第一講就提出資料的全量全要素連線是實現良好使用者體驗的基礎。那麼，如何實現全量全要素的連線呢？我在第一講筆記中也提到，這似乎是一件非常理想的事情，因為每個業務物件的屬性非常多，難道要真的全部屬性的資料都採集回來？
如果真是這麼做的，那麼就是本節後面提到的“眉毛鬍子一把抓”了，這種做法成本太高，也不能區分主次，因此是不可取的，實際上也是無法實現的。
因此，問題轉變成，要獲取哪些業務物件的什麼全量全要素資料？
一開頭，課程就提出一個觀點，每一家數字化企業轉型的終極目標都是進化成一個“智慧體”。
什麼是“智慧體”？
從字面意思理解，“智慧”是指這是個東西具有智慧，也就是有AI驅動的大腦；“體”表示這是一個整體的，而不是離散的；合起來，智慧體就是一個AI大腦驅動的各個部分有機聯絡能實時反饋的整體。
因此，“智慧體”企業，需要有AI驅動的決策中心（大腦）、打通各個部門的資料平臺（血管）、有機連線的能實時和決策中心對接和反饋的各個部門（四肢）。
要實現“智慧體”，最基礎的是全量全要素的連線和實時反饋。那麼回到前面的問題，到底做好要採集哪些資料呢？針對這個問題，華為提出了“三個維度”模式，要從一個業務物件的設計態、製造態和執行態三個維度出發，來完成全量全要素的資料採集和連線。
以手機這個業務物件為例，設計態資料包括手機器件的尺寸、手機物料供應商、手機的設計功率和效能資料等；製造態，包括產線、產線管理員、組裝時所使用的的物料等；執行態，包括穩定性、開機時間、發熱情況、卡頓情況等。
只告訴你從哪幾個維度去採集資料還不夠，還需要有判斷是否採集夠了的標準。華為還提出了一個標準：是否能夠還原業務物件的全貌，是否擁有了一個數字孿生兄弟，是實現了全量全要素的資料採集和連線的標準。
什麼是數字孿生？
數字孿生，也被稱作Digital Twin、數字雙胞胎，是對物理世界實體或系統的數字化表達，簡單的理解，就是在虛擬世界中，“複製”真實物理世界中的事物。價值在於通過模擬物理世界的運轉流程，從中預判趨勢和風險，為決策提供依據。
數字孿生這個概念，通常認為是美國密歇根大學教授Michael Grieves博士於2002年提出的。
2019年，Gartner將數字孿生評為當年十大戰略科技發展趨勢之一，並估計到2020年，數字孿生將連線數十億實體裝置。
採用數字孿生技術，通過對執行資料進行連續採集和智慧分析，可以預測維護工作的最佳時間點，也可以提供維護週期的參考依據。數字孿生體也可以提供故障點和故障概率的參考。
數字孿生給工業製造帶來了顯而易見的效率提升和成本下降，使得幾乎所有的工業巨頭趨之若鶩。
以美國通用公司為例。他們號稱自己已經為每個引擎、每個渦輪、每臺核磁共振創造了一個數字孿生體（截至2018年，GE已經擁有120萬個數字孿生體）。
有了數字孿生有什麼好處呢？好處是，現實世界裡面很難做的事情，可以在數字世界中的孿生兄弟身上去完成。比如前面提到的用汽車的數字孿生兄弟去做碰撞測試，去降低研發費用這個例子。
是否一定要採集全部資料？
實際上，這裡面還有一個問題仍然沒有解決，那就是針對所有業務物件，都需要採集設計態、製造態和執行態三個維度的全量資料嗎？
筆者認為不是，到底採集哪些資料還需要從業務需求出發，從實際業務場景出發，從最需要解決的業務問題出發。
課程中舉的例子是手機制造的例子，可能不適合提供軟體服務的企業。那麼舉另外一個例子，假設某企業要研發和釋出一個APP。
如果從零開始研發，那麼保證APP的高質量應該是最需要解決的業務問題。那麼，設計態維度上，要對設計APP的架構師、UI設計師、產品經理等人員的資訊、所負責的模組、所採用的技術等要資料進行收集；在製造態維度上，要對研發人員的姓名、所負責的模組、測試案例覆蓋度、測試結果、測試環境等資料進行收集；在執行態維度上，要對IT資源的使用、介面訪問、出錯、告警情等資料進行收集。然後綜合分析APP的穩定性、設計的合理性、開發和測試的質量等，為下一步人員的調配及質量提升等提供決策依據。
如果是一個執行良好的APP，那麼目前最需要解決的問題可能變成如何提高使用者留存量和轉化率。這時候，更多的要從執行態維度上收集使用者相關資料，比如使用者的使用習慣、使用者資訊、使用者評論、頁面冷熱程度等，為使用者拉新和留存提供決策依據。
什麼樣的應用是數字化應用？
光采集了資料還不行，還要對資料充分使用，使得其價值充分體現出來。筆者認為，這實際上是資訊化系統和數字化系統的本質區別。
華為CIO陶景文在《中國沒有世界級的工業軟體，是一種恥辱》一文中提出，“數字化轉型，一定要構建出基於資料的智慧化的核心的生產，運營和決策系統。它一定是為一個企業的主業服務。一定要容易使能主業，我們不是在簡單的去做一個管理系統。這是工業時代與數字化和資訊化的最大區別。60年代工業革命誕生的時候，誕生了一系列的資訊化的手段，包括ERP，CRM，PDM，MES等等。這些都是事後記錄系統，都是管理系統，不是給業務用的，是給管理人員用的，不是給使用者用的，只是給少數專業人士用的。”
本節課程進一步提出，數字化系統需要具備基於資料實現七大功能：預測、預警、監控、協同、排程、決策和指揮。
-
預測，就是基於當前及歷史資料，對未來進行預測。
-
預警，就是基於資料分析，根據數字化的業務規則，及時報告異常。
-
監控，就是對目標業務物件進行實時監控。
-
協同，是這個系統與其它系統之間的密切配合。課程中舉了生產系統和訂單系統、物流系統等配合的例子。
-
排程，是這個系統對其它相關係統的排程。
-
決策，就是基於資料對於未來做出判斷和決定。
-
指揮，發揮中央指揮功能，對相關係統進行統一管控。
還是以前面那個手機例子為例，一旦發現手機的某個元器件有問題，那麼通過具備七大功能的數字化系統，就能定位到元器件的數量、供應商、裝有這個器件的所有手機、手機的使用者等；生產系統可以根據供應商、物流、生產進度、銷售進度等資訊對生產過程進行管控、決策甚至指揮。
回到您企業現有的系統，可以對比這七大功能，到底具備了幾個。對比之後，您就可以判斷您的系統到底是資訊化的還是數字化的了。不出意外的話，如果您的企業是一個傳統企業，絕大多數的系統仍然是資訊化系統。那麼就想想要不要參考華為這個標準來改進吧。
對企業的啟示
-
建立基於業務需求的全量全要素的資料採集和連線的標準和規範。既要避免眉毛鬍子一把抓，也要避免什麼資料都不採集。
-
資料採集好以後，一定要用起來。資料就是金山銀山，不能坐在資料的金山喊窮。
-
要建設新型的數字化系統，而不是過時的資訊化系統。要求數字化系統具有七大功能，充分發揮資料的作用，參考這個建立數字化系統的標準。
相關文章：
感謝您的閱讀，歡迎關注我的微信公眾號！
