数字化转型，对于传统企业来说真的是一个令人头大的问题。这个“头大”并非指在数字化转型如何做规划、如何执行层面，而是，在听到“数字化转型”这几个字的时候，就头大。
前两年被提到的“互联网转型”，企业依旧在努力，还没有开始适应互联网的各种概念、模式，现在又出现了“大数据”、“智能化”，仿佛传统企业是有原罪的，是老土的，不懂互联网，不懂数据，不懂智能，不建个数据中台，组个数据团队，就注定落伍了。
其实，我们还是不要那么悲观，印度人不靠大数据系统，外卖行业照样发达，准确率堪比美团。
达巴瓦拉，指印度孟买从事将刚做好的午饭饭盒从上班族（主要是郊区）的住家运往他们工作地点，并且将空饭盒带回来这一行业的人。
在马拉地语中，达巴瓦拉意为“运送盒子的人”。“达巴”意思是盒子（通常是圆桶状的锡或者铝制容器），“瓦拉”则是词尾，指对前面的词操作的人。
达巴瓦拉的编号系统
所以，从传统企业做数字化转型的角度来讲，第一件事情，就是心理建设：不要过分焦虑。
但凡会考虑进行数据化转型的传统企业，一定是有一定规模的，而这样的企业则更应该保持冷静、客观的判断。
小的传统企业，如果也在操心如何进行数字化转型，弯道超车，应该慎重，因为极小的可能性，运气好可以超车，而大概率会翻车。
数字化转型，按照一个比较模糊的边界可以大致划分为两段，为了方便理解，我们先把它称之为“前面一段”和“后面一段”吧。
前面一段的企业数字化转型大都是从采购、生产、管理、销售等具体场景进行的数字化，让所有流程都能比较清晰地呈现并管理，这个阶段主要是引入各种ERP、CRM、OA、KM、PM软件，这些软件的引入，对于许多传统企业来讲确实是一个原子弹般的大杀器，用得好可以提升效率，降低成本。
这个阶段对于传统企业比较好理解，应当不是“如今传统企业如何做数字化转型？”这个问题在当下提出所要重点解决的问题。
那前面一段，本身已经能够有效解决问题了，那为什么还需要进行“数字化转型”呢，莫不是哪里出了问题。
和哪吒本身魔丸的气质不同，并不是企业采买的这些软件本身出了什么问题。而是，企业一脚迈入了“数据智能”时代，技术升级了，环境变化了，老套路需要升级迭代了。只有这些传统的软件，已经比较难解决企业在新环境下生存、发展、竞争问题。
在“前面一段”，软件是比较封闭的，让企业的流程和管理更加高效就足以解决问题，除了在财务和业务规划方面，要比较粗放的使用一下数据以外，基本上不太会用数据做什么事情了，所以它更像是一个企业的超级管理员，董事长和CEO的三头六臂。
对企业来说，“数据”并不是资产，数据代表的那些东西才是资产。
所以在这一阶段，一些传统企业，在进行互联网转型的时候也会无比艰难，O2O导师在各种企业里穿梭，成功的却寥寥无几。就是因为“数据”资产并不能有效盘活，传统企业可以学到互联网商业模式的表皮，却很难把数据驱动的内在也学会。
到了“后面一段”，事情正在起变化。数据的变得越来越重要，甚至有“数据是企业最重要的资产”这样的说法。数据还是那个数据，只是因为数据可以在大数据技术突飞猛进之后，可以得到有效的利用，可以利用数据进行智能化思考、决策，整个商业的底层逻辑在改变，企业不进行数字化转型，未来可能是和“机器企业”在肉搏，结果可想而知。
这里可以扯一个能源的例子，我国南海发现了大量的可燃冰，这个如果能够有效开采，将会改变能源格局甚至国际政治格局，但是现在开采难度大，并不能有效利用。可燃冰还是那个可燃冰，在可利用和不可利用的阶段，重要性是完全不一样的。
Deloitte德勤和4Paradigm第四范式发布的“数字化转型新篇章”中，将数字化技术的演进路径划分成了三个阶段：连接、分析、智能。并判断，数字化转型已经逐步进入了一个智能化阶段。
图源：Deloitte德勤和4Paradigm第四范式发布的“数字化转型新篇章”
但是，很多传统企业，甚至连"数据”这个门槛都没有迈过去，就谈不上“智能”，对于这些企业来说，连接尚存问题，分析还没有头绪，智能就更是遥遥无期了。在这个过程中硬上一些智能化解决方案，就会水土不服。
图源：大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的《数据竞赛白皮书·上篇·1000场竞赛的深度分析》
伴随着技术水平的日趋成熟，越来越多的行业开始尝试融入信息 技术，技术落地也成为数字化创新的首要目标。组织机构希望加入数字化转型的趋势性浪潮。
然而，数字化却面临着诸如抗拒改变的文化氛围、有限的分享和协作、业务尚未准备就绪、人才短缺、 现有实践不适宜进行数字化、以及成本投入巨大等多方面的挑战。
对绝大多数组织机构而言，推进数据科学项目耗时漫长、所费不赀。从集思广益提出创意，到通过审慎评估形成切实可行的方案，继而投入大量尖端人力进行算法开发，成果新鲜出炉后投入现实场景加以应用验证，再到确定其效果与回报后推行全面部署——每一个环节都会牵涉到大量资源的协调投放与各方利益诉求的平衡， 更少不了富有预瞻性的战略判断、科学专业的运营管理、以及发 现误差后能够进行敏捷的优化调整。
在这个具有强烈不确定性的过程中，至少需要配置项目负责人、 业务负责人、技术负责人、研发人员四种角色，且最终的产出成 果依赖于四种角色的高度专业、丰富经验和相互配合，但凡有一 环出现迟滞或脱节，都有可能导致重大损失，或在瞬息万变的数字化时代丧失创新发展的先机。
回到问题本身，传统企业如何做数字化转型？
其实选择不多，无外乎一下几种：
这里借用一下，大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的“数据竞赛白皮书·上篇·1000场竞赛的深度分析”报告中的图，这里给出了一个比较好的划分维度。
图源：大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的《数据竞赛白皮书·上篇·1000场竞赛的深度分析》
1.自建研发团队
2.收购数字化企业
3.与科技公司建立战略合作关系
4.成立风险投资基金，投资科技企业/团队
5.举办数据竞赛
接下来咱一个一个来看：
清华经管学院、互联网发展与治理研究中心发布的“数字经济与中国市场的数字化转型 ”中，我们可以看到，中国目前85%的数字人才都在产品研发类，为什么会出现这样一个现象，其实很好理解，这些人基本上都被大的互联网科技类公司以及一些做数字化解决方案（产品）的公司消化掉了，以动辄百万年薪的大价钱拿下了，能够分流到其它职能、其它行业的很少。
数据来源：清华经管学院、互联网发展与治理研究中心《数字经济与中国市场的数字化转型 》
而且这些人基本上分布在北上深杭这些城市，其它城市都是净流出。
数据来源：清华经管学院、互联网发展与治理研究中心《数字经济与中国市场的数字化转型 》
企业即便是找到了一个首席科学家，都很难组建完整团队。我之前接触过江苏省一个还算靠前城市的城市商业银行，他们花大价钱从北京挖了一个数据科学家，准备组建数字化团队，但用了两年多的时间，只招到了2个人，三个人的团队要负责一个资产几千亿的银行做数字化转型，难度和成功率可想而知。
数据来源：Kesci & WTW 《2018数据人才白皮书》
从另外一份报告，Kesci&WTW《数据人才白皮书》中的两个词云数据也可以印证这一点。从行业分布来看，数据人才主要集中在数据需求较高的互联网和科技行业。从地域分布来看，数据人才集中在高科技企业较为集中的城市，如北京、上海、深圳、杭州、广州等城市。
不过，情况正在好转，自2016年首批3所高校获批数据科学与大数据技术专业，2020年，第一届应届生就要走向工作岗位了。
自2015年以来，全国各 省市地方高校积极开设数据科学与大数据技术专业。截止到2019年6月份，全国34个省级行政区中有29个省级行政区的481所院校成功新增备案数据科学与大数据技术专业，其中有 个别院校开设了两个不同学位的数据科学与大数据技术专业。
数据来源：大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的《数据竞赛白皮书·上篇·1000场竞赛的深度分析》
考虑到前沿技术与商业场景之间存在的认知偏差，虽然2023年后，数据人才会大批量供应，也不能保证企业就能够快速用起来。在这之前，数据类人才依然非常贵，而且待在那些行业不会挪窝，这确实是个硬伤，对于绝大多数传统企业来说。
收购数字化企业是很多大型传统企业会考虑的一个选项，但如果数字化转型就是买一个公司这么简单就好啦。收购数字化企业的好处是，可以在短时间内解决“技术”、“人才”方面的问题，如果企业在战略层、需求层考虑的比较清楚了，虽然存在磨合问题，是可以发挥效益的。
图源：Deloitte德勤和4Paradigm第四范式发布的“数字化转型新篇章”
不过，在数字化转型时，企业往往没有办法真的把战略层梳理清楚，所以需求也不能立足长远来进行思考，这会给收购数字化企业带来误判的风险。
如果业务团队和技术团队，不能有效协作，数据层的能力建设也是非常有难度的。再加上运营方面，还需要多方磨合和融入。一个花高价收购来的公司，如果不能很好融入企业架构，也就不能发挥效能，这是需要提前想清楚的。
比较遗憾没有找到这方面的统计数据，后面有的话再补上吧。不过，收购数字化企业进行转型的例子还是比较多的。
耐克公司宣布收购位于波士顿的预测分析公司Celect,在收购技术公司上又走了一步。在购买Celect之前,耐克已经开始疯狂购买。
2016年,它收购了位于纽约的数字设计工作室Virgin MEGA,并由Richard Branson的维珍集团支持,以帮助建立其SNKRS应用程序,这是一年前推出的鞋子商务平台。
2018年3月,耐克收购了消费者数据分析公司Zodiac,以加速其“数字化转型”,因为其销售继续在线转移。今年4月,它宣布收购位于以色列特拉维夫的计算机视觉公司Invertex,他们的技术应用与最新的3D扫描功能,能够准确预测人们应该购买的鞋子大小。
此次收购的Celect是一家购零售分析公司,创立于2013年,它们主要利用人工智能预测购买行为并储存顾客行为。耐克首席运营官埃里克·斯普朗克(Eric Sprunk)表示,随着Celect技术融入,耐克将更好地预测客户想要什么款式的运动鞋和服装。预计Celect将通过预测消费者购物者行为,帮助耐克控制库存降低缺货率,同时提高利润率。（引自：浙江省大数据产业联盟）
2019年9月，麦当劳宣布收购AI语音初创公司Apprente，金额未透露。该公司的技术可以应用在汽车餐厅的点单环节，据称此项技术能减少顾客等待时间，将提供“更快，更简单，更准确的订单”。该项技术的使用场景是麦当劳旗下汽车餐厅品牌——得来速（Drive-Thru），顾客驾车进入购餐车道，不需要下车就可以进行点餐、付款、拿取产品，之后驾车驶离购餐车道。
之前的3月份，麦当劳以超过三亿美元的价格收购个性化营销服务公司Dynamic Yield，目的是创建个性化菜单，实现精准营销。
麦当劳认为，天气、当前餐厅流量、其他推荐等因素都会影响食客的购买欲望，他们通过数据的变化，为食客定制菜单，从而促进营收增长以及控制成本。
该技术现已在美国8000多个餐厅落地，并计划在2019年底之前推广到美国和澳大利亚的所有麦当劳餐厅。值得一提的是，该笔收购也成为麦当劳20年来金额最大的一笔收购案。（引自：亿欧）
图源：大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的《数据竞赛白皮书·上篇·1000场竞赛的深度分析》
实际上就是找一个靠谱的、信得过的外包公司，做一定程度的利益交换。也有可能是纯外包，但毕竟数字化转型是一个长期的事情，所以除了一些模块化的项目，基本上还是倾向于建立长期合作关系。
如招商局与IBM，海通证券与腾讯，中华保险与腾讯，一汽解放与华为，普华永道与华为，五粮液与阿里巴巴，烟台银行与新华三，雀巢与天猫，邮政与华为，惠普与阿里云，这样的例子非常多。
这样的合作往往需要比较长的周期，成果的延展性与可实现性也要取决于合作的质量，所以需要建立一个稳定的对接团队。在内部执行落地环节，需要进行大量的培训工作。
图源：Deloitte德勤和4Paradigm第四范式发布的“数字化转型新篇章”
成立风险投资基金，投资科技企业或团队，这不失为一个非常好的选择，比起收购成熟数字化公司来说，风险会更大，不稳定性更高，但也不排除会有比较大的惊喜。
风险投资需要一个专业团队进行投前研究与投后管理，事实上相当于传统企业一脚踏入了投资领域。在经历半年到一年的项目周期，花费比收购数字化公司更少的资金以后，就可以让科技团队以企业的真实业务场景为课题，进行相应的数字化创新研发。
需要注意的是，投后管理也是一笔不小的资源支出，这一块需要有丰富经验的团队来推进。存在投资失败风险，但也可能会成功地捕获优秀的创新方向。
图源：大数据系统软件国家工程实验室、和鲸科技、AWS共同发布的《数据竞赛白皮书·上篇·1000场竞赛的深度分析》
数据竞赛可以说时下最火的课题之一了，据《数据竞赛白皮书》统计， 2014年至今，全球范围内的各类数据竞赛总量超过1000余场。
其中，仅中国市场就已发布共计逾400场数据竞赛，年均增长率高达108.8%。236家企业、政务部门、高校和科研 机构作为赛事主办方参与其中；吸引约36万支团队、120万人次参赛；奖金规模合计高达2.8 亿元人民币，赛题覆盖33个行业应用场景。既然热度这么高，一定有原因了。
首先说结论：数据竞赛并不能作为企业数字化转型的主要手段，但确实是我目前看到的能够轻量化直接开启数字化转型的有效手段。
当大家为了数字化转型的战略、路径、需求争论不休的时候，直接招人搭团队没有头绪的时候，不理解业务场景与数字化到底有什么关系的时候，举办一场数据竞赛，往往是一个比较巧妙的破局点。
为什么那么多企业、机构、政府会举办数据竞赛，或许是因为这是最容易开始的一种数字化转型手段。
优点是，一般成本会比较低，也不太需要其他资源的投入，对接团队也不需要是完全专业的，附带有一定的社会影响力（因为有参赛选手和赛事宣传）。比较适合传统企业，想要进行数字化转型，但又不知道如何着手。
缺点是，由于是一场数据竞赛，所以成果直接用于业务上可能性较低。
来源：知乎（王大溪）
