2026年前年后，马斯克持续发布宏文，描绘了既令人兴奋又令人不安的未来场景：AI将在五年内超越人类最聪明的大脑，十年内取代大部分人类工作，二十年内人类将与AI融合，成为“碳硅共生”的新物种，点燃了人们对全球迈入所谓的BANI论调的认知。近日，随着乌克兰面向全球雇佣无人机操作手事件的爆发，更促进人们对AI的恐惧心态又上升了一个新层次。
在VUCA环境和BANI情绪影响下，许多企业的数智化转型，特别是AI的技术应用受到了非常大的冲击：许多曾经辉煌的企业担心被AI绑架而拒绝数智化，结果是逐步退出了历史舞台； 许多企业上了N多的信息化系统，内部矛盾还是层出不穷，让其在数智化转型的道路上怀疑人生；当然还是有部分优秀的企业，能够持续领先于AI技术的发展前沿……
归纳出一句话：数智化=大数据+智能化，没有数据治理基础，无论投入什么样的智能化，也是有“形”而无“型”。
总结出一个教训：没有数据质量，投资数智化，大概率会造成资源浪费、投入无回报。
【01】从哲学上认知VUCA和BANI
随着人工智能、虚拟现实、人形机器人等科学技术的发展，以及新冠疫情冲击、地缘冲突、贸易保护主义等全球性问题加剧，充分反映了VUCA时代的特征，激发了BANI情绪反馈。
VUCA 是 Volatility（易变性）、Uncertainty（不确定性）、Complexity（复杂性）、Ambiguity（模糊性）四个英文单词首字母的缩写，其核心内涵在于描述动态变化环境中面临的四类核心挑战。
BANI是四个英文单词的首字母缩写，分别代表脆弱性（Brittle）、焦虑感（Anxious）、非线性（Non-linear）和不可理解（Incomprehensible）。随着环境变化，其内核被进一步激化，出现了“BANI 2.0”的提法。
纵观美国科学发展史，不难发现VUCA和BANI由美国提出的因由了，因为美国历来是为了获取国际影响力，技术突破是其关键突破路径，而后进行资源配置和制度匹配，即以技术解决问题，再以治理解决技术遗留问题。
而在中国，纵观近期对数字化转型、数字中国建设等的国家法律法规、标准和制度等，文件颁发频次密集度成几何级增长，而绝大部分内容是行业级、场景化应用标准，是质量和安全规范等，这说明了中国的治理态度——坚持通用基础设施路径，以质量和安全为数智化转型保驾护航。
对于绝大部分企业来说，因为你的技术不是处于领导世界潮流的地位，所以务实而有效的数字化转型路径就是参照国家法律法规和标准进行新基建，后应用再转型。
怎么办？——管他世界VUCA，管他情绪BANI，我自巍然不动，参照国标体系稳步推进数智化转型！
【02】面向VUCA和BANI，
如何务实而高效数智化转型呢？
——前半程：先从底层到顶层、理念到实践，先基建再上层建筑！
《礼记·大学》曰：“古之欲明明德于天下者，先治其国；欲治其国者，先齐其家；欲齐其家者，先修其身；欲修其身者，先正其心；欲正其心者，先诚其意；欲诚其意者，先致其知，致知在格物。物格而后知至，知至而后意诚，意诚而后心正，心正而后身修，身修而后家齐，家齐而后国治，国治而后天下平。”
可见——战略上，齐天下到格物；实施上，格物到齐天下！
格物，研究万事万物。以己为核心，逐步延伸到上下左右；从要素维、过程维到结果维；从过去、现在到未来；总结出规律，找到位置、目标和差距。
致知，认知不够，难形成知识。Know-What、Know-How、Know-Why、Know-Who还不够，还需要“自知之明、未知之明、致知之明”。
诚意，初心于价值回报，发心于“预取之、必先预之，可预之，必取之”。
正心，目标明确，摆事实、拿数据说话。按照个人、职能组、部门、公司、行业到产业视角，甚至国家层面等主体出发，还是从设备、工艺、流程、价值主题、业务域等客体出发，都需要清晰目标、路径和举措，投资回报和价值效益。
修身。修身养性，提升自己的技能水平，养成自己的新质生产力，打造出自己的核心竞争力，这些需要行动去支持的。不是不作为的修身，也不是养和工作价值无关的德性。
齐家，以道德修养带动家人共同立德，形成道德家风，形成共同的意志。
治国，形成治理体系，整个公司整体推进，森林法则、涌现法则，群策群力，共同进步，变数智化转型治理为企业变革治理。
平天下，将企业知识、实践、方法论打造成为行业的、产业的、国家影响力和世界影响力的智慧论，以大需求、大趋势、大规律的稳健、可预知，以弹性组织、柔性流程、协同运营、要素组合的韧性、强规则，对冲VUCA和BANI。
【03】在VUCA和BANI环境中，
如何推进数智化转型呢？
——后半程：先顶层设计再分步做起、先业务蓝图再系统固化！
诊断盘整出“平天下”之势。国际通行规则、国家政策法规、行业标准体系，能够帮助企业查漏补缺，补短板；智能制造的四级标准，数据管理成熟度、数字化转型能力成熟度、人工智能和新型能力等的分级标准给予了方向思考和标准界定；国际一流、国内领先的最佳标杆实践给出了对标借鉴。
——许多企业做数智化转型，诊断从各职能部门提需求，评价IT系统是否满足开始，从“格物”的研究层面上就以点带面、以偏概全了。
顶层设计出“治国”之道。数智化转型是系统工程，是以数据为核心要素，充分利用AI、IOT等新一代技术，以能力做支撑、组织做保障，贯通企业战略到运营，全面革新企业商业模式，以数字化治理驱动企业可持续高质量发展的体系。
——数智化转型，不管前半程的理念到行为改善的“格物、致知、诚意、正心、修身、齐家、治国、平天下“，还是后半程的数字化落地到商业重构的”平天下、治国、齐家、修身、正心、诚意、致知、格物“，需要企业从一把手领导下的到全员参与。所以，将数智化转型交给IT部门引导去做，结果只能是工具化，本体论呢？第一性原理呢？本末倒置，入不敷出，这是典型的领导人失职！
项目部署出“齐家“之法。许多企业罗列大量的项目，甚至具化到职能组的软件功能，洋洋洒洒几百个项目，认为就是大体系、大工程了，震撼了自我，也认为震撼了别人，结果实施后变出了更加多的信息孤岛，形成了更多的部门割裂。而项目部署出“齐家”之法，必须满足三个层级的要求：1）单一项目满足6A架构，且价值效益目标明确、投资回报明确，能够明确EVA和ROI，上市公司能够明确Mcap（市值管理）更佳；2）项目之间有着前后关联关系，有着优先重要性排序，有着资源和能力匹配性支持；3）整体项目群组，要能够数据库资源共享，要能够流程互通，组织职能不紊乱、不缺失。
——数智化转型家国天下之策，绝对不是部门墙之谋。事实证明，热衷项目化、工程化采购而进行的数智化转型，最终都是花了大钱造内部隔离之墙，内部协同更是难以突破！
项目蓝图设计出“修身”之术。数智化转型给企业最大的魅力之处，不是说是建成了领航级、优先级智能工厂，或是投资了多少钱整出了大屏显示，而是从数据思维、数字化工具上优化了现有业务流程和组织，降低了风险和成本，提高了运营效率和客户服务能力，而数智化则是实现这些已经优化了的，可以固化规模扩张、模式复制的运营管理体系。项目蓝图设计内容包括四条线路：1）业务线，战略引领下的商业模式，具化到业务运营逻辑，最小化到组织最小单元，贯通战略—商业—流程—组织；2）数据线，数据建模到数据资产目标，数据溯源到价值全流程；3）技术线，数据生命周期的全链域技术实现，包括数据采集—清洗集成—存储计算—服务应用，甚至数据的CRUD处理细节；4）治理线，就是全面全生命周期的治理规范，是企业数智化转型治理再具体项目中的实施规范。
——没有高阶业务蓝图的软件、硬件、系统解决方案，90%概率不是企业需要的，除非企业是新进入行业者，是为了将数智化系统作为学习工具的，即使再优秀的供应商，给你的系统都是过去时，技术越是先进对你企业的贡献值可能越低。高阶业务蓝图设计的是未来，此时的数智化是实现工具。
落地实施出“正心”之器。软件也好、硬件也罢，系统解决方案也好，都必须围绕着要素维的发心、过程维的用心、结果维的正心，将业务线、数据线、技术线、治理线的高阶业务蓝图执行到位，设计—过程—结果一致性。此时借鉴华为的L2C（线索到现金）管理体系很有必要，但必须将己方的项目设计与立项、项目启动与寻源采购、项目落地实施、项目评价与关闭流程管控，同供应商的知识供给、设计参与、项目落地、评价与支付进行合理地控制，盲目崇尚供应商的品牌溢价可能导致企业形而上学后的投资回报不成比例。笔者经历的事实是：某H公司依靠品牌溢价获得了某千万级的项目，但所有交付都是其生态合作伙伴完成的，而这些伙伴的能级充其量算是三流，结果企业获得了不到二流的服务价值。
——前瞻、科学、规范的设计是成功之母，而要素、过程、结果之“正心”是成功之父，实际、实在、实操、实战、实效，方是企业务实而高效的数智化转型之道！
体验管理出“诚意”之工。许多企业上线了软件、硬件和系统解决方案，但仍然会存在线上线下两套表，各个部门信息孤岛仍然存在等的现象，甚或某人因为某某原因而反馈说系统不好用等，结果都可能导致系统成摆设，企业费了钱有了概念而无效果，这是典型的缺乏“诚意”之功。而现实是以满满的诚意来尊重系统应用，是能够获取标准化逻辑、标准化流程运作、规范性职业操守等的价值的，毕竟任何软件都是在行业通行规则的反映，都是既有知识和经验的凝练，都是企业蓝图设计的结果，怎么可能没有价值呢？
——许多非“诚心”者，特别是挂着我基于公德心而为公司考虑的“诚心”，几乎都是自我利己主义者，前面的8+5都是被否定的？！笔者以前的惯例是：一旦出现这样的人，就坚决剔除该毒瘤！
个人修养出“致知”之力。数智化转型是企业的变革管理项目，得到价值的不仅是企业的降本增效提速、商业重构等，还有个人参与其中的方法论理解、知识强化、技能提升等。
——AI淘汰的永远是固化、常规的人力劳动，而能够设计规则、驾驭AI逻辑的人是不会被淘汰的，此时作为最聪明的人类，就要善于从既定规则中学习新规则。
数智转型出“格物”之美。人类社会进步到如今，所形成的知识、方法论、法律法规、通行规则、标准体系等，都是人类智慧的结晶，我们通过个体大脑掌握，永远难以全面了解，但如果通过大数据、人工智能等新一代工具系统，则可以优美地进行组织，从而完成更加结构化的应用。
——数字化的新型能力不仅体现在组织经营活动的改善，而对于自己的数据工具掌握、数据采集技能、数据决策模型搭建、数据应用与价值管理等能力水平的提升，也一样需要被列入新型能力的范畴。
【04】不踩坑VUCA和BANI，
从数据质量抓起
数智化转型是数据资产进行经营的过程，要数智化转型，必须从数据质量抓起，否则永远陷入成本陷阱里。
数据范围，和专业、职业相关的格物之数据，最好能够形成自己的格物目录，后四知三明形成自己的知识图谱。
数据内容，研究自己和企业组织成长方法论，从诊断评价到目标体系，从要素、过程到结果，从外部环境到内部情绪管理，逐步总结个人和企业的成长逻辑学。
数据来源，不仅包括格物的静态表达，还需要有动态的变化记录，数据不仅来源于内在的工作需求，还需要再次开发出的数据成果。
数据目录管理，数据管理要有可开放、可兼容、可升级的数据标准体系，为管理要形成数据资产目录，颗粒度到数据之数据管理，即元数据的治理。
数据库管理，通过概念模型、逻辑模型和物理模型的数据建模，保障数据全生命周期的质量和安全。
数据流管理，通过企业业务流、价值流和数据流合一化管理，确保数据源头与流向的唯一性。
数据分级分类，不仅是国家标准体系的数据分级分类，还需要根据工作职能职责的分配进行数据工作项的分级分类，保障工作逻辑的算据、算法、算力的稳健。
数据开发管理，在数智化转型的过程中积累数据资产，后根据数据资产的属性特征进行金融衍生品开发，根据数据资产的要素特征进行软硬件和系统解决方案产品的开发，根据数据的无限调用等特征进行API等数据服务产品的开发等。
数据质量管理，不能理解的太狭义，而应该是以静态数据的准确性、完整性、一致性、及时性、规范性/有效性、唯一性等的数据质量管理作为基础，做到知识和技能能够应用于工作改善之自知之明；通过数智化转型，将固化的、流程化的、机械化的事务交给系统、交给AI去完成，将解放出的劳动力用于探索外在和内在潜藏的逻辑，以寻求未知之明，这是第二层；在前两者循环中，将过往的知识、经验、数据，汇聚成为数据化产品，对内赋能，对外开展新业务，带动供应链、价值链、生态链的致知之明，这是第三层。
结束语
对冲环境VUCA和情绪BANI，需要自己和企业在数智化转型过程中，清晰从数据理念到业务改善、从战略到系统固化全程的数据架构，并清晰数据的质量管理，不仅要解决数据“有没有”的问题，还要解决“对不对“、”好不好“、”全不全“的问题。
你明白本文所表达数智化转型三部曲的意思了吗？——懂数、有数和用数！
有数转问题咨询，欢迎后台留言哦👏👏👏
律德启，数字化陪跑者和经济运营专家。曾就读于中科大数学系和化学系，在近30年工作中，以数学的哲学认知和规范化流程体系，打造成熟的TBT教练式管理咨询模式，帮助近百家企业完成数智化转型的三段论：1）数字理念引导的战略到运营、管理到绩效的转型升级和商业重构；2）数据驱动的数智化转型规划到系统部署；3）数据资产运营为主线的数字化转型服务企业将新产品开发到走向市场。
