工業(yè)企業(yè)認識數(shù)字化轉型，需要搞明白三個層面的問題：觀念層面、邏輯層面、方法層面。
1、觀念層面就是價值觀、認識論層面。一句話就可以說清楚。推進數(shù)字化的目的和難點是價值創(chuàng)造；技術是原理及簡單與細節(jié)復雜的綜合體。
2、筆者意識到：邏輯的作用是幫助我們發(fā)現(xiàn)價值
前面提到數(shù)字化技術的難點是創(chuàng)造價值。更明確地說：真正的難點往往是發(fā)現(xiàn)價值。這個環(huán)節(jié)有問題，數(shù)字化技術就會華而不實?！鞍l(fā)現(xiàn)價值的邏輯”包含但不限于以下內容：
◆不僅要看技術本身，還要看業(yè)務、看管理。
◆不僅聽人怎么說的，還要理解人們怎么想的、怎么做的（特別是與部門和個人利益相關時）。
◆不僅看現(xiàn)在，還要看未來。要知識復用帶來的價值，社會發(fā)展和政策取向的影響；理解持續(xù)改進的價值。
◆不僅看直接效益，要看間接效益。例如，質量對品牌的影響、能力對適應市場變化的影響。
◆不僅看局部的價值，還要看全局的價值。因為數(shù)字化往往是全局利益最大化。
◆不僅看自己的價值，要看對客戶帶來的價值。全心全意為客戶服務，遲早會轉化成企業(yè)自己的利益。
◆不僅看企業(yè)的價值，要看對員工的價值。在老齡化的時代、年輕人多是獨生子女的時代，這一點特別重要。
◆用極限指標視角重新評估業(yè)務。也就是說，有些指標不僅限于PDCA一步步地逼近。
◆認識管理、標準的價值：這些是工業(yè)企業(yè)的基礎能力。
◆不僅要著眼于生產，還要著眼于研發(fā)、服務、管理、銷售、采購。
◆……
發(fā)現(xiàn)價值困難，很大程度上因為企業(yè)的數(shù)字化轉型是個性化的。對一個企業(yè)有價值，對另外一個企業(yè)未必有價值。特別需要指出的是：對發(fā)達國家、先進企業(yè)有價值的，對發(fā)展中國家、落后企業(yè)不一定有價值。切忌照抄照搬。盲目模仿是不行的，必須靠自己的腦子想明白。這些邏輯就是幫助人們想明白的。
有人說，數(shù)字化轉型要針對痛點。這個觀點聽起來合理，其實往往很難做到。原因就是價值難以發(fā)現(xiàn)、難以說清楚。如果僅僅談表面的需求、針對所謂的痛點，往往會發(fā)現(xiàn)：該做的事情過去都做了、用戶要你做的往往是不能做的。也就是說，淺層次的價值，往往早就沒有了。如果用戶怎么說你就怎么做，你會發(fā)現(xiàn)用戶提出的是“偽需求”。所以，數(shù)字化轉型特別需要看得深一點?？吹蒙睿托枰@些邏輯。
3、方法層面是理解如何用數(shù)字化技術實現(xiàn)價值的
方法層面的原理簡單，指的是我們強調人類知識數(shù)字化、人機協(xié)同決策。也就是說，數(shù)字化決策邏輯可理解的，是人類決策加強和替代。這意味著，不要把太多的期望寄托于機器學習，用機器獨特的邏輯超越人。這些數(shù)字化方法往往針對企業(yè)管理的弱點，與標準化方法、PDCA、對標找差這些傳統(tǒng)有效的方法相結合。深入理解現(xiàn)代工業(yè)后，就可以理解這些簡單做法具有廣泛、一般的有效性。而機器學習的作用空間其實沒有人們想象的那么大。事實上：除了圖像識別，機器學習最重要的作用其實是適應系統(tǒng)的變化，而不是幫助人們獲得知識。
我們會發(fā)現(xiàn)，這樣的數(shù)字化技術是對工業(yè)管理思想“繼承基礎上的發(fā)展”。比如，標準化方法很簡單。但同樣的方法，機器可以做得比人好、出錯少、反應快。這些方法可能不是最好的、但是可行的、是可以做得比人更好的。而做得比人“更好”就可以創(chuàng)造價值。要知道：能創(chuàng)造價值的方法就是好方法。如果你覺得這個方法不理想，還可以持續(xù)改進。采用“比人做得更好”，就是“領先半步的先驅”；反之，追求理想的最優(yōu)化，往往就是“領先一步的先烈”。
今天意識到：筆者講了多年的數(shù)字化轉型，其實就這點想法。
來源：儀表圈/作者：郭朝暉，工業(yè)自動化博士、教授級高工，專注于工業(yè)數(shù)字化轉型及技術創(chuàng)新研究領域
