無論多么復雜的企業數字化建設，都是由這些基本的能力和習慣推動的。有的企業在數字化建設方面駕輕就熟，這和團隊擁有這些數字化意識和習慣密不可分。

記錄 Recording

數字化的第一步是記錄。把物理空間的人、事、物都轉換成數字記錄。

比如，企業在銷售活動中需要記錄客戶的信息、銷售轉化的過程、報價的文件以及簽約的合同；在采購活動中，需要記錄供應商的信息，詢價的過程以及采購合同的簽訂。因為銷售和采購活動管理質量的需要，我們還因此需要記錄銷售產品和采購物料的規格信息、客戶和供應商的聯系人信息等。

企業經營活動中，所有涉及的對象最好都能夠被記錄。

從上面這個銷售和采購例子延伸，可以覆蓋到一個企業運營的全部環節。我們會發現，所有的業務環節都會需要數據，也會產生數據。那么我們應該怎樣遍歷企業的經營活動來識別這些需要記錄的對象呢？

在企業架構理論中，通常使用價值鏈分析方法來列舉企業的所有價值創造活動。經典的價值鏈分析會按照一個企業價值創造的全過程列出管理活動，順著這個思維，我們列舉企業經營活動就不至于掛一漏萬。但是，不同行業和企業都有自己獨特的價值創造過程。在列舉的時候不必拘泥于下圖這個經典框架。比如在我們軟件行業，所有涉及物料和物流的環節都不存在，價值創造過程的結構是完全不同的。

有了屬于自己的價值鏈圖景，就可以通過這個全環節過程來依次檢查其中的所有數據是否都被記錄下來了。要注意，我們說的記錄指的是企業擁有全局一致的記錄，而不是指的個別企業員工的自發的部分記錄。

企業價值鏈分析的終極目的就是為了實現更高的價值創造效率，所謂效率就是使用更低的成本，和用單位成本帶來更大的產出。圍繞價值創造過程記錄數據就是為了能夠完成相關效率指標的衡量和改進。比如在客戶溝通環節，我們要記錄的對象包括客戶對象本身，溝通的內容，溝通的批次，以及溝通帶來的反饋。當我們記錄了這些數據以后，就能夠通過持續的數據積累來分析客戶溝通方法的優劣。

上面這個例子只是企業運營過程中的一個微小環節，管理它的記錄過程并不特別復雜。但是在這個例子中，有一些對象的記錄依然容易被忽視。比如，營銷部門可能記錄了營銷活動的內容，卻沒有記錄完整批次，或者可能沒有對客戶反饋進行統一記錄。造成這樣遺漏的主要原因是我們在識別記錄對象時沒有從閉環的改善目標（PDCA方法）出發，而僅僅是為了完成一個運營任務。這給我們一個啟發，規劃數據記錄任務的時候，不能僅僅圍繞執行角色的需求，還要兼顧管理角色進行分析和改善的需求。

在實際進行數據記錄的時候，可以把涉及一個業務環節的所有人、物和事分別列舉出來，檢驗其中哪些對于執行和改善的閉環有幫助的。比如在采購詢價環節中，對應的“人”包括企業方的采購人員、供應商和供應商的聯系人，對應的“物”包括需要采購的物料，而“事務”則是詢價的過程和采購的過程，我們實際使用詢價單和采購單來實現。如果和供應商有采購框架合同的，則這個合同當然也是需要記錄的對象。我們在后面講到”結構化“數據管理習慣的時候還會進一步提出更專業的要求。

我在《跟著案例學習信息架構和零代碼搭建》一文中介紹了RPIC信息架構法，它能夠用基于業務活動角色出發的方法，遍歷業務流程和信息觸點，從而能夠完整準確枚舉出需要進行記錄的所有數據對象。

在理想情況下，這些數據都應該管理在數據庫中，并通過應用軟件和用戶進行交互。但在實踐中，企業的數字化建設不會立刻進入理想條件，所以，即便沒有整合的信息系統，企業依然應該創造條件先記錄下這些信息，哪怕是用Excel文件。

在沒有信息系統，或者信息系統沒有覆蓋的業務環節，記錄工作也有巨大的價值。Excel作為商業分析的最通行工具，也是商業數據記錄的主要載體。無數經理人使用Excel建立了各種各樣的臺賬表格。它們可以用于事后的分析，用于決策和運營改善，也用于日常的數據查詢需求。

除了Excel，還有類似石墨、騰訊文檔、飛書表格等在線表格替代品。它們起到的作用是類似的，而且具備在線共享的天然優勢。所以最近幾年，已經有越來越多的組織開始用在線表格記錄和管理業務數據，作為更完善的數字化系統的前奏。

因為缺失了信息系統的約束和控制，在使用Excel或者在線表格記錄業務數據時，要注意一些問題：

一個數據文件或者表格應該只管理單一的對象。比如訂單和客戶的信息最好分開保存。

同一性質的對象只使用一個數據文件或表格來記錄，而不是按照月份、地區等維度分開建立。即使分開建立，也要保證使用相同的結構，便于合并。

要記錄事實的流水，而不是匯總信息。比如我們應該記錄倉庫的每一筆出庫和入庫記錄，而不只是記錄累積的出庫數量。

如果一個的企業的業務數據都能夠被規整地記錄在電子表格中，那么它就基本完成了數字化的第一步。接下來，用專業的數字化系統來進一步提高使用效率就沒有那么困難了。

分類 Classification

分類也是一個數字化意識和習慣。在數字化環境中進行分類并不需要把數據一堆堆分開，而只需要在數據上加入分類維度即可。個人用戶也會利用分類法來管理自己的任務、書簽、筆記等，它也常常被作為生產力工具被開發成各種個人應用。

每一項商業數據，無論是管理人員，事務還是物理對象，都需要有大量的屬性來去描述。所謂企業數據的分類，就是對各種業務數據記錄賦予維度屬性。

什么是維度屬性呢？比如，在銷售過程中，我們應該對客戶所處的行業，所在的地域，人員規模等指標建立統一的維度。這些分類維度一旦確定，一般就不會再進行修改。比如，有的企業把客戶規模細分為“大中小”三個選項，有的則根據雇員人數分成若干等級，有的則按照銷售額劃分成不同級別。設計不同的分類維度既為了業務運營效率的考慮（為不同規模的客戶適配不同的銷售人才和流程），也為了完成業務分析（分析銷售額和不同產品在不同規模企業中的購買量）。

概括來說，對數據進行維度分類是為了運營和分析的需要。所以，這些維度設計需要來自管理人員的策略計劃，而不是忽略或者從其他系統照搬。

具體執行分類工作時，相當于在Excel文件中加入用于分類的列。這些列不同于一般的文本和數值，通常應該是一個預先確定的選項列表。只有通過這個方式，才能讓分類維度標準化（Normalization）。除了創建選項列表，直接使用關聯的對象來標識也可以起到同樣的作用（在后文介紹結構化時會提及）。而如果分類維度本身是時間和數值的區間，則不再需要人為建立這些維度。數據分析工具一般都能夠提供數值和時間的聚類能力（Clustering）。

用Excel文件來進行數據記錄時，不同數據表格之間一般是不關聯的，因此，如果要規范分類維度，Excel文件中的列就需要預先確定錄入規則，或者我們可以使用Excel的選擇下拉列表功能來幫助控制輸入的唯一性。分類維度的一致性（Integrity）對于數據質量非常重要。

然而，我們不能完全依賴電子表格的這些特性來維護數據質量。要建立有序的數據記錄，我們就需要使用關系數據庫概念來建立數據之間的關聯。當一個銷售訂單出售了一個產品的時候，在訂單明細中，應該關聯產品記錄，而不只是從一個列表中選擇正確的產品名稱。接下來，我們就介紹與此相關的數據結構化。

結構化 Structuring

講到數據的結構化，在不同的語境中含義有所不同。在企業業務數據領域，我們特指關系數據結構（Relational Data Model）。上一節最后提到的例子，一個銷售訂單是一個數據表，它和銷售訂單明細表關聯，后者的記錄可以直接關聯訂單表的記錄。同時，銷售明細表也和產品表關聯，因為一個產品可以出現在多個銷售訂單明細中。這種反映業務數據關系，不冗余信息的數據結構就是關系數據庫。

下圖就是一個反映以上例子的關系數據結構描述，我們一般使用這種實體關系圖的標準描述方法。其中每個矩形框代表一種業務數據對象，其中行就是屬性，我們提到的分類維度屬性也被包含其中。兩個矩形之間的連接箭頭代表了數據關聯關系。

如果不建立關系數據庫應用，依靠電子表格也可以部分地模擬關系數據結構。用戶只需要在主表的單元格引用關聯表格的數值就可以。比如在聯系人表格中引用關聯公司表的公司名稱，但是使用電子表格無法建立約定，如果用戶沒有按照約定使用，那么這個關聯關系的質量就難以保證。

雖然Excel和在線表格都無法替代完善的關系數據庫應用，但是結構清晰，分類嚴謹的電子表格依然能夠成為數字化建設中的優質原材料。良好的數字化意識和習慣能夠加速企業的數字化進程，節約建設成本。當企業擁有了專門建設的應用系統時，只需要導入這些電子表格內容就能夠建立關系數據結構，只要數據質量足夠高，關聯甚至能夠自動創建。

明道云零代碼應用平臺能夠幫助客戶低成本高效率建立業務應用。其中工作表及其關聯關系就是本小節所介紹的數據結構化實現。它并沒有那么高深，一般企業管理者都能夠輕易掌握。

模塊化 Modularization

數字化建設的模塊化和工業、建筑等行業中的模塊化有類似的含義。它一方面指的是可以復用的業務單元或者業務環節，另一方面則強調建立某種標準和協議，讓模塊之間可以按照約定共同使用。

數字化領域的熱詞“中臺”，它的本質就是業務模塊化設計。在較大規模的企業中，業務組織架構復雜，很可能包含多個事業部門，每個事業部門都有部分重復的職能。數字化建設的要點就是不要重復發明輪子。所以模塊化思維是大中型組織的必修課。

在具體的企業實踐中，模塊化設計的數字化系統貫穿在幾乎所有職能上。我們例舉幾個：

不同事業部門都涉及會計信息處理。涉及財務影響的業務活動都可能對公司的損益表和資產負債表產生影響。昂貴的財務分析工作一般也都集中在公司層面，而不是分散在事業部門。這就要求每個事業部門在構筑自己的應用系統時，使用統一的財務分類維度（成本，收入和費用的財務科目編碼）。我們可以理解業務系統和財務系統都應用了模塊化設計思維，相互之間時可以無縫連接的。企業軟件行業把這個過程稱之為“業務財務一體化”。

銷售、服務、營銷等環節都會創建和更新和顧客有關的信息，因此，模塊化的企業數字化系統會獨立考慮建立顧客數據，或者讓某一個環節的顧客數據被其他相關環節共同使用。因為這個思維，企業就有機會查看一個顧客的全生命旅程數據，從廣告營銷的觸點，一直到售后的服務過程。這個概念被描述為顧客數據平臺（Customer Data Platform），也是一個中臺相關概念，它也是模塊化設計的經典體現。

一個零售品牌可能同時面對多個電商平臺，也可能管理自己的線上線下店鋪。它需要在一個共同的物流和倉儲平臺上為每個零售終端提供準確的庫存信息，同時，這個庫存信息還需要連接采購和生產系統，以保證每一個SKU的流動都被準確的記錄和跟蹤。企業增加任何采購和銷售環節，都是通過一致的接口向物流和倉儲系統寫入和讀取數據。這就是模塊化的供應鏈系統。

以上三個例子表明，模塊化設計思維是復雜的企業數字化運行成功的核心。缺乏全局考量的盲目和孤立建設都會讓數字化舉步維艱。

到了模塊化這一層級，電子表格這樣的零散工具就無論如何也滿足不了企業的數字化需求了。這也是企業軟件和服務行業的生意源泉。高水平和高質量的模塊化設計產品，在滿足企業需求方面具備明顯的競爭優勢。

自動化 Automation

在企業管理中，經常有一句話，“能夠讓機器做的事情絕不讓人做”，這反映的正是“自動化”的數字化思維。機器執行不僅比人的效率更高，而且準確度也更高，而我們花費了精力去記錄，分類和結構化數據，就是為了讓軟硬件能夠自動為我們執行一些事務。

比如銷售團隊簽署了合同以后，可以自動化執行交付流程；產品交付以后，可以自動化執行財務流程；員工入職以后，可以自動化執行崗位培訓流程；根據生產設備的點檢計劃，可以自動化定期生成點檢任務。這些例子都是企業的自動化場景。

要理解自動化，并且能夠主動規劃自動化流程，就要理解自動化邏輯的基本概念。所有的自動化都應該有“觸發器”和“動作”這兩種要素組成。觸發器就是自動化執行的觸發條件。抽象來看，在企業事務的自動化中，觸發器可能是某一個業務數據的新增或變更，也可能是一個特定的時間。比如，在以上例子中，產品交付狀態變更為已交付就是一個數據變更性質的觸發器，而對應的動作就可以是開發票。

有了這個抽象思維以后，我們就可以在企業運營工作中尋找應該自動化的環節。識別出這個事務的觸發器，以及編訂滿足觸發條件后的執行動作。

明道云的工作流就是完全按照這個理念設計的能力。用戶可以不用寫代碼，直接通過對話框來可視化配置各種自動化工作流。

分析和洞察 Reasoning

結構化的數據除了實現自動化，還有一個重要的目的就是為了商業分析。對于管理角色而言，商業分析可能是數字化的思維起點。如果我們要知道原材料價格變化對利潤的影響，我們就需要在采購過程中結構化記錄各種原材料的精確成本信息，并能夠與財務利潤數據進行比較；如果我要分析加工設備參數對質量結果的影響，我們就要搜集加工工序和設備參數的時序信息，并與含有同樣標記信息的質量數據進行比較。

所有的分析和洞察都是為了某個判斷或決策。這個決策可能是運營的改善，也可能是更中長期的戰略決策。數字化意識中最高級的就是數字化決策，但它不是空中樓閣，高價值的分析洞察來自于完整記錄的高質量數據。所以，前文介紹的基礎意識是建立數字化決策的前提。

商業分析的意識來自于對企業管理目標的追求。所以，我們可以從常見的管理目標出發來開展商業分析工作。

1）為跟蹤和檢驗目標達成

目標管理是現代企業管理方法中最基礎的實踐。無論什么職能部門，都可以識別到符合SMART原則的目標，這個目標通常必須是定量且可衡量的。比如銷售部門會衡量銷售轉化率，質量部門會衡量缺陷率，人力資源部門會衡量員工流失率。圍繞這些管理指標展開商業分析是目標管理的前提。在這種需求下，商業分析不僅要能夠提供指標答案，還最好是自動化實時計算的，它提供了管理看板，讓管理者對結果和趨勢都有全盤的掌握。

2）圍繞改善的目標而進行歸因和相關性分析

首先，需要改善的問題本身就需要數據的確認，而不能來自經理人的主觀感受。比如，我們不能以質量經理個人的感覺來評判質量水平。問題的確切識別是需要對專門指標進行對標分析，比較質量指標和客戶要求規格以及行業平均水平之間的差距。

當發現了低下的運營指標，我們可以通過數據分析來找到它的歸因。無法找到根因的也可以找到相關指標。通過對關聯要素的持續改進，不斷檢驗這個指標的變化，從中就能夠找到更好的實踐方法。這就是所謂的PDCA過程。

3）決策輔助

信息系統無法替代企業決策，但是它能夠為人的決策提供輔助。企業決策包含運營決策和戰略決策，前者更多地依賴信息系統給出結果，比如在制造業的采購決策中，采購數量和時點取決于生產、銷售、庫存和物料結構數據的復雜計算。而戰略決策則對企業外部環境信息更為敏感，企業未必能夠通過自己擁有的數字化系統得到輔助，所以更多依靠的是經理人的分析和綜合。

這六項數字化意識和習慣，聽起來很抽象。但是通過簡單的案例說明，大多數人都不難理解。一旦理解后，就能夠在日常行動中主動發想，積極尋求機會來提升數字化水平。我們作為軟件產品公司，在招聘和培訓中都會貫徹這幾項基本能力的檢驗和訓練。數字化咨詢和顧問行業的專業人員不僅擁有這些思維習慣，而有對應的工具箱，能夠幫助客戶來落地這些思想。

如果您覺得本文有價值，請分享給其他企業用戶，也歡迎您免費注冊體驗明道云這個獨特的數字化企業伴侶。