数字化模型是利用各种符号和数据库，分层、分类、分支、结构化地呈现现实企业中的业务、数据、功能、标准、组织等管理元素，定义各类元素间关系，形成的“孪生世界”，是企业物理世界的数学表达。数字化模型是企业数字化能力、创新能力、知识管理能力等核心竞争力，从建设到持续提升的底层支撑工具;是助推企业从学习型企业转型到创新型企业，再转型到研究型企业的核心基础;是企业战略落地的第一抓手。

在由企业网D1Net主办的“2023四川CIO沙龙”上，东方电机专家邓忠生针对制造业数字化模型做了深入的实践分享。

东方电机专家邓忠生

首先，邓忠生将企业管理模型的发展分为6个阶段。

纯文本：企业的管理逻辑，全部用文字描述，可读性差，管理要素间的关联性差，管理在较大程度上依靠个人的能力。

表格化：使用表格对文字进行分类展示，增加可读性，信息分散、联动性差的问题未得到有效解决。

图形化：使用图形化工具，表达管理逻辑，易读、易理解，但信息分散、联动性差的问题仍未得到有效解决。

半结构化：使用平台型信息系统，将文字、图形、表格，纳入一个统一的平台进行集中管理，信息分散的问题得到有效解决，但联动性有关的问题仍未得到解决。

完全结构化：企业管理全要素图形化，结构化，表格化，易读性、系统性都得到很好地解决。

智能化：可基于基础结构化模型，结合AI算法，实现仿真、预测等高级智能化功能。

东方电机的数字化模型结构

接下来，邓忠生详细介绍了东方电机研发业务域的9段5层模型：在L1业务层，通过业务流程，分解为业务域、业务主流程、业务分支流程，实现企业战略;在L2数据层，通过定义流程节点输入输出数据格式与规范，形成数据层表达;在L3功能层，通过定义业务节点数据加工规则，约束定义并实现IT功能点，并组合成系统，甚至平台，以及整个信息化数转架构环境;L4标准层通过详细定义业务活动过程节点数据加工规则形成作业标准，通过数据流转过程协同要求形成数据表达标准;L5组织层通过业务数据加工职责形成岗位定义，进而形成组织架构与人力资源战略落地、以及技术研发阶段规划的动态管理模式。

该9段5层模型能够全面覆盖企业技术准备及其数据应用的各个方面。它不仅集成了所有员工的工作、关系、贡献，还关注他们应具备的素质和能力。此外，模型还涉及技术准备、生产实践和服务实践之间的沟通方式，以及如何有效管理工程变更和构建新的研发团队。

邓忠生强调，数字化转型服务于企业本身的业务，它与订单服务和研发紧密相连。业务流程的梳理是实现这一转型的关键，需要清晰地区分业务域、主流程和分支流程，从而确保企业战略能够落地并有效执行。

当然，仅仅梳理流程是不够的。虽然许多公司在业务流程管理(BPM)方面投入巨大，但如果缺乏对数据层面的深入理解，就无法实现高效的整体运营。数据被视为数字化转型的核心，数据流图成为第一要务，它基于系统论的基本理念，强调了数据的重要性和流程节点思维在数据格式和规范中的作用。

在功能层面，多数IT公司主要关注特定功能的支撑，而忽略更广泛的业务流程和节点。东方电机的这一模型则试图突破这一局限，更全面地理解和改进业务节点数据加工规则，即使这可能挑战现有的利益格局。

邓忠生表示，数字化转型面临的主要障碍并非来自IT部门，而是源于业务部门中的既得利益者，这涉及到重新分配工作和权力。通过业务流程到数据流图的转变，并依据数据重新定义相关的业务流程，是解决这一问题的关键。这种方法将信息化能力根本上重新定位为对业务的支持，以有效性和对业务数据加工规则的响应为核心。

其中，“数据加工规则”是数字化转型的一个根本性概念，它涉及到业务、数据、功能和标准的各个方面。这种方法强调，所有标准归根结底只有两类：数据定义的标准和作业过程标准。通过将企业管理制度整合到业务系统中，可以实现更有效的企业管理。

通过该9段5层模型，东方电机已经在数字化转型方面取得了显著进展，实现了研究实验与开发结构设计的合并、项目管理与生产组织部门的合并，以及信息化部门与转型团队的合并，从而使组织架构运行更加顺畅。业务层面、数字化层面和组织层面的主要驱动力是IT语言的高度统一，以及对知识沉淀问题的认识。这表明，无论是制造业还是其他行业，知识管理和技术整合都是实现数字化转型的关键要素。

数字化模型的价值

邓忠生将数字化模型的价值总结为四个方面：

首先是战略优化。在国际形势、市场环境瞬息万变的时代，企业必须敏于感知，智于分析，果于决策，捷于行动。这一切不能仅靠人的经验，还需要借助“可分析、可预测”的模型系统，帮助企业所有者优化企业战略。

第二是提高管理基准。企业规模越来越大，业务越来越多元，人员越来越多，效率越来越低，协同越来越差。企业管理层需要借助一套数字化模型，理清业务上下游、数据上下游、人员上下级的关系，系统化地优化各个管理体系，优化组织架构。

第三是全局把控。如何避免重复建设，降低IT 建设成本?企业CIO 需要借助一套数字化模型，看清企业业务架构，规划应用架构、数据架构，技术架构，基于IT 顶层规划，赋能企业数字化转型，支撑数字化战略落地。

第四是规范作业。制度文件、体系文件越来越多，企业员工不知道自己的工作职责写在哪些制度文件、体系文件里，需要借助一套数字化模型，精准推送。

虽然不同属性和行业的企业的需求有所不同，但是数字化转型的核心要素是一致的。其中，战略优化是极为重要的一环，邓忠生建议CEO应将数字化转型的整体架构设计定位于战略优化层面，而不仅是战略支撑。转型推进部门的重要性应超过所有的业务分管领导，甚至在企业的组织架构中排名应仅次于董事长和总经理，这种定位反映了数字化转型在现代企业中的核心地位。

中国企业的管理更多依赖于人际管理，而数字化转型的终极目标是实现事情管理人，从而实现管理的自动化。这种转变意味着减少人际管理的需求，依靠系统来跟踪和管理工作流程。因此，CEO需要全面了解其服务企业的生产和经营活动，以便在与业务部门和分管领导的交流中更具指导和控制力。这种理解和掌控能力对于推动企业的数字化转型至关重要。

企业应利用数字化模型来清晰地规划企业的业务架构、应用架构、数据架构和技术架构，以支持数字化战略。同时，邓忠生指出，企业领导在进行顶层规划时需要具备相应的工具和判断力，以避免被外部公司误导，决策权必须掌握在自己手中。

数字化模型建设的总体路径及运维

邓忠生表示，数字化模型建设的总体路径可以分为写实、优化、运用、智能化四个阶段。企业首先应根据现状，将模型对象化、结构化、系统化，形成V 1 . 0版的模型，然后结合标杆企业最佳实践与创新能力，对现有模型进行优化。之后，将模型纳入知识库，成为企业级资产，并基于模型开展运营，包括管理改进、研发创新、生产制造。最后，基于固化的模型，调用AI能力，开展整体仿真和业务运行。

之后，邓忠生详细介绍了数字化模型的运维。他表示，管理模型构建方式的变化，倒逼企业的管理思想、管理模式都要作出相应的调整，要把数据字化模型当成企业最重要的战略资产，要设置专门的模型运维团队，建立专门的运维流程，制定专门的运维制度，及时维护变更信息，否则模型的作用就逐步减弱。

对于运维团队来说，运维不同模型，要确保各专业知识的沉淀，当模型库有变更需求时，需要有固定的流程执行变更，确保模型数据及时维护与更新。企业应该严肃对待模型的运维工作，通过制度强化先模型后执行的刚性机制，否则设计与执行很快就形成“两张皮”。

对于集团型企业或寻求扩张的企业来说，拥有一个明确的企业数字化模型至关重要。例如，当企业新建或收编一个团队或实体时，就可以依照这个模型进行整理、整顿和重构，这是快速增长的关键法宝。这不仅属于企业管理层面的内容，也是实际应用场景的一部分。此外，基于知识库的管理，对于新员工的培训也非常关键。在数据和标准层面，知识已经完全融入其中，这也是数字化共同追求的目标。

最后，邓忠生表示，数字化转型是一个对抗传统人性的过程，因为它意味着通过后台化和自动化减少对人工的依赖。这种转型往往会引起一些不适的反应，但实际上，数字化转型的目的是使工作流程更加高效和透明。数字化模型是一个框架或系统，通过一系列原则、流程、技术和策略，帮助企业有效地利用数字技术来改进和创新其业务操作和管理实践。