1. 数字化是基础，智能化是过程，自动化是目标

基础的事情就要从根本出发，而不是跨越障碍去搞智能化、搞商业BI，更不是跳过知识沉淀的差距去发展自动化。

前不久在某知名的条码打印机厂参观，一条智能自动化的生产流程设备赫然在目，让整个工厂都充斥着智能制造和先进技术的色彩。但工人们却说，从安装到现在只开过几次，仅供参观。

后来调查得知，这条自动化生产线投入了近千万元，因为只能生产1-2种规格的产品（该工厂产品有上千种规格），而且运转时还要雇一个高级工程师全程监管，成本远远大于一个传统的流水线，所以最终成为了一个摆设。

显然，在搭建这条设备之前，数字化基础根本没有做好。至少数千种产品规格的设计、装配、工艺等规划数据没有形成系统化知识，而且各类传感器、机器视觉、测量设备等数据互通性无法支撑柔性化的感知，甚至是数据采集、传输对分析和决策的缺失。

2. 智能自动化生产线一旦孤立存在，就丧失了数字化意义

即便是这家企业的生产线实现了柔性化、精益化，但如果是孤立的，数据也毫无价值。

在某次工业数字化转型的会议上，某个省份说我们要实现2000个智能制造的工厂。可见，这种仅仅围绕工厂去做，虽然短期内能提升效率、降低成本，或者是明显地减少了库存。但是，它不足以支撑一个从需求到满足需求的闭环。

那么如何把智能制造工厂与用户需求、供应链能力连接起来？这就回到了老生常谈的PLM对产品工艺规划数据采集的需求、MES对工厂设备数据采集的需求、ERP对发票和单据数据采集的需求、WMS对入出库物料数据采集的需求、CRM/SRM对上下游数据采集的需求……

（每一环节的数字化产品都面临同样的问题）

整体来看，这些系统的数据连接性是数字化的本质，即数据源唯一、端到端的、数据协同的、相互因果关联的，如此才能发挥“数据石油”的价值，达到工业4.0从要素化式发展到创新驱动式发展的转变。

3.局部的核心系统首先要解决的就是数字化基础

毋庸置疑，对每个环节来说数据采集都是一个难点，甚至是个堵点，但如果跳过或弱化这个基础工作，一切的智能化、自动化变革都将事倍功半。

从ERP在中国30年的发展历程来看，一直围绕业务、财务、税务、资金、物流等一体化的核心，但根据大部分企业的实施情况来看，孤立的APPs产生的数据都是割裂的，从而产生了一个个数据孤岛，导致数字化的价值大打折扣。

再微观的一点看，ERP对发票或单据的数据采集难度一直存在，即使借助机器学习型的OCR识别技术，或者PRA技术，都很难做到高准确度、稳定性的采集。好在国家税务总局实行“数电票”改革改善了对发票数据的采集，但仍然存在安全性流转、合规性管理、平台滥用数据的发展弊端。

（各系统内外部的数据互通都是数字化核心）

再从MES在国内的20多年演进情况来看，数据采集越来越成为上层系统发展的掣肘，工厂里的设备类型越来越多样化、品牌越来越全球化、新旧设备信息化差距也越来越大，等等因素导致数据的采集难度也越来越大。尤其是品牌之间通信协议和接口的不开放机制，让服务商不得不使用网关数采终端或者数字控制器进行采集，这种方式非常依赖传感器、协议转换、边缘计算等先进技术，数据的准确度和稳定性备受诟病。

除此之外，近10年来企业与企业之间数字化协同平台的提出，也让SCM对供应链上下游企业数据协同的要求，让PLM对跨部门产品的数据协同需求，等等都因不同的软件品牌和云服务模式，导致数字化的基础工作难以扎实，更难以支撑上层的数据管理对资产的效益、数据分析对决策的价值，以及对风险的管控等。

4.现阶段的数字化工作应该是什么？

相比欧美数字化进程，我国普遍起步晚、基础薄弱、沉淀不够的特点，此时我们还要追赶国外企业的智能化步伐，只会导致大厦根基不稳、上层建筑难成的局面。

其实，除了互联网、大数据、AI等数字化技术外，欧美的基础设施更加说明了我们应该从数字化这一薄弱环节入手。比如，欧盟Peppol电子交换网络设施，支持全球范围的企业接入，以实现电子单据的无障碍的数据交换和传输，无论是企业还是国家，都能实现“连接一次，即连接一切”。

虽然我国积极改革对各种生产要素的数字化支持，但是受限于国有制度因素、云服务品牌对数据的霸权、软件提供商对数据滥用等各种原因，始终无法打破行业间的数据壁垒，这也是为什么开箱即用的SaaS模式一直很难在中国发展的原因之一（丧失了天然的互联互通属性）。

在这样的形势下，我们的智能化和自动化就不能只盯那些华丽的系统，并期望这些系统帮你完善数字化工作，而是沉下心来夯实系统最底层的数字化基础工作。除了上文我们着重提到的运营管理和生产管理环节，产品设计研发环节的数字化更应该受到企业信息化部门的关注。

一是因为该环节国外技术垄断明显，面临随时断供停产的风险，比如CAD、CAE、CAT等软件，都可能发生像EDA、集成电路、人工智能等一样的制裁。

二是因为该环节极其依赖企业的知识沉淀，如果不通过数字化技术形成结构化的、持续迭代的系统性规划，差距只会越来越大，尤其是工艺规划、公差经验、装配规则等知识的数字化赋能，率先让我们中国制造赶超国际水平。

（例如某CAT服务商把非结构化知识通过数字化验证后生成标准和规范）

鉴于以上，真正的数字化应该是什么？除了备受市场关注的那些高大上系统外，我们更应该下沉到基础的、薄弱的数字化环节，聚焦到我们真正需要数字化的领域，让那些看似不起眼的数字化工程发挥我们当前最需要的价值。