华为说：“数字化转型是企业利用先进技术来优化或创新新的业务模式，以客户为中心，以数据为驱动，打破传统的组织效能边界和行业边界，提升企业竞争力，为企业创造新价值的过程。”
我们可能就是普通员工，既不掌握先进技术，也不直接面对客户，我们又能这么转？还是我们就是被转、被打破的？
我只是想分享数字化时代我们每个人都可以去做的三件事：
如果你问我，这几年在企业内部推动数字化最大的挑战是什么？
关于数字化的价值，市面上不乏各路天花乱坠、甚至天马行空的说法。
在这几年的数字化落地实践之中，我体会是最深的是三个方面：
回想一下自己每天的工作，你一定在这三个方面有痛点！
学会用数字化的方式发现业务痛点、满足业务需求，我们才不会被数字化反噬。
数字化在后两个方面（管控、效率）的价值相信大家不难理解，所以我想重点聊聊“数据支撑决策”。
通俗来说，就是要求我们认知不是凭印象，决策不是拍脑袋。
举个例子：招聘的学历偏好，你们是否考虑多招名校高材生来优化队伍结构？
你可能会对他们这样的印象：能力更强，心气也更高，更难招也更难留。事实果真如此吗？
每年名校高材生的简历更少吗？签约率更低吗？他们在招聘的哪个环节更容易流失？为什么流失？
各层次学历、院校的员工在队伍中占多大比例？这些年有什么变化？名校毕业生在培训中的表现更好吗？绩效更好吗？他们成长更快吗？
他们的离职率更高吗？他们平均干多久会走？最主要的原因是什么？他们创造的全周期价值（Employee Lifecycle Value）更高吗？
当我们分析数据来验证这些假设，我们就会知道是否值得投入更多来吸引、保留、培养他们，这便是从数据中提炼观点洞察（Insight）。
如果答案是“值得”，接下来的问题就是：为了吸引、保留、培养他们，有哪些方法也许有用？
再接下来，决定使用其中的哪些，我们要看：各种方法各有什么利弊？预期的投入产出是怎样？
最后，实施了方案后，我们要评估：这些方法奏效了吗？还要继续使用吗？有什么不足需要改进？
这就是数据驱动问题探索、方案决策、结果衡量的循环。
要把数据利用起来，支持决策，才能让数据这块不起眼的钻石原石焕发光彩。
最耀眼的钻石不仅要有3EX的切工，也要有VVS的纯净度，还要有足够的克拉数；
最能有效支持决策的数据分析，不仅要从多个角度剖析，也需要有高质量的数据，还要有足够的数据量。
要有高质量的数据，我们就要将数据在系统中规范地存储、管理和共享。而最好的方式是要让完整的业务流程就跑在系统上，让数据自然沉淀在系统中，而不是再另外手工录入。不然就会出现“线上跑不过线下”、“线上线下两张皮”的问题。
要有足够量的数据，需要有更高效的工具去采集、整理数据，比如现在我们有图片转文字、语音转文字、有各种扫码、各种传感器、有自动打标签、有RPA（流程自动化机器人）等等。
数字化系统也可以被看作是被业务流程串起来的一系列数字化工具。我们使用系统和工具越多、留下的数据越多，我们才可能发现更多。比如系统会自动记录每个环节的流转时间，我们可以借此分析，发现业务流程中的堵点和瓶颈。
这便数字化的“数据支撑决策”价值与管理、效率价值之间的关联。
我不赞同“人人都要会一点编程”、“人人都是产品经理”的说法。
但数字化时代我们每个人和IT人员沟通协作的机会都更多了。
为了和他们不会鸡同鸭讲，我们有必要去了解一下他们的思维和工作方式。
当然，认识数字化的业务价值会让我们更有动力去学习和实践。
这几年，在数字化系统实施和开发项目中，我也从技术人员身上学到很多方法，例如：
有时候我们排斥上系统，是因为觉得业务复杂、特殊情况多，人都搞不定、何况系统。但这其实并不是技术搞不定，而是业务不规范、业务不清晰。
实际上，我们如果能把所有场景的前因后果列清楚，和技术人员共同梳理归纳后，原本的几十种情况，其实可能都能被归纳成几大类，处理方式不过几条if...then（如果怎么样，就怎么做）条件规则，并没有我们想象中那么复杂。
无论是使用现成的数字化系统、工具还是重新开发，都不太可能一步到位满足我们所有心愿，我们需要适应“有所侧重、小步快跑、数据验证、逐步完善”的敏捷创新方法。有时候，先跑起来才知道跑没跑对方向，发现了跑错了快速调头。数字化系统和工具只有先用起来，才知道哪里最需要改进完善。
其实我们很多工作都可以借鉴这种方法，这样我们能更快地适应外部环境和业务需求的变化。
无论是收集需求还是解决问题，IT都会让我们评估对业务的影响，排出一个优先级。
有限的时间和资源下，做事必须有主次、分先后，在快速迭代的过程中更是如此。
至于优先级熟先熟后，当然也需要有数据来支持。
技术人员往往是习惯“用数据说话”的。
比如，技术人员常会用“人天”（需要1个人花多少天）来描述任务的复杂度和需要投入的资源。在开始任务之前，他们会预估所需的人天；在完成任务之后，他们会统计实际耗费的人天。虽然只是很笼统的估算，但同样可以作为相关决策的支持数据。
如果能够作为业务方的代表参与数字化系统、工具的实施、开发项目，无疑会对数字化的这些思维和方法有更深刻的理解。
如果能够在项目实践中提升一些专业技能，会让我们更能与技术人员同频共振，例如：
数字化会对我们固有的工作方法、思维方式和业务流程带来变化。
数据驱动可能要求我们改变思考和决策的惯性；假如数据分析结果与经验直觉相悖，你能接受吗？
系统建设可能会改变流程中的分工和权限，流程也可能要持续优化并测试验证，你愿意改变吗？
使用数字化工具的初期一定有学习和适应过程，你愿意走出舒适圈吗？
敏捷迭代的工作方法可能会让我们有“在毛坯房里边住边装修的感觉”的感觉。在系统、工具启用之初，可能问题频发、不够完善，你的耐心会被消磨殆尽吗？你还相信明天会更好吗？
其实不管我们愿不愿意变化，外部的环境都在变。比如生成式AI（AIGC）技术，最近一年飞速进化，仿佛势不可挡。我们会不会被AI替代？试用之后你肯定会有自己的答案。但我相信，我们很快会被分为两类——会借力AI的和不会的。
唯一不变的就是变化会不断发生，只有保持拥抱变化的心态、不断做出应对变化的尝试。
我们可以主动学习一些数字化的思维和方法，并在工作中使用。比如，我们可以学习数据可视化的原理并改进PPT中的图表；学习基础的统计学和相关的Excel技巧，来尝试从现有数据中获得新的发现。
我们可以主动探索新的数字化工具，并尝试应用于工作。就比如AI，我们可以尝试让AI为我们起草会议通知、提出发言思路、润色发言稿、将会议录音转成文字、归纳会议纪要、甚至翻译成英文。
国内一些大厂的AI就已经能实现这些功能，完全没有技术门槛，还提供免费试用。
当我们认识了数字化对业务的价值、了解过数字化的思维方法、体验过数字化的系统工具，我相信你一定也会愿意打开心怀、拥抱数字化。
