导读：数字化转型是进一步触及企业核心业务的、以适应新型商业模式为目的的高层次转型升级，是推动传统产业转型升级、促进整个社会转型发展的必要条件。数字化企业是数字经济的基础设施建设，全力发展数字化企业是构建中国数字经济底层的最关键步骤。

从企业视角来看，成功的数字化转型能够帮助企业实现生产资料的科学管理和业务运营的优化进阶，在产品开发、成本控制、生产流程、质量管理等方面都能获得显著提升，从而达到更加快速灵活的市场响应速度，提高客户满意度与产品竞争力。

企业数字化转型的风潮从服务业、银行业、互联网等行业开始不断蔓延，对于传统工业、制造业来说，发展数字化转型已成为大势所趋。

“不转型就没有未来”

据统计，国内制造业的有效生产时间占总生产时间的88%-90%，而国际上的同一指标平均能达到91%-93%。看似相差无几，但最终体现在效益上的差距却是显著的。这3%的小小差距，最终会通过产品质量稳定性、产品迭代速度、安全生产环节等各个方面显示出来。如果这些传统的工业制造业继续固步自封，不加快数字化转型速度，终将在数字化大势下被同行远远甩开，轻易淘汰。

“不会转、不能转”

现在国内的工业、制造业企业大多由传统企业构成。一路走来，几乎每家企业都有自己的发展历史。这类企业在部署数字化转型时，经常会受制于自己固有的经验和看法，低估了数字化转型的重要性和急迫性，由此造成传统工业、制造业在进行数字化转型时“不会转、不能转”的窘境。

传统工业、制造业在进行数字化转型时，常遇到以下难点：

1、企业高层领导没有认识到数字化转型的重要性，相关工作难以推进；

2、企业内已搭建多类信息系统，形成一座座信息孤岛，难以沟通和整合；

3、传统工业、制造业的行业独特性强，工作复杂、量大，在进行数字化转型时缺少工作方向；

4、企业各方人员仅仅将希望寄托在IT部门与软件系统上，没有随之调整思维模式与企业管理方式。

转型之前，要先做好这项工作

深耕数据治理行业18年，中翰始终认为数据治理工作是企业实现数字化转型的重要关卡和起点。数据治理工作可有针对性地解决多项传统工业企业数字化转型的重难点问题：

1、完善数据交换架构，彻底打通数据孤岛

不论是从数字化转型角度来看，还是从长久发展来看，企业都应该彻底解决数据孤岛现象，让各部门的信息数据以合理有序的方式相互连通影响。很多企业为打破“数据孤岛”，有意识地通过调整数据交换架构来改善数据质量。然而，实践表明，企业网状的数据交换架构和以主数据治理（管理）平台为中心的数据交换架构都无法彻底地解决数据孤岛问题。企业需要既能解决数据的交互流动，又能控制数据质量，并且是控制全部静态数据（主数据+业务场景数据等）的质量的解决方案。

经过多年的实践研究，中翰发现，基于静态数据中心的数据交换架构，可以实现这一诉求。构建基于静态数据中心的数据治理平台，并以其为中心构建雪花状数据交换架构，如图1所示。

图1 以静态数据中心为中心的雪花状数据交换架构

该架构的核心是企业基于数据治理平台的静态数据中心，企业所有业务系统的数据流动都要经过该中心的中转，数据从各业务系统采集过来然后分发出去，同时该静态数据中心对经其中转的数据会进行规范化和标准化，确保数据质量，实现数据从源头到目标消费系统的真正流动，从根本上彻底打通企业内的数据孤岛。

2、根据丰富的工业企业治理经验，解决深层问题

不同于政府、金融、电信等行业，工业企业的物资数据（指模型分层级且非常多）及各类数据（如客户、人员等）的模型非常复杂，在进行数据治理工作时，有很大几率会遇到深层次的数据质量问题或该行业特有的数据治理难题。这类问题成为企业数字化转型道路上的拦路石。

相对其他行业企业，中翰软件独具丰富而完善的工业企业数据治理经验，多年来积累下1000多万条各工业行业数据模型(含分类、编码结构等)，具备解决各类细分行业特有问题的能力。

中翰认为，企业数据治理，除了广度以外，还要注重深度。有能力解决深层次问题，才能为企业的未来发展提供长久之计。为此，中翰独创了技术+行为管控的方式，实现源端+末端的4重质量防护，技术包括正则表达式、算法、机器学习等，行为管控指在数据采集阶段让专业的人进行维护等。

3、通过明确数据管理权责，激活企业的数字化思维模式

在数据治理工作的推动下，数据权责归属将趋向明晰。企业各方人士通过认知数据治理工作思路，能够初步理解数据的重要性、形成与数字化工作场景相融合的思维模式。

传统的“拍脑袋”式的决策方式早已被时代和市场淘汰，要充分利用数据和数字化技术提升效率、辅助决策，企业高层管理者必须抛弃“经验主义”，走上数字化发展快车道。