1.企業數字化轉型到底在轉什么?

轉戰略;轉能力;轉技術;轉管理;轉業務。
2.數字化轉型包括哪 7 個步驟?
(1)引入外部顧問，規劃數字化轉型體系:
(2)營造危機感，建立數字化認知;
(3)組建轉型團隊，開啟數字化試點:
(4)階段性復盤，規劃下一步計劃:
推廣先進經驗，擴大數字化試點;(5)
(6)制定全公司數字化轉型方案
(7)全面落地，定期復盤，優化改進。

3.數字化和信息化有什么不一樣?
對企業來說，信息化解決的是“效率”的問題，而數字化解決的是“創新的問題 ，是從數據中尋找創新點。
企業引入 ERP 系統，代替傳統方式，快速、準確地獲得供應鏈上的業務數據，這個叫信息化;如果通過對這些數據的自動分析，發現了業務增長關鍵節點，并對關鍵節點優化，比如精簡低利潤的產品線條、預測未來市場需求、制定合理的采購計劃等，這個才叫數字化。

4.數字化就是建設軟件系統嗎?
數字化的關鍵在于對數據的應用來改善業務，系統只是其中一個必要的物理載體，企業甚至可以只用非常簡單的軟件工具(如 Excel)就可以極大地改善業務活動，這其實也可以算是很成功的數字化應用。

5.中小企業數字化轉型的困境是什么?

(1)新技術引入業務復雜性，企業運營能力跟不上
(2)業務人員對新技術接受能力滯后，適應期和效果期過長(3)對于技術 的追求“形式大于內容”，不解決實際問題(4)核心業務仍掙扎在邊緣線，沒有精力顧及數字化投入。

6.大型非數字原生企業數字化轉型的困境是什么?
(1)沒有構建起統一可量化的業務標準;
(2)很難清晰看到數字化帶來經濟效益的明確發展路徑
(3)企業缺少有效的行業參照物;
(4)缺少數據積累以及必要的能夠自動積累數據的信息化系統，同時也缺少能夠熟練操作數據、管理數據、分析數據的必要人才。

7.數字經濟的三大定律是什么?
梅特卡夫法則:網絡的價值等于其節點數的平方。所以網絡上聯網的計算機越多，每臺電腦的價值就越大，“增值”以指數關系不斷變大。摩爾定律:計算機硅芯片的處理能力每18個月就翻一番，而價格以減半數下降。
達維多定律:進入市場的第一代產品能夠自動獲得 50%的市場份額，所以任何企業在本產業中必須第一個淘汰自己的產品。實際上達維多定律體現的是網絡經濟中的馬太效應。

8.物聯網和工業互聯網是一回事嗎?
(1)物聯網采用網絡技術把設備連接起來，讓工業設備可以互相通信和協作，是機器具備“智能化”能力的底層技術基礎:

(2)工業互聯網是基于物聯網的一整套智慧工業體系，工業互聯網的底層是物聯網，上層還包括具體的應用層和業務層。工業互聯網不僅連接設備還連接了人、信息系統、上下游企業等各個工業活動的主體。

9.如何區分數字產業化和產業數字化?
數字產業化:數字產業化就是數字技術帶來的產品和服務，例如電子信息制造業、信息通信業、軟件服務業、互聯網等，都是有了數字技術后才出現的產業。
產業數字化:產業數字化則是指這些產業原本就存在，但是利用數字技術后，帶來了產出的增長和效率的提升，如數字金融、智慧醫療、智能制造等。

10.企業數字化轉型必須自己建設系統嗎?
不一定。數字化轉型過程中，重要的是怎么用系統，而不是怎么建新系統很多情況，僅僅采用購買整套 ERP 系統或者訂閱 SaaS 服務就可以解決大部分業務問題:即便企業需要開發定制化的系統，也可以依賴第三方ISV廠商，ISV 廠商有開發、咨詢、咨詢+開發、咨詢+開發+培訓等多種業務模式，甚至可以提供整套的數字化解決方案。
11.數據治理、數據管理、數據管控有什么不一樣?
數據治理是戰略層活動，幾乎等價于數字化相關的全部內容，強調構(7) 建成熟的數據獲取、管理、與應用的綜合能力體系。
(2)數據管理是制度層活動，包括數據庫管理、數據類目管理、主數據管理、數據安全管理、數據質量管理等諸多具體的數據規范。
(3)數據管控是執行層活動，包括所有數據管理制度的具體落地推廣。

12.數字化轉型的人才需求是怎樣的?
數字化領軍人才:是數字化轉型的直接負責人和關鍵。數字化專業人才:主要任務是發現企業業務上的問題，并利用科學技術創造性的解決問題。
數字化基礎人才:涵蓋方面很廣，涉及到數字化轉型工作具體執行操作的方方面面。
13.中臺是數字化的必選項嗎?

不是。中臺本質是企業數字化資源的系統整合與管理，因此更加適合有技術積累的大型企業來推廣應用。

14.中臺和數據中臺是不是一回事?
中臺不止是數據中臺，其包含了數據中臺和業務中臺兩個含義。其中業務中臺可以看作是軟件功能的技術資源池，數據中臺可以看作是關于數據的信息資源池。

15.為什么云原生架構越來越流行?
“云原生”就是指軟件系統的開發建設需要按照在云上部署和應用的方式進行技術落地。軟件系統的建設的生命周期包括開發、部署、應用三個階段，三者要彼此一致才能保證技術和業務“完美”銜接:軟件部署和應用在云上是大的流行趨勢，這樣有很多實用方面的好處(可擴展、易更新維護、可對外賦能)，因此，系統的開發策略選擇，需要充分適應在云上的部署環境和云的分布式技術架構特征。

16.如何理解“數字碳中和”?
“數字碳中和”講的就是用數字化助理實現碳中和目標，包括:城市低碳管理、 能源生產優化、交通運輸調度、以及碳排放數字化評估等幾個方面的數字化應用。

17.“互聯網+”屬于數字化創新嗎?
“互聯網+”強調的只是業務的線上化，而不是數字化，具體是不是數字化的創新應用，本質要看商業活動本質是業務驅動的還是數據驅動的。

18.數字化轉型為什么是一把手工程?

(1)數字化轉型是戰略問題，需要對企業全流程進行深度改造，需要全員參與配合。
(2)數字化轉型需要整合分散在多個業務團隊和部門的數據資源，打破部門之間的信息墻。
(3)數字化轉型需要構造現實業務到數字世界的映射，制定全公司遵守的業務標準，統一業務對話口徑。
(4)數字化轉型需要解決當前業務與遠期愿景的矛盾,短期成績不顯著時需要承擔不確定性和風險。
(5)數字化轉型中需要對組織架構進行調整，需要對考核方案進行調整只有一把手才能解決利益分配的矛盾。
(6)數字化轉型是成本類項目，需要解決轉型所需的資源問題。

19.數字化轉型包括哪些學科內容?
(1)數據獲取方面:數據采集、數據查詢、數據清洗、數據治理、、數據整合、數據中臺建設、業務中臺建設。..
(2)數據分析方面:人工智能、大數據、機器學習、深度學習、統計推斷、計量分析、數據可視化…
(3)業務優化方面:領域知識、數據法規、數據政策、、業務建模技術知識建模技術、系統分析與設計、數字產品設計…

20.企業中數據相關崗位有哪些?
信息架構工程師、數據治理工程師、數據平臺工程師、數據科學家、數據分析師
21.數字化有哪幾種主要的業務創新模式?
(1)定制需求:根據預設的規則，自動地對給定的個性化需求自動生成解決方案，比如產品推薦、短視頻推薦、好友推薦、柔性生產、3D設計與打印等。
(2)模仿學習:通過知識表示或機器學習的方式，實現人類知識經驗的數字化，并加以智能化應用，如疾病自動診斷、量化投資、無人駕駛等。
(3)復雜決策:提供一整套數據監控、數據分析工具，幫助管理人員進行綜合決策，ERP、企業級智能決策平臺，生產環境綜合管控平臺等。
(4)數字孿生:聯通物理世界與數字世界的“橋梁”,智能工業生產線。
3D 仿真實驗平臺等。

22.公有云和私有云應該如何選?
公有云和私有云的差別主要體現在對數據的控制方面:
公眾號·工邦
公有云的用戶一般來說創業型公司和個人居多，資金是一方面。另一個關鍵在于公有云的核心屬性是共享資源服務，價格來說比較低廉，使用也非常方便，公有云建立的有龐大的數據中心，有專業的運維人員，省去維護的人員成本，用戶能更好的聚焦自己的核心業務。
私有云的用戶一般都是大型企業集團、政府金融機構等。體量巨大，除了基礎的云服務外更多的會有針對自身業務的數據網絡配套定制服務。

23.AR 和 VR 到底有什么用?
VR 是虛擬現實，AR 是增強現實。虛擬現實使用計算機系統對現實場景進行仿真模擬，而增強現實則把現實和場景融為一體，讓線上和線下實現聯動交互:
通過攝像頭，人們可以把“自己”投影到一個人造場景中，與這個場景中的怪獸搏斗，與可愛的公主喝下午茶;AR 很適合拍電影;人們還可以把家具的 3D 模型與家里面的實景投影融合，感受心儀的書架是不是很好地契合家里客廳的整體氛圍，來決定是否下單購買。

24.數字孿生就僅僅是仿真嗎?
數字孿生繼承了仿真的能力，但是由于可以實現實時的數字化模擬，所以數字孿生技術能夠解決業務監控、事件預警的需求痛點:信息的轉化方向不再是單向的“計算機世界到實體世界”也可以“從實體世界反饋到計算機數字世界，再從數字世界到實體”.

25.如何準確理解 Web3.0 ?
Web3.0本質上是由區塊鏈支撐的價值互聯網:
Web1.0 時代是“首頁+超鏈”，可以被稱之為互聯網只讀時代。

Web2.0 允許用戶進行內容生產，進入“讀寫”交互時代。而 Web3.0 在區塊鏈的支撐下，可以使互聯網上的所有元素在理論上都可以資產化，形成所有權，進入了“讀寫”擁有的時代，即價值互聯網。

26.數字化轉型一定要懂技術嗎?
數字化轉型效果好壞不在于技術水平高低，而在于能否發揮出技術優勢來提高業務水平。
主導數字化轉型工作，不需要了解技術是如何實現的，但是需要學習技術到底能做什么，能做到什么程度(也就是技術的能力邊界在哪兒?)因此，需要多看應用案例，啟發靈感。
在技術方案實現上，實現難度和需求豐富靈活性是一對兒同步增加指標從低到高的順序是:
使用第三方工具(如，釘釘，企業微信，會用即可)<使用第三方商業插件(阿里云、騰訊云、華為云)<外包開發<自主研發。

27.數字化轉型什么時候算結束?
數字化轉型不是一個項目制的工作，而是一種使用新技術、新方法改善業務現狀的工具。數字化轉型以終為始，是一個持續的過程，不斷地引入新的技術手段來優化現有業務流程，提高服務質量，獲得市場競爭力。因此，數字化轉型沒有結束的標志，只有轉型效果好不好的區別。轉型效果好就一直繼續下去，效果不好就“結束”，先干別的，或者調整企業經營的思路。

28.企業數字化轉型，員工不配合怎么辦?
員工不配合有兩種情況，一是企業沒有把數字化轉型放在公司戰略層目標來對待，缺乏上層的領導資源;二是部分團隊和部門沒有看到數字化轉型的好處，數字化的效益周期太長，執行層面缺乏積極性。(形成合力)，又要“自下而因此，數字化轉型，既要“自上而下推動”上”迭代(快速試錯)。

29.什么是元數據管理?
元數據是描述數據的數據，包括:業務元數據、技術元數據、操作元數據如果沒有元數據，組織IT 系統中收集和存儲的所有數據都會失去意義，數據也就沒有業務價值。元數據管理本質上就是對數據相關知識的管理

30.什么是主數據管理?
主數據是系統間共享數據，它是系統間信息交換的基準。主數據管理目標是使各系統在獲取基準數據時，能夠保證數據是最新的、一致的、準確的能夠實時進行各系統間數據驗證。
心公眾號·工邦

31.OKR 為什么比 KPI更適合做數字化落地?
KPI和 OKR 都是企業的績效管理工具,用來指導并激勵員工更好地完成工作任務。KPI是面向績效評估的管理工具:OKR是面向績效生產的管理工具。對于傳統的標準化程度較高的工作，由于有“最佳實踐”方案，因此KPI會起作用，大家向榜樣學習，不斷提升 KPI指標。而對于數字化轉型這種創造性較強的知識類工作,沒有標準化流程,因此 OKR 的方法更有效:把抽象的任務層層分解，員工自下而上地自組織協作，完成總體目標，雖然無法量化怎么做，但這個機制激發了個體自主想辦法解決問題。

32.為什么說互聯網、大數據、人工智能，是數字化的三駕馬車?
互聯網提供數字化的信息渠道，大數據提供數字化的計算能力，人工智能提供數字化的智能引擎。

33.如何衡量數據質量的好壞?
從五個方面來考慮:
數據一致性、數據唯一性、數數據完整性、數據及時性、數據準確性、據有效性。

34.數據庫和數據倉庫有什么不一樣?
數據庫是面向事務(流程)的設計，數據倉庫是面向主題(場景)設(7)計的。
(2)數據庫一般存儲在線交易數據(生產環境)，數據倉庫存儲的一般是歷史數據(離線環境)。
(3)數據庫設計是盡量避免冗余(數據一致性)，數據倉庫在設計是有意引入冗余(數據完整性)。
(4)數據庫是為捕獲數據而設計(從業務到數據)，數據倉庫是為分析數據而設計(從數據到業務)。
數據庫是信息化時代的產物，數據倉庫是數字化時代的產物!(5)

35.低代碼是什么?為什么對數字化轉型尤為重要?
低代碼的方案降低了數字化的技術門檻，讓更多非專業人士參與到軟件開發工作，實現用戶開發、全員開發的效果。例如，用戶可以通過“托拉拽的簡單方式對軟件元素進行快捷的定制設計與排列構建。

36.數字化轉型的發展階段有哪些?
初始級發展階段，單元級發展階段，流程級發展階段，網絡級發展階段生態級發展階段。

37.數字化轉型，沒有數據怎么辦?
(1)構建數據感知能力，有針對性地獲取數據，如在關鍵位置設置埋點。
(2)與具有數據資源的平臺合作，引入平臺的數據能力。
(3)進行數據治理，將傳統的線下數據轉錄到線上平臺:選擇公開數據進行有效整理和分析。

38.業務上“云”究竟有哪些具體的好處?
降低成本(IT的硬件和運維成本);靈活性(企業根據市場的快速變化對服務進行增加或刪減);擴展性(按需分配的IT資源)。

39.數據、信息、知識、智能，有什么不一樣?
數據:從客觀世界直接可得可見的數字化內容，都是數據的范疇，包括文本、圖片、音頻、視頻、符號等多種形態。
信息:是原始數據被加工后的結果，具體表現是數據的統計學規律，比如統計指標或數學模型。
知識:知識與業務領域相關，包括事實類型的知識和規律類型的知識。智能:智能與業務問題相關，同樣的知識可以在不同應用場景中發揮出智能水平。

40.如何區分 AP|和 SDK?
一個系統分為前端頁面和后端方法，API和 SDK 都是關于后端方法的技術概念。
API本質上可以理解為一個方法模塊的訪問接口，可以提供某個具體的業務應用功能。SDK 是一個集成多個方法的開發包，每個方法對應一個API因此一個 SDK 提供多個 API。
開發人員可以調用 SDK 上的各種 API來進行快速開發，達到拼樂高積木的效果。一般 SDK需要下載到本地來進行系統集成。