作者 | 迈博官网首创人兼CEO 杨炯纬

封面起源 | 视觉中国

2023年的今天，，，数字经济对我们出产、、生涯的渗入已然到了无孔不入的田地，，，每小我对此都有这样、、那样的印象或想像：：

“坐在北京的办公室里指挥汉中无人为厂的机械人有序工作，，，这是数字经济；；；

特斯拉的推算机视觉系统和传感器，，，每秒产生10亿像素级的实时数据，，，一路驱动驾驶员辅助职能及自动驾驶职能的更新，，，这是数字经济；；；

银行利用实时数据建模鉴别贸易诓骗、、实时过问信贷评级是数字经济；；；

一个toB公司的销售老迈，，，在AI辅助下预测下个季度的业绩，，，也是数字经济；；；

作为消费者，，，各人熟悉的千人千面的电商零售业，，，这当然也是数字经济......”

数字经济是继农业经济、、工业经济之后重要的经济状态，，，为了理解一个个数字经济景象背后真正产生的变动，，，我们有必要对其发展过程做一个简要回首。。。

第一波数字化海潮其实是伴随小我电脑而崛起的，，，以无纸化和自动化为重要特点，，，比力典型的一个场景是管帐电算化，，，也就是把各类纸质的财政数据、、流程搬到了电脑上。。。

第二波数字化就是我们很熟悉的互联网海潮，，，以电子商务、、社交网络为重要特点，，，这个阶段不再是原封不动把线下搬到线上，，，已经在肯定水平上重构了流程和作业方式。。。

那么今天，，，我们已经身处第三次大规模的数字化海潮之中，，，我们面对的不是某一个主题技术的代际升级，，，而是移动互联网、、云推算、、大数据、、人为智能、、物联网等技术大爆炸的聚合性冲击。。。

那么，，，这一次数字化海潮相较以往有什么底子区别呢？

若是只能列举一条的话，，，我想说，，，海量数据尤其实时数据正在成为这个时期新的出产身分——无论在数据容量、、出产速度、、还是数据类型丰硕水平上，，，其它两次数字化海潮都无法比力。。。

尤其今天，，，数据的成长逻辑早已不成同日而语。。。

1、、最早的时辰，，，是人在创制数据，，，我们所耳熟能详的UGC、、PGC都在这个领域；；；

2、、后来是机械创制数据，，，有了物联网、、无处不在的传感器、、可穿戴设备，，，不论是to B还是to C互联网中，，，都越来越多充溢着机械天生的数据，，，当然数据自身也会反哺机械，，，令机械工作得越发称职；；；

3、、再往后，，，我们可能看见是数据自身在创制数据（好比最近大火的ChatGPT就是如此），，，同时数据的利用场景也变得越发宽泛，，，它不仅仅是以消费品的大局存在（好比数字创意有关如短视频、、游戏等），，，更以出产资料或者出产身分的状态，，，推动人为智能进入下一个阶段，，，作用于更深远、、宽泛的产业链条。。。

我们终将迎来一个数据爆炸性增长的阶段，，，在云推算的无限算力和存储能力支持下，，，融合正确的工具、、先进算法和组织流程，，，数据正在转化成新的出产力，，，在企业内部、、外部都推动着数字化转型的产生。。。对于内部而言，，，数字化转型的意思重在降本增效，，，对外部而言，，，数字化的指标是寻求贸易模式突破，，，找到下一个增长点。。。

01 数字经济将来将迎来三大趋向

“网络协同”和“数据智能”将带来巨大的供给侧鼎新

网络协同和数据智能的发展，，，将带我们看见规模；；敫鲂曰泊娴木置。。。对于工业时期的企业来说，，，利用规模；；攀普季菔谐⊥凡恐拔唬，，是一项根基准则，，，个性化则是齐全对抗的另一套玩法。。。

但数据、、信息、、知识作为出产身分的时期不一样了，，，数据有能力把碎片化的信息拼成一个“人”或者“企业”，，，什么都能够讲求精准，，，精准营销、、精准医疗、、精准交通，，，规模；；透鲂曰辉偈嵌元对抗的关系，，，高频定制变得越来越普遍，，，精准的颗粒度也越来越细，，，满足“你在何时、、何地、、何种状态下的个性化需要”，，，是将来的数字经济追求的指标。。。

但，，，数据作为一种身分自身是不定能开释价值的，，，只有在“网络协同”中流动起来、、与其它数据一路提升数据质量，，，能力找到“数据智能”。。。只有首先做了网络协同，，，而后才会在互联网上产生大量的数据，，，产生了大量的数据之后，，，才有洞察，，，这个智能又会不休反哺协同效能的提升。。。

曾鸣教授在《智能贸易》中有一个概念：：“相对于一个固定的线性供给链结构，，，网络结构才有弹性来支持任何一点的需要，，，满足低成本、、柔性化、、？榛纫螅，，这些都是从前被以为贸易上不成能实现的组合。。。。。”

我们有个客户叫云切在线，，，是一家做钢板切割的共享平台，，，跟好多人想像的不一样，，，这家企业并不自己提供产能，，，而是把资料供给商、、加工工厂、、机械制作行业的客户（如汽车、、挖掘机、、塔吊等）都整合在一个协同网络上，，，把闲置的产能、、零散的钢材供给能力，，，同多种类、、小批量、、个性化定制的需要订单汇集匹配一路，，，从而大大提高了原料和设备的利用率。。。

举例来说，，，一家机械制作厂必要两块扇形钢板件，，，造型特殊的两块钢板件切下来后，，，整块钢板的利用率不到70%。。。若是企业自己切割，，，剩下的30%就浪费了。。。通过云切平台的智能算法做匹配，，，就能够找到别的两家必要两款小型钢板件的企业，，，剩下的30%就被利用上了。。。通过云切平台，，，资料利用率可提高明10%，，，设备稼动率可提升29%以上，，，客户切割成本至少降低22%。。。

供需的匹配，，，在这个网络上得以实现全局动态优化，，，这是先前预设的供给链难以做到的。。。

“XAAS”将造成一种宽泛扎根的贸易范式

Thomas Siebel在《数字化转型》的自序中提到：：“后工业社会最重要的标志是服务交付。。。知识是最重要的资源，，，数据起头成为通用钱币。。。数据越多——体量越大、、内容越精确、、反馈越实时,所产生的价值和力量就越大。。。。。”

工业社会曾有产能不及的缺点，，，而我们始终面对的难题是产能过剩。。、、买方市。。。，，这迫使企业必须设法子跟客户维持悠久关系、、追求全性命周期价值的治理。。。在数据+算力+算法融合下，，，消费者的极致个性化需要就肯定有人来满足，，，交付服务就成了必然了局。。。

今天企业具备了低成本和客户持维持持续衔接的前提，，，优良的企业会创制前提跟客户不休互动，，，通过数据智能加深对客户的理解，，，凭据变动着的需要，，，越来越多以“XAAS”的大局来做交付。。。

而当你提供订阅服务的时辰，，，客户的本钱性支出会造成运营性支出，，，双方的博弈关系会产生深刻的变动，，，客户将不再为不想要的职能付费，，，并且能够更矫捷地切换供给商。。。通过这种方式，，，你不得不创制真正的价值，，，服务好客户LTV。。。

举一个身边的例子，，，云南白药在我们印象中是一家极度传统的药企，，，但我看到，，，它也在通过一些子品牌在索求服务模式了，，，一款口腔环境下使用的小型摄像头，，，能够采集用户牙齿、、牙龈的情况，，，而后会把数据同步到云端，，，传给平台合作的牙医作为诊断参考，，，以C端SaaS的大局接受服务。。。

ChatGPT最近很火，，，好多人起头频仍提起MAAS（Model as a Service）了。。。一个大模型可能回覆任何全世界、、任何人，，，在职何学科的任何问题，，，在“预训练大模型＋下游工作微调”的规划加持下，，，抓取宽泛数据的同时也在自己天生数据，，，将知晓存储到大量的参数中并对特定工作微调，，，针对具体问题给出个性化的求解。。。

数据共享将催生新的出产关系、、组织状态

泰勒时期的科层制存在一个隐含如果，，，若是企业的信息和谍报被限定在白领治理层流通而不是分发给整个组织，，，可能使得组织的运作效能更高。。。

此刻，，，数据和知识跃升为主流的出产身分，，，其体量和流转速度都决定了科层级组织不足适配的消化能力，，，无法保障信息在官僚系统里正常流通。。。而科层级组织是现代企业运营的重要基础和必要前提，，，数字化经济将对现代企业组织模式和制度发出了重大的挑战。。。

固然“数据属于谁？”这个问题尚难有定论，，，但确定的是数据的使用权将绝不会局限于工业时期金字塔尖的几个角色，，，我们会看到数据将更多被用于赋能一线的工作，，，每个个别都是可能基于充足的信息做出自主决策的散布节点，，，实现某种自组织式的治理。。。

数据也将更多地在各个组织间流动融通，，，好比买通分歧数字平台上的数据，，，或者通过第三方数字平台中转，，，或者利用AI技术建：：蠊蚕硎菽Ｐ汀、通过API将分歧企业的数字服务组合在一路，，，协同服务客户，，，因而企业与企业之间转而成为相互依存、、共同的生态模式。。。方方面面的数据买卖成本降低了，，，就有可能会催生新的出产关系、、新的组织关系、、新的组织协同、、产业协同。。。

02  “看见将来”还是“活到将来”？

固然针对趋向跟各人做了一番“高谈阔论”，，，但我还是不由得想说，，，数字化转型终于是一件凶多吉少的事件，，，面对至少10倍速的变动，，，大部门企业更大的可能是隐没在汗青的海潮里，，，大部门企业也注定是成不了数智化企业的。。。

相比力看见将来而言，，，对于当下的创业公司而言，，，“活到将来”显然是更为关切的命题，，，前面也提到，，，数字化转型对内关键意思在于降本增效，，，就这一点而言，，，我的建议是若是有哪些反复性劳动、、流程可能用软件来解决，，，就不要让人来做，，，终于，，，就今天中国SaaS的行情来看，，，仍旧是有好多羊毛值得各人来薅的。。。

再来说对外实现数字化转型，，，很可能意味着你要在贸易模式上有逾越式的发展，，，甚至无可预防要进到陌生的领域，，，在新的竞争坐标系重新找到自己的地位，，，由于不排除原来的坐标系会变得无关紧要，，，就像马车无法无论若何无法应对汽车的挑战一样。。。

然而，，，当面对10倍速变动的时辰，，，敢于创新和旧调重弹的风险可能一样大，，，被抛弃和成为炮灰同样让人难以接受。。。但这个世界，，，除了创新者，，，其它都算是仿照者，，，若何成为一名合格的仿照者是通常企业应应该真思虑的问题，，，也是个很有挑战的事件，，，终于不是说仿照就没有风险了，，，跟错了风一样是个哀痛的故事。。。

为了尽可能预防走向被抛弃或者过早造成炮灰，，，我的建议是有前提的创业者“有预谋”地做好仿照套期（imitation hedge），，，整体的思想就是，，，“你没必要咬苹果的第一口，，，能吃到二口、、第三口就行了。。。。。”简而言之，，，仿照要有仿照的战术和尺度，，，要对市场当先者推出的新产品进行甄。。。，，决定把研发用度投入哪些产品的仿制工作。。。。。“竞争性新产品与 你们公司的各类能力的有关水平、、对你们公司的重要产品的代替水平、、 市场潜力的巨细、、开发成本的凹凸以及市场接受这个新产品的快慢等”都是制订跟进打算必要综合思考的问题。。。

总的来讲，，，现实就是时期非？瘫。，，它既要求你针对流程、、细节做好优化，，，不然可能“活不到将来”，，，它也要求你“看到将来”，，，从整体上把握创新的机遇，，，不然也摘不到丰硕的果实。。。

在云推算的无限算力和存储能力支持下，，，融合正确的工具、、先进算法和组织流程，，，数据正在转化成新的出产力，，，在企业内部、、外部都推动着数字化转型的产生。。。迈博官网很开心可能参加到这个过程傍边，，，我们致力于提供市场和销售都爱用的营销工具，，，助力中国5000万销售成单更单一！！！