数字化转型正在悄然进入下半场。随着技术成熟度曲线不断演变，“互联网＋”的潜能逐渐释放，商业世界迎来“人工智能＋”时代。计算能力、大数据和算法上的突破，推动人工智能（AI）技术广泛应用至各行业，特别是在物联网部署规模进一步扩大后，各界有能力获得无限数据，并经过AI技术处理，企业可以从中实现快速创新，国家可以利用大数据洞悉未来商业经济。

数字赋能的新社会，对各界来说充满各种挑战。

一方面，企业面临的整体宏观环境以及企业多年发展积累的运营模式和管理能力，给企业数字化转型造成的固有难点依然存在；

另一方面，受到新冠肺炎疫情等突发事件影响，加上5G部署、AI加快应用等因素，环境的变化更加难以预测。金融机构和企业的数字化转型或主动或被动加速，并加强了本土适应性的需求。

这要求各方能深入理解未来数字化企业的关键特征，系统性解决推进数字化转型中面临的固有难点，并依据对自身所处转型阶段的判断，制定符合自身特点的转型推进方案。

财务变革：建立数字财务核心，转型价值架构

对企业而言，数字化转型的核心在于数据处理。财务具备得天独厚的条件来释放数字化力量，通过综合分析各方面信息，进而推动企业各部门共同实现最显著的业务成果。CFO和财务部门的角色正在发生根本性的变化。企业希望借助财务的能力，发展具有竞争力的业务优势。埃森哲指出，财务数字化与整体财务效率之间存在70%的相关性。而且至关重要的是数字化的程度会产生关键影响。

财务部门被期望通过建立核心财务平台提高财务报表的生成速度和可靠性。利用数字化和自动化减少人工操作环节，并通过交易机器人等技术处理业务，实现非接触式财务。在数字化的推动下，财务实时决策和分析将成为新的价值增长点。财务部门化身分析智囊团，为企业决策提供智能预测，发现竞争优势，识别业务风险和机遇。

在人机协同的工作方式之下，财务人员的工作重点不再是会计和管控，而是为企业业务提供咨询支持，成为企业架构师。数字化、流程、技术、数据和人才的融合为财务专家提供了专注于规划、分析和咨询的机遇，也促使财务职能从会计服务向战略业务共同引领者转变。

数字引擎：建立平台运营思维，拓展敏捷能力

为了在越来越加速变化的环境中保有生存空间和增长竞争力，企业需要拓展敏捷能力，实现智能经营。以智慧大脑支持决策，以平台思维重塑组织，成为企业数字化转型的数字引擎。AI技术将在数字化企业得到普遍应用，包括客户互动、生产控制、内部管理、分析决策等，并形成具备AI服务能力的中台。在这些应用场景中，建立以数据价值为基础，人工智能分析为引领的智慧大脑，是企业数字化转型的里程碑之一。依靠“智慧大脑”产生洞察、发现运营问题、形成商业决策、跟踪优化效果，将是企业持续推进数字化转型、获得业务价值的关键抓手。

在数字化时代，企业需要具备敏捷的反应能力，对外应把握客户和市场的迅速变化，对内满足企业的管理要求。普华永道认为，在前端组织结构向着以客户为中心转化时，随着企业数字化成熟度的提升，整个组织结构也向着“前台＋中台”的敏捷型企业组织结构发展。前台是客户互动部门，中台是各类业务和资源集中性部门。随着云技术的成熟，中台的布局将更加轻便，将企业的运营管理空间从依赖于有线网络环境的空间，延伸到更广阔的物理区域。

金融创新：建立新的分类规则，提高竞争门槛

当前，银行业的竞争态势日益残酷。据麦肯锡分析，银行业务转型面临四大挑战：

  • 一是宏观经济放缓，资产荒、信贷投放乏力，不良包袱日趋严重；
  • 二是增长前景不明，负债和客户增长不足，绩效挑战严峻；
  • 三是数字化改变客户行为和期待，客户需要更便捷的流程和更个性化的全渠道服务；
  • 四是新技术不断升级，用科技赋能一线人员成为当务之急。

此外，非传统企业以新模式加入竞争（包括金融科技生态系统），如字节跳动、小米、蚂蚁集团相继宣布申请新加坡数字银行牌照；技术创新以空前速度展开，计算能力、大数据发展、传播速度、语音设备、生物科学、3D打印、机器人等，这些技术引擎将会帮助研究者以空前的速度取得创新进展；客户分类转向需求导向，银行需明确辨析客户的期望型需求，提供差异化的服务。这三大趋势正改变着银行对待客户群的方式，同时也引入了新的分类规则。

银行将需要客观评估各自的服务能力，了解自己能否为拥有不同需求和首选渠道的四类截然不同的客群服务。

从一个层面而言，企业客户可以被分为两类。交易银行需求比较简单的企业客户拥有数量有限的系统用户，审批程序简明，业务主要集中在国内，组织结构通常是单一的法人实体。较为复杂的企业客户则往往具备与上述特征相反的特性，而且产品范围更加广泛并拥有跨境渠道。其中每一类客户群中均有倾向通过自有系统和银行渠道开展业务的两类企业。

而为了保持自身的市场份额，银行需要从加快数字交易投资、推出直通式贸易融资、发展B2B贸易生态等方面加强竞争力，全身心地投入这个数字和分析时代。

  拓展阅读

KANO模型是东京理工大学教授狩野纪昭（Noriaki Kano）发明的对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意度之间的非线性关系。

根据不同类型的质量特性与顾客满意度之间的关系，狩野教授将产品服务的质量特性分为五类（可以将“Quality”翻译成“质量”或“品质”）。

  • 基本（必备）型质量——Must-be Quality/ Basic Quality
  • 期望（意愿）型质量——One-dimensional Quality/ Performance Quality
  • 兴奋（魅力）型质量——Attractive Quality/ Excitement Quality
  • 无差异（中立）型质量——Indifferent Quality/Neutral Quality
  • 反向（逆向）型质量——Reverse Quality

前三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。