數字化成為了企業轉型的必經之路，如何在數字化世界構建業務，利用數字化技術的優勢來構建自己的差異化競爭力，成為所有傳統企業都在關注和追求的目標。

在2019年9月舉行的大連數字交易博覽會上，ThoughtWorks 數據智能事業部總經理史凱應邀發表了“數據智能：數字化轉型的第三個浪潮”的主題演講。隨后，在2019年烏鎮互聯網大會數據中臺高峰論壇上，他又應邀發表了“數據中臺建設的一個體系四個藍圖”的主題演講，均受到與會者熱烈歡迎。

基于長期的實踐和觀察，史凱發起成立了一個“中國數據價值研究中心”。

這個社群性質的機構的大部分成員來自高校、學會和聯盟，在成立會上發布了“數據中臺：企業智能化之路”的行業調研分析報告，總結數據中臺構建的實踐經驗，賦能更多即將走上智能化的企業。

一些數字化行業的朋友們開始調侃，史凱，成“網紅”了。當然，史凱的“走紅”絕非偶然。

作為ThoughtWorks 數據智能總經理，數字化轉型專家，他有著近20年的企業信息化、數字化咨詢規劃、實施服務經驗，參與了大量國際國內知名企業的數字化轉型合作。此外，國內“中臺”概念的躥紅，也與他不遺余力的推動有著密切關系。日前記者采訪了史凱，就相關話題進行了解。

企業轉型進入新的階段

“企業的數字化轉型正在經歷第三次變革。”根據史凱的研究，企業發展歷經信息化、數字化之后，已經進入智能化階段。

他詳細介紹了三個階段的演進過程。

第一個階段是以Information Technology（IT）為代表的信息化。史凱發現，“IT”信息化這個詞首次出現在1958年的《哈佛商業評論》，作者Harold J. LeavittH和Thomas L. Whisler兩人在題為“1980年的管理”的論文中預測上世紀80年代企業的管理將會是什么樣子，這篇文章里首次提出“IT”的概念并清晰地解釋了“IT”與原有傳統制造、傳統管理手段的區別。

史凱對此進行了深入的分析。

“IT”拉開了企業管理者和工人之間原本不大的業務差距（先前作為管理者的廠長依然要從事一些技術層面的工作），信息技術問世后，企業的管理開始分層，一些重復的勞動通過信息化手段自動化完成，效率大大提高，從而讓管理者更加專注于企業的高層管理工作。

總體而言，IT解決了企業內部的管理和生產問題，信息化建立了整個企業的管理流程與生產線，代表的系統是PLM，ERP，MES，OA等等，企業基于這些系統對內部業務流程進行梳理和優化，讓流程變成系統，能夠自動運行。

ERP等項目解決了生產、設計、研發等問題，但是產品從生產、發貨、送到客戶手上歷經層層分銷和代理，周期過長、支付不便、客戶端的反饋不及時，影響到產品的銷售更新。

互聯網和社交媒體的興起，幫助用戶實現了快速下單、電子支付以及快速的消費與體驗。

這就是數字化(Digitalization)，核心是企業對外打通了和用戶之間的生態，不僅有效地連接起了客戶，還連接起了生產制造相關的后端設備。其核心的技術就是移動互聯網、云計算，代表系統有CRM、電商、物流、電子采購等系統。

數字化，是企業發展的第二個階段。

目前已經進入第三個階段——智能化（Intelligent Empowerment）階段。

實際上，早期人們對智能化的認識很膚淺，只是看看報表，獲取更多的信息，以便輔助決策，從事核心計算的還是人類的大腦。

真正意義上的智能化，是將物理世界采集的豐富數據構成一個數字化世界，再將數字化世界中隱含著的復雜的、不為人腦所知的信息和深度經驗通過人工智能、機器學習一類的技術挖掘出來，直接去驅動業務的發展、驅動系統的運行。

智能化與信息化、數字化階段有顯著的不同，后兩者共同的特點是借助信息技術手段開展業務，在人類設計好流程、開發好軟件之后再去驅動業務的標準化，軟件起到是“翻譯器”的作用，把物理世界的思想翻譯到數字化世界，核心都是人指揮系統工作。而智能化階段的最大特點是數據驅動軟件，進而驅動人類工作、驅動業務的發展。

ThoughtWorks在2018年將智能化定義為Intelligent Empowerment，利用人工智能技術去使能所有的行業，包括賦能業務，賦能客戶和企業員工。

企業發展的三個階段也是數據的三個階段——信息化時代是數據1.0的時代，數字化時代對應的是數據2.0的時代，智能化時代對應的是數據3.0時代。

數據1.0的時代，數據被用于軟件和系統內部的局部簡單數據的統計分析，是作為輔助流程應用的副產品。

數據2.0的時代，企業級數據分析需求出現，以數據倉庫、商業智能為代表的系統，以數據可視化、分析報表為主要的服務手段，為企業的運營提供輔助決策。

從數據1.0時代到數據2.0時代，有一個共同的特點，那就是，數據本質上還是被人使用的，最終還是由人腦在形成決策驅動業務。

而到了智能化時代，也就是數據3.0時代，數據不再是被人“看”的了，數據的使用對象方式是應用系統本身，不再需要經過人的解讀和理解，系統與系統直接通信，比如：人工智能的算法從數據中心獲取洞見，獲取業務的行為指引，直接去驅動業務系統。

在零售領域，訂單被自動分析后，經過模擬，敏感性分析派發給效率最高的服務商。

在客戶服務領域，客戶的電話在接通的一剎那，大數據分析出這個客戶歷史的服務記錄，最近的消費行為，行為喜好，可能的服務要求，將ticket分發給對應的最具經驗客服人員去處理。

在生產領域，預測系統根據歷史銷量信息，市場宏觀數據自動實時的調整生產計劃，并且根據供應端的情況，動態分配生產計劃給對應的生產線。

這一切，就是智能化的體現，智能化(IE)，是企業發展的下一個階段。

數據中臺規模化提升企業的價值

要實現智能化，就要善用數據。

很多人對數據的價值有深刻的認識，但如何發掘，以及發掘后的深層次分析處理和共享應用，不同的企業有不同的方式方法。

從軟件誕生的那一天起，數據就存在了，甚至可以說數據比軟件誕生更早，但是雙方的關系正在發生變化——數據最早是軟件的副產品，隨后查詢需求、分析需求逐漸產生，存儲的需求也開始產生，數據也逐漸演變成世界最重要的組成部分。

在以往，數據是給人看的，看過之后去按按鈕、操作各種系統和工具，而現在，數據要讓系統直接用，從數據中臺“吐”出來的不再是數據，不再是各種可視化的報表，而是驅動系統下一步行動的 “ 建議”。

史凱預計，未來三年內，這種方式將會大大普及。

數據中臺概念能在時下非常火爆，與史凱在業界的推波助瀾分不開。但他認為，根本原因是企業對智能化發展、對數據利用價值、對數據直接驅動系統的需求。原有的數據倉庫、數據湖一類的技術在數據中臺時代還將繼續沿用，但它們的本質已經發生了變化，因為數據不再交給人類，而是要直接交給系統，通過數據去驅動系統和業務。

滴滴就是這樣一個典型的數據驅動的企業——滴滴不僅沒有一輛車，而且其派單、導航完全都是由機器自動完成。

數據中臺承載了企業對于數據的愿景和需求。

“當然，數據中臺會也會隨著市場的變化而變化，也許明年就會升級，不再叫數據中臺。”史凱說。

在3月份史凱的第一篇數據中臺十萬+的文章發表后，做了一個數據中臺的行業調研，基于超過450份有效調研問卷，史凱發現，市場對于數據中臺的認知還不夠全面。

史凱認為，數據中臺對企業的價值體現在六個方面，即一個成熟完整的數據中臺應該包括如下六個能力：

數據資產的規劃和治理、數據資源的采集和存儲、數據資產的共享和協作、數據價值的探索和分析、數據服務的構建和治理，數據產品的度量和運營。所有這些都是數據中臺承載的價值和功能。

想要建立數據驅動的能力，企業應該怎樣做？

史凱建議企業一定要梳理清楚三個關鍵點：一是業務場景，數據應用一定要有業務價值。二是在業務價值基礎之上明確需要采用哪些數據、數據在哪里、數據藍圖又是什么，而不僅僅關注自己已經存在數據倉庫里的數據。三是要構建數據處理和智能的技術平臺，排出優先級，制定智能化的演進路線，再逐步實施。

“價值驅動，構建數據價值鏈、自動按需服務、持續創造價值的精益數據創新(LeanData Innovation)實踐，便是ThoughtWorks對那些希望成為數據驅動的智能企業的建議。”史凱說。

ThoughtWorks的特點與優勢

當前，整個行業和市場，數據服務公司、數據平臺公司都在發力數據中臺。

這些企業可以分成幾類。一類是像麥肯錫、德勤等偏業務、偏戰略型的傳統咨詢公司，他們對企業的業務及流程有深入理解，擅長梳理流程和業務規劃的解構；第二類來自于數據基礎架構企業，其最大的特點是推出相應的產品和解決方案，如阿里云、數瀾科技、百分點等；第三類如第四范式、同盾等從事金融風控一類的垂直行業的數據服務公司。

ThoughtWorks是智能化時代為客戶提供從發現問題、分析問題、規劃路線、設計整體架構、整合行業資源到集成對應的技術、產品，形成端到端解決方案，然后交付業務價值的數字化轉型服務商。

根據Snowden教授的Cynefin四象限理論，人們當前所處的這個世界的問題可以分為四類：

第一類是簡單問題，如發現企業還沒有線上渠道，那就必須馬上建設電商平臺；第二類是簡單問題的拼裝；第三類叫復雜問題；而第四類則稱之為叫混沌問題——即非常模糊的問題。

前面兩個問題，套裝軟件和大部分公有云廠商憑借快速復制的通用功能和清晰的流程可以輕易化解，但是后面兩類問題不是一般的服務商所能應對的。

同樣是制造企業，同樣是PC生產商，聯想、戴爾和HP之間的區別，就不是三言兩語能講清楚的。這是因為每家企業的背景、歷史沿革、組織結構和文化、系統和數據現狀、授權體系等千奇百怪。

智能化時代，企業追求的就是個性化。一個企業的特質和優點越多，就越難用標準化的手段解決。ThoughtWorks擅長解決的是復雜的和混沌的問題，需要咨詢、規劃、需求、設計、工程、數據全范圍端到端能力，強調個性化定制的業務問題。

“ThoughtWorks擁有強大的工程能力，憑借對客戶業務快速而深度的理解，通過敏捷、精益的方法論幫助客戶診斷咨詢，發現問題，集成生態中對應的能力，以創新的方法和強大的定制化組合、交付的能力，為客戶提供整體化的解決方案。”史凱表示，ThoughtWorks一方面不會跟各類行業友商直接競爭（反而有更多的合作機會），另一方面，ThoughtWorks也不售賣產品。

客觀、公正也是ThoughtWorks這樣的第三方公司所具有的優勢。

ThoughtWorks的目標是那些在市場上有野心，追求頭部的和先進性的企業。對他們來說，沒有可借鑒和照搬的模式，很難找到能夠直接采用的軟件產品和解決方案，要不斷去探索，去創新去集成，要量身定制、能快速演進的解決方案。僅靠自身的力量是絕對不可能實現的。

迄今為止，ThoughtWorks已經幫助全球最大的豪車集團、全球最大的能源企業、國內領先的股份制銀行等大量的跨國性企業開展整體的數字化轉型，從數據的角度去賦能他們的業務；還幫助全球最大的PC企業構建端到端的業務系統和大數據驅動的智能供應鏈的系統。通過長期與多個行業頭部企業的合作，特別是在數據和智能領域的探索，ThoughtWorks數據智能事業部整合精益思想、設計思維和戰略思維，創建了精益數據創新體系(Lean Data Innovation)。

這個體系包括一系列的方法、工具、平臺架構和不同行業的場景實踐模板，希望通過這個體系，能夠快速的幫助企業找到數據利用的價值場景，讓數據“用起來”，打通系統間數據壁壘，讓數據“跑起來”，形成企業的價值閉環，讓數據“轉起來”，從而規模化賦能企業的各個業務領域。

這套方法論和架構工具過去兩年已經在多個大型企業落地，并且已經迭代到第四個版本。為了解決業務人員不懂技術和數據的痛點，史凱還發明設計了一套數字化卡牌的桌游式工作坊，將數據智能的常用模式、技術、類型、分析成熟度等做成一套工具卡，讓業務人員在游戲中就能充分理解掌握數字化的技術，從而更好的將數字化應用到業務創新中。

也正是因為他不余遺力的推動數據智能在各行業的應用，2019年史凱被國際DataIQ組織評選為“全球數據賦能者100人”，這也是國內的從業人士第一次獲選。

技術雷達推進數字化轉型和演進

技術雷達在某種程度上是ThoughtWorks的代名詞，在數字化轉型和演進的過程中能起到什么作用？

ThoughtWorks發布的技術雷達在業界有很大的影響力，在行業中的地位類似于Gartner的技術成熟度曲線與魔力象限。后者幫助CTO放眼未來三到五年，更好地把握行業方向和技術趨勢；而技術雷達匯聚了ThoughtWorks全球所有項目的反饋，可幫助客戶CTO、CIO以及技術中層更好地選型技術架構，更好地指導客戶的實踐。

中國數據價值研究中心：以助力數字化轉型為目標

說到史凱在發起成立 “中國數據價值研究中心”的初衷的時候，史凱提到，在過去十幾年的企業咨詢歷程中，很多時候，為中國企業做咨詢、規劃、架構服務都要對標海外的企業，比如十年前做電信，就去對標沃達豐，做銀行就去對標BOA，但是現在很多中國企業的數字化，在某些領域進入了無人區，我們已經沒有模式可以拷貝，沒有標桿去對比和學習，尤其是在數據和人工智能領域。

但是，中國企業數量眾多，不可能每個企業都從零開始摸索數據和智能的應用場景，從無到有去構建數據智能能力，這是很不經濟，也不符合社會進步的趨勢的。

“中國數據價值研究中心”立足于數據智能領域，整合數字化基礎較好的行業企業，探索總結出多個行業的數據智能利用的場景清單、模板、方法論和實踐體系，從而能夠規模化賦能那些數字化起步比較晚，數據利用比較初級的企業，用平臺化的思維，整體提升中國的智能化水平。

“ThoughtWorks希望通過借助“中國數據價值研究中心”這個平臺，整合行業資源，特別是頭部行業的實踐企業、咨詢、研究機構一起將在長期實踐過程中積累的豐富經驗推向更多的企業，協助更多的客戶加速數字化轉型的進程。” 史凱最后說。