目录
前言
一、介绍数字化（5-10分钟）
主播提问（王）：
回答（向）：
什么是数字化？
好的，我们来看下一个问题：什么是数字化转型？
好的，现在来回答最后一个问题：企业要不要进行数字化转型？
二、数字化的案例（10-20分钟）
其中，他拿人工智能数字化举了个例子：
好的，我们来看下一个案例
三、企业数字化架构的建议（10-20分钟）
主播提问（王）：
回答（向）：
前言
文章可选标题（任意选一）
1、数字化是种温柔的力量
2、数字化不该只是0和1
3、数字化那我们就来说说这个“数”字
4、数字化重要的不是技术而是人
一、介绍数字化（5-10分钟）
主播提问（王）：
“数字化转型”这个词今年特别热，各行各业都在谈。大家都铆足了劲要在数字化上大干一场，买设备，招首席信息官，找咨询公司，在公司内部开各种各样的转型会。请问向老师：
1、什么是数字化？
2、什么是数字化转型？
3、企业要不要进行数字化转型？
回答（向）：
非常感谢王大美女的提问，王大美女一口气问了三个问题。一什么是数字化，二什么是数字化转型，三企业要不要进行数字化转型。好的，辛苦啦。好的，告辞。额不是，开工！咳咳，进入正题。
什么是数字化？
数字化的意思是：将许多可以“复杂的信息”转变成可以度量的“数字”、“数据”，再将这些“数字”、“数据”建立成可适当的数字化模型，之后将他们转换成一系列“二进制代码”，引入计算机内部，进行统一处理。个人认为，其实看一个企业数字化做的好不好，就是看这个企业的数字化模型做了多少，有没有形成体系，这些模型的命中率有多高。比如财务的成本分析模型、利润模型，质量异常模型、生产过程异常模型、设备健康度模型等等。模型是数字化的一个很重要的抓手。
好的，我们来看下一个问题：什么是数字化转型？
“企业转型”指的是企业的长期经营方向、运营模式及其相应的组织方式、资源配置方式的整体性转变，是企业重新塑造竞争优势的过程。从上面的含义可知，企业的转型是目的，它需要重新获取竞争优势，而数字化是手段，用于支撑目的，因此很多企业都将数字化作为企业的战略方向。
数字化目标的核心就是两个维度：降本、增效，这与企业经营的目标是高度一致的。至于引领变革，模式创新等等，不能期望过高，每个行业有它的本质所在，这些本质是基本上不改变的，数字化能助力于更好的打造在行业本质上的核心竞争力，这是时代给予的机会。
比如通过“数字化转型”，将商场里的店铺、用户、商户，通通迁移到了数字世界，然后大刀一挥，把实体商场通通关闭，至此就做到了彻底的“数字化”。而数字化转型的本质，是一场效率的革命，数字化转型是一个万花筒，千企千面，但是数字化转型的底层逻辑是一样的，就是上面说的最大程度的实现企业的降本、增效。
好的，现在来回答最后一个问题：企业要不要进行数字化转型？
数字化已经到来，企业考虑的已经不是需不需要数字化，而是数字化如何落地应用。而对数字化落地应用，个人认为应该先全局规划，然后从局部入手，两者并行才能确保落地效果。
有全局规划没有落地措施只能是纸上谈兵，没有任何效果；有全局规划并全面落地，容易将项目周期拉的过长，周期长会将数字化变革带来的不确定因素放大，从而影响项目落地效果，导致项目失败。
数字化转型表明，只有企业对其业务进行系统性、彻底的（或重大和完全的）重新定义——而不仅仅是IT，而是对组织活动、流程、业务模式和员工能力的方方面面进行重新定义的时候，成功才会得以实现。数字化转型重要的不是技术，而是人。下面我将从关注人需求层面的几个案例，来帮助大家理解数字化的力量。
二、数字化的案例（10-20分钟）
今年的跨年演讲中，罗胖也着重的提到了“数字化”。
其中，他拿人工智能数字化举了个例子：
说有一个物业公司，服务的小区里有很多独居老人。像这种独居老人，如果一不小心在家滑到，没有及时发现，后果不堪设想。如果每天派人上门嘘寒问暖也不太现实，监控老人出门也不合适，于是他们就想了个办法，监测智能水表的数据。只要半天数字没动，系统就会提醒。物业就会派人上门问候一下，以免发生意外。
就这么简单一个事情，技术难么？不难！数字化贵么？一点也不贵。但是它释放出来的善意和价值却很让人动容。我突然就想到这么一句话：初心之外，还要用心。
数字化很伟大。但是，除了有星辰大海的初心，还得有将心比心的用心。否则，你根本想不到自己会在数字化的这条路上遇到什么风景。数字化这么冷冰冰的技术，居然还能导向更有温度的生活。
诗人艾略特说过这么一句话：“系统如此完美，以至于没有人需要成为更好的人。”
其实，艾略特说的这个趋势，是可以改变的。
一个好的数字化系统，需要的恰恰是设计者从人出发，替人考虑。你成为更好的人，就能看到数字化更好的用途。
好的，我们来看下一个案例
今年，李彦宏出了一本书，叫《智能交通》。大佬出书咱得看看啊。
在这本书里，李彦宏说，如果推行以车路协同为基础的智能交通，提升通行效率，5年之内，中国一线城市不再需要限购限行；10年之内，基本解决拥堵问题。然而，对我触动最大的是书中的另一个细节，就是这个词“5G云代驾”。
过去想到自动驾驶，就是钻到机器人肚子里，满世界都可以去了。但实际上，这是个远景。因为哪怕技术实现了，法律也要用好久来完善；就算法律完善了，伦理层面的讨论也要持续很久。但是，你发现没有，在自动驾驶的发展历程中，居然出现了这么一个中间站，5G云代驾。
什么意思呢？
100%的自动驾驶做不到，现在还不成熟，没关系，可以用人来实现双保险啊。
如果自动驾驶车辆在路上遇到复杂情况，那就第一时间人工接管，就像你的驾校教练一样替你做一个紧急处理。
深夜成都街头奔跑的一辆车，可能是一个住在青城山脚下的老司机在监管着。
“云代驾”这个词，之所以让我感到脑洞大开，是因为它修正了我们对于技术的想象。一个雄心勃勃的科技变革，居然停靠在了一个温情脉脉的中间站。
原来我们想象的技术，都是横空出世长成巨兽。它造福人，但也替代人、挤压人。
但是你看，完全自动驾驶技术还是远景，真正马上可以用的技术，不是什么人的替代者，它是人和人之间的连接者。
你就想，如果云代驾实现了，它就创造了一个新职业，让原来风餐露宿的老司机可以在家干活。甚至一个人可以远程管理成百上千辆车。
而一个大城市的开车族，很便宜地享受到服务，相当于有了一个司机。
而整个社会的交通安全，还有了双保险。
这就是前面几个故事，折射出来的那个趋势：不管技术本身多么高大上，说到底它是人类的工具，它只有一个使命，让人间变得更好。
了解了这个趋势，我们才能理解李彦宏的那句话：“人工智能只有同人类命运紧密相连，直面复杂形势，才能体现出技术的革命性意义。”
刚才这10-20分钟左右，呈现了这几年，我自己对“数字化”这个词的理解不断深入的过程。
我想说的是：数字化这班车，比早晚更重要的是，你为什么出发？比快慢更重要的是，你要解决的是什么问题？
三、企业数字化架构的建议（10-20分钟）
主播提问（王）：
好的，感谢向老师的精彩介绍，因为我们栏目叫架构者说嘛？请问你对企业数字化架构有什么建议呢？
回答（向）：
企业数字化架构这个话题太大了，那我针对数字化里面的一个方面的架构，讲下我个人对数字化架构的看法。因我是CSDN的粉丝，也是大数据方面的博主，那我针对企业数字化中大数据方面的架构，谈谈自己的看法吧。目前常见的大数据架构下面三种：
1、 数仓+BI应用架构
（目前应用最多的框架，适合TB级数据量的企业应用）
优点：架构成熟+可自定义开发
缺点：对于PB级数据量展现性能较差，算力成本高
2、数据中台（中台供应商架构）
（从19年刚兴起的全流程应用平台，目前长沙水业有应用）
优点：流批一体+支持PB级以上数据量计算
缺点：流程行业少有成功案例，可扩展性不强，需要定制
3、开源(Hadoop)大数据架构
（属于开源应用最多的架构,星沙农商行有应用）
优点：流批一体+高扩展性+支持PB级以上大数据
缺点：属于底层框架，技术复杂+需要5-10人左右团队协作
今天在这里着重介绍下，目前应用最多的大数据平台架构，即第一种架构，这边我用我们公司现有的大数据架构案例说下我对大数据平台架构的看法吧，希望对大家有启发。
我们的整体架构分为四层，主要是针对企业的关系型数据库的数据处理：
数据源：提供数据分析的最原始数据，包括各业务系统数据、手工excel数据和系统日志。
数据采集、存储分析层：这两层统称为数据仓库层，将数据源提供的数据，通过数据处理层清洗、转换后，正确的数据抽取到数据存储层中，在数据存储层中建立适用于企业敏捷分析的数据模型，形成数据仓库供给企业的数据分析应用。数据抽取频次按业务场景进行划分，一般分析需求一天或者半天同步一次，实时性高的需求按业务开展规律进行同步。如质量分析日、周、月、年分析模型数据每天同步一次，生产分析模型数据按照生产场景约1个小时同步一次。（关于这个同步频率的问题，我们可以根据企业的应用场景来选择，我们大数据同步工具，如果我们是实时数仓的建议采用kafka的数仓架构、如果是建立离线数仓可采用类似kettle的同步架构。这两种同步架构是我踩坑后认为较好的架构了。）
目前规划按每个基地搭建一套数据仓库，各基地的数仓用于各基地的数据分析，同时将各基地数仓按面向主题建立模型存储至总部决策分析数仓用于决策分析。
各数仓之间通过DBLINK方式进行通信和解耦，数仓之间可实时相互访问，互联互通，浑然一体，减少总数仓的冗余度和算力成本。数据仓库分为同步仓与历史仓，同步仓用来存储同步当天数据，历史仓用来存储同步今天前(T+1)的历史数据，对应数仓数据每日进行1:1的镜像备份容灾。
数据应用层：将数据通过可视化地图和仪表盘的形式整合为数据驾驶舱供给企业决策层。将数据通过固定报表形式供给企业业务人员，可快速查询想要的结果，将已有数据提炼，形成相应业务主题指标体系，搭建主题集中的管理体系，服务企业各个群体。如质量分析、生产分析、复合分析、异常消息预警，最终达到指导生产与企业经营的目的。
智能运维保障应用：为保障大数据平台的高可用与高性能，对大数据平台应用进行统计，进行性能分析，及时发现优化性能差的报表与应用；不限用户并发，但能自动释放超设定时间不应用的用户连接；自动监测服务器内存、CPU等使用情况，万一因突发情况未能及时完成内存释放出现宕机，自动重连完成重启，保障应用。
当然技术都是服务于业务的，任何一种架构不能脱离业务去搭建，也不能去抄其他公司的作业，当然各大企业的数字化架构应用的技术都大同小异的，大家可以根据企业的实际应用场景来选择合适的系统架构，避免灾难性的系统重建。
