无限极是李锦记旗下的一家公司，产品包括健康食品、美妆和家居用品。李锦记是一家百年的民族企业，它有两个使命，一是发扬中华优秀饮食文化，二是弘扬中华优秀养生文化。无限极具有独特的企业文化，主要体现在三个方面：“思利及人、“永远创业”、“自动波领导模式”。除此以外，无限极还有独特的“三调养 四合理”的健康养生理念。无限极的销售模式是直销，直销与分销作为两种不同的渠道，其实殊途同归，都是要以用户为中心，提供好的产品和服务。

在数字化规划上，信息化、数字化、智能化是数字化升级常见的三个阶段，但我认为它们并没有严格的标准也没有必要严格区分。阶段的划分意义在于提醒我们有整体观，比如我们是否打好了数字化的基础，也就是说是否完成了关键行为的线上化，是否能够及时准确地采集数据。信息化通常是描述性分析的阶段，数字化是通过场景将信息化的单点连成线，通过各领域的数字化将线连成面。

在数字化阶段，我们常提醒自己要从360度的数据视角看问题，比如一个消费者、一个经销商、一家门店等;同时要以闭环场景的角度来分析问题，数字化通常是诊断性分析的阶段，而在智能化阶段强调的是AI和算法，属于预测性和处方性分析阶段。

关于数字化的价值，我认为可以分为两大类，一类是数字化优化，是在基本不改变做事方法的情况下，通过工具实现降本增效。另一类是数字化转型，体现在三个层面：商业模式的创新、业务模式的创新、生态协作的创新。

举例来说，过去直销是通过线下的方式进行销售，现在可以通过社交电商来做，突破了时空的限制，就是一种商业模式的创新。业务模式创新强调的是换一种方式做原来的事，比如我们的经销商会在店内做一些线下活动，过去是在线下做，现在我们通过线上线下融合的方式。会前发线上邀请函、会中在线下扫码互动、会后收集数据形成洞察给到活动举办人，同时鼓励大家把将各自的活动分享上传到平台。过去门店各自为战，现在可以互相借鉴成为体系，这就是业务模式的创新。生态协作的创新例子比如在供应链侧，我们在MRO采购平台实现上下游信息协同，通过竞价实现降本增效。

我对实现数字化升级的关键能力做了个总结，主要有四个方面：组织力、工具力、数据力、运营力。​

组织力讲的是数字化团队怎样提升业务力，做到真正懂业务，另外就是提升整个组织的数字化能力。

工具力是IT部门的“老本行“：打造各种工具和系统，可分为内部和外部工具，内部工具是企业内员工使用的，相对来说对于工具力的要求较低;外部工具用户是给C端或者渠道小b端，对工具力的要求更高，因为不能强迫用户用。

数据力强调将数据变为洞察，形成服务，价值变现。

运营力强调通过持续的运营和业务的变革，实现长效效益。

特别说一句，没有业务变革的数字化项目就是“耍流氓”。

接下来我将详细解读以上提到的四项关键能力。

01

组织力

过去我们的IT部门基本是“接单”的，给我需求我来做，IT部门背的是技术指标，保证系统没有bug，性能过关、准时上线就可以了。后来IT部门从后台走向中台，增加了比如产品经理、BP等角色，开始更深入了解业务，除了背技术指标还有产品指标。近两年，我们的IT部门开始走向前台，数字化中心成为大业务部门的一部分，开始参与和负责一些强数据驱动的业务运营，开始背业务指标。我认为这种演化是积极的，数字化必须要融入到公司的业务里。

在企业内部，我们有很多不错的实践可供讨论和分享，为此打造了多个虚拟组织，包括有产品管理、项目管理、服务管理、数据治理、架构安全委员会等，比如产品管理委员会的产品经理会分享总结如何提升用户体验，比如架构及安全委员会会对所有新技术方案进行安全评估。通过这些虚拟组织，能够沉淀企业最佳实践，提升组织的整体能力。我们也打造了多个数字化能力共享中心COE，让数字化实现“普惠”，比如RPA应用、全员BI、内容中台、CEM应用、用户旅程应用、行为数据分析等。这样让能力分层，简单的任务由业务团队独立完成，这样IT部门可以释放一些工作量，聚焦做一些比较复杂的任务。以全员BI为例，IT负责把数据中台和BI平台搭好，业务部门在宽表上做一些自助报告和分析。我们还会举办全员BI大赛，请业务用户来讲解如何用好BI，提升了公司整体的BI能力。

02

数据力

过去IT的数据部门常常被认为是成本中心，只是建个中台，建个数仓，搞几个报表，但其工作和价值远不止如此，为了让信息和认知同频，我们将数据服务总结为8种类型，来向业务层宣导，让大家知道数据服务可不是一个报告那么简单。

第一类服务是取数订阅，我们会做一些专题的数据推送。第二类服务是数据产品，我们做了一站式数据应用门户、对高频使用场景开发了小程序、还有chatBI、PushBI等，chatBI可以做到聊天式秒级回应，比如业务同事在跑市场的时候只需说出门店的名字，就能获得相关的360数据洞察，做到心里有数。而PushBI则会主动推送一些业务预警和流程机会点，防止用户错过一些重要的信息。第三类服务是分析报告，比如类似双十一的某个专项分析报告。第四类服务是数据标签，包括人货场的各种标签的全生命周期管理，包括事实标签、逻辑标签和预测标签。第五类服务是各类固定数据报表、看板和大屏。第六类服务是数据供应，包括接口方式或者微服务API的方式。第七类服务是自助数据服务，第八类服务就是数据资产共享。通过以上服务的宣导和应用，能够让业务人员明白数据的价值，这也是数据力的体现。

03

工具力

工具力也就是各种系统的搭建，这需要与公司的整体策略和业务策略匹配。以渠道数字化为例，直销是B-b-c的模式，大B是品牌方，小b是直销员或门店，c是顾客。在数字化时代，经营模式没有变化，但b到c的触达发生了很大变化。以前基本是线下的方式，而且都是私域的流量，现在变成了的线上线下相结合，私域公域相结合，在这个过程中，工具赋能非常重要，我们制定了工具力四大策略：场景化赋能、系统化赋能、全域赋能、内容赋能。

场景化赋能就是将用户旅程和场景落地。系统化赋能就是通过任务体系形成系统化运作。全域赋能就是线上线下结合，公域私域结合。内容赋能我们将按照PGC-UGC-PUGC-AIGC的演化路径来建设。这样直销员一天的各个环节都有工具赋能，不一定都用，但工具箱在那里，用户自己选择合适的。总结来看，数字化工具要好用、易用、效用，这就是工具力。

04

运营力

这里的运营力是指对数字化能力的长期运营，比如线上商城只是一个平台，是工具力，但商城的GMV是需要运营实现，是运营力。我们常常告诉业务要做到数据驱动运营，那数字化部门要先成为典范。所以这里分享一下我们的研发如何通过“多快好省勤赞”等维度，用数据驱动研发运营。首先每个开发人员的工作我们都有记录，实现了信息化，不仅有代码记录，还有预算-项目-任务-计划和实际工时等拆解，以及该员工开发的代码质量记录(比如产生了多少bug，有多少返工的工时等)。通过这些数据，我们可以对每个人的工作质与量打分，通过看板进行运营回顾，提升研发效能。

今天不是专题讲AI，很浅地分享几个点。首先我认为要做好AI，先打好基础，一是数据的积累，二是AI人才的培养，提前做好团队的布局。然后要找对场景，没有场景，AI就像拿着锤子找钉子，英雄无用武之地。

在场景上鼓励多领域的尝试，但要聚焦核心业务场景，AI不是看起来很”花哨”，而是能够涨业绩。我个人认为大模型本身并不是企业构建AI能力的区别点，因为一般企业都只是调用国内外大厂的模型和服务，从百模大战到大浪淘沙，剩下的几家(或十几家)能力不会相差太大，而在同样的模型下，数据的质量更高、场景的选择更精准、工程化的速度更快，那么AI的效果就会更好。

所以我们计划建设“模型独立”的AI PaaS，通过AI Agent引擎来调用不同的模型，既有传统的机器学习或者垂类的小模型，也有大模型。另外对基于企业知识库的企业大脑和智能助手、AIGC、客服等领域也是我看好的AI应用领域。

综上所述，我认为做数字化一定要以用户为中心，不管用户是内部员工，还是外部顾客，还是渠道小b，不要背朝大海，要洞察用户的真实需求。要先做好信息化再做好做数字化和智能化。数字化一定要与业务深度结合，成为公司的关键策略和核心竞争力之一。最后希望每位CIO都能助力企业实现从数字化优化向数字化转型的跨越，从IT、DT到AT的跃迁。