信息化在左 数字化在右

2024-11-28 19:39:04 admin

“数字化”一词提出后,信息很长时间波澜不惊。化左化右很多人认为“数字化”是数字“信息化”换了个名字,是信息新瓶装旧酒,或者是化左化右下一代信息化技术。也有人认为,数字数字化是信息软件一词的泛化,制造业数字化则被认为是化左化右工业软件一词的泛化。直到最近几年,数字“数字化转型”的信息出现,才让“数字化”一词火热起来,化左化右被人们重新思考和讨论。数字

自从“数字化”热起来后,信息似乎把在中国大地驰骋了三十年的化左化右“信息化”都融化了,气化了,数字蒸发了。人们不再提信息化,有人羞于提它,甚至有意无意地贬低它。有人把过去的信息化方案穿了件数字化外衣行走天下,如果把其中“数字化”三个字替换成“信息化”,里面90%的内容都似曾相识。其实,信息化和数字化是既有区别又有紧密联系的两个概念和词汇。懒于区别,会让数字化成为信息化的翻版,缺乏进步和创新;相互割裂,会让数字化转型既失去基础,又缺乏目标。

“数字化转型”还有很多未确定的含义和不统一的概念,让人们莫衷一是,无所适从。人们看到各种数字化做法,也看到很多转型现象,褒贬不一,众说纷纭。之所以如此,我认为是“数字化”一词的本质和底层逻辑没有识别出来,所以只能头痛医头,脚痛医脚,就事论事。虽然感觉数字化转型有很多事要做,也有很多种做法,但又不知道哪些事是自己该做的事,哪些做法适合自己,更不知从何做起。

01  司左与行右

一个时代有一个时代的明星,既要与时俱进,也不能忘了历史,不然就会迷失于当下,忘了信息化的实质,也会迷惑于数字化的本质。在信息化大潮中冲浪过的人,面对数字化浪潮,会充满疑惑,似乎难以区别过去的信息化和现在的数字化。没有在信息化中冲过浪的人,面对纷繁复杂的数字化局面,眉毛胡子一把抓,总是缺乏章法,不得要领。

人的大脑分两部分:左脑和右脑。左脑是理性之脑,主管逻辑和推理;右脑是感性之脑,主管直觉和艺术。左脑的理性决定了它是现实派、事实派、控制派、质量派;右脑的感性决定了它是未来派、幻想派、冲动派、创新派。

信息化和数字化就像人的左右脑,信息化司左脑之职,数字化行右脑之事。当我们掌握了明确的机理、完备的初始条件(初态)和边界条件(环境)时,需要用信息化帮我们提高效率和质量。当我们的研究对象超越了理解范围,机理、初态和环境不完备时,则需要用数字化来突破我们的局限,实现创新。“逻辑会让你从A点到B点,想象力会让你到任何地方。”爱因斯坦这句话说的就是这个意思。

02  信息化司左

我们所在的世界是三类系统的混构体系:第一类是自然物(如星系、生物等),第二类是人造物(如机器、生产线等),第三类是组织体(如企业、联盟等)。人类始终致于研究这三类系统的运行规律,以期获得明确的机理。当具有清晰初始条件和完备边界条件时,用明确机理来运算就能获得确定性的结论,人们靠这个运算结果可以预测时空运转(未来和远方)。

过去,人们所掌握了类似F=ma、E=MC²、工程经验公式、机器工作原理、生产执行策略、政治经济学、企业管理学等运行规律。基于这些机理,计算机一出世,人们就迫不及待地开发了相应软件,于是科学计算、工程验算、MES、ERP、PLM、PM、MRO等软件相继涌现。这些软件的出现,大幅度提升了人类的工作和生活的效率和质量。1990年代开始,这股浪潮变得尤为迅猛。那个年代,我们称为“信息时代“,很具中国特色的“信息化”一词也是从那时开始的。

之所以用“信息”一词,是因为我们掌握了机理之后,只需要少量的数据喂给软件,就可以获得足够好的反馈。这些少量的数据就是初始条件和边界条件。大量复杂的计算工作和数据流传,在软件内部就全部完美无误地完成了。信息是控制论中大行其道的概念,该词的本意就包含对大量数据进行提炼总结而形成最有价值的少量“数据”。信息不仅包含了明确的运行机理,还包含了清晰的初始条件和完整的边界条件,即信息包含机理、初态和环境。当这些要素完备后,便可以开发一个自动化系统,机器就可以完成过去由人来做的工作。

03  数字化行右

不幸的是,人类对自然物、人造物和组织体这三类系统的运行规律研究都还很不完善,对这个世界99%以上的运行机理、边界条件和初始条件的掌握都不完备。人们现已掌握的机理,只是这个世界规律中非常少的一部分。一台机器的工作原理看似明确了,其实同一机器中还有很多其他机理不明确。企业运行的规律更是如此,不然就不存在“管理不仅是科学,更是一门艺术”这一模棱两可的说法了。而且,即便是掌握了事物的运行机理,对边界条件和初始条件的确定也有很多挑战。

机理、初态和环境三个中有一个不清晰,运算结果就基本靠感觉了。在信息化时代,遇到这种情况都绕着走。但人类现已掌握的信息终有一天会被信息化用尽。那些信息化资深人士都会发现,信息化带来的边际效益越来越低,就是因为能明确的机理、初态和环境都已经进入信息化系统了,但仍然还有很多问题没有解决,还有很多时空亟待预测。此时,信息化遇到了瓶颈,上升通道被堵住了,价值曲线无限接近一条水平渐近线。

当然,人类从来都不会坐以待毙。信息(包含机理、初态和环境)都是从大量数据中总结提炼而成,不管这种数据完整还是不完整。其实,信息的提取恰恰就是人类中的聪明人通过并不完备的数据抽象提炼总结而成的。过去信息化时代,普罗大众几乎忘了这一事实,直接使用既有的信息来完成工作。但那些聪明的少数人始终是清醒的,科学技术也在不断发展,他们发现新科技(特别是大数据与AI技术)可以在海量数据中总结出具有一定明确程度的机理、初态和环境(姑且称为“准信息”),而且随着数据量的增加和进一步分析学习,“准信息”可以越来越明确。“准信息”更接近纯数学的表达,未必像人类总结的信息那样具有显而易见的物理意义和业务含义。但在一定范围和条件下,准信息反映的规律确实接近真实世界的规律。也就是说,新科技让人们可以回归到信息的本源——数据层面,发现靠人脑不曾发现的机理,总结机理需要的初态和环境。于是,数字化的大幕被拉开。如果说信息化以明确信息为前提,那数字化则以海量数据为基石。数字化看似绕开了明确信息,但却走通了信息化曾绕开的路。

数字化的前提,是尽量完整地将研究对象从实物转换为数字化模型。当然这里指的是广义数字化模型,不仅仅指形体的数字化。我们把能反映实物特征和属性的所有时空关系的数字化表达都称为“数字化模型”。当物理世界数字化之后,就可直接从大千世界的数据出发,来获得我们需要的机理、初态和环境,哪怕是准信息也好。只要新的机理在手,初态和环境收入囊中,那对时空的预测又可以上一个台阶。因此,数字化是在信息化走到天涯海角时又搭建的桥梁、船舶或飞行器。

CAE是首先走上数字化道路的技术,其次是CAD,两者均通过建立全息模型的方式实现了对产品数据的充分利用,并通过分析和计算的方法扩展获得隐含和潜在的数据。最近出现的大量的数字化应用是在生产制造过程、运行维护、企业管理、数字经济中,利用完整的生产数据、供应链数据、运维数据、企业数据、经济数据来预测以前MES、ERP、MOR、CRM、SCM等信息化软件只能绕开的场景,深挖数据中的信息,实现业务和管理的突破。耳熟能详的预测性维护便是典型实例。凡此种种应用都显示,当物理世界能全面数字化表达的时候,人类的所有工业及经济的梦想——工业4.0、工业互联、智能制造、数字孪生、元宇宙、数字经济和智能商业等,都似乎近在眼前,触手可及。

04  “信”、“数” 相较

显然,我们不能左右不分。没有信息化为基础的数字化是无本之木,就像大楼缺少了地基,终将倾倒坍塌,落得个白茫茫大地真干净。搞数字化,信息化的欠账迟早是要还的。以工匠精神先把企业已经明确的工业机理和业务模型梳理清楚,在信息化系统中得到优良运行,然后再利用数字化进行创新发展,这才是数字化转型的正确姿势。“转型”二字,不仅代表了物理向数字的转变,同时代表了信息化向数字化的转变。因此,奉劝那些试图跳过信息化阶段直接进入数字化的人,通过数字化来补救一切是痴心妄想,很可能因弯道超车而翻车。

如此看来,先有信息化,后有数字化,那是不是意味着数字化就比信息化高级一些?非也!数字化其实是一种递归,是信息化遇到发展瓶颈之后的回归本源,但又不是简单的返璞归真,而是事物螺旋发展的一次高层次的回归。

信息来源于数据,是不是意味着信息比数据高级一些?非也!信息最终会转化为常识,没人认为只掌握常识的人是高人。信息也终会转化为流程和规则,只知按章办事的人,在组织中称为普通工作人员。高瞻远瞩的人,也就是那些企业领袖、行业翘楚、社会贤达及科技怪才,都往往是那些跳出现有信息框架,直接到高纬度和宽视野的数据中用敏锐直觉感知未来的人。其实,一个组织中,任何一个层级的正职都应该具有这种直觉,因为感性和直觉才是创新的通路,而拓新是正职最重要的职责。

 

05  左右相成

人的左右大脑是相伴相生、相辅相成的。理性善于提升质量不善创新,但没有质量和效率的创新发展是不可靠、没前途的。艺术和创新是人类的生活梦想,但质量和效率是人类的生存之本。无论是人的个体还是人类社会,都在感性和理性的交替运行、直觉和推理的共同作用下成长和进化。没人愿意为了理性和质量而去掉右脑,也没人愿意为了艺术和创新而去掉左脑。个体人和人类社会都是先从朴素的感性和直觉发展上升到理性和理论的高度,然后又升华到优秀的直觉。优秀的直觉源于对丰富经历和有效经验的高度总结,还需要经常性的深度思考和远期瞭望。我们的社会中的确有一类具有这种优秀和敏锐直觉的人,是他们引导着你的企业、机构甚至人类的发展方向。正是这种优秀的直觉推动了人类新理论的产生和新科技的发展。

组织的决策都是由两个脑配合来做的。我们固然不能唯感性和直觉,但也不能唯理性和逻辑,更不能依赖理性。理性只能在已知的范畴内、舒适区内做事,而未知领域、无人区、焦虑区只能靠感性和直觉去探索和开拓。决策还是要追求均衡,方能权衡利弊,让收益最大和损害最小。因此,在已知的范畴,我们恰恰追求感性和直觉,以促进创新,这是在充分理性的基础上用直觉来开拓新天地。在未知的范畴,我们恰恰要追求理性和逻辑,收集更多的数据,用数据来说话,来巩固创新的成果和质量,完全靠感性和直觉一定会吃亏的。

因此,我们这里谈左右,并不是要把信息化和数字化对立。恰恰相反,从数据中识别总结确定性信息(机理、初态和环境)是数字化的使命,人类终究还是要像牛顿、爱因斯坦那样取得真正的具有物理含义和业务意义的终极模型,才能获得实质性的进步。数字化识别出来的信息需要进行另一次递归,最终还要回归到信息化中来。有人说数据可以帮助人们消除不确定性,其实数据本身并不是不确定性的终结者,从数据中获得的信息才是。所以,我们不能因为有数字化手段就选择“躺平”,完全依赖数据做任何业务,而是应该千方百计地从数据中获得确定性的规律,尽量放大我们业务中信息化的比重而不是相反。数字化是我们梦寐以求的创新和发展,但信息化是我们赖以生存的质量和效率。也许,考核数字化团队的指标,不仅看其数字化工作拓展的广度和深度,更要看其将数字化成果转化为信息化的比重。质量与创新的交替进步和螺旋上升,是人类和工业的进化与发展的基本模式。不妨把信息化和数字化看成是智慧工业DNA的两条链,就像生物DNA由两条链构成,缺一不可。

05  转型之本

此处,我们把数据与数字化紧密关联在一起,因为数字化转型业界确实普遍把“数据”奉为神明,认为数据是制造业数字化转型的驱动力,“数据工程”是其核心工程。在这里,你对数据的利用方式做了何种转变,决定了你做了何种类型的数字化转型,就像人类对能源利用方式做了何种转变,决定了工业发生了何种革命,因为能源是原子工业的动力,而数据则是比特工业的动力。人类有多次工业革命,都是因为能源的利用方式的变化导致,这也预示着,数字化转型也将不止一次,人类利用数据的方式将会不断进化。

依我来看,新工业社会利用数据的方式也有多次转型:知化、秩化、治化、智化和织化,并由此引发多次数据工程,作为数字化转型的五个引擎工程:数据归仓、数据管理、数据治理、数据线程、数据织锦,最终促成工业数字化的五次转型。

这一观点符合在中国国资委推行的国企制造业数字化转型的采用的标准。该标准是由中关村信息技术和实体经济融合发展联盟(简称中信联)发布的团体标准(T/AIITRE 10004-2021)《数字化转型 成熟度模型》,该标准的成熟度级别包括规范级、场景级、领域级、平台级和生态级五级。本文也采纳这一标准。

在数据利用方式的五次转型中,中间的“三化”,即秩化、治化和智化,是当今制造业数字化中最轰轰烈烈的转型。

数据的“秩化”。在这个过程中,通过类似PDM、PLM、MES、ERP、MRO等传统信息化系统,将企业原本无序的数据有序化,并且同一系统之内的数据可以高度结构化。每个系统具有界限分明的明确使命,所以数据也具有明显的边界。因此,需要通过流程协同和数据集成手段,来实现企业内关键业务之间的整合。通过企业级业务智能(BI)手段实现全局精益。在这个阶段,针对数据的改造往往被称为“数据管理”。

数据的“治化”。在这个过程中,通过产业互联网平台的横向、纵向和端到端的互联互通,将各信息系统、各企业、全产业链内进行高度集成和融合,系统间、企业间、全链内的数据边界被打破。通过建立全息化的数据模型来支持链内的融通化的业务模式,通过全局商业智能(BI)技术进行链内全局优化。在这个阶段,针对数据的改造被称为“数据治理”。

数据的“智化”。世间产业本无限,天下数据本无界,只要跨越甚至无视边界的技术出现,便能正本清源。大数据和机器学习就是这样的技术,在无差别的海量数据中,充分挖掘其深层智慧。在“智化”过程中,利用人工智能系统,即兴化和自主化地跨链建立模糊化、水样化和用后即逝的业务生态和数据生态,恢复本无界限的产业生态的真面目。也许,机会云卷云舒,价值潮起潮落,组织聚聚散散,才是人类美好生活本来的样子。在这个阶段,针对数据的改造称为“数据智能”。

现在数字工业利用数据的方式三次转型,决定了工业数字化将会有三次转型:数据的“秩化”将带来“精益转型”,数据的“治化”将带来“全息变革”,数据的“智化”将带来“智慧革命”。

最后需要说明一点,虽然强调数据的重要性,数字化转型终究还是要以人为本。信息化以员工的职业素养和契约精神为前提,数字化以员工的学习能力和创新精神为目标。从这个角度,“一把手”工程才讲得通。过去常说信息化和数字化是“一把手”工程,要求一把手关注一个信息化或数字化项目,要求一把手亲自使用信息化软件或数字化平台,这其实都是与一把手的特质、定位和职责相违背的。(来源:网络安全与信息化,转载:盛浩)

  • 文章

    3927

  • 浏览

    5

  • 获赞

    1318

赞一个、收藏了!

分享给朋友看看这篇文章

热门推荐