? ? ? ?非數字原生企業的數字化轉型挑戰
? ? ? ? 軟件和數據平臺為核心的數字世界入口，便捷地獲取和存儲了大量的數據，并開始嘗試通過機器學習等人工智能技術分析這些數據，以便更好地理解用戶需求，增強數字化創新能力。部分數字原生企業引領著云計算、大數據、人工智能技術的發展，推動了數字化時代的發展。在這些數字原生企業中，整個企業的戰略愿景、業務需求、組織
架構、人員技能、管理文化、思考方式都是圍繞著數字世界展開的。
? ? ? ?與數字原生企業不同，非數字原生企業在成立之時，基本都是以物理世界為中心來構建的。絕大部分企業在創建的時候，是圍繞生產、流通、服務等具體的經濟活動展開的，天然缺乏以軟件和數據平臺為核心的數字世界入口，這也就造成了非數字原生企業與數字原生企業之間的顯著差異。所以在數字化轉型過程中，非數字原生企業面臨著更大的挑戰。
1、 業態特征：產業鏈條長、多業態并存
非數字原生企業，特別是大中型生產企業，往往有較長的業務鏈路，從研發到銷售全產業鏈覆蓋。
華為公司在構建面向客戶價值流的過程中，同樣形成了從研發到銷售、供應、交付、運維的長鏈條，同時產品類型包括電信基站、服務器、CPU、電腦、手機、耳機等，橫跨多個產業。這在某種程度上造成了各條塊分割、業務組織強勢、變革困難、變革復雜度極高等問
題。
2、運營環境：數據交互和共享風險高
非數字原生企業，特別是注重實物生產、交易的大中型企業，還面臨著場景復雜的特點，比如交易復雜、風險周期長、內外部風險多等。
華為公司的服務對象從運營商、企業客戶到個人消費者，服務范圍和雇員遍布全球100多個國家和地區，需要嚴格遵守各個國家和地區
的進出口管制措施、環保條例、安全隱私法規等。這些業務形態上的特點，導致包括華為在內的諸多非數字原生企業對數據共享（特別是
生產、銷售側數據的對外共享）有更多顧慮，更容易形成客觀上的“數據孤島”。
3、 IT建設過程：數據復雜、歷史包袱重
非數字原生企業普遍有較長的歷史，組織架構和人員配置都圍繞著線下業務開展，大都經歷過信息化過程。很多制造型企業隨著不同
階段的發展需求，保留著各個版本的ERP軟件和各種不同類型的數據庫存儲環境，導致數據來源多樣，獨立封裝和存儲的數據難以集中共享，也不敢隨意改造或替換，IT系統歷史包袱沉重。
目前，華為公司的主業務流程中存在幾千個系統模塊，有多版本的ERP、多種集成方式，系統間存在大量復雜的集成和嵌套。各業務領域開發了上千個應用系統模塊，包含上百萬張物理表、幾千萬個字段，這些數據又分別存儲在上千個不同數據庫中，共享困難；數據鏈路呈“長網”狀，典型鏈路達12層以上，部分鏈路甚至高達22層。
4、 數據質量：數據可信和一致化的要求程度高
基于業務特征和運營環境的特點，非數字原生企業對數據生成質量有更高的要求。數據產生時的質量高低不僅直接影響產品質量，而且直接影響整個內部業務的運作效率和成本。例如，華為公司會對合同錄入質量進行嚴格度量和控制，以確保下游各環節能夠及時、準確、完整地獲得所需數據，并在整個端到端鏈條中對異常數據進行嚴格監控。數據質量要求嚴格，需要配置多重精確規則，基于客觀事實多重校驗，確保數據可信、一致。
非數字原生企業在消費數據時對數據質量的要求也更高，一般會更聚焦于與業務流程相關的特定場景，更關注業務流程中問題的根因和偏差，數據挖掘、推理、人工智能都會聚焦于對業務的理解，面向業務去做定制化、精細化的算法管理，因此消費數據時的質量容錯空間非常小。
? ? ?上面所列出的非數字原生企業的特點，是我們基于華為的發展和對行業的認知所總結的，包括對非數字原生企業存在的問題和歷史包袱等的表述，只是管中窺豹。
