引言
文起于公司内部项目实践过程或相关话题的观察学习中，以及与技术从业者们讨论，亦或是与政务单位从业人员的对话中，发现很多人对于“云平台”的认知，还仅仅停留在一个概念或者说“虚空”的名词上，大家觉得云平台是个很飘很虚的东西，本篇旨在从工业领域的业务场景分析，详细围绕“工业领域的云平台到底是什么？”进行讨论，深入挖掘工业领域数字化转型的技术边界，技术难点、和未来展望。
云平台是工业数字化转型的核心元素，为工业企业提供计算、存储、网络、分析等资源和服务，支持数字化转型各环节；同时也提供开放协作生态系统，帮助企业与伙伴共同创新和开发新产品、服务和模式。云平台能够提供智能人性化的功能和服务，帮助工业企业从海量数据中挖掘洞察和建议，提升生产效率、质量、安全等方面性能，提高客户满意度、忠诚度和推荐度，促进数字化转型和创新发展。本文旨在探讨云平台的核心特征、价值、挑战、落地方法和评价指标，为工业企业提供参考和建议。
开篇前再次借用萧伯纳在《人与超人》中的一句话开始：
"Beware of false knowledge;it's more dangerous than ignorance."
“当心错误知识，它比无知更可怕。”
1.工业制造发展趋势
第四次工业革命正在火热进行中，这是继机械化、电气化及信息化之后又一大规模的智能化变革，此次变革也被称之为“工业4.0”.随着工业互联网的规模进一步扩展和公有云、信息传输技术的发展，国内的智能制造/智慧工厂将迈进智能化时代，制造过程也将逐步向智能化、集成化、数字化发展。
以新一代信息技术革命为标志的工业4.0时代，大数据、云计算、人工智能、物联网等技术成为新的生产力，在制造业转型升级的过程中提供重要助力。
在工业互联网体系中，工业物联网是基础，数字化、网络化、智能化的最终目标。工业物联网连接设备层与网络层，为工业场景中万物互联、数据采集、应用开发等功能打下基础，最终实现制造业数字化、网络化、智能化的目标。
互联的魔力
设备和平台的新连接模式正在影响传统工业流程的变革，一个典型的工业工厂会配备成千上万个传感器，产生大量的运营数据，这些数据构成了智能机器背后的智能，也称之为工业物联网。按需联动边缘与云端，通过人工智能（AI）、机器学习、增强/虚拟现实（AR/VR）、数字孪生/线程、云/边缘计算等智能技术，渗透到智能制造的方方面面。
数以亿计的嵌入式智能设备有助于企业对其工业运营进行数字化、监控和优化。随着工业互联网云平台中的设备在整个运营过程中的快速增长，再加上资产和旧有系统数字化进程的加速进行，这些运营数据的生成量将继续增长。
工业互联网带来了前所未有的可见性，从主动识别生产瓶颈，到提前解决质量问题以避免生产线下游，一系列设备互联通过工业互联网得以实现。
数据的魔力
随着工业互联网数据量的爆炸式增长，如今工业制造业对数据的洞察力比以往任何时刻都显得极为重要。可以断言，工业4.0是数据驱动的智能工业。数据本身没有任何价值，只有将数据转化为信息后才会产生价值。当今工业企业需要通过对数据的深入洞察，来加强对客户需求的解析、推进研发制造的突破，以及实现生产智能化。利用云平台可提供强大的数据传输、存储和处理能力，帮助企业采集和处理海量数据；充分释放数据的价值，在“云”上破局，才能改变传统企业经营、生产制造方式，促进新的工业制造企业，并全面推进业务增长和生产力的提升。
2.企业怎么做
工业企业想要数字化转型，就必须打好基础，塑造现代IT基础架构和工作场所氛围，必须改变其原有的工作协作方式。对企业进行变革，拥抱开放、不断进取的企业文化是实现数字化转型的关键。
在快速变化的技术和不断变化的业务诉求环境下，企业不得已需要重新审视自己的运营和经营方式；企业转型需要在所有级别进行，顶层领导团队将组织文化的转型变革作为战略目标。
目标制定
在很多企业，有远见的高管和CEO们将数字化转型视为首要任务；令人咂舌的是，尽管视为首要任务，但在用于数字化转型的大多数投资中，几乎超过70%的投资都浪费了。转型工作无法成功的原因有很多，最重要也是最常见的原因就是：从未在一开始就明确定义其自身长远的数字化转型目标。
通常，企业急于解决一个定义不明确的问题，在没有完全理解或上下统一目标是什么样子的情况下，就启动转型工作的现象并不罕见。大多一开始可能是为了提高组织更灵活地响应客户需求的能力，但这很容易成为一种错误尝试，试图向研发团队实施Scrum或类似的解决方案。在这样的企业内，对过程的追逐，相比于目标更能成为至关重要的要素，同时他们密切关注衡量过程是否是正确的进行着。
数字化转型主要是不断发展组织的文化以及在适当的技术支持下与客户互动协作。公司千万不要主要只针对技术进行转型。转型是为在面对不断变化的客户需求和竞争格局时，创造组织敏捷性。同时，转型还可帮助企业利用对客户的学习，无障碍的提升组织市场洞察力。成熟的企业可利用数字转型来重塑旧的运营模式和商业模式、改善现有功能或开发新的功能。这样，企业可不断保持竞争优势，同时顺利进入新的市场或产业。政务部门可使用数字化转型来改善市民使用政务服务的体验及其提供方式。
清晰且深入人心的目标愿景，对于动员、指导和激励组织是至关重要的。很不幸的是，太多企业制定了一些缺乏方向性的SLOGAN，例如：“我们是人工智能/物联网/<炸天的新技术>领域的领导者”或“提供世界一流的服务体验，通过数字应用程序全面吸引我们的客户”。
那么，如何制定目标？需要从三个要素来定义业务转型：现在及未来的客户旅程、数据和简单且纯粹的愿景
多样且丰富的客户旅程地图
客户旅程，通常是客户和企业如何逐步互动的叙述或图表；这里的客户广义上是指员工、供应商或实际付费用户，具体取决于业务。客户旅程，包括客户从初次接触产品、触达产品的各个触点，到最后结束使用产品；它能够阐明客户与产品间的关键交互节点，并通过观察分析用户在各个阶段的行为、想法、情绪，来帮助优化产品流程，并解决痛点，消除摩擦；同时，它还可确定客户需要的新途径，确定可以满意的时刻，以及如何从不佳的客户体验中恢复过来。
不同类型的客户通常以不同的方式做事，从而创造出多样的旅程；同时，通过使用心理细分等手段为不同的客户群体创建角色来解决这个问题。这些形成了用户行为近似值，但不要先入为主的假设这些“典型”客户完全代表了实际公司的客户群体。不同文化背景的客户，其角色行为也不尽相同；随着时间推移，可迭代这些角色，了解更多细节，以推动更大程度的个性化，这是企业转型的关键原则。
数据
数据及其背后所能提供或验证的“见解”，是数字化转型目标的要素之一。数据来源可以包括定性数据，例如观察、行业洞察和趋势、竞争对手访问以及客户和一线员工访谈，以及定量数据，例如服务关键指标的获取速度或移动APP中用户退出率等。没有什么可以替代用户的亲自体验。这些对“用户”的观察结果，可以得到关于客户在某些情况下为何采取这种行为的假设，这是企业保持“新实践”的素材，这样的好奇心对于企业而言是关键能力。纯粹的企业愿景
在企业上下尽可能避免“呆伯特式”语言，拽各种专业名词或方法论；用最简单、情感化的语言写出变革性的愿景，激发所有员工各自内心的“小火苗”，达成上下一致的理想抱负或“自豪宣言”，高层或CEO们需发自内心强调团队想要建立的优势。这种企业愿景词汇的共同权力是至高无上的，不可被撼动的。可以用少量的KPI支撑愿景，但要提防这些KPI不会成为战略。如果没有上下文情况下使用简单的KPI（如客户满意度），可能会导致业务退化或其他意想不到的后果。
转型规划
当企业确定并明确了上下努力的目标之后，就可在数字化转型三个相互依存的方面制定更加具体的目标规划：技术、运营和战略
技术转型
数字化转型的第一步，大多数企业都会专注于选择新技术和技术方法，以及可能淘汰现有的技术债务。通常意味着将工作负载迁移至云端，以及对遗留技术进行现代化改造。虽然看起来很大程度上是专注于技术的工作，但需要对现有的IT功能和运营模式进行变革。迁移至云端的回报可能会很显著的，包括但不限于，降低基础设施拥有和管理成本、提升IT人员协作生产力、改善运营弹性以及技术敏捷性。
在工业领域内，除了利用云上技术改善或变革自身业务和应用的技术渴望之外，企业对设备的数据渴望日益高涨，数据对工厂的重要性不言而喻。过去几十年间，这些宝贵的数据被困在设备里，而且分散在各种难以收集、对比和据此采取行动的地方，例如老旧的机器、孤立的系统、电子表格、甚至纸质剪贴板中。企业借助用物联网、云计算、数据分析等技术手段（上一篇有涉及各类技术手段），解决以下最为显著的几个关键挑战：
设备连接挑战 -- “数据孤岛”困境
工业企业的大量数据或来自本地软件应用程序、或来自可能使用数百种不同机器通信协议的多台机器，以及有些数据来自于旧式自动化系统，因此想要整合这些数据相当困难，海量数据陷入“孤岛”困境。
设备联网是制造业数字化转型发展的重要基础，但工业设备联网投入大，短时间内难以产生效益，尤其是诸多老旧设备数字化改造成本高昂，这就导致工业企业普遍缺乏实施设备联网的动力。
对应数据孤岛的解决方式，利用“边缘端”和单设备驱动下沉的方式，进行本地收集、整理、存储和分析设备数据，哪怕数据来自本地不可靠和非结构化环境的数据也能被处理；同时，对各类设备进行基于实物资产、流程和设施的建模，监控跨设施运营，快速计算通用工业性能指标，并创建应用程序，以便针对工业运维做出更好的、数据驱动型决策。
数据来源：赛迪研究院，两地融合服务平台，亿欧智库整理
数据管理挑战 -- “混乱无序的流”及“无法拓展的苦”
数据自动采集是工业企业获取数据的重要手段，是工厂数字化建模的基础，更是实现数据建模与分析的前提；根据赛迪研究院，两化融合服务平台，亿欧智库整理的数据来看，现阶段仅有20.9%的企业实现了工业设备数据采集，而利用云平台进行设备管理与应用的企业不足20%。原因可能有两方面，一方面设备上的传感器常常通过记录如温度、运动等过程，会产生大量非结构化数据流传回公司，传统的工具一般是用来处理结构化数据的，无法满足设备非结构化数据的管理需求；同时，设备数据时常也可能有明显的间歇性缺失、受损的信息和错误的读数，对低质量数据的清洗有了较高要求，从而让数据分析变得不可靠；另一方面，许多公司通过构建并维护定制应用，以跟踪设备运行状况、监测检测异常、远程排除问题，同时管理软件和固件更新。这些定制应用程序通常专门为解决既有问题而构建的，无法随着链接设备的数量、种类和复杂性的增加而扩展，导致了数据扩展规模的进程变得异常困难。
对于数据管理的挑战解决方式，可以借助“规则引擎”和“流处理引擎”结合，对非结构化数据进行分流、清洗、结构化预处理、预分析和应用、存储，实现工业设备的远程监控、管理和分析设备数据的能力，可以帮助企业更好了解自己的客户何时、以何种方式使用设备，同时其感受如何。
数据应用挑战 -- “价值雪藏”和“繁杂的安全隐患”
在对数据的融合、治理和智能决策，决定着数据价值是否能被全面的挖掘和释放，决定着工业企业能否乘势转型升级。典型的工业制造企业的生产管理与控制可分为设备控制层、过程控制层、制造执行层和生产管理层，实现不同层级之间的互联互通意味着企业生产管理与控制实现了全面的互联互通，数据可在多层之间相互传递。从工业互联网长远发展角度去看，互操作性是将数据变得更“智慧”的必要条件，生产管理层与控制层之间的数据双向流通是未来实现智能控制的关键。
但，当前中国制造企业通信技术水平参差不齐，能够实现不同层级之间互联互通的企业比例，仅仅只有可怜的20.8%（数据源：赛迪研究院，两化融合服务平台、亿欧智库整理）。在许多情况下，延迟问题阻碍了企业基于事实数据做出决策的能力，设备将数据发送回云端然后等待响应的做法会拖长延迟时间。此外，成千上万设备的大量网络流量，会进一步降低数据处理和分析的速度，因而延误关键的洞察解决方案。
此外，由于系统需要，数据要从本地发送至平台，就存在内外环境交互以及获取更高的互联性，因此导致企业被潜在攻击以及出现安全漏洞的可能性陡增。传统的工具无法保护分散在各地同时已经使用了很长时间的设备，因而这些设备可能具有较低级别的计算、内存和存储能力，这些因素都造成了企业的繁杂的数据安全隐患处境。
对于数据价值的挖掘和安全防护的解决方式，一般情况借鉴云计算领域对服务器管理的策略，需要有对应检测并响应来自设备传感器和应用程序事件能力，例如，可以利用资产优化解决方案使用预测模型分析，以实施对资产的预测性维护并减少相应停机时间。同时，处理并准备数据进行分析和机器学习，从而挖掘出较高的数据价值，给出较高的智能决策，例如利用设备传感器数据及状态数据，利用数据分析预测模型，预测产品的维修的需求，从而减少非计划性停机带来的经济损失和人员伤亡。当下各个国家日益严格的数据安全法的颁布，需要灵活适配各类政策法规，那么就需要利用“零信任”原则全链路的精细化控制数据走向和人员访问。
以上解决方式中，有些可以在数据生成位置附近执行一些处理，例如用机器学习推断等，在边缘端执行数据处理、分析、存储、决策等内容。
运营转型
借助上述妥善的技术平台，企业可以将注意力转移到优化组织的运作模式上， 目标会更多以数据驱动方式开展运营。数据可以协助工业企业快速验证战略方向的正确性，同时将风险降至最低，并通过更为妥善的决策和预测业务成果的能力，缩短其创新业务上市的时间。运营模式的变革包括使用新的数据和分析平台来衍生可行的见解并改善客户体验，或使用机器学习来自动化业务流程。运营转型可能比技术转型更为复杂和痛苦，因为其涉及整个企业的变革，极其考验工业企业高层决策智慧。但是，预计成效是可观的，可显著提升运营效率、有效性和敏捷性。
聊到运营转型时，大多都会谈到数字化，如客户数字化、产品数字化、运营数字化、企业数字化，数字化的机会巴拉巴拉的很多。但是，如何将数字化细分成对应适合当前工业企业需要的方向时，需要与利润目标和企业文化挂钩。在实践过程中，可以清晰发现关键问题核心不在于实时收集客户和产品的数据、处理分析企业这些数据并给予决策建议，更不在于数据的合理应用。而是在于一家企业的文化变革。在注入数字化要素（数字化素质、数字化思维、数字化速度）时，工业企业要有自己的成长方式、发展速度和运营模式。在数字化建设方面必须要有侧重点，不能什么都做，必须要足够敏捷，务必清楚企业自身的优劣所在，从而能够知进退，在该加大投入的地方加大投入，在该停下来的地方停下来，明确侧重点至关重要。
首先，工业企业需要足够了解自己的客户，优先考虑客户；建立完善的客户数据化描述的方式，例如支持请求类型、故障解决效率等客户服务数据，持续跟踪NPS等客户满意度，持续自动收集监控客户行为数据、网络流量/社交行为和情绪分析等等客户数字化手段。
其次，利用业务服务化思路，将企业业务流程和应用拆解成足够内聚单个微服务，灵活编排其服务并快速响应客户的行为；在这过程中，充分利用自己的客户数据和业务数据，企业需要减少对互联网那一套方法论的过分关注，而更多地以数据驱动思维所需的文化转变，以客户为中心实时分析用户的愿望并洞察新的商业模式，快速尝试快速失败，以小胜为目标进行业务流程调整。
再者，有了上述基础的数据收集方式，数据运作方式和业务调整方式，需要考虑决策响应速度。因市场的变化足够快，如何确保企业运营流程能够快速的做出决策。传统企业的决策模型更多是“单向门”，其意味着会产生重大且不可撤销的后果，这种更多是一个缓慢而有条理的过程；在这种决策模型中，存在大量的资本支出、规划、资源决策以及协作成本，没办法及时响应。在数字化转型的要求下，企业的决策模型必须做出相应的调整，需要以一种“双向门”注重速度而非确定性的决策模型，一种具有优先且可逆后果的决策，例如安卓系统的A/B升级策略，以及常见的测试方法论。通过轻松逆转双向门决策，可以降低失败所产生的成本，并从失败中快速总结经验教训，并将其应用在下一次创新周期内。所有基于数据做出的决策都以为客户创造潜在价值为目标，同样的数据也可以作为衡量决策的影响程度。
再者，在企业做出决策模型的调整时，就需要企业变革其企业文化，将决策权下放至那些负责管理产品、与客户和合作伙伴最靠近、对数据和客户反馈最懂的且最适合决定的员工。78%的数字化转型项目失败的原因是文化，不解决这个问题，一切都只将永远停留在PPT演示中。需要工业企业高层顶层设计，在内部自上向下创建工作流，保障各级之间交流畅通且持续，形成数字化联盟。利用顶层的企业流程管理的“脚手架”，在各个行动者身上产生一种惯性，并将工作流中的压力点和痛点解决掉，才能保持企业的灵活性、快速决策。以产品或服务的战略性长期决策为基准，将信任度和决策权下放至这个水平，无需上级职能部门的输入，快速响应业务和客户需要。
最后，以数据驱动为运作视角的企业在进行文化转型时，需要合适的人拥有合适的工具。在各个企业内部，各种层出不穷的孤立系统（ERP、CRM、营销自动化、外源OA、财务管理等）将完整的业务运转流程割裂在各自系统中，这些系统的协作对于全面了解客户、前景和企业运营至关重要。需要一个平台进行数据整合和系统技术的兼容升级；在实现这个过程中，需要培养专项技能人才，具备一定“云”技能。在制定员工招募和培训计划的第一步企业必须承认且明确企业内的云技能差距，第二步做好时间管理，制定合理时间周期内的针对特定工具的培训计划，以确保那些不使用计算机工作的员工都可操作现有的软件和可视化工具；第三步，对长远愿景目标保持固执情况下，团队组织适应持续变化的状态，并保持对细节的适应性和灵活性。
战略转型
数字化转型，在战略转型方面，需要考虑的是：“重塑业务模式”。业务模式的重塑涉及重新考虑组织如何创造客户价值和获得因此而产生的利润。对于目前业务模式受到威胁或变得不可持续发展的组织，需要使用数字技术进入新的市场领域或产业。但是对于那些没有受到威胁的企业，可以继续演进业务模式以推动更高的客户价值，并创新产品和解决方案以推动差异化、竞争优势和长期价值，同时深化与客户的合作。这些变革需要全新或改善的业务能力，反过来又推动进一步的运营和技术转型需要。
在规划所有这三个方面的数字化转型，可能让人无所适从，没法落脚，尤其是与需要同时管理其他业务需求一起考虑时。对绝大多数企业而言，数字化转型的优势不用过多强调，不能因噎废食，迈出第一步可能令人生畏。那么这家企业有很清晰的愿景并计划实现这一目标，但未来仍存在各种未知因素。重要的是：有了目标，先开始！别等！！！积极行动，可以从业务领域或应用程序的垂直部分开始搞，寻找有助于解决障碍的新功能，将未来那些未知因素视作选项。
数字化转型是任何企业中实施短期和长期数字化转型的详细计划，由以下关键部分组成：发起和推动的转型的领导者、投资和财务规划、衡量投资回报率（ROI）的关键绩效指标（KPI）、支持转型的工具和流程、外部资源和第三方专家、转型对客户和员工的影响。
经过对目前市面上，多数数字化转型项目的调研，保证数字化转型成功的关键四步骤为（注意：这些并非线性执行，而是以业务需求和限制及时而反复地完成敏捷迭代）：
第一，确立与数字化转型项目规划应围绕企业的总体规划，而不是以特定技术为中心；业务领域目标应与转型规划目标一致，有助于确定关键绩效指标，使转型保持可被衡量，并加快实现价值的速度。
第二，在转型（短期）计划启动前以最短周期，建议半年内或一年（依据是否为短期计划），显现初步可被衡量的结果。最好制定能够被证明的投资回报率，并获得领导层认可的初始战略；然后在整个企业内逐步调整和扩展这些早期模型。
第三，规划技术实施，数字化转型需要很多技术和工具，适时引入新技术可使员工的工作方式，以及客户与企业的互动方式发生重大转变。同时，可能还需引入外部合作伙伴和专家来培训团队，提高企业的能力。
第四，收集反馈并完善数字化转型战略，需要建立“双向门”机制，纳入强有力的反馈循环机制，通过定期收集利益相关者的反馈，确保团队每个人都从经验中获得知识并不断成长。
总结
本文继续从工业互联网平台趋势以及企业数字化转型的诉求上，进一步分析探讨，云平台在数字化转型中的作用以及企业如何规划自身的数字化转型战略。下一篇继续深入讨论作为技术从业者或架构师我们应该怎么做？
请关注鄙人个人公众号
