跟著華為，學數字化轉型（4）：數據採集
第一講就提出數據的全量全要素連接是實現良好用戶體驗的基礎。那麼，如何實現全量全要素的連接呢？我在第一講筆記中也提到，這似乎是一件非常理想的事情，因為每個業務對象的屬性非常多，難道要真的全部屬性的數據都採集回來？
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，要獲取哪些業務對象的什麼全量全要素數據？
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繫能實時回饋的整體。
因此，「智慧體」企業，需要有AI驅動的決策中心（大腦）、打通各個部門的數據平台（血管）、有機連接的能實時和決策中心對接和回饋的各個部門（四肢）。
要實現「智慧體」，最基礎的是全量全要素的連接和實時回饋。那麼回到前面的問題，到底做好要採集哪些數據呢？針對這個問題，華為提出了「三個維度」模式，要從一個業務對象的設計態、製造態和運行態三個維度出發，來完成全量全要素的數據採集和連接。
以手機這個業務對象為例，設計態數據包括手機器件的尺寸、手機物料供應商、手機的設計功率和性能數據等；製造態，包括產線、產線管理員、組裝時所使用的的物料等；運行態，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數據還不夠，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：是否能夠還原業務對象的全貌，是否擁有了一個數字孿生兄弟，是實現了全量全要素的數據採集和連接的標準。
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，數字孿生將連接數十億實體設備。
採用數字孿生技術，通過對運行數據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，也可以提供維護周期的參考依據。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、每台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數據？
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對象，都需要採集設計態、製造態和運行態三個維度的全量數據嗎？
筆者認為不是，到底採集哪些數據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製造的例子，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發布一個APP。
如果從零開始研發，那麼保證APP的高品質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、所採用的技術等要數據進行收集；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、測試環境等數據進行收集；在運行態維度上，要對IT資源的使用、介面訪問、出錯、告警情等數據進行收集。然後綜合分析APP的穩定性、設計的合理性、開發和測試的品質等，為下一步人員的調配及品質提升等提供決策依據。
如果是一個運行良好的APP，那麼目前最需要解決的問題可能變成如何提高用戶留存量和轉化率。這時候，更多的要從運行態維度上收集用戶相關數據，比如用戶的使用習慣、用戶資訊、用戶評論、頁面冷熱程度等，為用戶拉新和留存提供決策依據。
什麼樣的應用是數字化應用？
光採集了數據還不行，還要對數據充分使用，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，一定要構建出基於數據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，不是給用戶用的，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數據實現七大功能：預測、預警、監控、協同、調度、決策和指揮。
-
預測，就是基於當前及歷史數據，對未來進行預測。
-
預警，就是基於數據分析，根據數字化的業務規則，及時報告異常。
-
監控，就是對目標業務對象進行實時監控。
-
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。
-
調度，是這個系統對其它相關係統的調度。
-
決策，就是基於數據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、手機的用戶等；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數據採集和連接的標準和規範。既要避免眉毛鬍子一把抓，也要避免什麼數據都不採集。
-
數據採集好以後，一定要用起來。數據就是金山銀山，不能坐在數據的金山喊窮。
-
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，充分發揮數據的作用，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！
