数字化转型就是利用数字化技术（如大数据、云计算、人工智能等）来推动企业组织转变业务模式，组织架构，企业文化等的变革措施，如衍生出的智能制造、智慧城市等概念。
数字化转型是个和大数据一样，是个有点大有点虚的概念，映射到直接落地，相对接地气的概念就是数据化管理，也是当下很多企业正在实施的措施。
呼声大的是生产制造业，所以以下很多都倾向于生产制造业的业务情况：
1、第一阶段：数据连接、采集、整理
数据是数字化的基础，数字化转型的第一步往往都是先进行数据连接。要分析什么业务，分析的指标有哪些，需要的数据有哪些，当下已有哪些数据，哪些数据不足需要定向收集。
比如：
生产可以通过传感器等设备收集生产环节的数据。
库存可用过扫码等手段来收集，以及后续物流运输数据。
销售可以通过改进业务流程，设置数据采集环节来收集数据。
营销可以通过网站的埋点来收集用户的行为数据。
……
数据采集的成本比较高，而且往往大动干戈。建议先做好数字化路线和场景的规划，尽量自顶而下推导到底需要哪些数据及其采集技术，往往数据采集的难点不在于技术层面，而在于业务层面的推动。
采集到数据还只是第一步，后续需要有大量的工作保证数据质量，数据有问题分析再严谨都是空谈。建议在数字化规划阶段，需要对全数据链路进行详细设计，争取做到几个要点：
①多个系统相联通，至少保证同一种数据在不同系统中是一致的；
②通过数据链路设计使得相邻环节的数据可相互校验；
③数据质量需融入日常运营管理流程。
然后是数据整合。采集到的数据往往都分布在各业务系统内，但后续分析的时候往往会涉及多种业务的数据，比如财务+销售，所以系统之间的数据壁垒要打通，避免数据孤岛。
系统来看，就是从数据分析出发，向上要保证数据口径的统一，避免数据对不上。向下要以分析为目的来搭建数仓和数据中心，让数据整合—数据清洗—数据分析—可视化都在一个平台上进行。
在这个过程通常需要借助BI平台、数仓来搭建。
有些数据体量大的企业会搭建大数据平台。
2、第二阶段：数据分析及可视化
最后，啰嗦几句
1.落地是从一到五，设计是从五到一。
2.软硬件全买最好的，不如用精益方法先把整个流程撸通，然后逐步迭代升级（可借鉴IT行业的敏捷开发模式），在技术发展太快的今天，除非你能像换iPhone一样换你的数字化系统，不然总有更好的版本，更好的产品。
3.一次性把数据采集全了，不如挑一、两个典型工业应用场景（痛点）直接从第一阶段干到第三、四阶段。
4.智能制造、工业4.0、人工智能、大数据、物联网、MES等都是概念，往往每个人对同一个概念的理解都不完全相同，不如简化一下思路，这么想：我想要哪些数据，能帮我把哪里管得更好。
互联互通社区
互联互通社区专注于IT互联网交流与学习，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。方案打造与宣讲、架构设计与执行、技术攻坚与培训、数据中台等技术咨询与服务合作请+微信：hulianhutongshequ
