当前数字化道路有成功也有争议，上海“一网通办”入选《2020联合国全球城市电子政务经典案例》，在联合国全球城市电子政务评估排名中，上海位列第九，首次进入前十。目前，上海“一网通办”已全面建成“一平台、多终端、多渠道”的服务体系；其中，移动端“随申办”服务已全面覆盖上海常住人口，平均月活用户超1000万。同时，在采用最新数字技术实际落地中也发生了上汽对于华为模式的争议。“上汽很难接受单一一家供应商为上汽提供整体的解决方案。这就好比有一家公司为我们提供整体的解决方案，如此一来，它就成了灵魂，而上汽就成了躯体。对于这样的结果，上汽是不能接受的，要把灵魂掌握在自己手中。”
数字经济是以数字化的知识和信息为关键生产要素， 在推动生产力发展和生产关系变革中起到积极作用，经济社会实现从生产要素到生产力，再到生产关系的全面系统变革。政府在第14个5年计划中提出“加快数字化发展。发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”
从全球数字经济来看。可以发现数字经济在各国的发展并不平衡，主要呈现出以下特点：
第一，高收入国家总的数字经济规模要远远高出低收入国家。
第二，发达国家要远远高于发展中国家。全球形成了美国，中国和欧洲三足鼎立的状况。
全球层面数据转型引发的问题，就包括：
国家间数字鸿沟日益加深；
跨境数据流动不对称性，导致了国家间财富和创新的差距拉大；
数据平台崛起形成对于市场垄断，税收侵蚀和数据安全等问题；
数据技术在改变生活方式的同时带来隐私保护和伦理问题；
从企业角度，2019年COVID-19疫情后，数字化进一步在全球加速，来自戴尔科技数字化转型指数报告发现，一方面，全球范围的数字化转型加速，但持续转型颇具挑战性：94%的全球受访企业和组织正面临根深蒂固的转型障碍。三大首要障碍严重阻碍全球受访企业数字化转型的成功：
数据隐私和网络安全的问题（2016年位列第5，2020年位列第1）
缺乏预算和资源的问题（2016年位列第1，2018年位列第2）
无法从超负荷的数据乃至信息中获取洞察力的问题（自2016年以来跃升8位）
而严重阻碍中国受访企业数字化转型成功的三大障碍则分别是：
缺乏必要的内部技能和专业知识
数据隐私和网络安全问题
缺乏合适的技术来适应业务发展的速度
根据麦肯锡的报告，全球数字化转型中有80%的失败概率，其中就包括IBM Watson， 2018 年 8 月《华尔街日报》“没有任何已发表的研究表明，Watson 提升了患者的治愈率。医疗机构和专业医生反馈，其系统应用收效甚微，某些情况下还会出错。并且，由于缺乏罕见病例数据，Watson 的更新速度跟不上癌症治疗的发展速度”。 据《华尔街日报》援引知情人士报道，IBM打算出售Watson Health部门。同时意味着，IBM布局十年的AI医疗之路就此终结！
02、数字治理和数据管理
数据治理，作为数字社会可持续发展的基础，在具体操作层面，可以分为“国家/社会层面”，“企业层面”两个维度分别进行具体定义，并明确治理的目标。
在国家/社会层面, 数据治理： 是为了实现数字社会可持续发展，围绕数据如何收集利用而搭建的公告政策框架体系。核心是各方主体（包括政府、企业、消费者及社群机构等）关于数据收集与使用达成的基本共识、立场与规则方案。（来源：腾讯研究院 – 规则的激荡与新生 2020年数据治理年度报告）
在企业层面，数据治理：是指对数据资产管理行使权力和控制的活动集合（包括计划、监督和执行）。数据治理功能指导其他数据管理功能的执行，数据治理在更高的层次上执行数据管理。(来源：DAMA)；数据治理：是指银行业金融机构通过建立组织架构，明确董事会、监事会、高级管理层及内设部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。（来源：银行业金融机构数据治理指引）；
对于企业来说，总体的数据治理目标就包括运营合规、风险可控和价值实现。其中要牢牢的抓住价值实现这一条开展数据资产的运营和应用，包括：
实现数据的流通；
增加数据的服务；
提升数据的洞察，以指导实际的经济运行。
为完成以上的数据治理目标，又需要具体的数据治理任务，包括：
评估企业的现状、需求和治理环境；
评估企业已有的数据资源和管理能力；
通过以上的评估指导企业自身的数据管理体系的建立，数据治理具体领域的建立和实施；
最终对于整个体系进行评价和审计，以确保它的运营合规、风险可控，价值实现。
在数据管理层面，数据管理是在确保数据质量，安全情况下，实现数据全生命周期管理，包括建立：数据标准、元数据管理、数据质量、数据安全和数据管理绩效和持续改进。在实现具体数据价值场景上，也从“开源，节流，增效”上对于已有的企业流程进行变更，敢于应用新兴科技手段，打破已有的部门界限、企业界限和行业界限，通过：
增大数据体量，将封闭的数据释放出来，为数据分析提供充足的“原材料”。
提升数据质量，实现数据标准化，为数据互通和数据分析提供“可用”数据。
促进数据的交易流通，让已有的数据流动起来，为不同数据集合之间建立更多的相关关系创造条件。
规制数据风险，维护各方主体数据权益，规范数据开发利用行为。
勇于思考新的业务模式，在数据驱动下，实现新的价值增长。数字化转型是一个持续优化的过程，只有起点，没有终点。为了避免数据转型的失败，要时刻回顾“初心”，即思索：
• 数字化转型到底要解决客户什么问题？用户到底需要什么？用户和客户关心的问题在哪？
• 业务战略到底解决业务的什么问题？
• 变革是否有个好的规划和持续的架构？
当前数字化转型的现状是：
• 存量IT“烟囱”系统遍布业务，同时支撑业务的日常运行。大量EXCEL专家，计算部门内数据。
• 数据“私有化”， 成为部门私产。
• 跨部门的数据协作，从部门政治，权责，底层数据上不支持。
对于大量的传统企业数字化转型相对于数字原生企业，传统企业数字化变革是企业的管理大变革。相当于高速上开车换轮子。数字化转型要业务和技术双轮驱动。数字基础建设“数据湖”，需要一手抓数据入湖和连接，一手抓数据消费和服务。从业务实际问题出发，结合数据分析技术找出解决问题方案，并及时变现，才有可持续发展的意义。
要落实传统企业数字化转型，结合传统企业变革的经验教训，作者提出以下要点：
首先，确立企业领导直接挂帅，培养企业内承担风险的意识，在风险可控的情况下，建立容错机制，勇于尝试新生事物和新生技术改造已有商业模式，进行小规模试错。在企业内部建立“企业数据治理办公室”和跨专业的“数据管理团队”，业务+IT+数据专业人员，形成跨部门的战斗小组进行协助。即集合多部门力量，有分工协作，在统一领导下为变革创新而奋斗， 为企业在新模式下开辟道路。
其次， 在变革中统一思想，确立基本原则：
·经济性原则：价值导向，小步迭代，控制风险，确保每个变革具有合理的投入产出比；
· 适用性原则：创新发展符合企业的实际情况，发展的阶段。不照搬所谓先进经验，不求先进，但求合适。
· 持续性原则：数字化创新只有开始，没有结束。需要一路不断秉承“初心”，不断紧跟数字技术潮流，数字生态的发展，引导企业不断变革和适应新的形势，不断开创新的发展局面，开发/运维/运营一体化。
最后，企业要具备通盘考虑，走一步，思考三步。从企业架构的高度，确保总体的方向， 见下图。
来源： 御数坊- 企业数据治理现状调查报告
在具体的数字化转型路径当中，可以考虑从局部到总体的思路。在内部判断企业的发展阶段和核心需求，从最急需改进的环节入手。以解决问题为目标，以需求为驱动，进行数字化转型。局部环节先动起来，战略上在总体进行整体的把控，从局部逐步实现数字化转型，并成功推动其他环节的联动，最终实现总体和局部的融合。同时，对于数据的定义、数据质量、元数据管理、数据的安全和隐私可以同步或提前一步建设。
作者 陈皓 外企医疗健康企业信息安全总监
版权归原作者所有，如若转载，请注明出处：https://www.ciocso.com/article/10319.html
