2.1 ✅✅“不规则三角”评估模型
2025/2/18 第一稿； 2025/02/23 修改2.1.2部分，该小节基本完整。
2025/03/13 修改不规则三角的，统一名称
从宏观角度看，数字化转型是企业管理、业务的数字化改进和创新，是从经验管理到数字化管理的转型，最终都是为了推动业务的持续增长，甚至商业模式的进化。
从微观角度看，数字化转型是每个业务场景的业务信息化、数据标准化、决策智能化，包括业务全面在线、将数据视为资产、分析辅助决策等多个部分。
在实践中，笔者总结了一个评估企业数字化转型现状和可行性的模型，它有三个顶点构成，相互位置随行业、公司情况而变化，因此称为“不规则三角”。
2.1.1 ✅ 评估企业数字化转型的“不规则三角”模型
数字化转型是企业经营管理活动的反映，它受到几个主要“作用力”的影响：
- 企业领导层的数据认知和企业文化决定了所能达到的“上限”——企业无法抵达实现认识不到的领域；
- 企业的组织和流程能力是最关键的障碍——部门天然追求“局部最优”，而数据天然跨部门流动，是企业的“血液”，是驱动发现问题、改进问题的“照妖镜”，数字化转型必然追求全局利益；
- 数字化不是天马行空，数据的生命周期需要依赖各种软硬件系统，而数据到价值的变现能力更依赖于行业知识、软件最佳实践和通用分析方法——对工具、分析通识的理解和内化能力，决定了企业和分析师“变现”的程度。
基于这样的理解，笔者提出了评估企业数字化转型的“不规则三角”模型，如图2- 所示。其中 A 点代表“认知能力和数据文化”，B 点代表“组织和流程现状”，C 点代表“系统工具和方法通识”。
“不规则三角”概念源自于笔者为某股份制银行提供业务分析项目的思考。在笔者看来，该银行的数字化水平远低于同行平均水平，更低于行业标杆。每个企业都可以把企业自身、行业标杆、行业对应的模型能力抽象为一个三角，而后放在同一个空间坐标系中，就有了如下的横向比较。如图3- 所示。
图：企业、行业和行业标杆企业的对比矩阵
上图中，左上角的三角代表行业标杆“Z行”，下方三角代表“H 行”，右侧代表全国股份制银行的平均水平。通过比较每个三角的认知能力和数据文化、组织和流程现状、系统工具和方法通识，企业可以找到自己的改进之处。
接下来，笔者重点介绍一下每个顶点所代表的涵义。
1）认知水平和数据文化
认知水平决定了数字化转型所能达到的理论上限，往往是由企业的领导层和关键岗位的理解水平决定的，而这进一步决定了企业的数据文化。
企业数字化转型成败的首要前提不是工具、技术路线和方法论，而是自上而下的数据认知。企业的持续进步和盈利，只是企业领导认知能力和组织能力的“投影”和“变现”。
在同一个环境下，不同企业领导层的认知能力有明显的高低段位之分，并因此引发了企业的路径选择、数字化转型效率差异，并酝酿不同的数据文化和数据氛围。通常新公司胜过旧公司。
相比互联网银行和消费金融等同业，某些传统银行的高龄领导对数据、数字化、数据分析的认知停留在令人惊讶的地步。极端情况下，甚至“一声号令”足以浪费掉一个部门整年的努力——比如把数字化大屏或者所谓的“数据规范、数据标准”视为部门数字化转型的重点。
2）流程与组织能力
企业流程设计的基本目标是提升企业绩效（performance improving），而绩效的陷阱是部门之间的“空白地带”（the white space）。数据价值也如此理。
数字化转型的关键是处理数据在企业部门之间的流转，在每一次流转，数据要么实现“价值提升”，要么发生“价值衰减”。 流程和组织现状往往是数字化转型最大的阻力，是数据流转效率、数据价值发挥的关键制约要素。
其中，流程和组织设计应该考虑数据生命周期的历程，选择合理的组织方式。
- 业务需求到应用程序开发的数据生成效率（对应“业务在线”）
- 原始数据到“可用数据”的转化效率（对应“数据治理”）
- 数据到“指标”“问题”“仪表板”等形态的转化（对应“抽象分析”）
- 分析数据到业务决策的指导效率（对应“分析决策”过程）
为了实现数据在每个阶段的“价值提升”，最为重要的是企业中数据相关部门的流程设计和合理分工，并根据形势变化做出必要的调整。
比如很多客户过度依赖 IT 开发，甚至过度依赖外包服务，导致业务用户“有心无力”、IT 人员对数据理解“似是而非”。这种情况下，领导再有先见之明，也只能像是“套子里的人”束手无策。
在流程设计中有句话说，“能人不能对抗流程”，数据领域也一样。
3）工具和系统应用
决定了在流程阻力和认知高度之间所能达到的高度。
工具是分析师能力变现的“天花板”；系统是企业价值“变现”的天花板。古人讲“君子善假于物”，如今的企业没有一家能脱离系统工具靠手搓活下去，建立在数据之上的各种系统和工具，是数字化转型中不可或缺的。
很多企业往往花费了几千万甚至上亿元的巨额费用购买各类软件平台，比如数据中台、数据大屏、“指标平台”、分布式存储、报表工具、BI 平台等等，却不自觉地陷入“重购买、轻使用”的陷阱，甚至出现了不同工具逻辑相互打架的情况。最终，企业拥有远超行业平均水平的软件平台，但不能合理的分工协作，形成各类工作的最佳实践，最终只能发挥微不足道的价值。
借助于所在企业与行业平均水平、行业标杆之间的比较，可以更好的发现企业的问题。比如笔者接触的某些传统行业公司，就数字化转型呈现“认知悬空、流程失能、工具异化“的典型困境。
- 认知悬空：一些大龄的领导对“数据”缺乏敏感，在数字化大潮面前要么固执己见，要么被外部片面宣传裹挟，导致“信息化工程”推动填报平台、“数字化时期”推动大屏、“AI 时代”推智能审计报告这些浮于表面和形式的事情。
- 流程失能：IT 部门，或者拆分出来的数据部门阻碍“业务主导分析”的大趋势，误以为自己才是“数据的主人”，和数据相关的工作都大包大揽，但又对业务逻辑、指标体系、分析需求缺乏深刻理解，最终看似拥有数据的部门反而成为企业“数字化转型”最大的流程障碍；部分传统企业过度依赖外包服务，更加剧了矛盾
- 工具异化：工具是能力展示的天花板，应该和企业需求相匹配，诸如炫酷大屏、复杂报表、指标平台等工具，让企业数据使用浮于表面，并推动了畸形数据文化的生长。
这种结构性矛盾需要主要有两个方面的努力：
- 降低“认知水平”和“组织流程能力”之间的撕裂度。
- 选择尽可能高质量的“工具和系统应用”，推动认知变现、拉通流程能力。
基于这样的努力，企业可以确保组织流程不是“数字化”的障碍，尽可能提高数据转化为价值的效率，实现“业务技术融合机制”。
在笔者看来，上述的评价模型，不仅可以评价企业的数字化现状，同时也指明了企业数字化转型应该努力的方向。希望读者以此为参考，可以勾勒所在企业的数字化能力三角，这将是通往“未来的 CEO”之路的必备认知训练。