产业数字化逐步成为发展大趋势，数字化服务的行业需求市场空间广阔。数字经济成为企业数字化发展的驱动力，我国企业使用数字化系统的趋势愈发显著。成功的数字化转型必须具有清晰明确的战略规划和契合的规划模型，并有效实施转型行动。同时，数字化转型是长期过程，需要不断试错才能达到较为理想的效果。但是，一定要保持坚定的方向，这需要在进行深度的可行性分析后，制定出行动计划和方向，并坚持实施下去。契合的数字化规划模型是数字化转型的总体指导和有效方向支撑。

1. 企业数字化转型模型现状分析

企业数字化转型需求越来越强烈，相应的数字化转型模型也应运而生。下面主要从信通院、国有企业、赛迪智库和中关村联盟等数字化转型模型来简要分析模型现状。

1.1 中国信通院发布的数字化转型模型（IOMM模型）

参考中国信息通信研究院发布的IOMM成熟度模型，该能力成熟度模型IOMM标准分五个阶段：基础保障、业务支撑、平台服务、客户运营、创新引领。整体框架还包括两大领域、四大象限、六大能力、六大价值，从能力和价值两个角度全面衡量数字基础设施的能力和体现的价值。

1.2 国有企业全链路数字化转型白皮书中的五化能力评估模型

国企数字化转型能力评估模型主要包括运营数字化、决策智能、业务在线、触点数字化、基础设施云化，从数智大脑、数据运营、全程在线、关联交互、基础设施等五个层面进行了数字化转型的五化模型分析。

1.3 《国有企业数字化转型橙皮书（2021）》中的六化模型

国有企业数字化转型的橙皮书中主要从产品、制造、营销、服务、管理、平台六个方面的数字化，进行了数字化转型的全面阐述。

1.4 赛迪智库的六化模型

赛迪智库主要从设施数字化、资源数字化、要素数字化、业务数字化、战略数字化、数字化效益六个层面进行了数字化转型的全面阐述。具体的实现主要表现在平台支撑(“上云”)、数据驱动(“用数”)、智能主导(“赋智”)三个方面。

1.5 中关村发展联盟数字化转型成熟度模型

中关村发展联盟数字化转型成熟度模型由成熟度等级、成熟度水平档次和评价域构成，主要从发展战略、新型能力、系统性的解决方案、治理体系、业务创新转型等五个评价领域及其对应的22个子域，进行数字化转型的全面阐述。成熟度等级按照规范级、场景级、领域级、平台级、生态级等五个等级进行了划分，并从转型深度和转型广度将其细分为十个水平档次。

图1数字化转型六个等级示意图

2.数字化转型规划模型研究

依据上述模型现状，结合规划实际，下面主要从业务数据化到数据业务化两个维度、数据分析的四个阶段、信息化及数字化发展的六个等级、数字化转型六个层面等方面进行分析和研究，总结出一套为企业数字化转型规划的开展提供强有力支撑的数字化转型总体规划模型(DSLR)。

图2数字化转型六化模型示意图

2.1 从业务数据化到数据业务化两个维度

2.1.1 业务数据化

完成业务数据化实际上需要经过简单数字化和流程数据化两个步骤，简单的数字化是IT时代信息化所做的事情，而流程的数据化则是DT时代数字化转型所做的事情。信息化是数据化的初级阶段，信息化能提升效率、沉淀相关数据，并为数据化输入提供必要的数据，信息化为数据化奠定基础，数据化将倒逼IT系统的完善和优化。

2.1.2 数据业务化

数据业务化为业务数据化的自然延伸。数据业务化是指通过对业务系统中沉淀数据的二次加工，找出数据中的规律，让数据更懂业务，并用数据驱动各个业务的发展，将数据渗透各个业务的运营当中，让数据反哺业务，最终释放数据价值，完成数据价值的运营闭环。

2.1.3 业务数据化与数据业务化之间的关系

(1)数据应用的深度：浅与深的关系。业务数据化是数据的浅层应用，数据业务化是深层应用。前者是前提和基础，后者是前者的延伸与深化。

(2)数据应用的节奏：先与后的关系。先有业务数据化，再有数据业务化。在“数据价值释放”这首歌曲中，业务数据化是前奏和序曲，数据业务化是主体和高潮部分。

(3)数据价值释放的进度：doing与done的关系。在数据价值释放的进程中，业务数据化是done、是先手，数据业务化是doing、是后手。业务数据化是过去式和现在完成时，而数据业务化则是现在进行时和将来完成时。

(4)相会于数据中台：相辅相成的关系。业务数据化与数据业务化相会于数据中台，是数据中台战略落地的左右手。业务数据化与数据业务化相辅相成，业务数据化是为了更好地开展数据业务化。数据业务化对业务数据化提出更高的要求，倒逼业务数据化做得更精细，两者共同服务于业务运营和数据价值释放。

2.2 从数据分析的角度看数字化的四个阶段

根据应用系统的总体建设目标和建设优先级，可将整体数字化建设分为四个阶段：描述性分析、多维性分析、预测性分析、指导性分析。

2.2.1 统计报表：描述性分析阶段

完成数据的标准化体系建设，实现企业所有指标数据的管理，实现数据的标签化，统一数据口径;建立元数据的管理体系，为大数据分析与挖掘提供强力基础。完成核心指标的数据和前后对比的描述性分析，引入可视化报表，呈现目前业务的现状，如管理层关注哪些业务、用到哪些指标、如何衡量变好/变坏等，并沉淀分析架构。

2.2.2 数据分析：多维性分析阶段

对数据进行多个维度的观察和分析，通过对数据进行切片、切块、聚合、旋转、钻取等各项分析操作，全面剖析数据，使经营层领导能够从多个侧面、多种维度和多项数据的综合度去查看数据，从而深入了解数据中所包含的信息、规律。

2.2.3 数据挖掘：预测性分析阶段

通过海量的数据挖掘，实现大数据的预测性分析能力，如能够提前测试业务年度成本、年度目标、未来收益大小等。

2.2.4 指导性分析阶段

根据对数据的描述性分析、多维度分析和预测性分析，定位业务变化的原因，找到影响结果的因素，给出可能的结果，在业务层面给出合理的指导性建议，为领导层提供业务需求或解决运营问题所需的最佳解决方案。

2.3 信息化及数字化发展的六个等级

数字化转型实质为信息技术所引发的系统性变革，根本内容是企业价值体系重构;核心手段是管理和信息平台的新能力封装和建设，驱动的要素就是数据。让数据流动起来，以便挖掘数据中蕴含的最大价值。从信息化建设到数字化有六个等级：弱信息化、中信息化、强信息化、弱数字化、中数字化、强数字化，如图1所示。

2.4数字化转型六个层面

以统一的综合管理系统为核心平台基座，大中台，小前台，将可复用的业务功能和技术中间件沉淀到中台，前台灵活化;统一入口，整体集成;统一规划，分步实施;高度重视系统数据的准确性、安全性、可分析性，审批流程的规范性、严谨性。结合上述数字化转型模型和分析，结合各企业实际，总结契合企业数字化转型需求的六个层面，具体内容如图2所示。

2.5 数字化总体规划模型-DSLR

结合上述各类模型和企业实际，总结出如下适合企业的“12466”数字化总体规划模型(DSLR)。

DSLR(维度dimensions、阶段stage、等级level、层面range)，是指两个维度(业务数据化、数据业务化)、四个阶段(描述性分析、多维度分析、预测性分析、指导性分析)、六个等级(弱信息化、中信息化、强信息化、弱数字化、中数字化、强数字化)、六个层面(基座灵活化、资源数据化、工作在线化、业务智能化、组织平台化、产业生态化)的总体规划模型，具体如图3所示。

图3数字化转型总体规划模型(DSLR)示意图

3.结语

数字化是信息化基础上的再升级，数字化转型是利用数字化技术，以数据为驱动，打通企业的生产、管理各个板块，使信息汇聚形成大数据，通过数据挖掘、清洗和分析，形成数据资产，打造企业发展的新引擎。企业数字化转型的基座灵活化、资源数据化、工作在线化、业务智能化、组织平台化、产业生态化的程度，是企业数字化发展的六项重要指标，每个指标的成熟度都可以从初始级、优化级、成熟级、卓越级来衡量，是数字化水平的重要标尺和对标，是后续实施成果复盘和后评估的重要依据。