数据资产的开发和数据平台的构建，只是工具和手段，并非最终的目标。不了解数字化转型背后的管理思想，也就无法真正在业务中很好地应用数据科学技术推动转型“大计”。

　　数字孪生是转型工作的一大基础建设。先要完成对传统的组织实体和业务活动的数字空间表示，才能开展各类数字化的场景建设和应用。

　　数字孪生不同于仿真，是相较于仿真更为宽泛的概念。仿真是为了达到研究目的，而数字孪生是为了实现“效率”价值，包括研究和设计效率，也包括管理和运营效率。

　　同样是涉及到软件系统的研发和交付，数字化与传统的信息化活动的本质区别在于，信息化的系统设计，如传统SaaS，是流程驱动的模式，而数字化的系统设计则是数据驱动的模式。

　　数据驱动的前提假设是，业务现状和问题已经在数据记录中充分反映，通过对企业积累的数据进行分析和挖掘，可以提炼有价值的业务信息。

　　数据系统或平台的建设旨在围绕业务全流程和数据价值链展开。在此基础上，通过实施数据驱动的“转型”策略，辅助用户对业务流程和管理决策进行科学改进。

　　与数字孪生配套的一个概念，即数据感知，是对整个业务体系建立相适应的数据资源获取能力，目的是实现数据流，信息流和业务流彼此之间能够高度统一。

　　因此，建立数据中台只是为了提高数据的治理和应用效率，同时还要注重源端业务系统的能力改造提升，对于难以改造的“旧系统”，RPA机器人等技术也是常见的数据源保障型策略。

　　对于新建系统，可以在项目早期就开始规划数据采集相关的技术指标，并纳入技术架构标准，即系统建设不仅要满足基本的业务流程，还要满足分析型的需求。“转型”的最终效果，应该是达到一种业务全域感知的综合能效。

　　数字化企业将变得更有“弹性”，在数据贯通的基础上，很多业务板块和条线之间的边界也更加模糊。部门之间，业务之间需要具备柔性协同能力。为了满足特定的数字化业务场景，必须在流程上和数据上“打通”。

　　要想做到柔性协同，需要拥有组织机制方面设计。成立专门的项目攻坚小组和数据治理团队来负责指导或实施。

　　除此以外，柔性协同还涉及到上下级单位之间的联动配合。哪些事项在本层单位内部处置？哪些问题需要上报上层单位来负责？这些问题都需要有效率和规范双重方面的考虑。

　　数据的高阶表现形式是知识，知识可以提高业务活动的规范性和专业性，通过与AI技术相结合，实现业务的自动化和智能化。

　　知识更多来源于非结构化数据，例如企业的文本格式资料，很多AI应用本质都是在做知识查询和知识推理。

　　企业通过数字化转型可以推动知识资产的沉淀和共享，促进各类业务人员工作效能的提升，加速人才培养。