从历史上看，大型企业长期以来一直是工业经济中技术变革商业化的主要推动力。

在美国，像通用电气和贝尔电话公司都是在做到一定规模之后，才建立大型工业研发实验室，将大量资源投入到新的创新计划中。尽管大规模生产的早期推动是由政府机构（如斯普林菲尔德军械库）完成，但也正是在福特等大公司那里，才开发出了工业机械和流水线装配方法的创新组合。当工业机器人技术在 1970 年代末和 1980 年代首次开始采用时，引领潮流的也还是汽车行业的那些大公司。

但在另一方面，尽管头部/大型企业拥有更多的资源、更大的影响力，但更复杂的业务也让他们在数字化上面临着更大的挑战。

相对中小企业，大型企业往往资本密集度更高、生产效率更高，员工基础更多更好，往往具备最先进的技术知识，也通常是最先进技术的主要采用者。随着成功案例的充分展示，相关最佳实践可能才最终进入中小企业。但我们同样看到，在中小企业已经从云端的计算资源、数据资源充分获益的情况下，大型企业的数字化却似乎很容易遭遇滑铁卢。

汇总起来看，头部企业/大型公司遇到的数字化难题主要有以下几个。

第一，应用数量越来越多，单点应用聚焦业务局部优化，内外部数据生态缺乏交互协同。

IDC 在2022年上半年预测数据，从2023年到2025年，全球将新构建的应用程序将可能达到7.5亿个！未来三年，将有 270 亿台联网设备将更多数据导入云端。数量可谓惊人。

美国身份验证平台公司Okta过去数年中每年都会发布一份报告（Businesses@Work）。过去几年的报告，就很具象的展现了两个逐步加强的趋势。

首先，企业中App的数量不断增加，客户规模越大采用的应用程序就越多。

Okta公司2021年的报告中指出，在所有行业和公司中，每位客户平均部署的应用程序数量稳步上升，在过去四年中合计增长了 22%。2021年每位客户的平均应用数量保持在 88 个。

如果按客户规模细分，客户规模越大采用的应用程序就越多。其中，拥有 2000 名或更多员工的大型客户平均为每位客户部署175个应用程序，而拥有 1999 名或更少员工的小型客户平均部署了73个应用程序。

如果按行业划分，科技公司在过去三年中的平均应用数量从99个增加到155个，增长了 57%。其他行业的应用程序采用率也出现了显著增长。在过去四年中，政府部门的平均应用程序部署增幅最大，达到140%；2021年平均应用采用率大幅增长的其他一些行业包括专业服务（增长36%）、医疗保健和制药（增长19%）以及金融和银行（增长18%）。零售行业平均应用程序部署在过去一年中增长了 7%，但在过去四年中增长了 58%！

其次，单一供应商已经无法锁定客户，企业客户会叠加采购其他“同类最佳应用”。

简单说，很多微软Microsoft 365的客户还在持续采购Zoom、Google 和 Slack。比如微软有Teams，但很多企业在开视频会议还是选用 Zoom。

根据报告统计，81% 的组织正在使用一个或多个同类最佳工具来补充他们的Microsoft 365 套件，微软Microsoft 365 客户中有44%同时部署了Salesforce，41%同时部署AWS。这类数字逐年稳步增长。

再次，数据筒仓数量也同步剧增。

目前行业上主流的信息系统设计关注面更多聚焦于系统自身业务领域的局部优化，很少考虑业务系统之间的数据交互和数据共享，从而导致企业不仅在内部形成一个又一个数据孤岛/筒仓，同时也无法与外部行业、政府数据共同构筑数据生态圈。

第二，速度要求越来越快，但传统解决方案不具备智能化和自动化特性，难以灵活响应企业业务需求。

现在企业需要以更快的速度重新分配资源，这种影响在近几年疫情期间表现得尤为明显。

疫情期间，消费者大幅转向线上渠道，企业和行业纷纷响应。比如远程工作、迁移到云和送货到家，所有这些都需要快速、动态的资源来支持进行的创新变革，周期往往要求在几天或几周内完成，而不是传统认为的一到两年的时间。

从整个企业组织的运营模式来看，面向客户的元素并不是唯一受到影响的元素。很多企业的核心内部运营（如后台、生产和研发流程）的数字化以及供应链中的互动也出现了类似的加速。正如微软首席执行官萨蒂亚·纳德拉 (Satya Nadella ) 在 2020 年季度财报电话会议上所说的那样，“我们在两个月内见证了两年的数字化转型。”

根据麦肯锡的一项全球高管调查，很多公司都将客户和供应链互动以及内部运营的数字化速度加快了三到四年！

但是，在业务需求越来越快的同时，现有的业务筒仓应用却难以给予有力的支撑。这些应用往往不具备现代智能化和自动化应用的特性，所以当企业面对新的业务需求时，只能以打补丁的方式新增模块以适配企业需求，或继续以点对点的方式建设新的业务筒仓应用。

点对点的软件开发和设计方式主要应对已知需求，对于无法预见的未知需求，在应用的框架、灵活性、适配性等方面都提出了更大的挑战。在底层架构缺失原生智能化和自动化的情况下，难以基于业务数据的实时沉淀和反馈去实现模型的学习和优化，整套架构缺乏自我修复和自我进化的能力，一方面难以灵活响应企业的需求变化，另一方面也会对企业的未知需求判断不足，进而导致软件的返工和客户满意度的下降。

其三，数字化进程也“内卷”，所有企业都“数字化”时，“差异化”也需要重新定义。

随着数字技术逐步走向深入，原先“零打碎敲”就能获得的优势已经远去，数字化转型正在走进掌控度更难的领域，例如使用数字技术来创新产品、服务和商业模式。

比如汽车制造商以前的差异化部分在于其发动机的质量。但随着汽车继续演变为“车轮上的计算机”，汽车制造商正在寻求通过软件来实现差异化，而这在传统上超出了他们的核心竞争力。

差异化意味着要将软件融入企业核心商业模式，甚至需要建立新的数字平台。

根据麦肯锡的调研，大企业高管们并没有忘记那些新的差异化来源，他们中的大多数人意识到数字技术是战略上至关重要的竞争差异化因素，不仅对于商业模式创新，而且对于生产力、成本优势和其他目标。

虽然近三分之二的受访者表示他们的公司已投资于软件即服务或现代商业软件，但表现最好的公司做得更多。这些公司的受访者表示他们正在开发自己的高性能软件，并且他们将通用组件构建到他们的软件中，并在内部平台上共享。其中，近 70% 的顶级企业表示在计划使用自己的软件来实现差异化。

当然，对于中小企业来说，云计算使无需投资数据中心的固定成本，这反倒使得他们可以拿出资金来更多的投资于那些能带来差异化能力的领域。

其四，本质上，数字化价值创造的重点已经从传统的线性价值链转移到适度颗粒化的网络价值链中。这就对企业在数字化颗粒度的把握以及数字化生态的锻造能力提出了很高的要求。

数字化转型 (DT) 的核心是基于信息、通信和新兴连接技术的不断深入整合，它不同于前三次工业革命，因为它结合了人、机器和各种物料的智能、横向和纵向整合。这可以在与数字化转型相关的最具影响力的技术发展中观察到，例如移动技术、社交媒体、分析和大数据、云计算和物联网 (IoT)。这些技术可实现更高的效率、更好的连接性、信任去中介化和自动化并允许“模块化、分布式、跨职能和全球业务流程，使工作能够跨越时间、距离和职能的界限”以以前不可能的方式进行。

从经济角度来看，这种数字化转型借助技术提高了价值链中的生产力。这些数字技术的集成扩展了无形资本（例如数据信息）的重要性，通过不断提高的业务流程自动化和日益网络化的关系，进一步提高员工收集和处理有关公司活动（员工、客户和机器之间）信息的能力。

换句话说，在对企业资源进行适度颗粒化的基础上锻造网络生态的能力已经成为数字化企业的关键能力。某种程度上，目前2B企业在建立这一能力的底层逻辑与2C企业并无不同，都会在生态网络真正就位之后，才能形成指数增长能力。

比如在2C市场上，当年猫眼电影等在线选座平台在将产品单位颗粒从某家影院缩小为某排某座时，一种新的商业模式就此诞生；同样的，在2B市场上，很多企业也在产品单位颗粒、付费机制、交付模式等多个方面做出新尝试，比如在软件产品的开发中你在不同时期会看到套件、中间件、组件等不同词汇，在软件的收费机制中你也会看到许可、项目定制、订阅到用量等不同方法。每种新的玩法中你几乎都能看到在客户市场和资本市场大获成功的标杆性企业。

其五，在我国，头部/大型企业的地位更为显要。从国民经济的角度，他们是压舱石、顶梁柱；从产业经济的角度看，他们是产业链链主；从数字化转型升级的进程看，他们也被认为是数字化的领导者、排头兵。但在供给侧，海外市场成功路径难以复用，头部/大型企业的数字化市场亟待中国特色数字化解决方案出现。

据国资委公布，2021年中央企业数字化采购总额超13万亿元，辐射带动200余家企业。央国企体量大、业务覆盖面广，通过数字化转型可以充分发挥其引领作用，对上下游的中小企业赋能，提升整个产业链数智化水平。头部央国企的数字化落地案例有望发挥示范效应， 进而有效驱动大中型民营企业的供应链数字化。

目前国内头部/大型企业的数字化进程中存在的一大矛盾是：一方面，中国过去的IT服务市场由IBM、Oracle等传统海外大厂所主导，头部企业多使用他们的产品，巨头的IT管理架构和理念已经渗透至相关企业数字化系统中，完全推翻原有架构存在一定挑战；另一方面，中西方文化渊源不同，在企业基础架构、企业文化、管理制度、决策方式等方面也均有所不同。国外管理理念和成功模式在中国不完全适用。

所以，要想真正服务好国内头部/大型企业的数字化，服务商最好是既懂得IT外企的架构理念、又熟悉中国文化以及管理模式的复合型团队。

如此，我们在汇总了头部企业/大型公司的几大数字化难题之后，本文第二个问题就是——供给侧针对这些问题是否提出了相应的解决方案？

在数字化供给侧这一端，各类公司从不同角度提出了不同的解决方案。

比如在针对大型企业客户的、利润丰厚的企业级解决方案方面，埃森哲是一家不容绕过的服务商代表。

自 2001年上市以来，埃森哲已经稳步成长为一家全球领先的专业服务公司，其服务的广度和深度令很多咨询服务公司望尘莫及。

在2019年第二季度财报会议中，埃森哲就曾指出，“智能软件工程服务”是他们下一个关注领域。埃森哲表示，企业要真正获得数据的全部价值，就需要在云中做很多自定义的应用软件开发。未来对定制的、基于云的、应用程序的需求将大幅增长，公司已经准备好满足这一需求。

分析认为，当市场上很多人的关注点都还在标准化、可扩展的解决方案上时，埃森哲对“定制开发”的投资和关注凸显了这一重要的趋势转向。

也正是在2019 年，埃森哲推出一种创新的人机操作“引擎” SynOps，用来优化数据、应用智能、数字技术和人才的协同作用，帮助组织转变业务运营。

简单来说，SynOps 具体包含四个基本组件：一是专家+机器人，涵盖了埃森哲的100,000 多名运营专业人员（包括数据科学家和 AI 专家），以及数千个自动化解决方案、数十个分析应用程序和数十个AI顾问；二是工作编排，SynOps 以最佳方式编排工作分配，将事务性任务分配给软件机器人，并利用人工智能和分析来识别自动化的新机会；三是洞察力和智能；四是多样化的数据。

SynOps 最初只是埃森哲一个内部产品，只是在成熟之后才正式推向外部市场。

埃森哲首席执行官朱莉·斯威特（Julie Sweet）说，公司可以利用SynOps运营引擎快速交付切实的业务成果，从而为客户创造价值。

与埃森哲从咨询服务切入不同，美国企业服务软件巨头ServiceNow直接提出了一个“工作流平台”的解决方案。

ServiceNow公司认为，过去几十年里，企业在本地和第一代 SaaS 应用程序上投入了数万亿美元。但这些应用程序只是满足了“20 世纪的业务流程需求”。今天，新的商业模式需要一个完全连接的价值链。

ServiceNow公司的CEO Bill McDermott在2019年掌管ServiceNow之前是SAP公司CEO。他认为今天的企业管理/数字化正在从过时的“业务流程演变”转变为新的“工作流革命”。

在产品方案上，ServiceNow的产品架构是“平台+工作流APP”，包括一个Now Platform平台，以及专为自动化 IT、员工和客户工作流程而设计的标准化应用程序，还有一个“ Creator 工作流”（之前被称为App Engine应用引擎），主要用于支持自定义工作流创建、应用程序开发和与第三方系统的集成，这些自定义应用程序还可以在 ServiceNow Store 中进行转售。

在埃森哲、ServiceNow之外，一些专注于低代码平台的企业也从他们的角度，强调了编排和自动化的重要性。

低代码平台Workato公司在其企业博客中就表示：“今天的企业不会再因购买的应用程序而与众不同，真正让我们与众不同的是我们如何让应用程序为自己工作。” 

当企业中的业务流程、外部购买的应用程序、自己定制的应用程序越来越多，企业开始调用更多的技术来进行编排来力图实现自动化，比如用于应用程序集成的 iPaaS、用于数据集成的 ETL/ELT、用于流程自动化的 BPM、用于人机交互的聊天机器人。

然而在实践中，效果并不好，因为“每个工具都提供了一块拼图”，但是，“更多的碎片并不能解决碎片”，碎片化只能通过一个平台来解决，该平台能够在整个企业中端到端地编排流程。

与Workato类似，另一家低代码平台Appian也是力图将流程挖掘、工作流和自动化结合在一个低代码套件中。

Appian公司CEO Calkins与Workato公司看到了同样的问题，认为此前每个供应商都在用自己的方法来解决客户自动化问题，“BPM 专家会说这是 BPM 问题，RPA 商店会说这是 RPA 问题”，等等。而他将所有这些都视为自动化问题，他认为，“整个自动化行业现在需要一种坚定开放的理念”，现在需要的是在同一个工作流程中将机器人、人工智能和人类结合在一起。

Calkins将现代工作流程比作自动化操作系统，其中数字工作者和人类工作者就像插入该操作系统的应用程序。

有人强调工作流，也有人关注数据流，比如云原生大数据公司Confluent就是如此。

作为Apache Kafka的商业化公司，Confluent认为，如今公司使用软件的方式正在发生一种阶段性变化，“软件正在从业务边缘的、孤立的应用程序转变为驱动客户交互以及商品和服务生产的、核心的且完全连接的应用程序”。而当软件的地位发生变化时，其核心——数据——的底层架构也在发生巨大转变。

从历史上看，数据基础设施是围绕数据存储构建的。然而，这种以存储为中心的范式越来越不够用。随着公司更多地通过软件推动其核心业务，该软件必须具有更新的业务视图，并且能够在业务执行其核心活动时做出智能反应和响应。这就推动了动态数据的兴起。

从广义上讲，动态数据是通过将数据提取为连续流、并让这些数据流能流向那些需要他们的应用程序和基础架构来连接不同的系统。

在产品上，Confluent 公司主要推出了Confluent Platform，企业客户可以将多个来源和位置的数据集成到这样一个中央数据流平台。Confluent Platform简化了相关的基础设施，让用户稳定高效的建立实时数据管道和流应用。