摘要：本文根据业务使用的数字模型规则不同，以及数据驱动业务方式的不同提出了以“数字看板”、“数字工程”、“大数据和数据智能应用”为代表的“以数据为中心的业务变革”三种范式，供企业开展数字场景构建时参考。
在《数字化转型“降本增效”的底层逻辑是什么》中，我们提到，数字化和数字化转型的“降本增效”体现在：“科学管理”、“精益管理”、“管理自动化”、“以数据为中心的业务变革”四个阶段。
其中“科学管理”和“精益管理”两阶段分别以“业务活动步骤化”和“步骤环节要素化”为主要标志，是与信息系统无关的。从“管理自动化”对应的“要素数据规格化”开始，涉及到了信息系统和数据。尤其是到了“以数据为中心的业务变革”阶段，数据开始登上中心舞台。在本文，我们根据业务使用的数字模型规则不同，及数据驱动业务方式的不同，提出“以数据为中心的业务变革”三种范式。
为便于读者理解，首先提出数字模型这一概念：数字模型是对系统结构信息和行为的数字化表达，是依据实际需求来建立反映实际系统特征及运行规则的抽象化定量描述。通过定义一定的数学或者逻辑关系，来解释和预测数据的行为和变化。数字化转型网（www.szhzxw.cn）
结合在《从信号处理到数字化和数字化转型》中的类比，物理信号在经过“抽样”、“量化”、“编码”后形成的数字信号及其处理规律，就是物理信号的数字模型。而对于数字信号的处理，有其完全不同于模拟信号的处理规则，如奈奎斯特抽样定理、快速傅里叶变换、小波分析等。
而企业的业务活动在“数字化”后，也即经过“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”三阶段后，形成了业务活动的数字模型。数字化转型网（www.szhzxw.cn）
下面介绍“以数据为中心的业务变革”的三种范式：
一、系统数字化、规则模拟化，模型驱动业务
以企业管理精益看板方法的数字化表达——数字看板为代表。数字看板是企业业务活动的数字化模型，通过明确业务场景和客户价值目标，深入业务活动的全生命周期各实际操作环节体验和考察，分析影响价值目标传递和实现的因素；对业务活动进行步骤划分完成“业务活动步骤化”；明确步骤之间的转换条件和要素指标，更新流程规则并开展资源配置。实时监测资源和运行条件，确保资源条件一旦具备即刻开展相关业务活动，解决影响价值传递和实现的因素，实现“步骤环节要素化”；以步骤定时记录的方式，将步骤执行过程中反映业务活动全过程、全状态信息的数据记录下来，实现业务价值流动可视化；通过显式化业务流程规则并将其数据化、规格化，在业务运行过程中发挥看板对业务的拉动机制，加速用户价值流动，并有效驱动数据更新和状态跳转；通过为各类资源建立状态参数，动态监测资源占用情况，有效暴露资源瓶颈，过程体现“要素数据规格化”。数字化转型网（www.szhzxw.cn）
数字看板作为“以数据为中心的业务变革”的第一种范式代表，其特点为：
1. 数字模型的系统结构和行为数字化、规则“模拟化”。业务本身及其运行过程采用数字化表达，但其业务流程规则并不是业务数字化后新产生的规则，而是业务本身固有的“模拟化”规则；
2. 模型规则清晰简单；业务流程规则为企业的生产和管理活动规则，相对简单明了，业务流程规则直接作为数字模型规则使用；数字化转型网（www.szhzxw.cn）
3. 数字模型与业务的关系为模型驱动业务；整个运行过程以“价值流动可视化”、“流程规则显式化”、“有效暴露资源瓶颈”的方式，实现数字看板对业务的拉动。虽然业务的执行结果也会影响数字看板的改进，但这种影响是非实时的。总体上讲，数字模型与业务的关系为模型驱动业务。
二、系统数字化、规则模拟化，模型和业务相互驱动
以装备制造业领域的数字工程为代表。数字工程由美国国防部2018年在其“国防部数字工程战略”中提出。数字工程战略旨在推进数字工程转型，将国防部线性、以文档为中心的采办流程转变为动态、以数字模型为中心的数字工程生态系统，完成以模型和数据为核心谋事做事的范式转移。
对于装备制造企业，其数字工程包含数字样机（装备的数字模型）、数字线索(Digital Thread)、数字孪生（Digital Twins）三部分。数字工程通过在装备的论证立项、研制、生产、测试定型、使用维护等全周期建立数字模型，并在装备全生命周期中连续传递形成数字样机，以实现对装备的全面、端到端数字化表达。通过数字线索（可以简单理解为数据模型和数据的共享、传递机制），在装备的全生命周期内将设计、研制、生产、测试、运行中的各类数据在数字样机和物理实体装备之间传递，以实现数字样机在仿真运行过程中与物理实体装备开展迭代和同步更新完善，也称为数字孪生。
通过数字孪生方式迭代优化后的数字样机，可以帮助设计师在数字环境中快速迭代和优化设计方案，缩短产品研发周期，提高产品竞争力；在数字环境中模拟和测试各种方案，避免现实世界中的高昂成本和潜在风险，以及降低维护成本和延长设备寿命。数字化转型网（www.szhzxw.cn）
数字工程作为“以数据为中心的业务变革”的第二种范式代表，其特点为：
1. 数字模型的系统结构和行为数字化、规则“模拟化”；装备的组成结构、几何外形、学科特性、功能效能在其全生命周期进行了数字化表达，成为数字样机，但数字样机仿真运行的原理和规则并不是其新产生的规则，而是装备本身固有的“模拟化”规则，如装备的功能、效能、组成结构、相互作用等的科学、技术和工程原理等；
2. 模型规则复杂，具备一定程度的不确定性和不可预见性；装备的运行规则由相关科学、技术和工程原理为主，这些规则运用在实体装备上，由于装备设计、生产和维护过程中的操作误差及运行环境因素，具有复杂性和一定程度的不确定性、不可预见性；而数字样机作为实体物理装备的数字化表达，相对于“模拟化”实体物理装备丢失了很多细节，装备的“模拟化”运行规则运用在数字样机上，会进一步降低数字样机的仿真可信度。因此需要采取数字孪生技术，通过数字样机与实体装备迭代优化的方式提高数字样机其可信度；数字化转型网（www.szhzxw.cn）
3. 数字模型与业务的关系为模型与业务相互驱动；数字工程的运行过程是在装备的全生命周期规范数字样机的开发、集成和使用，通过数字线索在数字样机和物理实体装备之间实时传递运行数据，以实现二者的共同迭代和同步完善，即数字孪生。这种业务模式，即为模型与业务相互驱动、迭代优化的模式。
三、系统数字化、规则数字化、模型和业务相互驱动
以大数据和数据智能技术在公共管理和消费行业的运用，尤其是在新媒体、金融、零售、餐饮等行业的成功运用为标志。如互联网营销推荐、网上娱乐和阅读推荐、金融风控、公共安全、基于经营数据的决策辅助等。这些场景下的数字模型，就是以部分机器学习模型为基础，例如以支持向量机为代表的几何模型、以贝叶斯分类器为代表的概率模型和以人工神经网络为代表的仿生模型等。
大数据和数据智能技术的运用作为“以数据为中心的业务变革”的第三种范式代表，其特点为：
1. 数字模型的系统结构和行为数字化、规则数字化；对于大数据和数据智能技术在公共管理和消费行业的运用，其业务活动通过用户在互联网上的登录、驻留、操作访问、消费和个人定位来记录，且多以APP的形式收集用户个人数据，其通过互联网数据刻画的系统结构和行为天然具备数字化特征。而其业务规则也大多依靠模型算法，根据业务运行中采集到的现有数据去自主学习、关联和生成。
2. 模型规则具有模糊性、非确定性且缺乏理论解释；在大数据和机器学习的应用场景下，较少依赖甚至完全不依赖现有场景“模拟化”规则，在大多数场景下也几乎没有现成规则可以遵循。这种模型通常需要较大的数据量用于模型的训练，生成的规则很大程度依赖不完备的训练数据，具有相当大的模糊性、非确定性且缺乏理论解释，适合无明确的现有规则或仅依靠现有规则不足以支撑业务运行、主观性强、容错性高的应用场景，由于其技术特点，暂无法满足业务规则专业型强、复杂度高的场景。
3. 数字模型与业务的关系为模型与业务相互驱动；大数据和数据智能技术的运用，是以现有业务采集数据为依托，通过数据分析、挖掘和训练模型，生成新的知识和规则，再通过这些知识和规则运用于新的数据，通过业务结果实时反馈给数字模型进行测试和新的训练，以进一步改进模型。整个过程是模型与业务相互驱动、迭代优化的模式。数字化转型网（www.szhzxw.cn）
四、“三种范式”的总结
下面我们对“以数据为中心的业务变革”的三种范式总结如下：
“以数据为中心的业务变革”的三种范式总结
| 范式名称 | 模型特征 | 规则特征 | 模型与业务的关系 | 典型业务场景 |
| 系统数字化、规则模拟化，模型驱动业务 | 系统结构和行为数字化、规则“模拟化”， | 1.业务规则清晰简单，2.模型规则直接采用 | 模型驱动业务 | 精益管理数字看板 |
| 系统数字化、规则模拟化，模型和业务相互驱动 | 系统结构和行为数字化、规则“模拟化” | 1.业务规则复杂，具备一定程度的不确定性和不可预见性；2.模型规则通过业务规则结合业务结果实时反馈迭代优化 | 模型与业务相互驱动 | 数字工程 |
| 系统数字化、规则数字化、模型和业务相互驱动 | 系统结构和行为数字化、规则数字化 | 1.业务无明确规则或仅依赖现有规则无法支撑业务运行，主观性强；2.规则规则具有模糊性、非确定性且缺乏理论解释 | 模型与业务相互驱动 | 大数据和数据智能技术在新媒体、金融、零售、餐饮等行业的成功运用 |
以上三种范式可供企业在数字化转型中，用于开展数字场景构建的参考。对于具体企业，可根据自身各业务线的特点灵活开展相关建设：
如业务线的部分步骤环节缺乏明确规则，决策主观性强，容错度高，但属于数据密集型环节，就可以考虑采用第三种范式，构建数据智能模型，用于决策辅助；
如业务线大部分步骤环节属于常规业务工作，业务规则清晰、明确，就适合采用第一种范式，建设数字看板，通过精益看板方法拉动业务；数字化转型网（www.szhzxw.cn）
如业务线部分步骤环节学科性、专业性强，相关原理、规则复杂，容错度低，使用第一种范式会因模型仿真置信度不足造成不良后果，使用第三种范式因技术受限，无法满足专业性强、复杂度高的场景需求，就适合搭建数字孪生场景，以第二种范式建设。数字化转型网（www.szhzxw.cn）
五、展望未来——第四种范式？
有的读者可能想问，除此以外有没有更好的范式？要回答这个问题，还是回到本文开始提到的数字信号处理。从数字化转型的角度，数字信号作为模拟信号的数字模型，完全抛弃了模拟信号处理的物理方法：
奈奎斯特采样定理说明了采样频率与信号频谱之间的关系，明确当采样频率大于信号中最高频率的2倍时，采样后的数字信号能够完整保留原始信号中的所有信息，是连续信号离散化的基本依据；
离散傅里叶变换作为一种将时域信号转换为频域信号的数学工具，方便数字信号处理的数字滤波、数字调制等操作，推动了数字信号处理成为现代通信技术的重要基础；方便图像处理的图像增强、滤波、特征提取等操作，成为图像处理技术的重要基础。快速傅里叶变换算法提供了计算机计算离散傅里叶变换的高效、快速计算方法；数字化转型网（www.szhzxw.cn）
而小波变换继承和发展了傅里叶变换局部化的思想，能够提供一个随频率改变的“时间—频率”窗口，能对时间（空间）频率的局部化分析，达到高频处时间细分、低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了傅里叶变换的困难问题，成为继傅里叶变换以来科学方法上的重大突破，在信号处理领域，甚至数学、量子力学、计算机分类与识别、军事电子对抗、语音与音乐的人工合成、故障诊断等更多领域发挥了重要的作用。数字化转型网（www.szhzxw.cn）
综上所述，数字信号处理作为信号处理领域数字化转型的成果，其建立了以新理论为基础的整套数字化处理规则，成为数字化领域的典范。在当前人工智能的热潮下，大数据和人工智能的泡沫吹得很大，部分学者甚至提出了数据智能是在理论、实验、仿真之外，“只需知其然，不需知其所以然”的知识生成第四范式，这其实是在掩盖基于数据分析的人工智能目前缺乏理论基础这一苍白事实。笔者认为，目前基于数据分析的人工智能还没有突破纯实验科学的范畴，在企业的数字化转型中，其技术局限于本文提出的第三范式。数字化转型网（www.szhzxw.cn）
追求“知其然，更知其所以然”是人类探索未知世界，追求科学规律的基本精神。时代呼唤更多的奈奎斯特采样定理、快速傅里叶变换和小波变换，也许这是“以数据为中心的业务变革”“第四种范式”的未来所在吧！
本文由数字化转型网（www.szhzxw.cn）转载而成，来源数字化老兵aloha；编辑/翻译：数字化转型网小汤圆。
免责声明: 本网站(http://www.szhzxw.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等) 版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
