实。

具体路径遵循这样一个大的思路，而微观上这几件事情是在交织中不断演化推进的[4]。

3  总结

本文阐述一种企业组织与业务数字化架构模型设计，把企业的一切活动数字化，实现企业管理与业务自动化、精细化、智能化。

基于这样的架构模型可以进一步推演，有些企业未来存在实体坍塌、组织虚无的可能。所有的业务都切分成单元，单元都得到彻底的输入输出解耦，业务单元在结构化知识下自动完成，或者单元发包到互联网上，由世界另一个角落具备知识的人去按时完成，因为输入输出清晰，企业甚至都不需要知道那个人是谁，不需要任何沟通。组织也许只存在于网络，人与人为了工作而面对面对话、电话邮件

沟通会愈来愈少。网络社交游戏颠覆了人们的业余生活场景，企业数字化的推演将颠覆人们的工作生活场景。群居群体、互相交流活动在工作中会极大缩减。人们会因为兴趣爱好或其他相同目的而衍生出诸多群体活动，得以维系人类进化的基因[5]。

数字化浪潮下，过去在企业与客户连接端发生了质变，改变了普罗大众的生活方式与习惯;未来，随着企业生产端数字化的演化、生产函数的高度智能，企业的组织形式与人们的工作方式也将从根本上改变，企业的顶层架构设计者成为关键，中间的一切管理层都被扁平，底层技能者很大程度被结构化知识弱化。对于个人来说，前者更多影响到的是消费与支出，后者则直接影响到就业与收入。

参考文献

周志明， 崔 森. 制造型企业数字化转型的研究[J]. 管理观察， 2014， 7： 80-82.

方裕固， 王蓉， 李响. 基于车辆VIN码筛选的配件目录设计[J]. 上海汽车， 2012（12）： 42-47.

原方圆， 马书南， 雷伟， 等. 高安全性数字化档案管理系统的设计与实现[J]. 软件， 2018， 39（7）： 98-102.

王兴山. 加速企业数字化转型[J]. 施工企业管理， 2017 （12）： 51-52.

尤瓦尔?赫拉利 著， 林俊宏 译. 人类简史： 从动物到上帝 [M]. 北京： 中信出版社， 2017.2：19-37.