阿里巴巴（简称阿里）作为数字化转型的倡导者和先驱者， 率先成功实现了数字化转型。其成功转型带来的利好鼓舞了更多企业积极投身数字化，尤其是淘宝的数字化转型过程为其他企业提供了很多值得借鉴的经验，本文将对这些内容加以阐述。

淘宝在数字化转型的过程中，数据使用和数字化进阶均经历了几个不同的发展阶段，这些经历对致力于数字化转型的企业有更多借鉴意义。

一、淘宝数据使用的5个阶段

淘宝的数据使用经历了5个阶段，如图下图所示，以下分别进行介绍：

在这个阶段，淘宝尚未使用数据。随着公司不断发展，经营项目变得越来越复杂，淘宝才发觉需要依靠数据进行精细化管理。

这个阶段的数据使用者主要是企业和部门的管理者。技术团队利用数据产生报表和经营看板，主要目的是辅助管理者进行决策。

这一阶段便是数据赋能一线员工的开端。淘宝之所以可以发展到这一阶段，是因为许多决策是由一线员工做出的，而不是管理者。一线员工如果没有被赋能，就没有办法做出决策。该阶段产出的不再是简单的报表，而是数字化应用，让一线员工的工作效率提升了几倍甚至10倍。

淘宝在这个阶段提倡的是赋能商家。赋能生态的意义在于让商家发展得更好，只有生态发展得好，平台的能力和价值才会越大。也就是说，DT属于利他主义，时刻为客户着想。

淘宝基于让商家更好地经营产品并提升服务质量的目标，推出了100多个数字化应用，这些应用采用了全新的研发方式。一方面能促使商家的生态持续发展，可以更好地服务终端用户，提高用户体验；另一方面也提升了商家对平台的依赖程度。对于平台来说，对平台的黏性越高，平台的优势就会越明显。

二者相互促进，相互融合，以致于到后来，商家一旦脱离了平台就会不适应，因为平台给商家赋能，让商家赚取更多的利润，提高了经营收入。

企业在数字化转型的过程中会产生大量独特的数据，这些数据累积到一定规模，便可产生新的数智商业载体。

二、阿里巴巴数字化进阶的6个阶段

阿里的数字化发展经历了6个阶段，以下进行简要介绍。

第一个阶段是基于业务系统慢慢把生意做起来。在这个阶段，各部门会运用零散的数据来解决一些问题。

在这一阶段，阿里建立了商业智能工具，技术部运用这些工具向经营管理层提供经营报表，帮助经营管理层做决策，让管理更加简单。

在这一阶段，阿里已经可以通过数据赋能一线业务人员，让一线业务人员可以自主完成报表制作和简单的应用开发。同时，阿里还为他们提供了数据服务，帮助一线业务人员提升工作效率。

在这一阶段，阿里开始采用中台式的技术架构，重点对内提供服务。阿里为一线业务人员提供了数字化的工具和应用，让他们可以更高效地工作。以前需要10个人才能做完的工作，现在1个人就可以完成。

在提高员工工作效率之后，阿里进入下一个阶段，基于数据开展对外服务。在这个阶段，阿里做了两个重要的决策：

第一，给商家赋能；

第二，给生态赋能。

在给商家和生态赋能的同时也增加了二者与平台之间的黏性。

后来，阿里搭建了数据开放平台，各数据公司可以基于这个平台的数据开发各种数字化应用。阿里为自己的生态赋能，在赋能生态的同时又用生态来赋能生态。

在这一阶段，阿里致力于打造自己的商业模式。具体来说，就是定义数据，例如，基于打造一个完全属于自己的商业模式。基于这些数据，阿里可以提供贷款服务，加深供应链合作。如果数字化体系完全由一家数据公司基于数据来做，最终产生的结果就是会打造出一个千亿、万亿级的新公司。蚂蚁金服便是完全架接在数据之上的新商业载体。

总结阿里这6个发展阶段的特点，我们可以明确数据价值的创造历程和数据在不同发展阶段的特点。限于篇幅，以上并未对阿里数字化发展的全部过程进行详细阐述。希望通过以上介绍能为企业的数字化发展提供参考。

现在很多公司的数字化转型停留在经营管理层查看报表做决策的阶段，还没能发展到赋能一线员工的阶段。这些企业，尤其是上市企业，需要尽快发展到下一个阶段。

阿里在探索数字化转型的过程中经历了不同的发展阶段，比如技术架构演变、组织架构演变、业务“急”、技术“疲”、人才错配、数据文化演变等。梳理这些可为企业数字化转型提供更多的借鉴意义。

一、技术架构演变

阿里的数据中台架构是从BI等独立数据工具演变而来的。早期，阿里并没有使用报表，直到各个业务单元逐渐产生了分析需求，才开始采用BI工具来分析数据。到后来，淘宝涉及的业务需求越来越多，为了应对这些需求，便开始为数据治理、大数据集群配置相对应的工具，导致不同类别的工具越来越多。

为了更好地解决问题，阿里需要将不同的工具组合成集成式平台，在集成式平台运行的过程中，阿里发现该平台存在一些缺陷。

阿里使用集成式平台期间，数据经常出错，IT团队不得不调动大量工程师以手动的形式保障数据分析结果准确和数据治理的效果，但数据仍然会出错，且维护成本高。

该平台产出的是报表和精准营销、用户画像等静态数据应用，不能快速产出深度智能应用，比如动态画像、智能运营等应用，且该平台的开发成本较高。

面对以上问题，阿里逐步由集成式平台进化到现在的数据中台，整个演变过程及各阶段的特点如上图所示。

二、组织架构演变

阿里的组织架构经历了6次演变，如下图所示。

第一阶段：业务部门负责提需求，由IT部门实现，但二者各自独立。

第二阶段：业务部门负责提需求，由IT部门下设的两个子部门—数据部门和传统IT部门实现。

第三阶段：业务部门下设IT部门和DT部门，IT部门增设数据管理部门。

第四阶段：业务部门下设数字化部门和IT部门，IT部门下设数据技术部门。

第五阶段：业务部门保留数字化部门，原有的IT部门和DT部门共同支撑业务部门，IT部门下设数据部门和数字化部门。

第六阶段：IT部门负责传统的技术支持，DT部门提供数据技术和数字化能力。

以上是阿里6次组织架构的演变历程。在这期间，阿里对不同部门进行拆分，尝试了不同的组织模式，逐步发展成如今的组织架构。

某些企业想照搬阿里的组织架构，以图“一步到位”，但这并不能真正解决企业面临的问题。企业应在参考阿里组织架构的基础上根据自己的具体情况设计适合自身发展的数字化组织架构。

三、业务创新模式

在组织架构不断演化的过程中，阿里的业务部门需要不断创新以提升业绩，即“业务急”。但是，业务创新需要后台强有力的支撑，IT部门常常因为需求不断变更、创新成本太高等原因，无法及时响应业务部门的需求。

业务创新无法被满足一般包括以下几种情况。

对于一些难以描述的业务需求，IT部门认为是业务需求涉及的产品不符合市场需要，即“需求难描述，被认为是产品差”。业务需求有时候很难用语言精准地描述出来，IT部门一旦遇到这种情况，响应速度就变慢了，而业务创新也就止步于此。

有些业务需求虽然可以被业务部门清楚地描述出来，但是如果用传统的IT开发方式实现，开发成本较高，可能导致这种需求不能通过产品评审会。企业在立项时需要为各个项目排优先级，且预算有限，某些开发成本过高的项目可能无法通过。

项目执行周期长、响应速度慢也会导致业务创新不能被及时响应，业务创新的过程如下图所示：

热点事件通常会在网络上引起热议，是开展营销活动的好机会。运营人员想通过热点事件做营销活动，需要做很多前期准备工作，且执行周期较长，往往会因此错过最佳时机。比如，某运营人员想要针对某手机产品做一次营销活动。做活动的前提是要有执行方案，而想要完成具体的可执行方案，首先面临数据问题。事件营销可能覆盖几亿用户，运营需要精准地找到C端用户，同时分析出哪些B端商家适合参加这个活动，还要对SKU进行筛选。这些工作需要数据来佐证，因此，运营人员需要对数据进行分析，从而确定不同阶段的可执行情况。

（1）确定C端用户

（2）确定B端商家

（3）确定SKU

可见，这样简单的一个营销活动也是需要数据支撑的。在整个营销流程中，通过数据分析确定这三类参与者，最快可能也需要两周的时间。而两周之后，这个事件的热度已经过了。很多时候，这样的创新机会就因为执行周期长而不了了之。

致力于数字化转型的企业可以对比阿里的业务创新的模式，部署数字化技术，优化业务部门的业务创新方式，降低业务创新的成本，缩短业务创新的时间。

四、技术价值显现

技术部门支撑着业务部门的发展。在长期低效的工作中，一些IT人员的工作状态会变得消极，原因可能是他们每天都在做无法提升个人价值的工作，具体表现如下：

数据部门经常做的一项工作就是制作报表，通常是用Excel等办公软件或写SQL的方式分析数据。制作报表对于IT人员的职业发展价值有限。

IT部门是通过传统的数据仓库技术使用数据的，不论是报表、模型还是智能应用，都缺少对数据质量的维护。很多公司以人工维护的方式来保证数据质量。

数据一旦出错，技术部门便会以人工的方式在浩瀚的数据字段和数据指标里寻找关联数据和数据出错原因。但是，数据出错的原因多种多样，有可能是业务系统技术模块里一个字段的定义发生了变化，造成上层在做数据应用时，数据指标也发生了变化；也有可能是数据没有计算完整，或者模型没有训练好出现了错误。只通过人工或少量工具作为辅助的方式完成数据错误筛查，需要调用大量的IT人员，且耗时较长。

一个公司存续的时间越久，产生的数据应用就会越多，报表、应用或模型都会产生数据结果。而一旦数据应用和数据产品开发岗位发生人员变动，后来的技术人员可能看不懂前任写的代码，无法顺利更正数据。

企业出现的数据错误越多，IT部门需要补的窟窿就越多。技术人员不得不花费较多精力查漏补缺，很难再有精力去研发新的应用。

企业运用传统的技术架构产出的大多是报表或展示类应用。即使IT部门开发的应用再好，产生的价值再多，也只是为业务产生的部门提供辅助决策工具而已。业务价值高可能是因为业务人员决策正确，也可能是因为报表的准确度高，这很难分辨是激起了关键作用。业务价值的提高无法确定是技术部门的功劳，工作价值无法被量化。另外，这些报表本身是很难帮助公司降本创收的，虽然IT人员的工作量较大，但都是日常工作，无法衡量IT团队的价值，其工作价值也是不被认可的。

技术团队总是做着简单、重复的工作，且不被认可。淘宝经历了很长时间的发展才让技术团队从这样的状态中解放出来，令其工作有价值、被认可，技术人员的工作热情变得高涨。致力于数字化转型的企业只有完成了这个转变，技术部门和业务部门才有未来。

五、人才配置合理

在数字化转型过程中，阿里也曾混淆技术人才和数字化人才。如今，大多数企业的人才配置是以业务人员和技术人员为主。大多数时候是技术人员根据业务人员提出的需求和想法给予技术支持，而技术人员最核心的工作内容就是高效地写出质量更佳的代码。曾经的阿里也和大多数企业一样，没有从技术人才中细分出另外一种角色，即数字化人才。

数字化人才的主要职责并不是写代码，而是快速洞察业务问题，以数据应用的方式创新性地解决业务问题。解决方案有可能是由技术人才实现的，也有可能是由数字化人才实现的。

对于技术人才和数字化人才的隶属关系和层级关系，阿里在早期也不是非常清楚，曾经让技术人才领导数字化人才。二者的工作思路是不一样的，技术人才追求更高效地实现业务价值，数字化人才追求的是创新性地发现业务存在的问题并解决。让技术人才领导数字化人才会影响数字化工作的效率。阿里经过一段时间的摸索后才逐步形成了数字化人才与技术部门各自独立工作的模式。

六、数据文化演变

阿里在数字化转型的过程中，数据文化的演变经历了7个阶段，下面进行详细介绍：

阿里最早提出要进行数字化转型时，很多人是不相信的，一些业务部门和关键决策人持反对意见。因为业务部门背着业绩指标，他们需要用更稳定的方法去完成业绩。但是，数字化转型是企业的整体战略，业务部门不得不一边在数字化创新的路上花费大量时间和精力，一边承担业绩压力。在不能确定数字化转型是否能成功时，就会对转型效果持怀疑态度，担心业绩受到影响，而高层又要求数字化转型工作不能影响业绩。

业务人员排斥数字化的原因很多，阿里规定各部门要尝试用数字化方式做业务，业务人员拿出一部分精力配合这样的创新，但是在创新过程中却发现效果并不理想。这是因为一开始以管控的方式进行数字化是错的，让IT做DT的事情，业务部门花了很多精力配合数字化工作，但效果又不是很好，还使得业绩受到影响。

配合数字化创新是组织下发的硬性任务，而各个部门都有重要的工作要完成，这时有人可能就想应付了事，这种情况往往是最可怕的。

在这个阶段，数据起到的更多是辅助作用。业务部门能够感受到数据的价值，可能是因为在一两件事情上数据起了很大的作用。在这个阶段，业务人员主要还是采用传统的方式解决问题，只在某些时候会想到结合数据。阿里在这一阶段萌生了数据信仰文化，一旦公司上下对数据有了信心，数字化发展就会进入到下一个阶段，也就是所谓的以数据为主导阶段。

这一阶段在阿里内部被称为数据化运营。业务部门遇到问题或者想要进行业务创新的时候，都会优先想到用数据的方法来提高效率，他们会把机械性的工作交给数字化应用处理，集中精力做更有创新个性的事情。在这个阶段，业务部门有了数字化运营的意识，会主动用数据的方式进行业务创新。在这一阶段，数据方式和传统方式在业务中各占一半，但对企业来说这已经是一个比较好的状态了。能否进入下一阶段取决于这个阶段的数据响应是否足够快、足够灵活。

到了这一阶段，业务创新基本上离不开数据，也可以说大部分工作都已经建立在数据基础之上了。阿里将自己定位为数据公司，也有这方面的原因。可以说，阿里一旦离开数据，便没法正常运转了。在这个阶段，阿里的整个组织都十分依赖数据，各部门工作效率都非常高。企业上下已经习惯了用数据来解决问题，碰到问题的时候也会优先想到用数据解决，其次才是用人工解决。这种数据应用的状态贯穿到下一个阶段就会发展为数据信仰。

不管是经营当前的业务，还是开拓一个新的业务，甚至成立一个新的公司或者事业部，从高层到中层再到基层，所有人都会潜移默化地用数据的方式开展相应的商业活动。

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