该文摘自电子工业出版社《数字蝶变-企业数字化转型之道》赵兴峰著
从工业时代到互联网时代，以及目前正在经历的从互联网时代到数字时代的 变迁中，旧的模式被打破，新的模式被创造。
在这个全新的时代，所有的人和物都被联网，所有的事情都被记录，数据成 为这个时代的资产。建立数字愿景，拥抱数据技术，以领先者的身份享受数据技 术所带来的红利，成就了新一代的创富企业，也成就了新一代的创富人。
1.1 顺势而为谋发展
目前，我们已经生活在一个数字化的世界中，企业内外部的环境都发生了巨 大变化。如果说互联网冲击了商业，那么这波大数据技术浪潮将直接冲击人类的 生产方式，因此，人类已进入一个巨大变革的时代。
顺应时代发展，升级企业的产品和服务、生产方式、管理方式、商业模式才 是唯一的出路，固守传统必然会被时代所抛弃。因此，拥抱趋势需要把握五个要 点：第一，顺势而为；第二，把握机会；第三，洞察本质；第四，谋局而定；第五， 高效管理。
顺势而为，顺应数字智能趋势
创新是永恒不变的话题。原有的商业模式已被抛弃，新型的商业模式正在创 造资本的神话。其中的一些企业因为没有把握商业模式的本质，在一轮轮的市场“洗牌”中被淘汰。
对消费电商领域的市场竞争格局进行深度分类后，可以看到新的融合的电商 正在侵蚀传统电商的市场。基于更加精准的地理位置服务，继美团之后，高德和 百度逐步成为服务电商与实物电商的入口。未来入口之争仍然会继续，因为谁掌 握了家门的“钥匙”，谁就是家的“主人”，这个所有权可能与房屋的“产权”无关。
电商领域的市场格局如图 1-1 所示。
认清本质，把握趋势是企业家的基本领导力之一。看清市场格局，知道如何 定位，明白谁才是真正的竞争对手尤为重要。
1．趋势：要顺势，不要违势，势不可挡
时代变了，就要顺应时代的发展，我们无法抗拒的是“势”，而不是“事”， 做事容易，顺势难。我们非常容易感知“黑天鹅”的小概率事件，但容易忽略“灰 犀牛”的大概率事件。例如，当人均生活水平超过 4 000 美元，全民达到小康水平时， 我们的消费档次就会提升，对物质的追求必然会从一个基本功能追求 ——满足饱 腹蔽体，上升到追求生活美学。这是一个必然的规律。
在未来，大规模定制化智能制造必然取代目前的大规模工业化生产，就像工 业生产必然取代机械生产，而机械生产必然取代手工制作一样。但很多企业家还 在怀疑、犹豫、观望，面对“灰犀牛”大概率事件，我们往往不知不觉，而对偶 然发生的小概率事件则感到新奇。
未来的生产方式一定是人机协作的生产方式；未来的各种重复劳动的岗位必 然被机器替代；未来的管理方式必然越来越依赖机器算法；未来的数据智能决策 系统必然会取代现在绝大多数的信息系统。一个全新的智能时代正在开启， 这个 趋势不会以谁的意志为转移。
2．优势：要先行，不要后行，先行者有持续性优势
与传统技术存在的“后行者优势”不同，数据技术有的是“先行者优势”。 例如，燃煤发电，原先的设备通过 60 万千瓦以下的低功率燃煤机组发电，除非这个设备已经老化或者到了使用年限，否则不会直接用 100 万千瓦以上的燃 煤机组直接取代它。 早期建立的电厂效率和环保状况较差，而新投资的更大功率 的燃煤机组具有较高的效率，所以“后行者”具有更高的效率优势。
一套信息化的软件会不断推出新的版本，先行者采用前期版本后，在不到制 约企业经营之前，不会随便卸载旧版本升级为新版本；在电气化时代，一旦使用 了 1.0 版本的电气设备，除非完全过时，否则不会考虑置换 2.0 版本，即使 2.0 版本有更高的效率。所以，这就是“后行者优势”。
然而在智能化时代，这种“后行者优势”不再存在，而先行者将拥有更多的 优势。 智能化的本质就是在数据的基础上不断产生新的算法和管理方案，不断积 累并沉淀规律和知识，形成新的“经营和管理诀窍”，通过迭代的方式不断自我 升级。 这种内部自我升级的方式， 与外部技术和产品升级的方式不同， 其是“ 大 脑”的升级，就如同一样好学、具有一样智商基础的两个人，年龄大的永远领先 于年龄小的，在没有寿命和体力制约的“组织”条件下，“长者”一般会在“智慧”上领先“后生”。
过去，技术先行者会获得暂时的优势，当后行者采用更加先进的技术时，“后 行者优势”开始显现，“先行者优势”无法持续保持。在智能时代，“先行者优势” 将更容易保持，甚至难以被超越，但前提条件是“智能化先行者”必须保持足够 快的升级和迭代速度。
未来企业间的竞争优势将主要体现在算法迭代速度和计算能力方面。有人曾 经说过，未来企业的竞争优势等于“数据 + 算法 + 算力”。而笔者认为，这个公式应该是乘法，即未来企业的竞争优势等于“数据 × 算法 × 算力”。没有数据， 竞争力等于 0；没有精准的算法，竞争力等于 0；没有超强的计算能力，竞争力等于 0（见图 1-2）。
未来企业的三大竞争优势是数据、算法和算力，前两者具有“持续性先行优 势”。只要数据不断被积累，资产就会不断被积累，企业进而可以进行更多的数 据分析和挖掘；算法不断迭代升级，也会产生越来越多的经营和管理诀窍；而算 力则随着硬件的不断升级及软件的不断优化，与传统的信息化和电气化具有相似 的“先行者劣势”（“后行者优势”）。随着云计算服务业的发展，利用“以租代购” 的方式实现算力的升级可以将“先行者劣势”降到很低。
趋势不可违，顺势而为不是“是”与“否”的选择题，也不是“何时开始” 的命题，而是“怎么开始”的命题。对企业来说，整合并积累数据，引进人才， 迭代算法，迈出“数字化转型”的第一步尤其重要。
把握机会，开启数字化转型之路
这是最坏的时代，也是最好的时代。数据技术创造了越来越多的机会，把握 住一个好的机会就能够快速进入，并成为“独角兽”。这个时代延续了互联网时 代的各种思维创新模式，唯快不利。而这又是一个“资本决定速度”的时代，借 助资本的快速推动， 很多企业能够在短短的几个月内达到百万级的用户量， 实现 数 10 亿元的投资估值。
从 2017 年开始，越来越多的企业走上了数字化转型升级之路，越来越多优 秀的企业在数字化转型之路上开始实践。企业数字化转型已经成为时代的趋势， 而且越来越紧迫。众多企业已经开启了赛跑模式。
在与这些企业接触的过程中，可以看到很多企业在推动数字化转型的过程中 因为不得法，走了弯路，浪费了金钱，耽误了时间。毕竟数字化转型从 2017 年 才刚刚兴起， 大家都在探索中， 摸着石头过河， 走弯路、 走错路， 都是正常的， 因为大家都缺少成功经验可以借鉴，缺少最佳实践可以模仿， 缺少前沿理论可以给予指导。
即使如此，数字化转型目前已经不是做不做的问题，而是如何做的问题，对 任何企业来讲都是如此， 与大小无关、 与行业无关、 与市场竞争格局也无关， 现 在拥有丰厚社会资源的央企和国企都已经开始行动， 民营企业更要行动起来，把 握这个机会，把握这个技术红利机会。
笔者在服务客户过程中发现的典型问题就是企业混淆了 IT 和 DT 的概念。很 多企业认为只要通过系统升级，就能够建立大数据体系，就能够实现数字化转型。 其实这是一个误区， 很多企业提出的是数字化转型。但在做规划时还是由 IT 部 门负责，最后做成的是 IT 规划，而不是 DT 规划。
IT 和 DT 是不同的。IT 规划以 IT 基础设施和信息系统为核心，服务于企业 的业务流程，提升的是流程的效率；而 DT 规划则要以数据为核心，以数据管理为内核，以数据开发和数据应用为内容，以数据分析和挖掘为手段，服务于企业 的经营和管理决策， 提高决策的质量和效率， 这与以流程和效率为中心的 IT 规 划具有本质区别（见图 1-3）。
（左）以“业务流程”为核心的传统 IT 规划 （右）以“数据”为核心的 DT 规划
洞察本质，利用数据技术实现认知升级
“凡事必有道理，凡事必有方法。”从“跟风”到“跟实”是完全不同的把握 机会的方法。如果其他人做一个共享单车的商业模式创新，你就跟随复制一个共享 充电宝、共享雨伞的模式，并且不能洞察这个创新背后的商业逻辑，那么你的复制 就是失败的。
在互联网时期，借助资本的驱动，通过复制其他人的模式，快速占领市场的 做法逐步开始过时，资本也开始“聪明”起来，更加谨慎地考察一个商业模式背 后的商业逻辑，而不是一味地“跟风”投资。
在研究了大数据相关技术应用，以及在推动企业实践之后，我们深刻地认识 到，如果说 20 年前的互联网技术可以错过，那么现在的数据技术则是不能错过的。 因为互联网作为信息传播的渠道，提升了沟通效率，不仅改变了交易方式和企业 的商业模式，还改变了人们的生活方式（见图 1-4）。
但数据技术，是感知世界、认识世界、改变世界的技术，是人类学习、思考 和决策的技术，将彻底改变人类的大脑，改变人们的决策方式，使决策更加准确、 更加高效， 进而彻底改变人们的生产方式和生存方式。 所以， 每一家企业， 无论 是做什么的，都无法逃脱数据技术的冲击和颠覆（见图 1-5）。
数据技术的发展触动了人类的大脑。人类与其他动物的本质区别在于大脑， 人与人的差异本质上也在于大脑。如果技术改变了人类的大脑，就会更加深刻地 改变人类本身。而数据技术就是这样一种技术，它既改变了人类认知世界的方式、 感知事物变化的方式， 也改变了人类的思考方式、 学习方式、 决策模式， 从而深 刻影响人类的进化。
数据技术的利用能力既决定了一家企业的认知能力，也决定了一家企业的决 策水平。从长周期来看，一家企业是否能够持续，就要看这家企业是否能够持续 地做出更好的决策。 绝大多数企业倒闭都是决策失误导致的。 如果能够利用数据 技术提高企业的认知能力、思考能力、决策水平，那么企业就会有更强的竞争力。
谋局而定，布局数据技术应用
企业家必须高瞻远瞩，重视未来，确保企业能够常青，所以他必须洞察趋势， 布局未来。
战略是在趋势下的谋局。数字时代来临，我们需要在各个方面做好布局。布 局未来需要注意以下几方面。
1．观局：数据即未来
在数字化的世界、数字化的时代中，一切皆数字。没有在数据上的布局，就 不会有数据资产的积累， 不会有数据应用的经验沉淀， 也不会有能够游刃有余地 处理数据的关键人才，更不会在未来有竞争力。这个道理就像农民在春天不播种， 在秋天就不会有粮食收割一样简单。
如果认可数据是未来的核心战略资源，那么现在就需要注意以下几点：建立 采集数据的触角；建立管理数据的平台；提升数据质量的制度和流程；找到能深 度分析和挖掘数据价值的算法与模型； 培养数据技术人才；建立重视数据的文化 体系。这个逻辑推理起来比较简单，但做起来却充满了挑战性。
既然如此，那么企业必须把采集数据、管理数据和分析应用数据“武装”到 每个领域、每个流程与每个细节。早在大街小巷开起各种各样的便利店和超市时， 7-11 便利店就已经开始用传统的方法布局数据战略。对比 7-11 便利店的收银机 键盘，可以发现它仅仅多出的两列按键（见图 1-6），就使 7-11 便利店能够清楚 地回答如下问题。
（1）都是什么样的人经常光顾这家门店？
（2）不同年龄和性别的人都喜欢买什么？
（3）在这家门店卖什么才能使收益最大化？
2．开局：第一推动
在传统生产制造企业推广数据化管理时，它们遇到的最大障碍就是“嫌麻烦”。 辛苦劳动之后还要敲着不熟悉的键盘，一个字母、一个数字地录入数据。而班组 长也在工人的抱怨中逐步放弃了数据的录入，因为他们也感受不到数据的价值， 然后到车间主任，再到生产厂长。
短期的数据化普及，带来的是生产效率的下降和员工积极性的降低。很多数 据化管理落地措施在初期遇到的阻力下便失去了动力。企业花费巨资上线的信息 系统，因为录入数据不准确无法进行分析，很多管理问题则无法发现、无法解决， 最后这个系统只能以下线告终。
数据录入只是起点，不是价值创出的原点。如果采集的数据得不到分析和应 用，则无法发挥其应有的价值，而数据采集就成了繁重而多余的工作，数据就会 不准确。因为没有准确的数据，所以不需要为员工提供数据分析培训以提升其数 据分析技能，而没有数据分析能力的管理者仍然习惯于“经验式决策”，忽视数 据的价值和意义，就不会重视数据采集和对数据质量的管理。在“没有鸡就不会 有蛋，没有蛋就不会有鸡”的循环中，数据体系一直无法搭建起来。
而打破这个僵局的，只有“上帝之手”。所谓的“上帝之手”，就是事物的“第一推动力”。企业数据体系的建立，必须有“一把手”的“第一推动”，也就是 企业家在这个过程中的布局和坚持，企业家要“相信”数据最终会发挥价值，相 信数据的力量。
数字化技术的渗透正遵循库兹韦尔的“加速回报定律”，呈指数级增长，库 兹韦尔在《人工智能的未来》中大胆地提出，到 2030 年，计算机的智能将超过人类， 到 2045 年，人类的大脑和计算机的大脑将实现“通信”，到时候，机器是人还 是人是机器将分不清楚，进入人类学的“奇点”。
现在很多企业家感到“ 焦虑”， 他们知道数据技术将改变他们所处的行业和 产业，也会深刻地改变他们的企业，但他们不知道这个方向和方式是什么，未来 处在一片未知和变数中。
“怕”由“心”和“白”组成，其含义是“心里一片空白”。当我们心中一 片空白时，就会感到“恐惧”“彷徨”“焦虑”。
要数字化谋局，企业家必须要有前瞻性，能够正确地看到未来的趋势，并在 数字化领域做出布局。数字化的潮流越来越明显，从新零售开启的数字化升级， 到日常生活中越来越多的事情通过移动互联网和手机解决，由此可以看出数据技 术所发挥的作用，而这些转变会逐步渗透到日常的管理工作和生产工作中。
3．布局：幅度与深度
如何布局数字化技术应用，既是很多企业家关心的，也是各层级管理者未来 要思考的。
企业家需要思考以下几点：
未来什么东西可以用数据技术替代？
能否在工厂 生产、管理和运营上实现无人化？
未来的管理决策会不会由机器做出？
未来的优化改善是否可以由机器算法完成？
未来的企业组织应该是一种什么样的形态？
未来的市场格局将会是什么样的？
而企业管理者需要思考以下几点：
我的工作岗位是否会被机器人取代？
未来我需要从事什么样的工作才能够保证不会失业？
为了不失业， 我应该储备什么样 的技能， 以及提升哪些方面的能力？
如果有一天， 机器人成为我的同事， 我将如 何与其协作创造更大的价值？
在企业数字化转型过程中，我应该承担什么样的角 色？
我是否会成为阻力？
我如何用数据技术增强个人能力，并完成自我的进化和升级？
在数字化布局上，企业要考虑的不仅仅是点状的升级，还需要在幅度和深度上思考（见图 1-7）。
在幅度上
需要从企业全部业务流程的视角进行思考，从采购到生产再到销售的所有环 节，能否采用数据技术，能否采用智能硬件缩短流程、提高效率、改变方式、取 消人工、取消纸质文档，是否能够利用数据分析和人工智能做出更好的角色判断。
在互联网时代， 只考虑流程的优化， 利用互联网技术优化流程、 提升效率。 未来 则需要思考用数据技术实现决策的优化和升级，靠人指挥的事情能否变成靠系统 指挥和管理。过去人们开车依靠地图，现在则依靠智能导航指引。企业的管理能否也用类似的方法，使智能数据系统指引业务员、操作员和作业人员工作。由人完成的事情，哪些可以用智能系统 + 智能设备完成。
在深度上
我们是否实现从优化到完全替代？数据技术还处在发展阶段，或者说才刚刚起步，现在采用的数据技术有可能在短短的几个月内就会过时，现在的技术创新特别快，选择跟随这个创新迭代优化流程，还是采取一步到位，用更加先进的技术一次性替代现有的技术，这是一个策略选择的问题。过去，人们可以刷卡或者 购票乘坐地铁；
2017 年年底北京市地铁采用了远程购票的方式，到站内刷卡即可取票， 大幅度减少了售票窗口的压力， 大家也不用排队了， 当时觉得很先进， 但这个方法还没有经过半年就已经过时了，因为又推出了更加简便的扫描二维码乘车服务，只要下载“易通行”App 并绑定支付宝账号，就可以打开“易通行”App， 可以扫描二维码进出地铁站，十分方便。这就是迭代升级，当有了一个新技术或者新方法之后， 就及时跟进， 当有新的方法替代原有的方法后， 再及时跟进， 并替代原有的技术。如果在深度上选择一步到位的创新升级模式，那么就需要自行创新或者等待新的技术应用方案出现。
4．定局：不仅仅只是技术因素
现在很多企业都面临数字化转型的挑战，甚至包括社会责任的挑战。
例如，一家国有能源企业，员工人数超过两万人，数据技术创新为该企业 提供了非常多的创新点，但它在应用数字化技术进行生产和管理转型时却不得 不面临一个很大的社会问题：当数据技术取代人工之后 ，原有的工人如何安置。 这家企业拥有 10 个发电厂，每个发电厂有 4 个厂门，每个厂门派驻 4 名门卫轮班执勤 ，加上其他负责治安和管理的门卫约有 200 人 。当采用数字化门禁之后， 厂区门口不需要那么多的门卫， 只需要几个在监控屏幕前轮班执勤的门卫以应 对 门 口 的 治 安 问 题 即 可， 10 个 发 电 厂 累 计 需 要 20 个 门 卫， 那 么 剩 余 的 180 多 个门卫怎么办？如何为这些人安排其他的工作 ，以保证他们在不下岗的情况下，能够有机会就业并获得收入？一个数字化变革的创新点变成了一个社会保障的问题。 这就是转型之痛。
企业在布局数字化转型的过程中需要考量的因素不仅仅是技术因素，也不仅 仅是管理因素，还有社会责任、政府政策和劳动保障等各种因素。
企业的数字化转型必然会触动一些人的利益 ，这种利益的触动是深刻的， 有些企业不得不在转型过程中考虑如何利用闲置的资源和劳动力创造新的营 收 。在上文中 ，如果能够开设一家新的工厂 ，解决这 180 多人的就业问题 ， 这个数据技术应用点或许可以得到推广 。但如果不能处理好闲置劳动力问题， 则看似很好的商业解决方案，往往很难推行。
高效管理，升级管理 4.0 模式
高效管理是把战略落地的根本性保障。在顺应时代发展且制定了正确的战 略布局之后，如果不能快速地将战略落地实现，就会被后起者赶超。在数字时 代，赢者“通吃”的现象越来越普遍，激烈竞争后剩余的少数竞争者往往都以 被并购收场。
高效管理的手段是数字化。如果能够让数据“跑”的业务就不要让人和物“跑”； 如果能够远程实现的问题就不要面对面解决；如果能够电子化的流程就不要纸质 的； 如果能够超越时空进行沟通， 就不要非要在一起开会。 越来越多的经营、 管 理和生产的场景正在被电子化、数字化、智能化与自动化。
我们身边时时刻刻都在被数据技术改变着，我们习惯的各种流程都在发生 数字化的蝶变：坐地铁不用买票，用手机扫描二维码可以自动计费；飞机票不 需要纸质机票了，值机不用现场办理，使用二维码可以直接登机；小区的停车 场可以直接通过二维码支付停车费；企业的考勤机也变成了人脸自动识别，财 务报销也不用贴纸质发票；在餐馆里点餐也不用看菜单、手写订单，扫描二维码直接点餐就可以了。这一切的变化都是数据技术应用的结果，在提升效率的 同时，整个环节还会沉淀更多的数据。
业务流程的数字化是提升运营效率的保证。应用最先进的数据技术（包括 更快速的信息系统、智能硬件设备、生物识别技术、人工智能技术、自动控制 技术等），结合算子算法，可以提高流程中各环节的效率，实现智能化控制， 去人工化。
为了提高效率，必须利用最先进的数据技术改造业务流程的各个环节，同 时需要利用数据技术改造管理，这就衍生了两条主线：一条主线是以智能设备 为主的工业智能的升级路线，另外一条主线就是以经营和管理决策为主的智能 升级路线 。目前 ，在工业智能上已经有比较成熟的模型 ，以德国提出的工业 4.0 的概念为基础，很多国家制定了在工业智能上的升级路线，包括美国的工业互 联网、中国的智能制造等。这些是在空间和设备上的智能化改造与升级；而另 外一条线还没有人提出，如果工业智能需要升级到 4.0 ，那么经营和管理决策 线也必然需要一个匹配的体系，所以我们在实践中总结出管理升级路线：从管 理 1.0 到管理 4.0 （即智能化管理升级，见图 1-8 ）。
管理的升级比空间和设备的升级更难，但会更有价值。这是由人力管理的弹 性高于设备的弹性所决定的。
智能化管理，即管理 4.0，是未来企业高效管理的必需品，也是企业在运营 管理效率上进行竞争的核心。没有高效的管理体系，企业的竞争力就会大打折扣。 在相同的技术条件下，谁的管理效率更高，谁的利润空间就更大，谁的存续时间 就更久，谁就能够打败对手（见图 1-9）。
1．管理 1.0——传统的科学管理
在机械生产时代，企业的核心竞争力或者经营诀窍就是科学管理。科学管理 兴起于 1911 年泰勒的《科学管理原理》，从此管理学有了突飞猛进的发展，对 组织和管理的研究一直在不断创新，但基本上都是围绕对组织和人的管理的深度 创新研究。这些理论在 MBA 课堂上被广泛教授。
2．管理 2.0——信息化支撑的管理方式
随着工业化的发展，企业组织的规模越来越大，沟通成本不断增加，信息技 术在企业管理中的作用越来越重要，电子化办公、无纸化办公、自动化办公等逐 渐普及，信息化建设随着信息技术的发展而快速发展，一家有上百人的企业如 果没有信息系统作为支撑，其管理效率完全跟不上市场的需求，会深刻影响企业的规模化发展。 各种 ERP 系统得到普及和应用，常见的信息系统包括 ERP（ 企 业资源规划信息系统）、CRM（客户关系管理信息系统）、HRM（人力资源管 理信息系统）、SRM（供应商管理信息系统）、FIMS（财务信息管理系统）、 MES（生产制造执行管理信息系统）等，这些信息系统的使用大幅度提升了管理 的效率，企业管理方式升级到 2.0 时代。
3．管理 3.0——利用数据进行决策的管理
数据化管理是智能化管理 4.0 的序章，是积累和沉淀管理方法并通过算法智 能化的基础。 数据化管理也是信息化管理的升级， 当我们拥有了丰富的信息系统 并且记录了大量的经营和管理活动的数据之后，就能够在这些数据的基础上进行 分析和挖掘，就能够利用数据发现问题，发现事物发生和发展的规律，能够在复 杂的信息中总结出知识，从而为管理决策提供正确的指导，使管理决策更加准确， 提高经营和管理决策的确定性。
在经营和管理决策确定性的基础上，随着数据体系的建设和完善，以及数学 模型的不断建立和优化， 数据体系能够提供即时的数据分析和挖掘， 为做出决策 提供更加快速的反馈，决策的效率得到大幅度提升：从传统信息化管理模式下的 定期决策升级到瞬时决策。
数据化管理金字塔模型如图 1-10 所示。
4．管理 4.0——基于算法的智能化管理（智能化管理导航系统）
智能化管理，即系统代替人决策的管理体系。当积累了丰富的模型，通过引 入人工智能、机器学习、深度学习等各种算法，在不断培养数据算法精准性的同 时，系统能够实现自学习、自优化，逐步具备管理思想，从而成为智能的决策系统、 自动调优的决策系统，这时系统就能够指挥人类采取行动，从而实现系统指挥人 决策的体系，这个时期就是管理 4.0，即智能化管理。
在管理实践中，某些场景已经出现智能化管理的案例，我们也在打造一些初 步的智能化管理的案例。例如，现在绝大多数人开车出门都会打开导航系统，包 括百度导航、 腾讯导航或者高德导航，这些导航系统都有自动计算最短时间并随 时调整行车路线的功能。 这个系统在大城市中被使用的概率越来越高，这是因为 系统的智能导航系统可以帮助躲避拥堵，并提供最佳线路，节省时间。这个智能 导航系统就是系统指挥人的一个典型应用，这个系统是由一系列算法自动计算和 自动调整，根据数据的反馈及时调整各个路段的拥堵和用时情况，从而计算出最 佳路径，这个系统的背后没有人为的参与，是系统在“思考”并做出决策后指挥 司机调整路线的。
在路径导航上，不仅仅有出行的智能导航，还可以看到一些系统指挥人而不 是人指挥人的平台， 如滴滴。 滴滴是一个数据平台， 有算法、 用户， 也有司机， 通过这个平台系统自动匹配司机和用车用户需求，指挥司机去接乘客，并指挥司 机按照导航路线将乘客送达目的地。这就是“系统指挥人”的智能管理模式的场景。 未来，这种场景越来越多地应用在企业生产、经营和管理活动的决策中，出现越 来越多的“智能管理”系统。
目前，笔者也在为一家客户开发一个算法，根据客户的实际购买情况，帮助 客户管理业务人员的日程，根据客户的复购情况，为业务人员计算出每日需要维 护的客户，根据客户的价值高低排出优先顺序， 业务人员每天上班后就由系统决 定他需要联络哪一家客户，确保优质客户没有被忽视， 即将流失的客户得到有效 保留。目前这个客户管理导航系统 1.0 版本已经上线，并得到业务人员的一致好评， 因为现在他们不需要自己动手查数据， 不需要自己研究该管理哪些客户，大大节 省了他们的时间，提高了他们维护客户的效率， 更不用担心因为自己疏忽没有对 高价值客户进行及时维护而造成客户流失。
现在笔者正在升级这些算法，将更多的客户的相关信息和数据导入系统，建 立客户智能分析，根据客户的诉求和与客户交互的信息，制定千人千面的模型， 以便未来能够指导业务人员在联系客户时应该采用哪种策略和方法，以及维护客 户的技巧和话术。
摘自电子工业出版社《数字蝶变-企业数字化转型之道》赵兴峰著
该文已获得作者许可发布，后续内容敬请期待
