企業數字化大家講的比較多了，在數字化之後，則是數智化。從數字化到數智化的轉變，並不是玩弄概念，而是有其實質內涵。這篇文章，我們就來講講企業數智化升級。數智化升級的時代需求中國企業數字化轉型已經進行較長時間了，中大型企業在業務和管理數字化過程中積累了大量的資料，但這些資料還沒有效的用起來。 資料已經成為一種新的生產要素，與資本、土地等要素並列。作為一種生產要素，資料目前只是被儲存起來了，其價值還沒得到真正釋放。生產要素是在流動過程中產生價值的，靜止的生產要素就像一直存在銀行裡的貨幣，只是看上去是一種資產，卻沒有實際效用。因此，在儲存了大量資料之後，如何將這些資料用起來，讓資料能夠賦能業務，是接下來需要回答的問題。對於企業而言，在數字化轉型之後，還要進入數智化升級階段。

數智化的定義與三個核心要素 企業數智化升級是一個相對較新的概念，作為一個新概念，我們首先要界定這個概念的內涵和外延。在此，我們試圖給企業數智化一個定義。 數智化，是在企業數字化基礎上，用資料和智慧化技術，賦能企業管理和業務。這個概念是數字化、AI和業務三個要素的交集，數字化是基礎，AI與業務的融合是核心。

下面，我們來具體討論下數智化與這三個方面的關係。第一，數字化數智化並不是憑空產生的，而是基於企業的數字化基礎，是對企業數字化的繼承和發展。企業在完成數字化轉型之後，進一步實現智慧化升級。企業的數智化與數字化既有區別也有聯絡：區別：數字化的核心是把企業經營行為資料化，主要內容是存資料、管資料。而數智化的核心在於用資料，把數字化過程中收集的資料用起來，賦能企業的經營管理和業務。聯絡：企業數智化也包含數字化的內容，資料採集、儲存、管理。並且，資料庫、數倉、資料中臺等數字化的平臺，是智慧化的基礎。資料探勘、可視分析等智慧化應用，離不開數倉、資料中臺等打通底層資料，提供標準介面。

第二，AI數智化與數字化的關鍵區別是在於“智慧”，這需要藉助一系列AI技術。這裡的AI特指應用於企業管理和業務流程中的智慧技術，包括資料探勘、知識圖譜、自然語言理解、資料可視分析、影象識別、語音識別等。其中，最核心的就是資料探勘，從資料中提煉有效資訊，用於賦能企業管理和業務開展。第三，企業業務數智化的核心是透過資料智慧工具、平臺來賦能企業的經營管理和業務，發揮資料的價值。所以，企業數智化轉型升級成敗的關鍵，是資料智慧產品是否能夠與企業的業務高度融合。如果不能融入企業業務流程中，再好的資料智慧工具都只是一個擺設。

三類資料智慧應用場景 在企業的哪些場景中，可以實現智慧化升級呢？ 大體上看，主要包括三大類：1、資料探勘，業務預測用企業以往的業務資料來訓練AI模型，挖掘其中的規律，通過歷史資料來預測未來一段時間的經營資料，以此來制定管理和業務決策。比如，金融領域的智慧風控，基於客戶信用資料，透過AI模型來預測其違約風險，給出信用評級，以此來決定是否放貸、放貸的金額、放貸利率、風控措施等；電信領域的智慧營銷基於電話、流量、繳費資料，預測該客戶的偏好，有針對性地推薦電信套餐。評估該使用者流失的風險，針對性的提升使用者體驗，提高滿意度。在管理方面，透過對企業經營資料的全面分析，進行視覺化的展示，幫助管理者瞭解經營動態，及時發現風險點。基於歷史資料對未來一段時間的業績表現作出預測，管理層可以基於資料來進行經營決策，實現科學管理、精確管理。

2、業務流程自動化企業的經營需要相關崗位人員的協同，這就會產生大量的管理流程，將這些流程中的某些環節“委託給”AI程式，實現流程在部分環節的自動運轉。在企業當中，有很多業務流程都是簡單重複性的，這些業務和流程耗費大量的人力，是對人力資源的一種浪費。並且，這些簡單重複的業務流程，經常會拖累整個體系的高效運轉。如果透過自動化程式來協助完成這些簡單重複的業務，不僅可以節約人力成本，還可以提升流程運轉的效率。以發票報銷為例，出差的人員經常會需要找財務去報銷。這個時候，財務會提出一堆報銷的流程，給出貼發票的規範。相信很多人都有過發票報銷過程中，多次被財務打回來重新走流程或者重新貼發票的痛苦經歷。實際上，發票報銷是一個非常簡單的業務，無論是提交流程還是貼發票，技術含量都不高。但是，要全體員工都熟練掌握貼發票的規範卻沒有必要。這個環節由人來處理，對於業務人員來說，會常常面對財務部門的“事難辦、臉難看”。就整個公司的經營而言，這類重複、繁瑣的環節，也容易成為業務流程的一個“堵點”。如果透過電子發票、自動報銷，免去業務人員貼發票、走報銷流程的環節，則不僅可以減輕業務人員的工作量，也讓整個體系更高效的運轉。將業務人員從這些日常性的繁瑣流程中解放出來，有助於其專注於業務，為公司創造更多業績。

3、AI服務供給企業服務當中，有大量重複、低價值的工作。如果將部分工作委託給AI程式，則可以在控制成本的情況下，大幅度提升企業的服務供給能力。這些AI程式相當於大量“實習生”，他們專注於某個細分領域，可以完成一些初級工作。這些“實習生”效率極高，卻幾乎不要“工資”。以智慧客服為例，企業往往會設定一些客服崗位，來解答客戶的疑問，幫助解答一些售前諮詢或售後服務問題。大量客戶的問題都是類似的，基本都有標準的話術。透過智慧客服程式，可以應對大部分客戶問題。將智慧客服系統與企業的業務流程系統進行銜接，針對AI程式不能回答的個性化問題，可以“轉接”到企業流程系統的相應環節，對接到具體的業務人員。又比如，在企業營銷當中，往往需要依據不同場景設計大量的營銷創意海報。這些海報本質上是不同營銷要素的組合。將這些元素輸入AI程式，依據需求可以批次化“設計”出營銷海報。這些批次生產的海報雖然比不上專業設計師花大量時間設計的作品，但應付一般的營銷需求已經足夠。比較典型的如阿里巴巴的鹿班AI程式，可以每秒鐘生成上千張banner圖。每年雙十一期間，該程式生產了上億張banner圖。這樣的生產能力，抵得上數萬個設計師了。

無論是大型企業還是小型企業，都要參與市場競爭。數智化升級，並不是那些掌握了大量資料的中大型企業的專利。當其他企業在進行數智化升級時，如果不想被市場淘汰，即使是小企業也得進行智慧化升級。否則，面對大量已經完成數智化升級的競爭對手，那些停留在原地的企業將變得不堪一擊。中國的大部分企業都還沒完成數字化，在這種情況下，就需要數字化和智慧化同時並舉，在產生資料的同時就得想著怎麼把這些資料用起來。只有這樣，才能成為一個合格的市場參與者，不至於被對手遠遠拋在後面。文：凝視深空 / 資料猿