企业管理IT技术发展阶段
现代企业管理的技术提升上有很多名目，有分版块的、有分阶段的、有分技术代数的、也有自创各种唬人名词的。但是本渣觉得，怎样分都是一种方便理解的表达说法而已，因为技术这件事一直都是嵌套关系发展的，所有的新技术都必须由上游技术的扎实程度作为基础。也就是顶尖技术的出现，绝对是基于底层技术的成熟和白菜价作为支撑，也就是所谓的大力出奇迹，质变引发量变。如果前面的工作没有做好，就必须要补课，不然再尖端的技术都是空谈。但是从电子时代开始，也有一定的过程。
（一）电子化（80年代）
伴随着企业管理中的通信手段从寄信、电报到电话，这是电子化的开始。电子化一直都在深化，从来没有停止过，这是后面进一步利用新技术背后的基础。从电话进化出来的是网络。想一想如果网络不稳定、不够快、不够广，能不能支撑下一步系统化、信息化建设？电子化不仅仅是电话、网络；还有如电子门锁、电控设备、数控机床、数字监控、PDA、办公PC、服务器、投影仪、3D打印机、收银机等都是电子化的投入、机器人、电器、电车等，而这些投入只会越来越多。就连一个农村中的家庭作坊可能都需要这么多的电子设备才能操办起来。
电子化的欠账，不少企业都非常多。常见的有打印机，很多公司连一台像样的打印机都没有。或者是PC，还是在用电子垃圾级别的电脑给员工办公。这里就有一些电子设备陷阱，就是够用原则、浪费情况、等级原则。
够用原则：电子设备从来没有够用原则，不然也不会有财务账的的3年折旧或5年折旧，因为管理需求总是变化的。电子设备认知信息的不对称性极强，不是行内人肯定搞不清楚有什么套路在里面。所以很多时候就按预算买东西，往往很多时候只能买到凑合的东西。
浪费情况：不少的电子设备买回来都是浪费的，很多时候都是头脑一热就买了，结果没有人去保养运维管理，就变成一堆废铁了。所以电子设备越多，管理成本肯定是越高的，管理制度和人手都需要跟上，精简人手永远只是个伪命题。只有一种情况可以缩减人手，就是以租代售。
等级原则：很多时候购买电子设备的时候，会给不同层级的员工/部门/单位选用不用等级的设备。如基层员工给最低的配置，高层领导给最高的配置。而在设备的使用强度上着恰恰是相反的，基层员工需要的设备性能往往要求更高，因为电脑一卡、网络一断、电话一坏、设备一修、电一断可能就是半家公司流程的瘫痪，而领导往往就一句话的决策性工作，很少会受到设备质量或性能的影响。但是因为钱是领导批的，电脑会给领导配2万一台的，而给每天24小时运作的仓库只够格配3K一台的。
（二）系统化（90年代）
在国内的企业系统化，最早就是PC的操作系统，简单内网系统，必须要的财务系统，电子邮件系统，OA系统等。系统更多是一种管理的手段、方法、流程；而不是结果。系统永远是一个妥协的手段，因为任何系统都有缺点，设计的功能范围。
正如PC操作系统难以做信息交换，才有了网络系统。财务系统难以收集业务数据做账，才有了ERP系统。电子邮件系统做审批太不规范才有OA系统。后续的其他系统都是一直在填前者的坑，而这些坑随着市场的变化、规定法规的变化、技术方向的变化都会不停的改变的。所以跟电子设备一样，一旦开始投入了，就是一个持续的过程，需要有制度，有人手，有计划的去使用和维护。系统化时期同样会出现一些误区。
成本误区：电子设备能发展起来是因为电力系统的大规模低成本应用，而系统的应用也是因为电子设备的大规模低成本而产生的，如个人PC的出现，系统不再需要IBM的小型机来跑系统，国产电脑的普及，不用购买昂贵的美日电脑。但是不代表这些成本就可以忽略不计，往往很多企业忽略了这一块的成本。譬如上了财务系统就是为了能砍一个会计人员，这有可能，但是通常是反而要加人手。有譬如，现在财务人员的电脑已经能跑Office三件套，没有升级更换的必要等，然而我见过公司里面最卡的电脑，基本上都是财务这种最高强度使用人员的电脑。
升级误区：很少商业系统是具备直接升级迭代的可行性的，因为出于成本考虑，从设计开始就会有各种的限制。大部分系统要“升级”的代价都是极大的，除非在一使用这套系统的时候，就计划每年都有升级的预算。如果突然发现不满足需求了，大概率是要换一套。
技术误区：绝大部分人在讨论技术，特别是IT技术的时候都只谈技术可行性，而不谈落地可行性和成本。一个系统功能的改造、一个系统数据的对接、一个系统性能的升级、一个系统资源的扩容，以为思路通了就是动动嘴巴的事情。但是商用的IT技术为了独创性、先进性、排他性等追求，大部分时候都是牺牲通用性的。因为通用就意味着难以收益、放弃利润、放弃市场地位、被人抄袭、没有技术壁垒。就好像锻刀技术都是相通的，但是没有任何一把刀可以做手术救人、也能切菜砍骨，也能上阵杀敌。有这样的刀也不会有人去做。每一项的技术、每一个系统诞生的时候都是为了某个独特的场景而生的。人可以具备这样的灵活性，但是系统不行。以后的AI可能也会有这样的灵活性，但是单纯一个系统很难做得到。
（三）信息化（千禧年）
千禧年的到来也随着冷战的结束，互联网能由军用放宽至民用，导致互联网热潮的兴起。大量的热钱离开传统产业转投互联网产业，虽然导致资本迅速在美国以外的撤离涌入美国本土而导致亚洲金融风暴，于是这一波疯狂推动的信息化的浪潮就诞生了，尽管后面泡沫爆了，特别是天天上香港新闻的Tom.com。
信息化就是本来还是依靠PC处理，打印出来传递的信息，更多依赖网络来传递。尽管在1994年民用的互联网已经开始了，但是能普及网络还是在2000年以后，并且随着Email成为与外商业务交流的最重要手段开始，才让企业有做信息化的需要。随着外商对远在中国的供应商要求更多的生产、原料、仓库、财务、甚至管理水平的信息，用户评估供应商、维持供应链、科研交流等。把核心业务信息化是能快速跟上国际步伐和市场节奏的关键。这时候财务系统已经能满足国家财税要求，电子邮件已经能满足商务交流要求，甚至有BBS论坛满足70后的表达欲要求。如果想获得更大的商机，需要从管理的广度上跟进一个台阶，所以就有了ERP、MRP、PDM等一系列的信息化手段，这个阶段欧美厂商领先了我们10年，对于我们来说一直是补课阶段，直至今天。后来跟进一步的扩展还有PLM、MES、CRM、SCM等进一步细化生产活动信息过程的系统。
可以看到，电力成了电子化的基础，电子化成了系统的基础，系统成了信息化的基础。所以国家为什么要搞村村通电等的三通、四通、五通、六通政策。就是在补之前城市化过程中对农村欠的账，是真的开始兑现共同富裕的承诺。因为没有水、电、网、路、车、邮，农村是不可能为生产力的提升发挥作用的，生活水平的提升是次要的，对综合生产力水平的提升和扩容才是关键，因为有了这些基础设置，农村的自然生态资源才能变现，并在城市进行交易。
而信息化的过程也存在一些新问题，我们现在还经常听到并还没有很好解决的方法。
信息孤岛：这是因为很多时候多套系统都是单独建设，无法互通导致非常多的信息需要沟通交互、并且无法对齐，从而导致新的管理难题。一个数据不知道是相信财务的、还是相信生产的、还是相信销售的。一个工作，在不同的系统上有不同的标准。
信息标准：对于信息的标准，每个系统、每个部门、哪怕是客户或供应商都有自己的，难以统一。导致鸡同鸭讲，很多需要人为转化，反而增加了沟通管理成本。
信息量大：很多以前业务上很简单处理的事情，或者一个人灵活变通就能处理。变成由信息系统处理的话，需要的工作非常的大。譬如把图纸转化为BOM、把订单业务端到端全跟踪起来。数据量是指数级的增加，反而会让管理者要做要兼顾、要看管的事情更多了。只要有问题、有漏洞、有争议、想管理、要提升、要规范的都得加个单、加个流程、加个配置、加个数据。一个细化的想法，可能就要10倍的成本付出才能完成。
人才缺乏：信息化不同电子设备买回来安装就能用，也不同于系统化买回来部署就能用。需要管理者化大量的时间去优化提升与企业自身的契合程度，不断磨合和调整，才能达到最佳状态。还要避免干系人员利益冲突问题。能同时兼顾技术和管理的人才更加少之又少，所以能真正做好信息化的公司其实不多，所有在行业里有很多梗句，如：不上ERP等死，上ERP找死。上ERP只有20%的成功率等…归根到底都是企业缺乏这方面的人才导致的。很多企业上了一套先进的ERP系统、PLM系统，就连对应的系统管理员都是兼任的，可想而已其效果会是怎样。如果原有岗位上的人员不做全面的提升，信息化都只是停留在买买买阶段。欠下的学习成本，总是要支付的。上一套信息化系统，可见成本只占22%，这是30年前在欧美研究中就有的共识。
（四）数字化（2010年代）
随着在2010年各项数据都表明我国已经坐稳世界第二大经济体的事实表明，我们已经有跟世界唯一的霸权国家一较高下的实力了。而国家提出的各种明确的战略方向如互联网+、工业互联网、精益制造、工业制造4.0等。这段时间的IT技术在企业应用的主流是数字化。数字化是信息化的进阶版，即结构化数据与非结构化数据之间的打通，在日常业务本来存在电脑、纸张、业务逻辑上的事情变成可以处理的信息后。我们要继续将更多的事物可以虚拟成可设计、可展示、可修改、可使用的信息，就是数字化。譬如数字孪生、数字仿真、AR/VR等把实体虚拟化而从而在虚拟化中模拟实体化而带来改进进步的技术。一个新材料的开发可以通过数字模拟来检验其可靠性，再也不需要大量的实验。一个设备的全部内外外部件的设计到生产都可以通过3D打印完成，不需要供应链的层层环节流程。数字经济从网购到直播，社交从文字图片到视频。以前的生产流程、工业制作流程从工厂模式，变成个人单兵模式。工业能力进一步平民化、简单化、标准化。从更底层生产和人民中产生变革。智能手机的普及，让我们很多原来需要在电脑PC才能处理的事情，都在手机能完成。很多需要专业知识的服务，都变成自助快捷的个人业务。
数字化也有它自己的特点，让企业头痛不已。
资本化：因为数字化需要电子设备之多、系统之复杂、信息化程度之高都是前所未有的。中小企业要搞数字化都是只能在应用层发力，云技术、算法、专利等都给大厂所弄断。没有足够的资本是无法入局参与。如区块链把货币虚拟化、数字藏品把收藏价值虚拟化等。
竞争化：数字化因为有前面高资本投入的前提，所以为了获得利润，有非常强的竞争淘汰属性。不论是VC要堵对有潜力的方向和技术企业进行投资，还是使用方企业要选有效益的技术去投入，都是一件非常苦难的事情。因为每年都有新产品新技术诞生，今天刚刚实施上线的业务，可能明天就会被简单经济的解决方案淘汰，从而在利润成本上陷入被动。譬如在公众号、知乎上投入大量的市场人员去运维，但是抖音、小红书的的兴起让本来已经稳定的MA系统和管理团队马上要进行调整。再譬如刚刚才上线用顺手的PLM系统，隔壁的竞对企业的数字孪生+数字仿生技术直接研发和生产无缝对接，效率一下子提升数十倍，还能按照每个客人独立定制产品，获得大量高端客户。
看上简单实为复杂化：数字化的概念通常比较简单，但是实现起来却是超出预期的成本。首先把实体物件数字化并可视化来指导实体这是需要真正的专家，才会这样看清事物本质的知识能力。譬如数字化建筑的BIM建筑信息模型（Building Information Modeling），不是简单的话CAD图并可视化。它通过创建和管理建筑物的三维模型，整合了建筑物的几何信息以及与其相关的非几何信息，如时间、成本、材料属性等。BIM技术贯穿于建筑物的整个生命周期，包括设计、施工、管理以及拆除等各个阶段。哪怕企业买了这样的系统，也需要有相关设计师、项目经理、关联系统、查看设备等。相关使用者的知识体系都要重新培训，不然有技术的老师傅看不懂、不会用也是百搭。再举例一个更加简单的，一个半米高文物的数字化，竟然需要半年的时间去建模运算才能完成。
（五）大数据（2020年代）
首先大数据要解决的不是大量数据的处理问题，而是要解决大量数据如何资产化和资本化的问题，也就是数据变现能力。这些数据一般都如下的一些体征：时刻的增量巨大、来源多样并异构、无法用常规的EXCEL和数据库手段进行处理、夹杂大量的脏乱差数据、分析不是最终目标而是预测，数据的所有权无法处置等。如果仅仅是企业只有10多年7、8个系统的数据要进行整合，那不是大数据的问题，仅仅是BI报表分析的问题。最近2023全球数商大会上海数据交易所年度发布会上，上海数据交易所联合战略数商团队发布《数据资产入表及估值实践与操作指南》，针对企业入表十大操作难点、三种收益测算、八项创新应用给出操作指引。
什么才是大数据要解决的场景？如：每台特斯拉每天的行驶记录分析；那个使用淘宝进行购物浏览操作的用户行为；抖音上每一个人看到的不同视频；聊天软件上用户每一句话的分析。
可以看到相比前面的数字化的单一物体虚拟处理，大数据回归到数据层面，但是量级是指数级的上升。而如此大的数据处理量需要动用的软硬件资源是恐怖的存在。哪怕是租用云计算资源做个入门的大数据架构，都是要60万/年的费用，而且还只是一套环境。而大数据面临的困难除了成本还有不少。
技术不通用性：大数据的技术跟传统的数据库完全不一样，需要专业的人才，有专门的软硬件，专门的编程语言，专门的知识体系。想要自己搭建一套能运维、开发的团队少则十来人才能起步。当然，如果你不介意你的数据资产放在别人的地方，也可以减省一下人手。
落地性差：大数据这东西是一门玄学，跟勘探淘金没有多大区别。在茫茫大海中找到有用的数据，找到数据的价值是非常考验数据分析师的专业知识和行业经验的。不同于财务数据，一般大数据的来源都是一些日志类数据，需要构建场景、做对比（ABtest）、还要去应用检验，然后再得出相关的结论。譬如检验一条广告在哪个平台、哪个时段、那种人群、针对哪款产品的效果。反映到购买量上，如果一家品牌每天有数百个广告投放，最终怎样做效果评价，就十分为难了。更不用说自动驾驶、辅助驾驶等。但是一旦落地做好了，就是秒天秒地，看美国多么忌惮TikTok就知道了。谷歌、脸熟、推特（现在叫X）都打不过，就应为推荐算法太厉害了。
法律法规限制：大家最常听到大数据的问题可能就是大数据杀熟、数据茧房、算法控制等弊端。最有价值的数据是能变现的，就是让消费者愿意掏钱的算法。但是肆无忌惮的收集用户信息、使用爬虫、区别对待的算法都是会触发隐私法规的。不管是欧洲的GDPR、美国的CCPA、国内的个保法，都是为了限制算法的滥用。
数据隔离（壁垒）：大数据之所以有价值是因为够大，但是因为大家都甚至自己掌握数据的价值，轻易是不会拿出来分享的。譬如你想要有一个房产价值分布的大数据模型，光收集这些数据就很头疼。不是国家政府、大企业很难有足够的数据量支撑作出有价值的预测。
（六）智能化（2022+）
智能化热度能迅速起来是因为2022年底ChatGPT3.5的横空出世，一夜之间职场就业就风声鹤唳，一场场的“变革”呼之欲出。到2023年的今天，自己的解决方案不有点AI功能都不意思拿得出手。老黄的计算卡，H100更加成了理财资产。AI崛起第一个被裁员优化的人竟然是OpenAI的CEO。国内数百个算法大模型争相建立，本渣用得最顺手的是清华的GLM模型，免费，还能画图。而且已经有很多的人已经靠这个来赚得第一桶金。如Pika。本渣的前同事也出来创业做AI的卖课了。各种AI的证书也层出不穷。就年今年的俄罗斯普京经这会直播都大谈AI的不可阻挡趋势。基本上每天都有新的新闻报道AI的新贡献。
然而AI之争更多的不是应用场景之争，也不是算法之争，因为中美差距在这两个方面的技术差距绝对不大于2年。最终大家的使用场景都会成熟，而真正的竞争点是在更加基础的算力之争，因为你每次使用都要调用算力。就是谁有更多、更方便调用、更通用的算力、更先进的计算芯片、更多的能源来支持AI运算，因为AI是赢家通吃的玩法。就好像当年网络门户的雅虎、搜索层面的谷歌、网络社交的脸熟、电动汽车的特斯拉、智能手机的苹果，在全球一旦成为消费惯性，就很难被逆转，整个市场就会被彻底的垄断。
企业自己开始AI，不是烧钱能烧出来的，这里更多是产业话事权的竞争。因为AI已经涉及的底层工业基础、知识、人才都达到高精尖科研级别，只花钱已经买不来任何优势。更多的只是跟随，甚至只能是接入。以为AI算力最终会变成电力、自来水、网络、云计算一样的公共服务产品。按量或按时计费，也是继续拉开贫富差距、经济差距的战略资源。现在企业不主动去寻求，最终也会使用得上。因为好像电力系统一样，巨大的基础设施（算力设施）的投入，必须要全民普及才能回本获利，不然肯定会是一笔亏本买卖。
