1.1 数字化转型的本质

数字化转型到底是什么？为什么要做数字化转型？数字化和信息化有什么区别？这些是企业数字化转型面临的方向性、基础性、本质性问题。如果这些问题搞不清楚，对数字化转型的认知对不齐，那么转型就不会成功。

1.1.1 数字化转型的底层逻辑

人类已经进入数字化时代，数字经济迅速发展，数字化技术的进步不断降低数据生产的复杂度和成本，日益成熟的人工智能技术快速赋能所有的行业应用，企业和用户积累了大量的数据。人类社会正处在第四次工业革命之中，数字化技术是数字化时代新的生产力，数据是新的生产要素。

建立正确的对于数字化转型的认知，是数字化转型成功的基础。企业要从数据生产要素的特点和优势角度来理解为什么企业要做数字化转型，以及数据要素和数字化生产力与传统的生产要素和生产力相比，区别和优势在哪里。

1.数据生产要素的特点和优势

（1）传统生产要素的五大特点

实体经济时代的生产要素以具有物理性质的实体资源为主，比如矿石、农作物、石油等。这时的生产要素有如下五大特点。

1）稀缺性。很多实体资源都是不可再生的、稀缺的。企业和个人要想拥有这些生产要素是很困难的。

2）壁垒性。实体资源的生产加工对生产设备、生产工艺的要求很高，技术和流程具有很高的壁垒，非本行业的企业和个人难以掌握，比如没有现代化的大型设备是没办法采矿的。所以在实体经济时代，企业间是以抢占优质资源为核心去布局的，行业壁垒清晰，跨行业竞争很困难。

3）地域性。实体资源具有很强的地域局限性，受地理位置、天然条件的影响很大，并且地域是天然形成的，不可复制和移动。这就是我们常说的“靠山吃山，靠水吃水”。

4）封闭性。实体资源的流动性很差，大多数都不具备流动性，一旦某些企业率先掌握了该资源，其他企业想要获取就非常困难，掌握资源的企业很容易形成封闭性优势，成为垄断性企业。

5）固定性。实体资源一般都有边界，比如一块矿石、一口油井、一棵树……清清楚楚，因此能够很清晰地界定这些资源的拥有者。在实体经济时代里，每一个生产要素都是固定资产。

（2）数据生产要素的五大特点

数字经济是以数据为生产要素、打造数据产品为核心的经济模式。数据作为生产要素有以下5个特点。

1）泛生性。数据是企业和个人无时无刻不在产生的一种资源，是人类各项生产和生活活动的数字化描述形式。数据天生具有泛生性，拥有很强的二次生产、传播的属性，不像实体资源不可再生。我们平常看到的短视频，很多都是对原始内容数据进行传播和二次加工形成的，也就是泛生的。很多时候，数据与数据之间存在关联性，不像实体资源那么边界清晰。

2）开放性。数据资源天生具有很强的开放性，互联网上每时每刻都在产生海量的新数据。对这些数据，拥有网络和计算终端的组织或者个体都可以很容易获取。而单一的数据通常不具备价值，无法进行生产，必须与其他数据融合集成，才能产生业务价值。所以相对于实体资源的稀缺性和壁垒性，数据资源是非常开放和容易获取的。

3）流动性。数据资源具有极强的流动性，一条信息可以在1s内跨越地球最远的距离进行传递，一个短视频可以同时分发给上亿观众。与需要用陆运、海运或者空运才能够移动的实体资源相比，数据资源具有极强的流动性。

4）普惠性。数据资源的泛生性、开放性和流动性决定了它拥有比实体资源更强的普惠性。数据资源的生产加工比实体资源要容易很多，只要有手机就可以对文字、图片、视频进行加工，生成新的短视频，只要有电脑就可以编程处理多样化的数据，并不需要购买工艺复杂、价格昂贵的工业设备。数据能够为广大的中小型企业和个人生产者提供更实惠的帮助，比如将原来的手工抄表变成现在的自动化抄表，通过Excel去计算和统计以此提升分析效率等。

5）虚拟性。与实体资源的固定性不同，数据资源拥有更强的虚拟性。对同一个数据，不同用户看到的业务属性、价值是不一样的；对数据加工组合，产生的产品形态也是千变万化的。

（3）与传统生产要素相比，数据生产要素的五大优势

通过以上分析，我们可以看到，与实体生产要素相比，数据生产要素有独特的先天优势，如图1-1所示。

1）易获得。数据生产要素在当今时代是很容易获得的，互联网就是一个无穷无尽生产数据资源的源头，只要你有想法、有需求，就一定能够在网上找到对应的数据。

2）易加工。以云计算、大数据、人工智能为代表的数字化技术的应用越来越广泛，让每一个个体和组织都能够相对容易地对数据生产要素进行加工生产，形成自己的数据产品。

3）易传播。在原来的实体经济时代，传统生产要素的传播、移动是非常缓慢和复杂的，而数据生产要素的传播是非常快且方便的。

4）易交易。借助数字化手段，数据产品相比于实物产品可以跨越空间的距离，实现快速交易，比如现在流行的知识付费产品就是典型的数据产品，能够跨越地域，快速地被购买、被传播。

5）易度量。数据生产要素的实时在线的属性决定了数据产品的全生命周期都是可以被实时记录的，更加容易度量和测算。

2.数字化生产力的五大优势

生产要素发生变化的同时，生产力从实体经济时代的工业设备、电力和人力转变为数字化时代的计算能力和数字化技术。数字化生产力有以下五大优势，如图1-2所示。

1）弹性。在实体经济时代，实体设备受其物理性质约束，比如一台设备的产能是有限的，如果需要增加产能必须购置新的设备，并且该设备要运输、安装、调试后才能够投入使用。而到了数字化时代，通过云计算等技术，可以实时、弹性地增加算力，大幅提高数字化生产效率。

2）柔性。在实体经济时代，每一个生产线生产什么产品都是提前配置好的，很多企业受制于实体材料和运输、协同的局限性，无法做到真正随心所欲的柔性生产。

3）互动。在数字化时代，供给端和需求端可以通过网络连接实时在线，借助多触点机制实现双方的实时互动。需求端对于产品、服务的各种需求想法，可以在第一时间反馈到供给端，从而得到供给端的快速响应。这在实体经济时代是不可能做到的，是实体产品全生命周期中的巨大短板。

4）协同。通过数字化互动的手段，数字经济模式下的生产可以做到大规模协同，打通上下游生态，从而降低库存，减少浪费，大幅度提升协同效率和生产效率，降低能耗，实现绿色生产。

5）规模。在实体经济时代，受生产力、生产要素的约束，实现规模化生产需要满足很苛刻的条件。而到了数字化时代，在算力无限充沛、数据生产要素丰富的情况下可以在理论上实现无限制的规模化生产。

人类社会已经进入数字化时代，人们在消费端的生活已经逐步数字化，产业端必然也要跟上数字化的趋势。企业数字化转型是生产力和生产关系在数字化时代的升级和重构，是企业的整体转型。

3.数字化转型的一个本质和两大误区

数字化转型的本质是企业在数字化时代下的整体转型，是一个系统、长期、艰巨的过程。数字化转型就是利用新的数字化生产力来重构企业本身，包括业务模式、业务流程、经营策略、组织结构等。但是，很多企业的数字化转型存在两大误区，这两大误区是导致所有企业数字化转型进入困境的根源。

误区一：把数字化转型与业务转型分开。

经常有企业的管理者问：“数字化转型要做什么？”这个问题本身就暴露了问题。数字化转型不是一项独立的工作，而是企业在数字化时代为了应对外部环境的变化、达成业务目标而做的一系列工作，数字化转型的一切事项是服务于企业的业务目标和解决业务问题的。

所以不能单独地问数字化转型要做什么，而是要从业务出发，从企业的业务目标出发，先问自己，业务现在碰到哪些问题，要建立什么能力，再结合技术和数据来看数字化转型能够为解决这些问题贡献什么价值。

数字化转型是手段，是达成企业战略目标的路径，而不是目的。

误区二：将数字化转型完全看作技术层面的事情。

很多企业一提到数字化转型，就认为是上软件、上系统、上办公自动化工具、上云。这个认知是片面的，甚至是错误的。

数字化转型是一个系统性工程，开发软件、搭建系统是数字化转型最终的落地形式，但只是其中的一部分工作。数字化转型是利用数字化技术对原来的业务进行升级和改造，优化原有业务中需要提升的部分，通过数据和技术来实现业务创新，不仅是技术层面的事情，还是需要一把手挂帅、业务和技术部门携手努力的工作。

所以，企业不要把数字化转型看成一个独立的任务，不要仅从数字化的角度来提出问题，而应从业务的角度、从业务的本质出发，探索和识别企业所面临的问题，再结合数字化技术和数据去解决这些问题。

4.企业数字化转型的8个核心内容

在数字化时代，企业必须借助数字化技术和数据要素来重构自己的业务流程、组织结构、制度体系，才能够跟上时代的步伐，不被数字化浪潮淘汰。

企业数字化转型需要实现的转变包含以下8个核心方面，如图1-3所示。

1）认知。任何一个组织进行转型，首先要转变的是内部成员的认知。思想认知的转变是最难的，也是最重要的。实现数字化转型首先要转变企业全员的意识，让他们建立起对数字化的认知，普及数字化转型的必要性和重要性，以及数字化时代与每个人的关系。企业上下只有在思想上实现统一，才能将所有的转型动作落实到位。

2）战略。企业的数字化转型是从实体经济时代向数字化时代的跨越，是企业在战略层面的变革。企业要建立自己的数字化战略，围绕数字化生产力和数据要素重新思考企业的发展路径和市场布局。在数字化时代复杂多变的环境中，拥有一个长期正确、可灵活调整的战略方向是企业制定发展路线的核心。

3）流程。数字化转型对业务的重塑是从业务流程变革开始的，从原来以经验为主的人工流程转变为以数据驱动的数字化流程，企业流程从原来的厚重、刚性走向自动、智能、高速响应，能更好地适应市场和用户的变化。

4）体验。数字化与信息化的一大区别就是数字化更关注和强调用户体验，因为数字化的核心目标是产生业务价值，而企业的业务是围绕用户展开的。所以充分利用数字化技术和数据来认知用户、洞察用户，为客户提供在体验上更好的产品和服务，这是企业数字化转型的重要业务目标。

5）管理。新的生产力、新的生产方式会带来管理思路的变化，企业管理体系的转型是持续推进数字化转型、有效调配资源、充分激励员工的重要手段。从传统的粗犷式管理走向以数据为核心的精益化管理是企业适应新时代的管理升级。

6）组织。所有转型动作的执行核心是人，没有匹配到具体人员的数字化转型是无法切实执行的，所以企业的数字化转型要建立一系列与之配套的组织结构、岗位职责、协同体系和企业文化。

7）人才。数字化转型归根到底是企业在内部完成的变革，不论在过程中是否借助外力，企业最终都要靠自身的人才队伍逐步落实数字化转型。所以，数字化人才体系的打造是决定企业数字化转型能否成功的关键事项。企业只有围绕数字化战略打造适合自己的数字化人才体系，才能把转型工作扎根到基层一线，将业务全面转型成数字化业务。

8）技术。数字化技术体系是企业数字化转型的技术基础。企业系统要从传统的单体架构转变为以云计算、大数据、物联网等新技术为依托的数字化架构，打造充分利用数据、快速实验创新、持续交付的数字化平台，从信息孤岛走向开放生态。

1.1.2 数字化与信息化的4个区别

数字化的前身是信息化，但是数字化和信息化又有本质的区别，企业如果不能理解数字化和信息化的区别，则就是在用旧地图寻找新大陆，永远无法到达数字化转型成功的彼岸。

数字化和信息化有如下4个区别。

1.从局部支撑到全局重塑

数字化是业务新的存在形式，信息化是对业务的局部支撑，这是数字化和信息化之间最大的区别，也决定了数字化转型有着与信息化建设完全不同的底层逻辑。

对比两者与业务的关系，可以说明它们底层逻辑上的区别，如图1-4所示。

信息化建设和数字化转型有着相同的背景，那就是实体世界和数字世界的交互。在信息化时期，企业大部分的业务是在线下完成的，也就是在实体世界里靠人与人、人与设备的交互来完成业务上的操作，而信息化系统的典型代表就是办公自动化系统。例如，在处理公文审批流程时，工作人员完成某一个环节后，需要该环节负责人在纸质文件上盖章签字，然后文件随流程流转到下一个部门，仍然需要盖章签字，整个处理流程都是依靠人力在线下实现的。为了减少人员跑动，也避免因为人不在办公室导致流程中断，一些企业引入了办公自动化系统，这样工作人员只要使用办公网络就可以跟进该审批流程。但是，我们发现原来业务的实际执行还是在线下的，只是把盖章签字的单个环节搬到了线上，仅提高了这个环节的审批效率。

但是，数字化则不一样。数字化转型使所有业务都以数字化的方式呈现和运转，只有线下驱动物理设备做一些操作，或者让员工做一些特定的线下工作时，才会与实体世界交互。数字化系统的典型代表就是无人零售店。

无人零售店的所有业务操作都是线上数字化的，从选品、定价到销售、理货，零售店内所有环节都通过软件和硬件系统自动完成。数字化系统会根据线上数据分析业务的实时情况，发出下一步经营指令给相应的服务人员。例如机器清点货物后，分析出需要补货，就会自动下订单，同时通知服务人员取货时间。此时服务人员就是数字化系统与实体世界交互的触点，该服务人员只需要按照系统给出的指令工作即可。

由业务形式分析两种系统在实现上的区别。信息化系统的建设在很多时候是点状的。A部门提个需求，企业就建设一个系统，B部门提一个需求，企业再建设一个系统，这些系统之间不需要有耦合关系，只是办公工具。所以信息化建设带来了很多信息孤岛，这本质上是因为各部门对于业务的理解不同，企业对业务需求缺少统筹规划，是一种头疼医头脚疼医脚的建设方式。

而数字化转型，则对齐最终业务价值，将业务看成一个整体，然后利用数字化技术进行重构，需要全局优化的思维。

信息化建设的本质是在原有业务模式和业务流程不改变的情况下解决点状的问题，所以信息化建设注定是被动的，是基于发现的最显著的问题来进行的。而且信息化系统的主要服务对象是企业内部的管理和运营人员，并不改变业务的运营模式，只是将一些局部的计算单元或者处理节点通过软件的方式实现，提升单点的效率。信息化系统的本质决定了它只能被动响应业务需求，是一个局部支撑企业业务的工具。

数字化转型的本质是将企业本身当作一个产品，整体提升这个产品的用户体验、收益能力，数字化转型是对原有业务流程、业务模式的一次重构，是用新的数字化生产力重新做一遍业务，所以数字化转型一定要服务于企业的用户，产生业务价值。

2.从被动响应到共创引领

随着技术的发展，技术与业务的关系一直在不断演进、发生变化，图1-5是软件咨询公司Thoughtworks总结的技术与业务关系演进的4个阶段。

第一个阶段：技术与业务有着明显的分界线，技术为业务创造一些工具资产，从而支撑业务的运行。这个阶段对应早期的纯工具型软件，例如库存管理系统，记录库存的变化，从而让库管员更精确、高效地掌握出入库的情况。

第二个阶段：技术更进一步为业务提供服务，并与业务产生一定的协同效应。典型的软件就是ERP系统（企业资源管理系统），它可以在每一笔业务完成后，将对应的财务变化记录下来，帮助企业实现业财一体。

第三个阶段：技术给业务带来局部的新变化，开辟新的商业模式，提升业务的差异化竞争力。典型的代表是电子商务系统，通过App来获取原来线下业务不能够触达的用户和不可覆盖的市场。

第四个阶段：技术与业务融为一体，并且技术成为业务发展的核心驱动力，也就是利用新的技术将业务重构一遍，使其成为数字化业务。

结合上面的4个阶段，我们会很清晰地看出，在信息化阶段，技术与业务的关系主要处于第一个、第二个阶段，此时技术还是业务的支撑和协作工具。而数字化转型的本质，是利用数据和数字化技术，用新的方法和思路来重构业务，使业务产生根本性变化。所以，从技术与业务的协作关系上说，在数字化阶段，技术不再是被动响应业务需求，而是要对业务起到引领创新的作用。

这个趋势对业务人员和技术人员都提出了新的挑战，业务人员要了解技术的发展，具备数字化思维，才能够更好地利用数字化技术去创新业务，重构业务的存在形式，技术人员也要对业务有更深入的理解，才能够主动和业务同频共振。

3.从瀑布式到敏捷式

建设内容的不同、协同关系的不同，都会导致建设方式的变化。信息化系统的建设需求非常清晰，而数字化系统面对的是高度不确定的市场，所以其建设需求变化很快，建设实施往往是探索性的。因此，两者的建设方式有很大的区别，前者对应的是瀑布式建设方式，后者对应的是敏捷式建设方式，如图1-6所示。

在图1-6中，左边是信息化建设时期的经典方法——瀑布式建设方式。采用该方式建设系统时，从接到业务部门的需求开始，依次进行需求分析、系统设计、系统实施、系统测试、系统上线、运行维护的相关步骤。在系统运行一段时间后，工作人员再根据搜集的新的改进意见和需求，启动新一轮的建设，仍从需求分析开始。

这种建设方式的成功有两个前提条件。

第一，需求清晰。在系统建设之初就能清楚描述出建设完成并上线后的功能以及预期效果。

第二，需求稳定。从需求分析到系统上线会经历一个时间周期，基本上以月为单位，而在这个过程中，系统建设需求不能发生变化。

在信息化建设时期，这样的建设方式是可能成功的。例如，像ERP系统这样在实施上如此复杂的建设项目，因为企业内部的管理流程相对确定，也可以通过还原的方法将其建设需求拆解成具有确定性的子需求。

但是，到了数字化时代，当我们建设一个业务系统的时候，情况就完全不同了。市场在变化，用户的兴趣也在变化，几个月以前的设计肯定无法适应当下的需求。在这种情况下，如果仍沿用瀑布式建设方式，无异于刻舟求剑，最后会陷入系统功能与业务需求不匹配，或者系统建设不断跟着需求变化的泥潭。

所以，在这个时候，敏捷式建设方式应运而生。敏捷式采用“小步快跑”的策略，缩短每一个功能点的开发周期，快速上线，快速获得反馈，不断试错，快速迭代，从而及时响应需求的变化。

4.从提升竞争力到打造响应能力

笔者十几年前为企业做转型规划的时候，有一个标准动作，那就是“对标”。找一个或多个同行业的领先企业，将客户企业与行业领先企业的能力进行比较，分析各方面差距，最终制定出改进路线，从而按照该路线提升企业的竞争力。在那个时候，对标是一个非常时髦的动作，一度成了大型企业的必做题。

但是，近几年间，对标这件事情逐渐被淡化，对于企业的借鉴意义也不像从前那么重大。

在1.1.1节中我们提出，数字化时代中行业的边界在逐渐消失，企业已经无法预知自己最大的竞争对手是谁，本行业很可能由于其他行业内发生的变革或某个新技术的应用而衰落。例如，谁也没能想到延续了几十年的盗窃自行车的非法交易链，随着共享单车的推出，一夜消失；让柯达这样的影像巨头消失的，并不是其传统的同行业竞争对手，而是手机这样的数码设备。

所以，在数字化时代，企业在无法预测竞争对象是谁的情况下，应该将重点从提升竞争力转移至打造响应力。

在这个信息扁平、快速传播、全球市场被数字化技术全部“打穿”的时代，企业要做的事情是构建自己的高响应能力，包括用户洞察能力、快速试错能力、快速交付能力、快速变革能力。

（1）用户洞察能力

首先要建立全面、敏锐的用户洞察能力。过去，很多制造型企业自己并不直接接触用户，并不获得和掌握第一手的、实时的用户数据，这些企业在当时依靠咨询公司等机构出具的行业调研、市场洞察等报告。而现在，用户掌握消费主导权，用户需求极度个性化，一刀切的市场策略已经完全不起作用，精准营销才是大趋势。在这种情况下，企业必须全面建立直连客户的渠道和能力，获取全面的用户数据，这是构建高响应能力的基础。

（2）快速试错能力

在构建了一定的用户洞察能力之后，企业还要建立快速试验能力。这里的快速试验包括开发试验产品、圈定用户试验样本、跟踪试验过程、获取并分析试验结果，企业通过这一系列步骤从众多的创新想法中验证及筛选出最有价值、最接近市场需求的那一个。没有试验就没有数据，没有数据就没有发言权，这将是高响应企业在决策逻辑上的巨大变化。关于企业如何建设基于数据的创新平台来提升自己的快速试验能力，我们将在第6章中详细介绍。

（3）快速交付能力

企业通过快速试验明确了产品的定位之后，下一步就是实现产品的快速开发、交付上线。“速度为王”是数字化时代的最大特点，谁能够更快将产品交付给用户并获得反馈，谁就占据了先机。

企业要构建自己的快速交付能力，需要从组织文化、团队管理、基础设施、协同形态等方面全方位打造具有高响应能力的交付平台，做到持续发布、快速流动。关于如何基于精益数据方法来建设企业级快速交付的数据中台，我们将在第7章中详细介绍。

（4）快速变革能力

除了快速推出新产品应对市场的需求和变化之外，企业还要具备快速变革的能力。根据外部的需求变化，快速对自己的组织结构、绩效体系、业务流程等进行调整。这就需要企业自身演进成数字化企业。当一切都通过建模实现数据化的时候，企业就拥有了快速变革的能力，这个能力的核心是打造数据驱动的组织文化，我们将在第8章中阐述其具体内容。

1.1.3 企业数字化转型的4个趋势

在过去几年间，笔者参与了多个大型集团企业的数字化转型。虽然这些企业的规模、所处行业都不尽相同，但是其转型却有一些共同之处，可以总结为以下4个趋势：从管理提效到价值创造，从粗犷式管理到精益化运营，从标准化到个性化，从分散建设到统筹集中，如图1-7所示。

1.从管理提效到价值创造

数字化转型更多聚焦在打造企业的高响应能力来应对外部环境的变化和不确定性，从而为企业创造更多的业务价值。价值创造主要体现在以下两点。

（1）精益化管理对焦业务价值

在数字化时代，管理有了新的定义。减少那些不创造业务价值的管理动作，提升管理的价值密度，做到精益化管理，成了新的管理诉求。对此，很多企业在尝试去中心化的管理形式，更大胆地将权限下放给直面客户和市场的部门及人员，从而快速响应，通过减少管理层级，降低效率损耗。

（2）管理职能要转化为业务价值

很多企业尝试通过原来的职能型管理动作创造业务价值，并通过业务价值来衡量管理价值，此时一切管理都是为业务服务的。例如，原来采购属于纯粹的内部管理职能，很多企业尝试通过对采购数据、订单数据与产品数据的整合挖掘，寻找和发现优质供应商及材料。

2.从粗犷式管理到精益化运营

这是企业在数字化转型过程中的一个显著趋势。

粗犷式管理的特点是看年度结果，弱化过程管理，重点在投资建设。这样的管理模式适用于增量市场的阶段。在存量时代，为了利用好每一项资产，减少浪费和无效果的投资，提升企业的净资产收益率，企业必须走向精益化运营的模式，精益化运营具有如下4个优势。

（1）精益可度量

精益化运营会将业务过程尽可能通过数据以量化、可视化的方式呈现。比如，建立可度量的业务数据模型体系，以便管理层能够及时掌握业务的进展情况，发现问题和风险，并掌握业务全貌。

（2）优化资本投入

从增量时代的大规模投资或进行资产建设，走向存量时代的优化资本投入及根据产出价值来评估投资的规模。

（3）加快交付速度

建立快速生产、交付的体系，降低库存，减少浪费，更快响应客户及获得市场的反馈。

（4）提升交付质量

建立用户满意度评价体系，提升交付质量，从而提升用户体验。

总的来讲，很多大型企业都在建设数据驱动的精益化运营体系，使一切业务数据化，使数据成为精益化运营的工具和手段。

3.从标准化到个性化

经历过三次工业革命，人类的生产与制造方式逐渐实现机械化，以机器生产取代手工生产，实现了商品的规模化生产。在信息化阶段，企业通过业务流程再造，辅以企业资源管理系统（ERP）、制造执行系统（MES），使生产流程进一步标准化。在这个阶段，企业的目的是大批量生产同类产品。

在数字化时代，消费者的个性化需求越来越多，市场对企业的要求不再是生产更多同样的产品，而是快速响应实时的需求，生产个性化的产品。在这种情况下，企业追求的是个性化、实时响应、库存绩效的模式，因此企业能够从高昂的库存成本中解脱出来。以犀牛智造“100件起订，7天交付”为代表的小单快返的新模式，能够实现供需精准匹配和更高水平的动态平衡，成为智能制造、柔性制造的标杆，很多企业都在学习这种模式。

4.从分散建设到统筹集中

近几年，很多大型企业在IT建设层面上进行统筹集中的规划。典型的表现是，将过去分散在各个子板块的基础设施云化，形成全集团统一共用的计算底座；构建数据中台，将数据打通汇聚；建设自己的技术中台，给所有的业务单元提供支持。一方面，这是技术进步所驱动的，企业有了云计算、大数据、物联网这样的新技术；另一方面，这也符合存量时代的精益化运营模式，能够减少重复建设，提升投入产出比。

随着业务体系从标准化走向个性化，前台应用越做越轻，越来越敏捷。在这样的趋势下，IT建设更需要统筹规划，集中建设企业级能力体系，实现能力共享，减少应用孤岛、数据孤岛。