企業DX數字化不懂？一文帶你掌握DX助力企業成長的技能

數字化轉型 (DX)

是一種透過將數字技術整合到運營流程、產品、解決方案與客戶互動中來推動業務創新的戰略。這種策略的重點是透過關注數字資產的創造與貨幣化過程，利用新技術帶來的機會及其對業務的影響。

數字化轉型涉及到數字生態系統的建設，在這個系統中，客戶、合作伙伴、員工、供應商和外部實體之間形成統一的無縫整合，可以從整體上提供更大的價值。

DX

這個詞流行起來已經有好幾年了。也透過Python相關技術幫助企業實現了很多

DX

相關的業務。而且很多初次接觸的領導們都會問幾個問題：

我有點明白，但我到底該怎麼辦？

我經常聽到數字化轉型，但是會發生在我的公司嗎？

我的日常工作習慣、生活會隨之改變麼？

如果數字化轉型需要什麼樣的人力資源配合？

DX 和 數字使用之間的區別

DX

是

數字化轉型（Digital Transformation）

的縮寫。是以數字方式進行轉換，但這個詞本身並沒有定義要以數字方式轉換的內容。

可能要好奇為什麼是

DX

，難道不應該是

DT

麼？有幾個原因：

數字化轉型意味著透過賦予業務和運營數字功能，從而徹底改變業務和運營的運作方式。

Digital Transformation

不僅是一種技術解決方案，更是達成新一代

NEXT-GEN

商業模式的途徑。

由於

DT

已經被佔用，並且也有多個解釋，例如

Digital Technology

或者

Data Technology

或者

Domain Technology

等等。而

X

通常會有交叉、橫跨、轉換的意思，同時還可以解讀為數字化轉型之後的不確定性、不可預測的

X

。

很多傳統行業者會覺得這個事情很難，比如

數字如何使用

、

IT

、

物聯網

，不知道如何構建聯絡。

DX之前的數字化歷史

迄今為止，收集資料的目的是為了讓人類基於收集到的資料做出決斷。而且，對於人類做出的決斷，採取行動的也是人類。

雖然工作本身已經由數字和機器人等代替，但其結果是，即使自動化和高效化得到了發展，

“按按鈕的行為”

本身還是由人來完成。

物聯網收集了難以想象的資料量

由於稱為物聯網（IoT）的技術成為熱門話題，透過網路收集現實世界中各種事物的資訊的活動已經開始。與可收集的現實世界資料量的急劇增加同步，處理大量資料的計算機的處理速度也提高到了前所未有的水平，人工智慧已經達到了可以用於商業的水平有了它已經成為的背景，不如把一些判斷留給計算機，而不是聚集在會議室裡，對收集到的資料做出判斷，然後選擇做什麼。

從 2018 年左右開始，資料收集能力將進一步提高。因此，人類判斷和執行已經可以交付機器執行。在某種程度上，數字控制可以做出最準確的選擇，而不受

經驗主義

或

情緒波動

傳播造成的不平衡的影響。

從技術角度看DX的本質

技術角度來看，

數字化轉型（DX）

可以說是在一定程度上

把人類做出來的東西留給數字化

的舉措。

在實現了 DX 的企業中，可以比以往更多地收集大量資料，在收集大量資料的無數選項中最有效的選擇。將能夠數字化判斷。數字和機器人也會執行判斷結果。以人為中心的人，在能理解的範圍中，利用數字技術的效率化工作的數字應用技術。

從商業角度看DX的本質

還記得2016年國內興起的

優步

麼？衍生出來國內現在的滴滴、曹操這種軟體。

使用者使用優步應用程式來設定他們的位置和目的地。當用戶在附近找車時，司機在優步APP上提示司機接車時，匹配完成，司機接使用者，目的地。

在現有的計程車行業，擁有一輛車、派車、管理車輛、教育司機都是人工完成的。但優步只需一部智慧手機即可開始，使用者和司機都可以。更重要的是，汽車可以利用私家車的空閒時間，透過引入一種叫做相互評價的機制，讓使用者和司機相互評價，自動實現對駕駛員的監督。

DX的本質是業務數字化轉型

從案例研究中可以看出 DX 與數字化的區別

早期依靠人工手工處理的Yahoo主頁

現在已經是一人一部智慧手機的時代，但是20多年前網際網路剛剛起步的時候Yahoo的官網主頁卻是由人工進行分類、上稿的（填寫申請、稽核繁瑣的過程）。

顯然當下發達的網際網路，這種官網分類的業務資料如同繁星般已經是人們無法快速處理的業務了，這樣一來搜尋引擎不能隨意地為搜尋關鍵詞排列合適的頁面，人力是無法跟上的。

因此需要大量自動化程式來處理這些資料內容，進而對實際的業務進行 下一步的指示操作。例如推薦演算法，利用使用者的興趣愛好進行統計有針對性地推送主頁的相關資料內容資訊，單憑人力是做不到的。

谷歌處理的資料多如星辰

人類無法做到，但谷歌的搜尋引擎已經實現了一種機制，利用人工智慧從如此大量的資料中實現適當的搜尋結果和廣告展示。

搜尋引擎從一開始就是數字化的！可能會認為支援您的搜尋和廣告投放的工作中有很大一部分是由人力調解的。然而，在我們不知情的情況下，搜尋引擎公司的業務是 DX，提供的服務是在沒有人為干預的情況下提供的。

所有現有業務中產生的大量資料

隨著物聯網的出現，可以收集現實世界中的各種事物，透過降低具有高速處理能力的計算機的價格，可以從海量資料中進行判斷。因此，是所有行業都要做DX的時候了，即使不是像網際網路業務這樣被認為是“海量數字技術”的行業。

物聯網使收集大量資料成為可能，不僅在網際網路上，而且在現實世界中。

很多行業出現了人類不依靠人工智慧等數字技術無法應對的情況。

所有行業都做

DX

，而不僅僅是在網際網路世界。

DX 讓行業產生巨大的變化

傳統行業製造商示例

目前很多企業只能透過問卷調查等方式定性地獲取產品的使用狀況，並將改進納入新產品需要相當長的時間。

有的老闆經常說，

“我要做一個滿足客戶需求的產品”

，但是他卻不知道怎麼做。

因此

“讓我們用充分利用數字技術的DX來解決它！ ”

。

首先，製造業的主要業務分為設計產品、開發產品、製造產品、銷售產品和維修產品。一旦瞭解了客戶的需求，將資訊反饋給設計工作，那麼下一個產品就會是反映客戶需求的產品。

那麼如何透過數字化捕捉客戶需求？換言之，該產品配備了能夠收集各種資料的物聯網機制。

例如，一家生產電動助力腳踏車的公司。將獲得電動助力腳踏車的使用狀況的資料，其中包括：

一個月使用多少次。

透過獲取腳踏車的角度，通常騎行的斜坡。

一個月有多少騎行里程，使用時耗盡了多少電池，電池劣化了多少。

然後，您可以看到各種內容，例如：

使用狀態不是很高，但電池電量明顯耗盡。

使接近斜坡也有不使用電動輔助功能的情況。

等等。

只需透過網際網路更新軟體就可以實現這些事情 ，透過感測器獲得各種是否正在進行等資訊。

目前來說做的比較好的汽車行業，美國汽車製造商特斯拉已經做到了這一點。

物聯網的使用狀態代表客戶的聲音

從電動助力腳踏車的例子可以看出，IoT 可以讓生產廠家詳細瞭解消費者的產品使用狀態，從而掌握哪些功能沒有使用或者是否按預期使用等情況。 。

因此可以及早發現設計問題和開發問題。改進速度加快，消費者不會因為不滿而使用產品，透過接收廠家改進產品的公告，可以獲得增加品牌歸屬感的效果。

這已經足夠了，但在這個階段它仍然是

初級 DX

。在此範圍內，人們將聚集在會議室並在檢視組織透過數字技術收集的資料的圖表時做出決定。

然而在更廣泛的

DX

中 ，計算機將根據獲取的資料做出自己的判斷，並改變現實世界中的活動。

資料不僅存在於事物中，還存在於商業環境中

我們需要全面的

DX

實現。

在上面的電動助力腳踏車的例子中，可以獲取到使用者購買的腳踏車的資料，但是

社交網路上談論的話題

和

社會變化與消費者需求

我們卻無法獲取生產技術改進、採購材料成本的波動等。

儘管圍繞這個產品需要更多的資訊，但如果我們只關注我們可以透過數字化的力量獲取使用資料、業務周圍環境的其他變化和環境的其他變化這一事實，他們可能無法或者可能沒有意識到他們的潛在需求。

換句話說，對於

商業環境的變化

，比如

客戶的聲音

應該被獲取，即使它實際上包含更多的元素，也大致掌握並實現了

真正的最佳化

。有時你在你無意中做生意。

DX 時代需要哪些人力資源？

在這樣一個DX時代，需要什麼樣的人力資源呢？

管理者 DX 人員需要能夠鳥瞰整體

成為 DX 人力資源的人不僅要了解某項業務，還要了解一家公司業務的橫截面檢視。需要區分“能獲取的資料”和“不能獲取的資料”，重新定義業務機制（=業務模式），實現公司的理想形態。然後，我們必須建立一個業務流程（=業務流程）來實現業務結構（=業務模型）。

這項工作被稱為生產者或商業設計師。

DX 執行者倍看做一個小型的網際網路公司

實際上為企業主體提供三方的幫助和支援。預設其為一個小型的網際網路公司作為企業的一個部門進行管理。

基本人員結構

人員結構詳解

系統架構師 關鍵詞：結構、模型、數倉、測試、安全

選擇業務最適合的開發架構，例如現在比較流行的微服務。

業務模型的選擇，例如現在流行的MVC，MTV。

系統安全結構選擇，災備防禦、壓力測試的設計等。

資料倉庫型別選擇，例如基礎的Orical、MySQL、Mongodb，Hadoop生態下Hive、Hbase。

計算框架的選擇，按照對應數倉。

解決日常疑難問題。

主要使用語言Java。大公司使用Python。

專案經理 關鍵詞：配合、規劃、排程

與架構師協商安排開發計劃。

需要了解團隊每個成員。

更多充當排程的角色。

整體產品的質檢、風控。

開發流程的設計和最佳化，協調。

主要使用Office、Xmind、MindManager等。

產品經理 關鍵詞：設計、需求、互動、協調

能撰寫流程圖，MRD、BRD、PRD文件。

能製作高、低保真原型圖。

能結合業務設計產品，並根據反饋進行最佳化。

能獨立做競品分析，分析當下同行產品的優缺點。

必須具備前端業務和後端開發語言翻譯的能力。

主要使用Office、Xmind、MindManager、Axtru等

模型演算法工程師 關鍵詞：統計、指標、機器學習

根據產品經理設計的產品設計資料需求和選擇最優的演算法模型框架。

2。能最佳化迭代計算模型提升業務，例如使用者流失預測提高精準度，和召回率。

3。根據業務流程選擇最優的計算框架，提高計算效率。

4。負責資料預處理、資料分析、模型構建等資料探勘的環節。

5。主要使用R、Matlab、Python。

資料工程師 關鍵詞：採集、數倉、計算、調優

常說的ETL或者初級DBA的角色。

需要掌握資料採集的多種渠道和方式，比如爬蟲，API介面對接。

輔助演算法工程師進行資料預處理工作。

資料計算方式的設計，例如實時計算的Spark-Streaming。

主要使用資料倉庫類及配合軟體。

前端工程師 關鍵詞：互動、美觀

Web、HTML、H5開發。

JS、CSS程式碼編寫。

儘可能的把UI&UE設計的內容發揮到極致，例如圖形、圖示、動態圖、動畫等。

主要使用PHP。

後端工程師 關鍵詞：穩定、介面、模組

資料介面的編寫。

資料管理後臺的編寫。

把產品設計的功能進行編寫。

主要使用Java，根據架構的需求，也有使用Python。

UI&UE 關鍵詞：美觀、使用者感

美工&使用者體驗設計。

主要使用PS。

測試工程師 關鍵詞：測試、BUG

測試產品BUG。

測試產品壓力。