本人曾寫過一篇企業數位化轉型的實操指引文章，恰好可以做本文回答。
企業數位化轉型操作指引
本文同步發送於同名微信公眾號「 修外求內 」，歡迎前往關註。
前言
隨著AI、大數據、5G等新一代數位化技術體系逐漸成熟，中國社會也開始逐步數位化轉型。社會要轉型，意味著作為其有機組成部份的企業及其他組織都要進行數位化轉型以跟上社會發展腳步，以免被時代所淘汰。
轉型，以利驅之，以制變之。
為什麽要數位化轉型?
雖然前言裏說了數位化轉型是歷史趨勢，不跟上就會被淘汰。但是這個命題太大，普通人可能很難理解。如果放在企業或者個人身上，就是數位化轉型本身會降本增效提升效率，而效率提升自然會優勝劣汰效率低的不轉型者。
舉一個簡單例子，在數位化轉型前，大集團在各地分部都要設立專門的財務部門，至不濟也要有人兼任財務職責，確保財務工作有序可控。在數位化轉型後，集團所有開支涉及的財務事務(發票、合約等)都可以在事務發生時直接錄入數位化財務系統，自動完成財務的錄入、輸出、統計、分析、跟蹤等財務工作。而這些工作原本是需要財務線和其他業務線協同配合才能完成的。數位化後財務效率提升，既因此提升了資金周轉率，降低了資金成本，也同時降低了其他業務條線工作成本，提升了集團整體工作效率，僅僅財務工作數位化就可以顯著提升集團整體效率而降低整體工作成本。
從上述案例來看，數位化轉型本身會提升企業效率，並降低企業成本。那麽也就意味著在其他條件不變情況下，完成數位化轉型的企業相較沒有完成數位化轉型同行業企業具有了更強的有利競爭，優勝劣汰也就是自然而然的。
什麽是數位化轉型?
如果說數位化轉型可以降本增效為我們帶來有利競爭，那麽我們下一步就要弄清楚數位化轉型是什麽?明白了數位化轉型是什麽，才能知道數位化轉型該往哪走。
數位化轉型 本質 是 用AI替代人類來做重復性工作，從而解放人類去做需要更內送流量備援容錯機制觀能動性工作。
數位化降本增效秘訣其實也就在上邊定義裏。
一，相比於人類，AI可以更高效處理重復性工作。
第一，相比人類AI可以處理無限多重復性工作，僅需要一次性裝置購置成本和較低的裝置維持成本(雲化後更可彈性付費使用)。而人類比AI會多出薪酬成本、管理成本且在重復性工作中人類效率也一定低於機器AI。
第二，AI間資訊傳輸更為高效。從消息理論角度來看，當人腦中資訊轉為語言或文字輸出到外界時，因為經歷了轉換必然有資訊損失，傳遞層級越多則資訊損失率越高。我們小時候玩過傳話遊戲就是一個典型案例，故事開始時觀測哈雷彗星的命令到最後變成了哈雷將軍開彗星牌汽車來視察。而AI間數據傳輸因為是用統一數據標準來記錄和輸送，本身不會出現資訊損失。
第三，資訊損失率會影響管理效率，縮小管理邊界。以中國建築為例，在數位化轉型前集團管理層管理邊界只能到下一級的局級管理層(即中建X局)和一些重大計畫上，再想往下管理因為管理效率有限，必然會出現管不過來的情況。當集團整體完成數位化轉型後，集團管理層可以直接關註到任何一個建築計畫的即時資訊變動，並及時對計畫異常資訊作出處理意見，管理效率大大提升，管理邊界得到極大拓展。而在層級管理中管理邊界的拓展本身就意味著管理效率極大提升。
二，解放人類去做需要更內送流量備援容錯機制觀能動性工作。
我們知道誰來都能做的重復性工作本身是低價值，就像流水線上員工永遠不會有高薪資一樣。因為標準化後的重復性工作本身只附加了極少量的人類勞動價值，附加勞動價值低也就意味著工作價值本身很低，低薪資也就是自然而然的。
除了標準化重復性工作之外，更多工作是需要我們人類針對各種現實的不確定，來發揮主觀能動性進行靈活處理。比如，醫療上疑難雜癥的處理，會計工作中不同會計管理工作的利益取舍問題，管理工作中根據實際工作變化進行靈活高效的管理決策等。
因為這些工作本身是要處理不確定性的，而不確定性本身意味著工作不能被標準化，只能由人發揮主觀能動性來靈活處理。既然需要人發揮主觀能動性來處理，必然有人處理效果好，有人處理效果差，這效果差異背後實際上是不同人對同類工作賦予了不同的勞動價值，這些勞動價值的不同本身也意味著工作價值的高低。
對於安排同一個人去做標準化重復性工作和做非標不確定性工作，必然是後者能給企業帶來更大價值。只要這種換崗帶來的成本提升低於其工作價值提升，就會為企業帶來更高的價值，也就是我們常說提升單人工作產值。
從上面分析來看，我們明白了數位化本質是什麽，也明白了為什麽數位化本身會降本增效，下面問題就是我們該如何進行數位化轉型。
數位化轉型之思想準備
因為數位化轉型是整個企業轉型，需要企業每一個人都要向數位化轉型方向去努力。所以數位化轉型第一步就是統一思想，明白企業數位化轉型是為了降本增效，對於股東來說這意味企業效益提升，對管理層來說這意味著管理效率和管理邊界的提升，對於基層員工這意味著薪資收益提升。只有在企業層面統一了整體思想，才有可能做好數位化轉型工作。
因為數位化轉型本身不是采購一套裝置，更換一下組織架構就能做好東西。數位化轉型是將企業原來工作流程的各個方面全部進行數位化轉型，這就意味著必須動員全體員工來積極參與數位化轉型工作。如果不能動員全體員工參與數位化轉型工作，只是由某個領導小組或轉型機構來做數位化轉型工作。一是會出現轉型工作阻力大大增加，導致數位化轉型失敗。二是會出現轉型工作不全面不到位，企業中已轉型和未轉型工作沖突，導致工作撕裂反而影響了企業降本增效工作推進。
所以在數位化轉型工作前必須要做到思想認識統一，即轉型方向統一，轉型原則統一、利益立場統一、協調機制統一。
數位化轉型之機制轉型
機制轉型主要分為兩部份：利益機制轉型和組織機制轉型。當然這兩個機制在某種程度上是一為二，二為一的關系。
因為數位化轉型本質是用AI替代人類來做重復性工作，解放人類去做需要更內送流量備援容錯機制觀能動性工作。這也就意味著轉型後從最基層工作開始就已經是需要面對不確定性，來發揮主觀能動性作出靈活處理的工作了。
既然是需要發揮主觀能動性對工作內容做靈活處理，則全公司必然需要一個統一工作處理原則，來確保企業內所有人工作方向的一致性。否則甲員工認為營收比盈利重要，在工作中以犧牲盈利換取營收，乙員工認為盈利比營收重要，在工作中犧牲營收換取盈利，而兩者工作處理沖突就會導致企業既損失了營收又損失了盈利。這只是大方面舉例，在日常工作中必然有更多更細致的利益沖突需要員工在一個統一原則下進行處理。
如果要定一個統一處理原則只能是企業利益最大化，但是僅有這個原則在實際工作中必然無法落地。就像我們上面舉例一樣，甲員工認為犧牲盈利是企業利益最大化，乙員工認為犧牲營收是企業最大化，最後反而造成工作沖突導致企業利益受損。那麽為什麽在同一原則下還會出現這種工作沖突呢?
主要有兩個原因：1， 資訊獲取差異 。2， 缺乏統一價值觀指引工作細節 。
在數位化轉型前，企業基層員工只能獲取到自己工作相關資訊，很難獲取到同部門其他人工作相關資訊，乃至於其他部門工作任務相關資訊。這就導致在主觀處理不確定性事務時，只能根據自己已知的片面工作任務資訊來處理，而不同部門員工已知工作任務資訊不同就會導致處理工作沖突。
舉個簡單例子雙11手機大促，在不同渠道(官網、天貓、京東、蘇寧、線下等)活動規則不一樣，往往會出現優惠資訊打架的情況，特別是在不同渠道爭排名或銷售數據時，就會出現同一企業不同渠道競相殺價，導致企業在大促期間出現自相殘殺而營收利潤雙輸局面。
在數位化前的傳統機制下，這種跨員工/部門協調往往是由兩者的共同領導來統一協調，但是因為共同領導時間有限，只能協調重大或核心利益沖突，更細一級利益沖突只能放任自流，確保企業不出大錯。但是這種協調工作因為協調內容有限，在實際過程中還會出現很多明顯的工作沖突。比如線下渠道在某地投巨資集中進行品牌形象活動，但是在活動關鍵時刻，線上渠道放出相沖突的活動資訊導致品牌活動功虧一簣，巨額活動支出被直接浪費，就是很常見的現象。一般人口中的所謂的公司「豬隊友」或「敵在**部門」就是這一情況的生動體現。
在數位化轉型後因為基層員工需要處理更內送流量備援容錯機制觀能動性工作而非重復性工作，就必然導致這種工作沖突成倍增加，如果沒有統一協調處理就會導致工作沖突成本成倍增加，導致數位化轉型失敗。
在之前講原因時候我們講了導致這一沖突主要有兩個原因，資訊獲取差異和缺乏統一價值觀指引工作細節。那麽我們要解決這一工作沖突就必須解決這兩個問題。
解決資訊獲取差異的方法是讓每個員工都獲取本公司更全面的內外資訊，也就是說讓每個員工都能看同部門其他員工和其他部門員工的即時工作內容，這樣每個員工在推進自己手中工作時都可以發現自己要做的工作處理決定是否會和本部門其他員工工作沖突，或者和其他部門員工的工作內容相沖突。因為可以即時看到其他員工的工作內容，這樣發現工作沖突後就可以發起工作協調，來解決並減少這種工作沖突。從而極大的降低公司工作沖突成本。
那麽員工可以看到其他員工即時工作資訊並主動發起工作協調，需要什麽樣的客觀條件呢?
一，公司員工工作內容數位化，打破數位孤島、工作壁壘，確保每一個員工都能看到能看到絕大多數工作資訊，從而有從公司全域角度考慮工作取舍的資訊基礎。
二，跨部門跨層級資訊協調機制。在傳統組織架構下，任意兩部門之間做工作協調都要逐級上升到共同領導層級才能進行協調。這這種組織機制下，如果協調銷售和售後間一個很小的工作沖突也要上升到公司領導層來處理，則必然會因工作量爆炸而導致組織崩潰。如果要降低這種因小問題就上升到最高層級來協調矛盾的情況，就需要在組織基層打造跨部門跨層級協調機制。從實踐經驗來看，能橫跨所有部門形成多對多跨層級協調的工作機制較為合適，且縱向跨越層級一般不低於三級。
解決了基層員工能不能發揮主觀能動性處理工作沖突客觀條件後，要面臨問題是如何鼓勵員工積極處理這種工作沖突?以及在工作沖突中如何以公司利益最大化立場來統一處理問題?
在面臨工作沖突需要協調時，基層員工可以發起工作協調來處理這種沖突，也可以不發起工作協調來處理沖突(就當自己沒看到)，畢竟發起協調就意味著自己給自己增加工作量，那麽如何鼓勵員工主動發起工作協調來處理工作沖突呢?
三點：1，利益機制保障，要建立員工利益和企業利益的直接掛鉤利益機制，確保員工明白公司損失會直接傳導影響個人損失，公司受益也會直接傳導影響個人受益。
2，權責利一致原則，確保工作沖突處理人權利、責任、利益和工作沖突相匹配匹配，避免權利、責任、利益不匹配導致利益沖突影響協調工作。有合適的工作內容上升下放機制及匹配的權責利傳導機制。
3，容忍限度範圍內失敗。因為基層工作變成了需要面對不確定性的主觀處理工作，則必然有一定的失敗機率和工作損失。對於工作範圍內的合理失敗和工作損失，公司要有合適的容納和激勵機制，確保基層員工能積極面對、處理工作損失，並主動最佳化自身工作內容。
合適的利益機制讓員工可以發起工作協調來處理工作沖突，但是在工作沖突處理過程中必然涉及到不同員工/部門間利益取舍問題，如何有效保障這種利益取舍是符合公司整體利益則需要由統一價值觀來引導梳理。
數位化轉型之突破口
任何轉型工作的開始都不能直接進行整體轉型，這屬於休克式公司轉型，很難有好的轉型結果，反而轉型失敗機率很高。合適的轉型方式是先找到合適的轉型突破口，在突破口做出合適的轉型成果後，再逐步推開轉型工作，用利益驅動轉型，用成果指引轉型，這樣才能有較好的轉型成功機率。
從實踐經驗來看，企業轉型突破口一般有兩個選擇：大數據積累較為充分的部門、利益矛盾沖突最突出的部門。
大數據積累較為充分的部門適合成為突破口，是因為數位化轉型本身是要把工作內容轉為大數據，然後由AI處理來降本增效。這種情況下大數據累積較為充分部門因為本身數據積累較好，不需要從頭做數據積累工作，可以直接嘗試AI來降本增效，轉型成本小則轉型阻力也會較小。
利益矛盾沖突最突出部門適合成為突破口，是因為這種部門本身利益矛盾沖突突出，而突出的利益矛盾本身意味著較大轉型獲利空間，轉型後整體轉型收益較好，可以較好的展示轉型成果和指引後續轉型。
至於在公司實際工作中該選取那個做突破口則需要根據自身情況，因地制宜做出不同選擇。
數位化轉型之工作方法
在選好突破口開始轉型工作前，我們要選擇好合適的工作方法。因為數位化轉型工作本身會調整工作原有利益分配格局，帶來大量利益沖突，而這些利益沖突必然會成為轉型阻力。為了降低轉型阻力增加轉型成功機率，在突破口的轉型工作上我們必然要選擇轉型成本最小轉型獲益最大的方式。
但是因為在沒有開始轉型工作前，很難設計出出完美的轉型阻力小且轉型利益大的工作方法，只能以試錯方式來優選出合適的工作方法。這裏可以借鑒IT行業最小可行產品(Minimum Viable Product，簡稱MVP)理論，以較低成本反復試錯後叠代出合適的轉型工作方法後，再考慮逐步推開問題。
因為數位化轉型本身是用AI來處理數位化重復性工作，而AI誕生的基礎又是大數據，所以無論轉型如何推進，工作資訊數據化工作一定是要做在最前面，因為這是一切基礎。
AI本身是演算法組合，其能處理重復性工作的本質是把我們日常重復性工作所需經驗轉換為演算法組合固定下來，所以其能處理重復性工作。也就是說AI處理重復性工作理論是把實際工作內容轉換為數據，把人的工作經驗轉換為演算法組合，最終用演算法組合處理工作數據，再用數據驅動實際工作完成。
我們現有工作流程、工作內容是按照人類工作習慣來設立的，必然不適合於直接照搬到AI工作上。因為即使人類眼中的重復性工作中其實也會需要一定主觀能動性來處理不確定性(否則就直接機械化了)，比如零件小瑕疵如何在裝配中以合適方式解決的問題。因為AI本身是演算法組合只能處理確定性工作，而確定性工作裏只要有一點不確定性需要主觀判斷處理，則這份工作就無法AI化處理。這就要求我們在重復性工作的AI化過程中，盡量將工作內容、工作流程標準化來消除不確定性，或者將無法標準化的工作從原有工作流程/內容中拆分出來由人類集中處理。也就是說數位化轉型本身要求我們將非標工作標準化，以適應AI處理。
在企業初步完成數位化轉型後，並不意味著數位化轉型工作的結束，而是進一步提升企業效率開始。過去我們提升企業效率是依靠人的經驗來透過最佳化工作流程、工作內容來解決。但是在數位化後實際上是由AI來處理日常工作，這時我們要提升工作效率就是要最佳化AI的演算法組合。最佳化演算法組合一般有三個思路，一是將現實中優秀經驗轉換為演算法組合，二是在構建初步演算法組合後透過調參或增加數據量的方式來最佳化演算法組合，三是從純數學角度，對已構建演算法組合進行理論最佳化，並進一步匹配實際工作。
結語
數位化轉型本身既是工作轉型，也是利益轉型，更是思想轉型。如何在轉型工作提升轉型利益，用轉型利益推動思想轉型，用轉型思想來引領工作轉型，形成一個正向改革迴圈是所有數位化轉型工作都要面對的大命題。
