1、工业企业数据化管理的核心要素是要通过数据、模型、应用构成多个层次的闭环优化，应用的高低将是企业竞争力强弱的分水岭。

以焦化企业为例，采购端的炼焦煤数据和销售端的焦炭数据无论是数量、质量还是可获得性都要灵活地ETL（采集、转化、加载），炼焦煤既有本地区资源的固定性和可获得性，也有外地资源的经济性和适用性。同样焦炭数据既有固定客户对反应后强度等指标的习惯性有人说模型的选择是企业竞争力强弱的分水岭认同，也有新客户对CSR等个性化要求。客户要求的数据可能就那几种，但是你却要有大数据做储备。

有人说算法模型的优劣决定商业价值大小，这要看应用场景，或者说取决于业务部门创造价值的要求。采购部门为了降低采购成本，他想知道未来市场走势，这个时候他需要一套市场分析预测模型；然而他到底什么时间采购，采购什么东西，还要取得与销售部门的沟通，这个时候，他们需要一套数据交互模型；财务部门是关注资金风险的，他需要一套资金收益风险预警模型；经济账算得再好，技术上必须可行，作为配煤技术专家，他们更需要一套配煤数据模型。归根结底，这就是产业数据多层次闭环优化的过程。

2、数据化并非取代信息化，而是对信息化的优化提升。

自动化、信息化解决的是如何提高生产效率的问题，重点优化的是时间。但是在过剩经济时代，效率太高的时候往往意味着存量太高、效益太低。以城市洒水车为例，这种车的标准化程度较高、市场容量有限，如果企业信息化工作做得好，那么在几年时间之内就可能达到竞争饱和状态。但是如果你的车辆定位在金属冶炼企业内部环保用车，因为环保对象不同、企业内部道路不同、车间空间布局和专用设备不同、支付能力和还款方式不同，更大的不同在于谈成这笔买卖的概率不同，这些不同决定了你生产的专用车的结构不同、用的材料不同、交货期不同。这需要销售、采购、财务做交易的实施的价值匹配管理，这个时候企业需要的不是ERP 而是BI，优化重点不是时间，而是盈利空间。数据化管理的核心思路是，空间上覆盖各生产要素，时间上覆盖全生命周期。有了商务智能模板就可以实现业务在时空上的穿越。

3、突破传统企业数据化管理遇到的两大技术瓶颈，一是架构瓶颈，二是智能化瓶颈。关于组织架构瓶颈很好理解，我们在服务企业客户当中经常遇到这样的问题，找到采购部长，他说数据化这是信息化主管部门的事，找到财务部长，她说数据化是业务部门的事，找到销售部长，他说数据化是总经理主抓的事情。不管是哪个部门的事，最终的表现都是一样的，就是数据难以流通、分享、共用。另一个十分典型的现象是，各部门都搞信息化，结果是重复开发，整合难、更新难、扩展难、创新更难，形成诸多信息孤岛。这样的结局很好理解，打个比方，你把世界上知名美女的特色器官拼接到一个人身上，那么她肯定是一个丑人。

智能化瓶颈主要是因为企业管理对象众多，一时不知从何处下手，或者是技术、设备、环境财务一把抓。上海世界人工智能大会期间，我曾采访一知名企业家，问他传统企业互联网化转型的突破口在什么地方？是在生产端还是交易端？他说这要视企业具体情况而定，产品有竞争优势的，可以从生产端入手，逐渐使人、机、料、法、环智能化。而对于营销有特色的企业而言，可以从交易端入手，不断提高交易端匹配价值。归根结底，应该是从交易端入手，也就是从企业的采购销售部门，因为任何企业经营活动都是以顾客为始终的。

4、构筑工业互联网平台方法论，是结构化地解决复杂问题，就是先解耦功能、后提取共性、同事同法、功能复用。

如果上面三种介绍的是针对单个企业互联网化转型所进行的方法论介绍，那么接下来介绍的方法论是针对工业互联网平台建设的。垂直行业是否都可以借互联网平台？不是的，只有产业集中程度和信息化程度（数据量）比较低的行业才适合，因为这样的行业在未来才能影响工业互联网领域的商业模式、规模化速度和资源控制能力。以耐磨零部件为例，尽管它广泛地分布在矿山机械、冶金机械、建筑机械、农业机械、港口机械、工程机械和工业车辆等行业，但这些企业绝大多数具有小、散、杂的特点，拥有类似的质量特性，如耐磨性、选型、更新频繁、可修复、可追溯性、可焊接、表面处理、安全、轻量化等。

为了实现这些共性功能需要提供哪些服务呢？离不开采购、资讯、技术、融资、营销、仓储、运输，而实现这些要素高效积聚、分享的最佳工具就是互联网平台，而驱动这些要素发挥效能的是数据。互联网解决的不是有多少订单，而是通过数据分析、精准营销，让交易端匹配价值最高。上面提到的BI，也就是数据化管理模型嵌套平台之中，帮助企业决策做什么风险损失最低。

最后做一下声明，数据化服务并不是给企业做一套软件系统的SaaS模式，而是借用目前世界知名软件公司，如Tableau 、Qlik 、Microsoft开发的模板，结合企业的实际情况，提供个性化、一体化、数据化的解决方案。​​​​