在討論企業數字化轉型時，會涉及到企業的許許多多方面的工作內容，上到組織變革，下到數據治理。

而數字化，本質上是企業IT技術能力的升級。最終，一個企業實施了數字化，一定會在IT基礎建設上有所體現，比如：引入一些新的管理軟件工具，搭建一些新的數字化服務，或者發明創造出新的智能化應用產品。

那麼，企業基於數字化轉型工作所構建出的IT系統和信息化時代相比，究竟有什麼不一樣呢？換句話說，憑什麼認爲企業開發的IT系統屬於數字化轉型的成績呢？

從一般觀察來看，這種區分本來是模糊的，但是仍然能大致給出一個判別邊界：觀察IT系統的核心功能是數據驅動的還是經驗驅動的。

有人說，難道不是應該按照，“數據是結果，還是原因”這個原則來區分麼？

其實也不完全嚴謹，其實早在信息化時代，人們就已經開始考慮使用數據了，那個時候數據更多是用來“指導”自動化流程，或者在數據倉庫的“寬表”中爲管理者提供OLAP支撐。

但是，無論是自動化流程的邏輯順序，還是寬表的數據結構，都是基於業務經驗驅動進行建模的。數據本身的隱含價值並沒有更多地挖掘和開發。

在信息化時代，商業價值的本質來自於連接。連接的方式，以及被連接的內容，都是基於業務經驗確定下來的。

在數字化時代，商業價值的本質來自於數據本身。當然，業務經驗同樣非常重要，但是經驗不是價值的全部，而是價值的起點。

以經驗爲中心的商業活動，總是有天花板的。人的能力決定了業務的上限。

反過來，如果“經驗+數據”的方式來構建IT應用，爲企業的業務賦能，那麼則可以不斷拓寬企業的業務能力邊界，實現組織真正意義的成長。

在這種模式下，不僅僅是人依靠經驗“單向”地使用數據，而是人的經驗和數據的積累互相賦能，共同提升：

在業務數據化的階段：以經驗驅動爲主，將業務活動、業務知識，以及業務標準進行數據編碼，實現業務的數據留痕。用經驗對數據進行增強。

反過來，在數據業務化的階段：以數據驅動爲主，通過大數據、機器學習、人工智能等前沿的數據科學技術，從數據資源中挖掘出有商業洞察價值的寶貴業務經驗。用數據對經驗進行增強。

經過上述兩個基礎環節的閉環，經驗和數據二者相互促進，就可以形成“優美”的成長型組織形態。

與此同時，隨着行業大模型和AIGC技術的出現和普及，在不依賴於經驗的情況下，數據本身也可以獲得某種程度上的“自驅動”，“自增長”。

通過深度人工智能算法，基於海量數據可以湧現出一定的商業認知和業務經驗。這無疑也極大地緩解了很多中小企業在數字化經驗不足上的冷啓動問題。

總而言之，和信息化時代的IT系統相比，數字化時代更關注於對數據的價值潛力挖掘。而這一切，依賴於健全、完善、規範的數據要素市場，高性能、低成本、強實時的大數據處理技術，以及準確、可靠、穩定的數據感知與數據治理能力。

本文來自微信公衆號 “大話數字化轉型”（ID：dataminingxmz），作者：數字化劉老師，36氪經授權發佈。