0 到 1 的突破：数字化 BP，破解协同难题的新答案

数字化 BP：正在改写 IT 与业务的关系

在数字化转型中，IT 团队与业务团队的分歧是常见问题，神州数码通过设立并强化数字化 BP 角色来破解这一难题。

过去，IT 团队多以系统产品经理的角色存在：业务提需求，IT 基于对产品的理解出方案、做实现，形成单向沟通。而数字化 BP 需要同时懂技术与业务。尽管目前团队更偏技术、对业务的理解仍需深化，但 “ 不懂业务就做不好 IT ” 是明确要求，数字化 BP 必须清楚业务模式、价值链、关键节点，知晓业务如何盈利、客户旅程如何设计。理想状态下，数字化 BP 应在业务定战略时扮演顾问角色，甚至能为业务探索第二增长曲线提供建议。

要实现这一目标，需打破传统信息化时代的“模块划分”思维。过去，数字化系统负责人往往只了解“大象的耳朵是扁的”，却不清楚企业整体这头“大象”的全貌，更不知道自己负责的功能对企业的整体价值。因此，神州数码的数字化 BP 按 BG 配置，要求其对 BG 的端到端业务全流程熟悉，再反过来规划各系统的定位，毕竟每个系统都只是整体的一部分。

其实，不少企业都有类似角色，只是叫法不同，比如联想称之为 BT（业务转型），有些企业设立独立的业务转型组织。但核心逻辑一致，必须由 IT 团队中的人来承担，因为业务团队精通IT的难度远高于 IT 团队理解业务。

值得注意的是，真正懂企业自身业务的人，一定来自企业内部。这一目标的实现，与两个角色的认知密切相关：一是 CEO、董事长等一把手，二是 CIO。如果CIO 仅仅将自己定位为技术部门负责人，只被动接收业务需求、做 OA 和网络等基础服务，就难以推动数字化转型。实际上，CIO 应成为 CEO 的伙伴，能平等对话业务、提供专业建议，而这需要对具体业务有深入的理解。

认知到位后，落地反而没那么复杂，企业业务再庞大，但拆解到具体业务线后逻辑会清晰很多。以神州数码为例，二十多年的分销业务本质可浓缩为“进销存”三个字——核心是管理风险、控制资金成本、加快周转效率。只要抓住业务本质，再对接各业务线的行业特性，就能快速深入。反之，若 CIO 认知清晰但 CEO 不理解，或 CEO 认可却不提供资源支持，转型便会受阻。因此，关键管理岗位的认知统一，是问题水到渠成的前提。

对于数字化 BP 的培养，企业往往存在要求不足的问题。这一角色首先需懂技术，因此不必刻意招募业务专家，毕竟他们通常不懂 IT。比如，在制造业中，供应链是核心环节，从供应链团队中选拔出对业务熟悉的人，将其培养为对应 BG 的数字化 BP，成本和门槛更低；而偏销售端的 BP，则可从 CRM 负责人中培养，便于快速对齐价值链。

从 “网管” 到 “引擎”：认知一转，价值立现

IT 价值的实现，核心也在于认知。如果 IT 团队将自己定位为“网管”，价值便局限于保障网络稳定、安全（比如达到 99.99% 的可靠性指标）；但如果认知到“ IT 是为业务服务、为业务创新和第二增长曲线赋能 ”，价值边界便会极大拓展。

近两百年来，多数业务创新的驱动力是技术，尽管这一说法略带绝对，但可见技术的重要性。相比之下，通过业务模式、生产关系变革带来的创新反而较少。因此，IT 团队作为最了解公司技术的群体，更应思考如何赋能业务。

迈出第一步的关键，是找到企业核心流程中价值最大、投入和范围可控的切入点，不同企业的痛点不同。有的需要提升销售效率，比如通过 CRM 系统让客户拜访转化率提升15%；有的制造业需通过供应链精细化管理降低 30% 的成本。解决这类关键痛点，既能快速体现价值，也能获得管理层的认可与支持。

CRM的双重角色：基建与赋能的平衡术

在具体工具中，CRM 是信息化时代的重要基建，因此必须先搭建起来，才能积累数据，但更重要的是如何通过CRM为业务赋能。对销售而言，仅靠老板要求、不录数据影响绩效奖金等强压方式，难以激发使用意愿。他们真正关心的是：CRM 能否提升客户拜访转化率？能否带来更多商机？这些才是 CRM 应承载的核心价值。

从推动到协同：CRM部署的关键逻辑

部署 CRM 时，最关键的是获得 CEO 的支持。CIO 的角色是业务伙伴而非对立者，推广 CRM 这类信息化基建前，必须先与 CEO 沟通清楚：系统能简化各业务线管理，同时为销售赋能。只有 CEO 认可，部署才能顺利推进。

若仅因听了分享觉得 CRM 好就推动，极易遭遇业务部门的阻力。多数业务部门负责人从一线销售出身，可能因业务运行太透明而存在顾虑。因此，部署 CRM 虽属 CIO 职责，但最终决策必须由 CEO 推动。

管理与业务的双向奔赴：CRM的实际价值释放

从价值来看，CRM 作为信息化时代的基础工具，主要赋能营销、销售、服务三大领域，核心是通过流程管理提升效率。对管理者而言，没有 CRM 时，难以掌握销售目标达成情况、销售人员时间分配、客户风险等信息，如同在“无光的地图”上行走；有了 CRM，至少能清晰看到三大领域的业务全貌，是管理的重要支撑——但有了系统，不代表就能做好管理。

对销售而言，CRM 常显“反人性”，管理者视其为工具，但销售可能觉得贡献客户资源后还要被监督，更像“做作业”。若仅要求填写字段，即便有自上而下的压力，销售也可能敷衍，比如随便填写“拜访李总”，真实性难以验证。因此，管理渗透需要“双向奔赴”，实施时应聚焦如何为销售赋能，比如提供谈资和解决方案。

以神州数码为例，其通过智能化升级为销售提供支持：当销售拜访客户时，若客户提及 AI 需求，系统可快速推送神州数码在 AI 领域的解决方案，帮助销售展现专业度、引发客户兴趣，后续再由售前或架构师跟进。这种切实帮助业务的方式，才能让销售主动使用 CRM。

具体到制造业，CRM 的价值集中在“销”与“产”两大环节，即研产供销服价值链的核心。对销售端是“卖得更多、利润更高”，对生产端是“降低成本、提升效率”。

以联想为例，其供应链管理目前位列亚洲第一、全球第三，背后离不开 IT 系统支持、数据积累和算法调度。早期供应链管理多依赖经验，比如预判泰国洪水可能导致硬盘短缺，但仅靠人工难以支撑规模化发展，必须通过组织、数据积累和算法优化，再结合 CRM 等系统，才能提升供应链计划准确率。毕竟，备货过多会形成沉默成本，比如电脑产品，当年滞销次年可能降价甚至腰斩，而不同企业的需求差异明显：英伟达这类企业可能不愁销路，电动车企业则需关注电池迭代速度，比如电动汽车续航从早期一两百公里提升至现在的五六百公里，技术周期影响显著。

效率为先：AI落地的早期成果

谈及转型成果，神州数码近期在世界人工智能大会上发布的《AI for Process 企业级流程数智化变革》蓝皮书，已对AI在企业的落地路径做了深入解读。尽管神州数码内部实践数据尚在积累，但小范围试点显示，通过蓝皮书中的方法论，AI 智能体在企业的 POC（概念验证）落地周期已从原本的三个月缩短至半个月到一个月。“天下武功，唯快不破”，对企业而言，提升AI 应用效率的价值尤为显著。

聚焦核心与打破壁垒：转型落地的优先级选择

在数字化转型的实践中，神州数码优先推进的是企业最核心的业务流程。作为从分销起家的企业，销售与生态体系是其核心竞争力，因此率先从销售流程即LTC，从线索到回款切入，重点启动了智能化升级。

转型过程中，最关键的挑战与多数集团性企业类似——如何统一公司的话语体系和业务模式。集团下属多个 BG可能开展同类业务，但在流程、效果、控制点、KPI 考核等方面常存在差异。对此，神州数码花费大量时间横向梳理：先摸清不同 BG 的业务运行逻辑，再设计出各方认可的统一模式，在此基础上推进系统建设或通过 AI 解决业务痛点。

之所以这样考量，是因为各 BG 往往面临直接的业绩压力，更关注短期目标达成，难有精力横向参考内部或行业最佳实践。只有先统一业务模式，才能为后续的管理升级和智能化应用打下基础。

从系统搭建到智能协同：数字化转型的三阶跃迁

数字化转型蓝图的推进阶段，行业虽无定论，但普遍可划分为三个阶段，逻辑脉络基本一致。

第一个阶段是信息化，这是企业快速提升业务能力的必经之路。从无到有上线 ERP、CRM、HR、OA 等系统，相当于为业务能力搭建了承载容器，让业务流程能在线上顺畅运转——本质上是让企业流程有了明确的运行载体。

第二个阶段是数字化，由于信息化阶段的各类系统多为独立“山头”，每个系统仅承载部分流程而非全貌，如同“盲人摸象”：有人摸到耳朵，有人摸到腿，却没人能看到“完整的大象”。因此，这一阶段需要通过数据平台或数据中台，将分散在各系统的数据汇总整合，为企业管理者提供分析依据和数据服务。

第三个阶段是智能化，行业对其定义虽各不相同，但智能化必须建立在扎实的数字化基础之上。无论是 AI 应用还是模型训练，都需要高质量数据作为支撑，否则极易形成“垃圾模型”。因此，智能化是在数字化阶段的延伸——通过 AI、数据挖掘、机器学习等技术进一步为企业降本增效。当前备受关注的“智能体”即人与智能体协同工作，便属于这一阶段的探索方向。

从阶段定位来看，神州数码正处于第二阶段向第三阶段过渡的关键期。其数据管理能保持统一性，与企业一把手及管理层的认知密切相关：从信息化到数字化的跨越本就难度极大，集团下属各 BG 的负责人往往因立场差异形成数据壁垒，比如营销、服务各有数据平台，不愿共享；按功能划分的系统也存在天然隔离。要打破这些壁垒，必须依靠 CEO 或董事长的高认知来驱动全集团数据统一。而神州数码在数字化转型中始终保持着清晰认知，从一开始就要求全集团数据汇总共享——各业务线可自主开展工作，但数据必须集中整合。

当然，数字化转型推进并非一帆风顺。虽大方向始终明确，但实际执行中难免会遇到许多具体问题，比如数据汇总至平台需完成大量数据治理工作，迈向智能化阶段则要攻克模型训练难关，还需与业务端反复沟通协调。这些挑战，几乎是所有企业在转型中都会遇到的共性问题。

AI时代的生存法则：给年轻IT人的成长指南

一是“往深专精”，AI 时代下，从业者可分为两类：一类懂原理，能复现或搭建 AI 模型；另一类仅会使用工具，两者差异显著。若想实现重大科技创新，需融会贯通计算机科学与数学知识——比如 DeepSeek 的研发，正是基于对量化业务的深刻理解，在英伟达算子不达标的情况下攻克底层技术，最终带来业务和技术的双重突破。

二是“若深不了，便求广度”，随着 AI 技术发展，智能体能力将持续增强。当前是 AI 辅助人类，五年后可能是人机协同或智能体间协同，十年后甚至可能一人联合超级智能体即可开公司。就像谷歌早期三个学生能搭建搜索原型，未来工具能力的提升会降低创业门槛，但对人的广度要求更高——需了解研产供销服、人才等各领域的智能体和 AI 能力，再通过 IT 手段串联实现。如今 AI coding 工具普及，功能实现的门槛已降低，但做好的标准反而在提高。这与英语专业的发展类似：上世纪七十年代英语人才是高精尖，如今门槛降低，需叠加其他技能才能凸显价值，IT 行业亦是如此。