華為說：“數字化轉型是企業利用先進技術來優化或創新新的業務模式，以客戶為中心，以數據為驅動，打破傳統的組織效能邊界和行業邊界，提升企業競爭力，為企業創造新價值的過程。”
我們可能就是普通員工，既不掌握先進技術，也不直接面對客戶，我們又能這么轉？還是我們就是被轉、被打破的？
我只是想分享數字化時代我們每個人都可以去做的三件事：
如果你問我，這幾年在企業內部推動數字化最大的挑戰是什么？
關于數字化的價值，市面上不乏各路天花亂墜、甚至天馬行空的說法。
在這幾年的數字化落地實踐之中，我體會是最深的是三個方面：
回想一下自己每天的工作，你一定在這三個方面有痛點！
學會用數字化的方式發現業務痛點、滿足業務需求，我們才不會被數字化反噬。
數字化在后兩個方面（管控、效率）的價值相信大家不難理解，所以我想重點聊聊“數據支撐決策”。
通俗來說，就是要求我們認知不是憑印象，決策不是拍腦袋。
舉個例子：招聘的學歷偏好，你們是否考慮多招名校高材生來優化隊伍結構？
你可能會對他們這樣的印象：能力更強，心氣也更高，更難招也更難留。事實果真如此嗎？
每年名校高材生的簡歷更少嗎？簽約率更低嗎？他們在招聘的哪個環節更容易流失？為什么流失？
各層次學歷、院校的員工在隊伍中占多大比例？這些年有什么變化？名校畢業生在培訓中的表現更好嗎？績效更好嗎？他們成長更快嗎？
他們的離職率更高嗎？他們平均干多久會走？最主要的原因是什么？他們創造的全周期價值（Employee Lifecycle Value）更高嗎？
當我們分析數據來驗證這些假設，我們就會知道是否值得投入更多來吸引、保留、培養他們，這便是從數據中提煉觀點洞察（Insight）。
如果答案是“值得”，接下來的問題就是：為了吸引、保留、培養他們，有哪些方法也許有用？
再接下來，決定使用其中的哪些，我們要看：各種方法各有什么利弊？預期的投入產出是怎樣？
最后，實施了方案后，我們要評估：這些方法奏效了嗎？還要繼續使用嗎？有什么不足需要改進？
這就是數據驅動問題探索、方案決策、結果衡量的循環。
要把數據利用起來，支持決策，才能讓數據這塊不起眼的鉆石原石煥發光彩。
最耀眼的鉆石不僅要有3EX的切工，也要有VVS的純凈度，還要有足夠的克拉數；
最能有效支持決策的數據分析，不僅要從多個角度剖析，也需要有高質量的數據，還要有足夠的數據量。
要有高質量的數據，我們就要將數據在系統中規范地存儲、管理和共享。而最好的方式是要讓完整的業務流程就跑在系統上，讓數據自然沉淀在系統中，而不是再另外手工錄入。不然就會出現“線上跑不過線下”、“線上線下兩張皮”的問題。
要有足夠量的數據，需要有更高效的工具去采集、整理數據，比如現在我們有圖片轉文字、語音轉文字、有各種掃碼、各種傳感器、有自動打標簽、有RPA（流程自動化機器人）等等。
數字化系統也可以被看作是被業務流程串起來的一系列數字化工具。我們使用系統和工具越多、留下的數據越多，我們才可能發現更多。比如系統會自動記錄每個環節的流轉時間，我們可以借此分析，發現業務流程中的堵點和瓶頸。
這便數字化的“數據支撐決策”價值與管理、效率價值之間的關聯。
我不贊同“人人都要會一點編程”、“人人都是產品經理”的說法。
但數字化時代我們每個人和IT人員溝通協作的機會都更多了。
為了和他們不會雞同鴨講，我們有必要去了解一下他們的思維和工作方式。
當然，認識數字化的業務價值會讓我們更有動力去學習和實踐。
這幾年，在數字化系統實施和開發項目中，我也從技術人員身上學到很多方法，例如：
有時候我們排斥上系統，是因為覺得業務復雜、特殊情況多，人都搞不定、何況系統。但這其實并不是技術搞不定，而是業務不規范、業務不清晰。
實際上，我們如果能把所有場景的前因后果列清楚，和技術人員共同梳理歸納后，原本的幾十種情況，其實可能都能被歸納成幾大類，處理方式不過幾條if...then（如果怎么樣，就怎么做）條件規則，并沒有我們想象中那么復雜。
無論是使用現成的數字化系統、工具還是重新開發，都不太可能一步到位滿足我們所有心愿，我們需要適應“有所側重、小步快跑、數據驗證、逐步完善”的敏捷創新方法。有時候，先跑起來才知道跑沒跑對方向，發現了跑錯了快速調頭。數字化系統和工具只有先用起來，才知道哪里最需要改進完善。
其實我們很多工作都可以借鑒這種方法，這樣我們能更快地適應外部環境和業務需求的變化。
無論是收集需求還是解決問題，IT都會讓我們評估對業務的影響，排出一個優先級。
有限的時間和資源下，做事必須有主次、分先后，在快速迭代的過程中更是如此。
至于優先級熟先熟后，當然也需要有數據來支持。
技術人員往往是習慣“用數據說話”的。
比如，技術人員常會用“人天”（需要1個人花多少天）來描述任務的復雜度和需要投入的資源。在開始任務之前，他們會預估所需的人天；在完成任務之后，他們會統計實際耗費的人天。雖然只是很籠統的估算，但同樣可以作為相關決策的支持數據。
如果能夠作為業務方的代表參與數字化系統、工具的實施、開發項目，無疑會對數字化的這些思維和方法有更深刻的理解。
如果能夠在項目實踐中提升一些專業技能，會讓我們更能與技術人員同頻共振，例如：
數字化會對我們固有的工作方法、思維方式和業務流程帶來變化。
數據驅動可能要求我們改變思考和決策的慣性；假如數據分析結果與經驗直覺相悖，你能接受嗎？
系統建設可能會改變流程中的分工和權限，流程也可能要持續優化并測試驗證，你愿意改變嗎？
使用數字化工具的初期一定有學習和適應過程，你愿意走出舒適圈嗎？
敏捷迭代的工作方法可能會讓我們有“在毛坯房里邊住邊裝修的感覺”的感覺。在系統、工具啟用之初，可能問題頻發、不夠完善，你的耐心會被消磨殆盡嗎？你還相信明天會更好嗎？
其實不管我們愿不愿意變化，外部的環境都在變。比如生成式AI（AIGC）技術，最近一年飛速進化，仿佛勢不可擋。我們會不會被AI替代？試用之后你肯定會有自己的答案。但我相信，我們很快會被分為兩類——會借力AI的和不會的。
唯一不變的就是變化會不斷發生，只有保持擁抱變化的心態、不斷做出應對變化的嘗試。
我們可以主動學習一些數字化的思維和方法，并在工作中使用。比如，我們可以學習數據可視化的原理并改進PPT中的圖表；學習基礎的統計學和相關的Excel技巧，來嘗試從現有數據中獲得新的發現。
我們可以主動探索新的數字化工具，并嘗試應用于工作。就比如AI，我們可以嘗試讓AI為我們起草會議通知、提出發言思路、潤色發言稿、將會議錄音轉成文字、歸納會議紀要、甚至翻譯成英文。
國內一些大廠的AI就已經能實現這些功能，完全沒有技術門檻，還提供免費試用。
當我們認識了數字化對業務的價值、了解過數字化的思維方法、體驗過數字化的系統工具，我相信你一定也會愿意打開心懷、擁抱數字化。
AI測評網
