“成 果”

ZJUSOM

在當今技術浪潮下數智化轉型對企業及組織而言至關重要，但其具體實施路徑仍處探索階段。

企業多聚焦于業務流程的數字化改造，但如何真正實現“數智化轉型”，以數智技術為企業運營管理賦能，助力企業實現高效發展，目前學界和業界仍在積極尋找答案。

為深入探討企業數智化轉型的方法路徑，推動企業更好地理解和實踐數智驅動理念，浙江大學數據分析和管理國際研究中心主任周偉華與團隊攜手數智化轉型頭部企業鼎捷數智股份有限公司共同編撰推出《企業數智驅動白皮書》(下稱“白皮書”)。

該白皮書系統淬煉鼎捷服務超50000家客戶的成功經驗，闡述了企業數智化運營的發展階段，展現了企業數智化轉型的路徑，為不同類型企業的數智化轉型提供了實際可落地的方法論。

雙方未來將以白皮書合作為契機，持續加強在企業數智驅動、生成式AI、智能制造課程等領域的共同研究與合作，充分發揮在各自領域的優勢與經驗,力爭為數智化行業的健康發展、企業數智化轉型的成功實現做出更大的貢獻。

我們特邀周偉華教授解讀這本白皮書的編制初衷和特色作用。企業數智化轉型將經歷哪些階段？如何構建適用于自身的數智化轉型運營模式？一起來看看吧。

本 期 學 者

周偉華

周偉華，浙大管院數據科學與管理工程學系教授，博士生導師。浙江大學數據分析和管理國際研究中心主任。研究方向：物流和供應鏈管理、供應鏈金融。

白皮書特色亮點

01

0

0

數智驅動型企業有何特征？

他們指出六大關鍵特質

數智化是新型工業化的特征，數智創新是高質量發展的重要驅動力量。數智驅動不僅是技術的集合，更是一種能夠在復雜環境中實現企業高效運營與創新的動態驅動力。

結合對企業演進歷程的深入剖析，白皮書編制團隊總結出數智驅動型企業的六大關鍵特質：實時感知、快速響應、預先響應、高速迭代、自我進化以及自決自動。

實時感知

實時感知（Real-Time Perception）是數智驅動的基礎特質，使企業能夠即時捕捉市場動態、客戶需求、供應鏈狀態等重要信息 。

快速響應

快速響應（Quick Response）指企業在面對市場變化和客戶需求時，能夠迅速采取行動和調整策略的能力。它依靠消息觸發、彈性和回彈性來實現：實時捕捉市場動態消息并啟動響應流程，彈性調整資源以應對需求波動，并在突發事件中迅速恢復運營。

預先響應

實時感知（Real-Time Perception）是數智驅動的基礎特質，使企業能夠即時捕捉市場動態、客戶需求、供應鏈狀態等重要信息 。

高速迭代

高速迭代（Rapid Iteration）是一種高效策略，通過緊湊的循環周期與持續優化流程，企業能夠迅速試驗、獲取反饋并提升產品或服務。

自我進化

自我進化（Self-Evolution）指企業能夠實時監測市場變化，自動調整決策和運營策略，使響應更加精準。這一自動化特性提升了企業競爭力，確保企業在動態環境中保持領先地位。

自決自動

自決自動（Self-Determined Automation）指企業的AI系統在極少人力干預下自主完成學習、推理、決策和任務執行。基于知識庫、算法邏輯、行為規則和AI技術等，適應復雜環境并自我優化，滿足新的需求與挑戰 。自決自動支持自動生成業務流程、個性化推薦和客戶溝通內容，減少人工干預的同時提升客戶體驗。

數智驅動的六大特質體現了實時性、靈活性和自動化的優勢，幫助企業及時響應市場變化并優化運營效率。這些特質不僅構成了數智驅動的核心能力，也為企業全面落地數智驅動提供了方向。

（圖片來源：千庫網

02

0

0

他們構建企業數智化運營SUPA模型，

以循環管理流程助力企業高效決策

依靠數據和智能技術，企業能夠迅速捕捉市場動態、洞察客戶需求，并通過及時響應外部變化和內部需求，實現更為智能和敏捷的業務運作。

在這樣的環境中，企業運營需要一種系統化的決策邏輯，將信息收集、分析、決策與執行環節形成閉環，從而在動態環境中實現高效、精準的運營。

周偉華團隊攜手鼎捷數智股份有限公司前沿創新研究院團隊構建企業數智化運營的基礎模型——SUPA模型。模型通過四個環節為企業在復雜動態環境中的有效運營提供了系統化路徑：感知（Sensing）、理解（Understanding）、規劃（Planning）和執行（Action）。SUPA模型的每一環節均代表了企業數智化水平的不同能力，它們相互銜接，構成企業從數據獲取到執行落地的閉環。

SUPA模型

感知環節

在感知環節，企業通過多種渠道收集市場、客戶和內部運營數據，以獲取對外部環境和自身運營的實時洞察。這一環節不僅依賴于傳感器和物聯網技術對實時數據的采集，還包括來自管理信息系統的數據、市場趨勢分析、客戶反饋收集和供應鏈動態監控等多維信息的整合。

理解環節

理解環節是SUPA模型的核心，旨在對數據進行深入分析和解讀。通過數據清洗、整合和轉換，企業能夠從數據中提取出有價值的洞察。這一過程不僅支持驅動企業即時響應運營管理任務，還為制定戰略提供了科學依據。

規劃環節

在規劃環節，企業根據理解階段的分析結果制定業務策略和行動計劃。SUPA的規劃環節強調前瞻性和戰略性，確保企業決策既具操作性又具有長期的戰略意義。

執行環節

執行是SUPA模型的最終環節，通過將規劃付諸實踐，實現企業的業務目標。在這一階段，企業不僅注重具體方案的落實，還確保執行過程中的資源優化和靈活調整。

SUPA模型的四個環節構成了數智化企業運營的核心體系，幫助企業在動態環境中靈活應對市場變化，實現業務的高效運轉和持續優化。

（圖片來源：千庫網）

03

0

0

他們劃分數智化運營發展五階段，

為企業提升數智水平明晰路徑

數智驅動（Digital-IntelligenceDriven）不僅是多種技術的集成應用，更是企業在數智化環境下實現自我優化與持續創新的核心運營模式。其最終目標是通過“數據自決”和“智能生成”實現企業的高效運作與智能決策，這兩個特征分別代表了數智驅動的自主性和創造性。

（圖片來源：千庫網）

白皮書編制團隊認為，以“數據自決”和“智能生成”為核心的數智驅動代表了企業數智化運營的最高形態。然而，企業在達到這一高級形態之前，需要經歷多階段的數智水平逐步提升。他們將企業數智化運營分為五個發展階段（Level0至Level4），每一階段的SUPA環節在數智支持下逐步強化，推動企業實現深度變革。

企業數智化運營的五個發展階段

Level 0

Level 0 是企業數智化運營的初始階段，企業主要依賴人的智慧和經驗完成數據的收集、分析和決策。此階段企業的數智化水平較低，運營效率和決策速度完全依賴于人員能力，難以應對復雜的市場環境。

Level 1

Level 1 流程驅動階段，企業通過管理信息系統（MIS）實現了流程的標準化、系統化和部分自動化。盡管智能化程度有限，但系統化的數據管理和流程優化有效提升了基礎運營效率和響應能力。

Level 2

在Level 2 的模型驅動階段，企業通過數學模型和運籌優化算法，提升了規劃環節的決策質量。此階段的核心是通過模型驅動的方式為業務場景提供精準的優化策略，使得規劃環節更加科學和高效。

Level 3

在Level3 的數據驅動階段，企業結合大數據與弱人工智能（Weak AI），推動 SUPA 循環的各個環節向智能化邁進。

Level 4

Level4 代表企業數智化運營的最高形態。AI全面滲透 SUPA 模型的每個環節，實現系統級的智能協同。

通過數據自決與智能生成的全面應用，企業在這一階段實現了組織管理的全面數智化轉型，運營管理能力達到了完全自主優化的狀態。

企業數智化運營的五個階段展示了企業如何通過SUPA 各環節的數智水平提升，逐步構建起應對復雜環境的自我優化和智能決策能力，最終實現以“強數據、強智能”為特點的智能化管理運營，幫助企業在競爭中實現從“人工主導”到“智能協同”的根本性變革。

04

0

0

升級還是換代？

他們指出企業數智轉型的關鍵抉擇

數智驅動的浪潮中，企業在轉型過程中往往面臨兩種路徑選擇：“升級”與“換代”。

“升級”通常指在現有運營模式和技術基礎上進行優化，通過智能技術提升流程效率，以逐步改善業務表現；“換代”則是一種徹底的革新，通過數智技術的深度應用重新定義企業的核心運營邏輯和商業模式，從而實現質的飛躍。

（圖片來源：千庫網）

“升級”路徑在當下的許多行業中已然廣泛應用。它意味著在已有模式下通過逐步優化解決特定問題。例如，一家傳統制造企業在升級過程中，可能會利用數據采集優化生產排程或使用自動化設備來減少人工干預，從而提升效率。然而，這種“升級”依舊依托于傳統的業務模式，側重于局部改進、短期見效，未改變企業整體的運營邏輯或架構。

“換代”則指的是從根本上重塑企業的運營方式與商業模式。例如，某些制造企業通過全面引入智能工廠、物聯網和大數據驅動的供應鏈管理，構建了完全自動化、實時監控和智能決策的生產系統，使得工廠在資源配置、生產響應速度和管理靈活性上實現了全面提升。換代不僅僅是工具的更新，而是實現了一種全新的運營模式，能夠適應當今動態多變的市場環境，為企業帶來更持久的競爭優勢。

在企業數智化運營的不同演進階段中，企業的轉型路徑也有所不同。從Level 0 階段的人的驅動到Level 3 階段的數據驅動，都是技術的逐步升級，幫助企業逐步提升數智化水平。

Level 0 階段主要依賴人工，Level 1 階段通過流程驅動實現標準化和自動化，Level 2 階段則依托模型驅動的科學分析，而Level 3 階段的企業利用大數據和人工智能增強各個業務環節的智能性。這些階段以“升級”為主導，企業通過技術疊加和優化提升運營效率。

然而，邁入Level 4 階段后，企業需要超越簡單的技術疊加，尋求“換代”，即通過數智技術的深度融合實現全方位的業務模式革新。

在當前全球市場和環境的復雜形勢下，疫情等黑天鵝事件更進一步推動了企業對“換代”的需求。這一根本性轉變讓企業不僅能更好地應對突發挑戰，還能利用數智技術的全面滲透實現真正的智能化、柔性化和高度協同的業務模式。

（圖片來源：千庫網）

數智驅動不僅是一種技術，更是一種戰略思維。企業通過在SUPA循環的各環節不斷增強數智水平，最終實現“數據自決”與“智能生成”，達成從“人的驅動”到“數智驅動”的轉變，從而大幅提升動態應對、敏捷執行、韌性適應和戰略轉型的能力，確保在快速變化的市場中保持靈活性與競爭力。

更重要的是，數智驅動將深刻影響企業的資源配置效率、組織優化、模式創新和新型生產力的培育，為企業在數字經濟浪潮中注入持續創新的動力和高效增長的潛力。

（圖片來源：千庫網）

對話編者

Q1

團隊編制白皮書的初衷是什么？

當前，數智化轉型已成為熱門話題，但具體如何實施數智化轉型，尤其在人工智能快速迭代發展的當下，大家仍在探索中，尚無明確答案。目前，關于數智化轉型的討論更多集中在數智化的“數”層面，即將業務流程等進行數字化處理。

而在智能化方面，目前的應用更多集中于替代一些基本功能，但人工智能對企業運營的沖擊遠不止如此。它將帶來一場全新的革命性變化。人工智能在企業運營中的角色遠遠超過工具的層面，而是成為企業的戰略合作伙伴或協同者。然而，具體如何實現這一目標，目前學術界和企業界都還在摸索中。

本白皮書旨在從多維度的學術視角、實踐路徑以及科學方法論的支撐出發，為企業未來的數智化運營提供思路，并為打造數智驅動型企業提供可借鑒、可執行的指導和實踐路徑。

Q2

為何選擇與數智化轉型企業合作？

鼎捷作為業內領先的數智化轉型服務公司，深耕企業數智化領域多年，特別在制造業的智能化轉型方面，已經成為行業內的佼佼者之一。

在長時間的數智化轉型實踐中，鼎捷不僅積淀了豐富的實戰經驗，還自主研發了“雅典娜”數智化支持平臺，致力于為企業提供全方位智能化轉型解決方案，幫助其實現跨越式發展，并積累了眾多行業領先的成功案例。

學術界與產業界在推動制造業轉型的進程中擁有共同的使命與愿景——即通過掌握數字經濟的核心技術，創新管理模式，驅動制造業的深度變革。我與鼎捷數智前沿創新研究院院長周忠信先生進行了深入交流，發現我們在多方面的理念高度契合。我們一致認為，數智化驅動不僅能夠助力企業實現更加智能和高效的創新運營，也能開創未來轉型的新篇章。

基于此，我們決定攜手共進，充分發揮各自優勢，深度融合數字化科技的力量，探索未來變革的無限可能，共同推動這一具有深遠戰略意義的事業發展。

白皮書研討會

Q3

您認為白皮書對企業數字化轉型有何助益？

這份白皮書的終極目的是為企業提供數字化轉型的建議和策略，我們希望能夠提供一個大家可以遵循的數字化轉型框架或路徑。

我們提出了SUPA的企業數智化運營模型，該模型的原型OODA模型在軍事領域應用較多，其核心思想是觀察（Observe）、定向（Orient）、決策（Decide）和行動（Act）。隨著數字經濟的發展，企業的競爭態勢越來越激烈和動態，同樣需要對于快速變化的動態環境迅速作出決策和反映，因此，我們提出這個能在現代企業運營中廣泛適用的模型：SUPA模型，感知（Sensing）、理解（Understanding）、規劃（Planning）和執行（Action）。

在這個升級版模型中，我們強調多元渠道的數據匯集和分析，以及更深層次的邏輯理解（Understanding）。目前，生成式人工智能技術在感知和理解方面已經非常成熟，但在決策規劃（Planning、Action）方面仍有較大的探索空間。為此，我們牽頭成立了國內首個數智管理與決策技術重點實驗室，專注于人工智能決策技術的研究，為企業提供更科學的數字化轉型指導。

周偉華教授在白皮書研討會現場作分享

我們認為，最早期的企業管理是以人為驅動的，主要依靠個人經驗進行決策。隨著時間的發展，管理逐漸轉變為流程驅動，之后發展為模型驅動。智能時代，SUPA中的每個環節都會增強，人和機器會共同參與戰略性決策，機器可以幫助人拓展思考邊界，探索各種可能性。

通過SUPA模型，企業可以設計適合自己的數字化轉型路徑，進行動態更新和迭代，以實現更好更快的發展。此外，這一模型也是對我們管理發展歷程新的解讀。

《企業數智驅動白皮書》詳情獲取請掃碼

黨的二十大報告強調：“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群。”習近平總書記高度重視發展數字經濟，強調數字經濟“正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量”。

“我們有共同的目標和愿景——以數字經濟核心技術和管理模式的轉變促進我們制造業、我們中國所有企業實現真正的數智化轉型。”周偉華表示，未來還將持續深入研究生成式人工智能在企業數字化轉型中的應用，以期為中國企業的可持續發展、中國經濟的高質量發展貢獻力量。

信息來源：浙江大學數據分析和管理國際研究中心

采訪：段婷

編輯：曹敏

審核：佟慶