淘寶在數字化轉型的過程中，數據使用和數字化進階均經歷了幾個不同的發展階段，這些經歷對致力于數字化轉型的企業有更多借鑒意義。

一、 淘寶數據使用的5個階段

淘寶的數據使用經歷了5個階段，如圖下圖所示，以下分別進行介紹：

在這個階段，淘寶尚未使用數據。隨著公司不斷發展，經營項目變得越來越復雜，淘寶才發覺需要依靠數據進行精細化管理。

這個階段的數據使用者主要是企業和部門的管理者。技術團隊利用數據產生報表和經營看板，主要目的是輔助管理者進行決策。

這一階段便是數據賦能一線員工的開端。淘寶之所以可以發展到這一階段，是因為許多決策是由一線員工做出的，而不是管理者。一線員工如果沒有被賦能，就沒有辦法做出決策。該階段產出的不再是簡單的報表，而是數字化應用，讓一線員工的工作效率提升了幾倍甚至10倍。

淘寶在這個階段提倡的是賦能商家。賦能生態的意義在于讓商家發展得更好，只有生態發展得好，平臺的能力和價值才會越大。也就是說，DT屬于利他主義，時刻為客戶著想。

淘寶基于讓商家更好地經營產品并提升服務質量的目標，推出了100多個數字化應用，這些應用采用了全新的研發方式。一方面能促使商家的生態持續發展，可以更好地服務終端用戶，提高用戶體驗；另一方面也提升了商家對平臺的依賴程度。對于平臺來說，對平臺的黏性越高，平臺的優勢就會越明顯。

二者相互促進，相互融合，以致于到后來，商家一旦脫離了平臺就會不適應，因為平臺給商家賦能，讓商家賺取更多的利潤，提高了經營收入。

企業在數字化轉型的過程中會產生大量獨特的數據，這些數據累積到一定規模，便可產生新的數智商業載體。

二、 阿里巴巴數字化進階的6個階段

阿里的數字化發展經歷了6個階段，以下進行簡要介紹。

第一個階段是基于業務系統慢慢把生意做起來。在這個階段，各部門會運用零散的數據來解決一些問題。

在這一階段，阿里建立了商業智能工具，技術部運用這些工具向經營管理層提供經營報表，幫助經營管理層做決策，讓管理更加簡單。

在這一階段，阿里已經可以通過數據賦能一線業務人員，讓一線業務人員可以自主完成報表制作和簡單的應用開發。同時，阿里還為他們提供了數據服務，幫助一線業務人員提升工作效率。

在這一階段，阿里開始采用中臺式的技術架構，重點對內提供服務。阿里為一線業務人員提供了數字化的工具和應用，讓他們可以更高效地工作。以前需要10個人才能做完的工作，現在1個人就可以完成。

在提高員工工作效率之后，阿里進入下一個階段，基于數據開展對外服務。在這個階段，阿里做了兩個重要的決策：

第一， 給商家賦能；

第二， 給生態賦能。

在給商家和生態賦能的同時也增加了二者與平臺之間的黏性。

后來，阿里搭建了數據開放平臺，各數據公司可以基于這個平臺的數據開發各種數字化應用。阿里為自己的生態賦能，在賦能生態的同時又用生態來賦能生態。

在這一階段，阿里致力于打造自己的商業模式。具體來說，就是定義數據，例如，基于打造一個完全屬于自己的商業模式。基于這些數據，阿里可以提供貸款服務，加深供應鏈合作。如果數字化體系完全由一家數據公司基于數據來做，最終產生的結果就是會打造出一個千億、萬億級的新公司。螞蟻金服便是完全架接在數據之上的新商業載體。

總結阿里這6個發展階段的特點，我們可以明確數據價值的創造歷程和數據在不同發展階段的特點。限于篇幅，以上并未對阿里數字化發展的全部過程進行詳細闡述。希望通過以上介紹能為企業的數字化發展提供參考。

現在很多公司的數字化轉型停留在經營管理層查看報表做決策的階段，還沒能發展到賦能一線員工的階段。這些企業，尤其是上市企業，需要盡快發展到下一個階段。

阿里在探索數字化轉型的過程中經歷了不同的發展階段，比如技術架構演變、組織架構演變、業務“急”、技術“疲”、人才錯配、數據文化演變等。梳理這些可為企業數字化轉型提供更多的借鑒意義。

一、 技術架構演變

阿里的數據中臺架構是從BI等獨立數據工具演變而來的。 早期，阿里并沒有使用報表，直到各個業務單元逐漸產生了分析需求，才開始采用BI工具來分析數據。 到后來，淘寶涉及的業務需求越來越多，為了應對這些需求，便開始為數據治理、大數據集群配置相對應的工具，導致不同類別的工具越來越多。

為了更好地解決問題，阿里需要將不同的工具組合成集成式平臺，在集成式平臺運行的過程中，阿里發現該平臺存在一些缺陷。

阿里使用集成式平臺期間，數據經常出錯，IT團隊不得不調動大量工程師以手動的形式保障數據分析結果準確和數據治理的效果，但數據仍然會出錯，且維護成本高。

該平臺產出的是報表和精準營銷、用戶畫像等靜態數據應用，不能快速產出深度智能應用，比如動態畫像、智能運營等應用，且該平臺的開發成本較高。

面對以上問題，阿里逐步由集成式平臺進化到現在的數據中臺，整個演變過程及各階段的特點如上圖所示。

二、 組織架構演變

阿里的 組織架構經歷了6次演變，如下圖所示。

第一階段： 業務部門負責提需求，由IT部門實現，但二者各自獨立。

第二階段： 業務部門負責提需求，由IT部門下設的兩個子部門—數據部門和傳統IT部門實現。

第三階段： 業務部門下設IT部門和DT部門，IT部門增設數據管理部門。

第四階段： 業務部門下設數字化部門和IT部門，IT部門下設數據技術部門。

第五階段： 業務部門保留數字化部門，原有的IT部門和DT部門共同支撐業務部門，IT部門下設數據部門和數字化部門。

第六階段： IT部門負責傳統的技術支持，DT部門提供數據技術和數字化能力。

以上是阿里6次組織架構的演變歷程。在這期間，阿里對不同部門進行拆分，嘗試了不同的組織模式，逐步發展成如今的組織架構。

某些企業想照搬阿里的組織架構，以圖“一步到位”，但這并不能真正解決企業面臨的問題。企業應在參考阿里組織架構的基礎上根據自己的具體情況設計適合自身發展的數字化組織架構。

三、 業務創新模式

在組織架構不斷演化的過程中，阿里的業務部門需要不斷創新以提升業績，即“業務急”。但是，業務創新需要后臺強有力的支撐，IT部門常常因為需求不斷變更、創新成本太高等原因，無法及時響應業務部門的需求。

業務創新無法被滿足一般包括以下幾種情況。

對于一些難以描述的業務需求，IT部門認為是業務需求涉及的產品不符合市場需要，即“需求難描述，被認為是產品差”。業務需求有時候很難用語言精準地描述出來，IT部門一旦遇到這種情況，響應速度就變慢了，而業務創新也就止步于此。

有些業務需求雖然可以被業務部門清楚地描述出來，但是如果用傳統的IT開發方式實現，開發成本較高，可能導致這種需求不能通過產品評審會。企業在立項時需要為各個項目排優先級，且預算有限，某些開發成本過高的項目可能無法通過。

項目執行周期長、響應速度慢也會導致業務創新不能被及時響應，業務創新的過程如下圖所示：

熱點事件通常會在網絡上引起熱議，是開展營銷活動的好機會。運營人員想通過熱點事件做營銷活動，需要做很多前期準備工作，且執行周期較長，往往會因此錯過最佳時機。比如，某運營人員想要針對某手機產品做一次營銷活動。做活動的前提是要有執行方案，而想要完成具體的可執行方案，首先面臨數據問題。事件營銷可能覆蓋幾億用戶，運營需要精準地找到C端用戶，同時分析出哪些B端商家適合參加這個活動，還要對SKU進行篩選。這些工作需要數據來佐證，因此，運營人員需要對數據進行分析，從而確定不同階段的可執行情況。

（1）確定C端用戶

（2）確定B端商家

（3）確定SKU

可見，這樣簡單的一個營銷活動也是需要數據支撐的。在整個營銷流程中，通過數據分析確定這三類參與者，最快可能也需要兩周的時間。而兩周之后，這個事件的熱度已經過了。很多時候，這樣的創新機會就因為執行周期長而不了了之。

致力于數字化轉型的企業可以對比阿里的業務創新的模式，部署數字化技術，優化業務部門的業務創新方式，降低業務創新的成本，縮短業務創新的時間。

四、技術價值顯現

技術部門支撐著業務部門的發展。在長期低效的工作中，一些IT人員的工作狀態會變得消極，原因可能是他們每天都在做無法提升個人價值的工作，具體表現如下：

數據部門經常做的一項工作就是制作報表，通常是用Excel等辦公軟件或寫SQL的方式分析數據。制作報表對于IT人員的職業發展價值有限。

IT部門是通過傳統的數據倉庫技術使用數據的，不論是報表、模型還是智能應用，都缺少對數據質量的維護。很多公司以人工維護的方式來保證數據質量。

數據一旦出錯，技術部門便會以人工的方式在浩瀚的數據字段和數據指標里尋找關聯數據和數據出錯原因。但是，數據出錯的原因多種多樣，有可能是業務系統技術模塊里一個字段的定義發生了變化，造成上層在做數據應用時，數據指標也發生了變化；也有可能是數據沒有計算完整，或者模型沒有訓練好出現了錯誤。只通過人工或少量工具作為輔助的方式完成數據錯誤篩查，需要調用大量的IT人員，且耗時較長。

一個公司存續的時間越久，產生的數據應用就會越多，報表、應用或模型都會產生數據結果。而一旦數據應用和數據產品開發崗位發生人員變動，后來的技術人員可能看不懂前任寫的代碼，無法順利更正數據。

企業出現的數據錯誤越多，IT部門需要補的窟窿就越多。技術人員不得不花費較多精力查漏補缺，很難再有精力去研發新的應用。

企業運用傳統的技術架構產出的大多是報表或展示類應用。即使IT部門開發的應用再好，產生的價值再多，也只是為業務產生的部門提供輔助決策工具而已。業務價值高可能是因為業務人員決策正確，也可能是因為報表的準確度高，這很難分辨是激起了關鍵作用。業務價值的提高無法確定是技術部門的功勞，工作價值無法被量化。另外，這些報表本身是很難幫助公司降本創收的，雖然IT人員的工作量較大，但都是日常工作，無法衡量IT團隊的價值，其工作價值也是不被認可的。

技術團隊總是做著簡單、重復的工作，且不被認可。淘寶經歷了很長時間的發展才讓技術團隊從這樣的狀態中解放出來，令其工作有價值、被認可，技術人員的工作熱情變得高漲。致力于數字化轉型的企業只有完成了這個轉變，技術部門和業務部門才有未來。

五、 人才配置合理

在數字化轉型過程中，阿里也曾混淆技術人才和數字化人才。如今，大多數企業的人才配置是以業務人員和技術人員為主。大多數時候是技術人員根據業務人員提出的需求和想法給予技術支持，而技術人員最核心的工作內容就是高效地寫出質量更佳的代碼。曾經的阿里也和大多數企業一樣，沒有從技術人才中細分出另外一種角色，即數字化人才。

數字化人才的主要職責并不是寫代碼，而是快速洞察業務問題，以數據應用的方式創新性地解決業務問題。解決方案有可能是由技術人才實現的，也有可能是由數字化人才實現的。

對于技術人才和數字化人才的隸屬關系和層級關系，阿里在早期也不是非常清楚，曾經讓技術人才領導數字化人才。二者的工作思路是不一樣的，技術人才追求更高效地實現業務價值，數字化人才追求的是創新性地發現業務存在的問題并解決。讓技術人才領導數字化人才會影響數字化工作的效率。阿里經過一段時間的摸索后才逐步形成了數字化人才與技術部門各自獨立工作的模式。

六、 數據文化演變

阿里在數字化轉型的過程中，數據文化的演變經歷了7個階段，下面進行詳細介紹：

阿里最早提出要進行數字化轉型時，很多人是不相信的，一些業務部門和關鍵決策人持反對意見。因為業務部門背著業績指標，他們需要用更穩定的方法去完成業績。但是，數字化轉型是企業的整體戰略，業務部門不得不一邊在數字化創新的路上花費大量時間和精力，一邊承擔業績壓力。在不能確定數字化轉型是否能成功時，就會對轉型效果持懷疑態度，擔心業績受到影響，而高層又要求數字化轉型工作不能影響業績。

業務人員排斥數字化的原因很多，阿里規定各部門要嘗試用數字化方式做業務，業務人員拿出一部分精力配合這樣的創新，但是在創新過程中卻發現效果并不理想。這是因為一開始以管控的方式進行數字化是錯的，讓IT做DT的事情，業務部門花了很多精力配合數字化工作，但效果又不是很好，還使得業績受到影響。

配合數字化創新是組織下發的硬性任務，而各個部門都有重要的工作要完成，這時有人可能就想應付了事，這種情況往往是最可怕的。

在這個階段，數據起到的更多是輔助作用。業務部門能夠感受到數據的價值，可能是因為在一兩件事情上數據起了很大的作用。在這個階段，業務人員主要還是采用傳統的方式解決問題，只在某些時候會想到結合數據。阿里在這一階段萌生了數據信仰文化，一旦公司上下對數據有了信心，數字化發展就會進入到下一個階段，也就是所謂的以數據為主導階段。

這一階段在阿里內部被稱為數據化運營。業務部門遇到問題或者想要進行業務創新的時候，都會優先想到用數據的方法來提高效率，他們會把機械性的工作交給數字化應用處理，集中精力做更有創新個性的事情。在這個階段，業務部門有了數字化運營的意識，會主動用數據的方式進行業務創新。在這一階段，數據方式和傳統方式在業務中各占一半，但對企業來說這已經是一個比較好的狀態了。能否進入下一階段取決于這個階段的數據響應是否足夠快、足夠靈活。

到了這一階段，業務創新基本上離不開數據，也可以說大部分工作都已經建立在數據基礎之上了。阿里將自己定位為數據公司，也有這方面的原因。可以說，阿里一旦離開數據，便沒法正常運轉了。在這個階段，阿里的整個組織都十分依賴數據，各部門工作效率都非常高。企業上下已經習慣了用數據來解決問題，碰到問題的時候也會優先想到用數據解決，其次才是用人工解決。這種數據應用的狀態貫穿到下一個階段就會發展為數據信仰。

不管是經營當前的業務，還是開拓一個新的業務，甚至成立一個新的公司或者事業部，從高層到中層再到基層，所有人都會潛移默化地用數據的方式開展相應的商業活動。

-------- END --------