来源微信公众号：Sammy Liu 世民谈云计算
第一讲就提出数据的全量全要素连接是实现良好用户体验的基础。那么，如何实现全量全要素的连接呢？我在第一讲笔记中也提到，这似乎是一件非常理想的事情，因为每个业务对象的属性非常多，难道要真的全部属性的数据都采集回来？
如果真是这么做的，那么就是本节后面提到的“眉毛胡子一把抓”了，这种做法成本太高，也不能区分主次，因此是不可取的，实际上也是无法实现的。
因此，问题转变成，要获取哪些业务对象的什么全量全要素数据？
一开头，课程就提出一个观点，每一家数字化企业转型的终极目标都是进化成一个“智能体”。
什么是“智能体”？
从字面意思理解，“智能”是指这是个东西具有智慧，也就是有AI驱动的大脑；“体”表示这是一个整体的，而不是离散的；合起来，智能体就是一个AI大脑驱动的各个部分有机联系能实时反馈的整体。
因此，“智能体”企业，需要有AI驱动的决策中心（大脑）、打通各个部门的数据平台（血管）、有机连接的能实时和决策中心对接和反馈的各个部门（四肢）。
要实现“智能体”，最基础的是全量全要素的连接和实时反馈。那么回到前面的问题，到底做好要采集哪些数据呢？针对这个问题，华为提出了“三个维度”模式，要从一个业务对象的设计态、制造态和运行态三个维度出发，来完成全量全要素的数据采集和连接。
以手机这个业务对象为例，设计态数据包括手机器件的尺寸、手机物料供应商、手机的设计功率和性能数据等；制造态，包括产线、产线管理员、组装时所使用的的物料等；运行态，包括稳定性、开机时间、发热情况、卡顿情况等。
只告诉你从哪几个维度去采集数据还不够，还需要有判断是否采集够了的标准。华为还提出了一个标准：是否能够还原业务对象的全貌，是否拥有了一个数字孪生兄弟，是实现了全量全要素的数据采集和连接的标准。
什么是数字孪生？
数字孪生，也被称作Digital Twin、数字双胞胎，是对物理世界实体或系统的数字化表达，简单的理解，就是在虚拟世界中，“复制”真实物理世界中的事物。价值在于通过模拟物理世界的运转流程，从中预判趋势和风险，为决策提供依据。
数字孪生这个概念，通常认为是美国密歇根大学教授Michael Grieves博士于2002年提出的。
2019年，Gartner将数字孪生评为当年十大战略科技发展趋势之一，并估计到2020年，数字孪生将连接数十亿实体设备。
采用数字孪生技术，通过对运行数据进行连续采集和智能分析，可以预测维护工作的最佳时间点，也可以提供维护周期的参考依据。数字孪生体也可以提供故障点和故障概率的参考。
数字孪生给工业制造带来了显而易见的效率提升和成本下降，使得几乎所有的工业巨头趋之若鹜。
以美国通用公司为例。他们号称自己已经为每个引擎、每个涡轮、每台核磁共振创造了一个数字孪生体（截至2018年，GE已经拥有120万个数字孪生体）。
有了数字孪生有什么好处呢？好处是，现实世界里面很难做的事情，可以在数字世界中的孪生兄弟身上去完成。比如前面提到的用汽车的数字孪生兄弟去做碰撞测试，去降低研发费用这个例子。
是否一定要采集全部数据？
实际上，这里面还有一个问题仍然没有解决，那就是针对所有业务对象，都需要采集设计态、制造态和运行态三个维度的全量数据吗？
笔者认为不是，到底采集哪些数据还需要从业务需求出发，从实际业务场景出发，从最需要解决的业务问题出发。
课程中举的例子是手机制造的例子，可能不适合提供软件服务的企业。那么举另外一个例子，假设某企业要研发和发布一个APP。
如果从零开始研发，那么保证APP的高质量应该是最需要解决的业务问题。那么，设计态维度上，要对设计APP的架构师、UI设计师、产品经理等人员的信息、所负责的模块、所采用的技术等要数据进行收集；在制造态维度上，要对研发人员的姓名、所负责的模块、测试案例覆盖度、测试结果、测试环境等数据进行收集；在运行态维度上，要对IT资源的使用、接口访问、出错、告警情等数据进行收集。然后综合分析APP的稳定性、设计的合理性、开发和测试的质量等，为下一步人员的调配及质量提升等提供决策依据。
如果是一个运行良好的APP，那么目前最需要解决的问题可能变成如何提高用户留存量和转化率。这时候，更多的要从运行态维度上收集用户相关数据，比如用户的使用习惯、用户信息、用户评论、页面冷热程度等，为用户拉新和留存提供决策依据。
什么样的应用是数字化应用？
光采集了数据还不行，还要对数据充分使用，使得其价值充分体现出来。笔者认为，这实际上是信息化系统和数字化系统的本质区别。
华为CIO陶景文在《中国没有世界级的工业软件，是一种耻辱》一文中提出，“数字化转型，一定要构建出基于数据的智能化的核心的生产，运营和决策系统。它一定是为一个企业的主业服务。一定要容易使能主业，我们不是在简单的去做一个管理系统。这是工业时代与数字化和信息化的最大区别。60年代工业革命诞生的时候，诞生了一系列的信息化的手段，包括ERP，CRM，PDM，MES等等。这些都是事后记录系统，都是管理系统，不是给业务用的，是给管理人员用的，不是给用户用的，只是给少数专业人士用的。”
本节课程进一步提出，数字化系统需要具备基于数据实现七大功能：预测、预警、监控、协同、调度、决策和指挥。
- 预测，就是基于当前及历史数据，对未来进行预测。
- 预警，就是基于数据分析，根据数字化的业务规则，及时报告异常。
- 监控，就是对目标业务对象进行实时监控。
- 协同，是这个系统与其它系统之间的密切配合。课程中举了生产系统和订单系统、物流系统等配合的例子。
- 调度，是这个系统对其它相关系统的调度。
- 决策，就是基于数据对于未来做出判断和决定。
指挥，发挥中央指挥功能，对相关系统进行统一管控。
还是以前面那个手机例子为例，一旦发现手机的某个元器件有问题，那么通过具备七大功能的数字化系统，就能定位到元器件的数量、供应商、装有这个器件的所有手机、手机的用户等；生产系统可以根据供应商、物流、生产进度、销售进度等信息对生产过程进行管控、决策甚至指挥。
回到您企业现有的系统，可以对比这七大功能，到底具备了几个。对比之后，您就可以判断您的系统到底是信息化的还是数字化的了。不出意外的话，如果您的企业是一个传统企业，绝大多数的系统仍然是信息化系统。那么就想想要不要参考华为这个标准来改进吧。
对企业的启示
- 建立基于业务需求的全量全要素的数据采集和连接的标准和规范。既要避免眉毛胡子一把抓，也要避免什么数据都不采集。
- 数据采集好以后，一定要用起来。数据就是金山银山，不能坐在数据的金山喊穷。
- 要建设新型的数字化系统，而不是过时的信息化系统。要求数字化系统具有七大功能，充分发挥数据的作用，参考这个建立数字化系统的标准。
若有收获，就点个赞吧
0 人点赞
