企业数字化转型如火如荼，2025年虽然生成式AI技术的快速发展和普及，给企业数字化转型带来了新的要素，也让很多企业认识到数字化转型的重要性和紧迫性，但是，仍然有大量的企业在数字化转型的过程中磕磕碰碰，走得不是那么顺利。
根据麦肯锡全球企业调研报告，数字化转型的整体成功率不足20%，而传统企业的数字化转型成功率只有不足10%，问题出现在什么地方呢？
首先可以确认的一点，数字化转型的成功与否，是否达成预期的目标和结果，不是技术的问题，因为现在的技术水平已经远远地超越绝大多数企业转型所需，技术成熟度已经非常高了，只是企业还没有学会使用或者驾驭这项技术而已。
这就像Office软件已经非常成熟了，功能也非常强大了，但是真正会使用Office的人是很少的，能够用Excel做出有深度和广度数据分析的人很少，能够使用PPT做出有洞见和深刻观点的人很少，一样的道理。数字技术是数字化转型的工具，而真正的作用发挥，或者价值创造，还是依赖使用技术的人或组织。
企业12种最可怕的隐形成本（太震撼） - 知乎
通过对上百个样本企业数字化转型的观察，也是我们在服务企业数字化转型过程中的体感，三大隐形成本是影响企业数字化转型取得预期效果的“杀手”。这三大成本是“隐形”的，容易让我们在过程中忽视的。
第一大隐形成本：沟通成本
高层提出数字化转型，中层承接去落实相关政策、举措和行动，但是行动总是走样，达不成高层的预期，做出的转变不是高层期望的那个样子。会议天天开，口号天天提，报告天天写，报表日日出，但是，大家还是不一致。
为了推进数字化转型，又一波的“文山会海”，花费了大量的时间在沟通上，但是大家的行动还是不一致，问题出现在什么地方呢？就是认知差异。这个认知差异不是因为语言不通，而是因为语言不同。你认为你说的“数据”、“模型”、“算法”、“指标”、“报表”、“看板”、“中台”、“标准”、“规范”、“业务”、“流程”，这些数字化转型特别相关的术语，大家的理解是一致的吗？
图片
同样是“数据”，这么简单的一个“概念”，在不同的人的心中是不同的。比如说老板说数据质量差，和业务说数据质量差，和技术说数据质量差，是一个意思吗？
老板说的数据只统计汇总的报表数据，业务说的是运营和管理的数据，而技术说的是业务信息系统采集记录的原始数据，为了解决数据质量差的问题，高层希望看到实时的准确的统计汇总数据，精细化核算的数据，以及能够为管理和决策提供洞察的数据；业务希望看到的是赋能他们每一个业务决策动作的数据，而技术将提升数据质量的努力都在构建底层数据模型、标准和规范，用元数据的规范来解决原始数据质量问题，结果大家都忽略了数据统计汇总的模型和核算方法，核算规则，取数标准和取数源头的问题，最后还是没有解决“数据质量”问题。
数字化术语卡片：“数据”
定义
示例
高层
统计汇总业务活动用来评价一定阶段/期间业务取得的关键绩效，一些关键指标，或者上级考核的KPI指标
营业收入、同环比增长率、周转率、回报率、目标达成率、ROE、EBIT等
业务
对业务活动过程和结果进行表征或者度量的数据，包括赋能业务执行所需要的明细数据
订单、合同、客户信息、供应商信息、BOM、工艺参数等
财务
一定期间财务结算后统计汇总的相关数据；包括财务报表中的数据，以及各种财务分析指标
资产负债率、流动比、速动比、投资回报率、存货周转率、应收账款、库存总额
技术
为了满足业务和管理需要，或者流程流转的信息需求采集记录的数据，并且要规范到具体业务系统当中，为业务查询提供报表
主数据、交易数据（活动数据）、元数据规范、数据库结构、字段和值域
同样的符号“数据”二字，在不同的人的心中（理解）或者眼中（看）、口中（说）、耳中（听），是不同的，你说的“数据”，和他听到的“数据”，是不一样的。这就是“语言不同”，语言文字是来标记意义含义的，从你嘴中说出的“数据”，到了其他人耳中听到的已经发生了变化。这就是沟通的问题。
数字化转型中，新的术语和名词特别多，而且几乎每天都会产生各种新概念，新词语，新术语，比如说数据编织、数据网络、数据空间...
我举例的术语理解问题还是沟通问题的一个基本点，还不算其它的一些举措类的理解。如果不能亲自做过，大家的理解都会有很大的偏差，这也导致很多数字化转型的过程中，很多行动不一致，或者对结果、目标和价值的理解不同。
再举例说“数据治理”，高层的理解是通过数据治理我们能够看到高质量数据报表；业务的理解是我们在业务管理和决策的时候，有高质量数据可用；技术的理解是，我们需要规范我们底层数据采集，让信息系统的数据更加结构化、标准化。大家的理解都对，但是都只是其中的一部分，就像盲人摸象给出的答案一样。
这就带来的巨大的沟通成本。一个事情搞了三四个月，然后大家才在对“概念”的理解上开始对齐。
怎么解决沟通成本问题呢？
1、建立术语表，协同大家的认知，也就是一个语言文字，都要有一个“字典”；公司数字化转型，一定要建立一个术语字典，不仅仅有文字解释、释义，还要有具象化的例子
2、建立转译官，培养一些既懂业务，又懂技术，还懂数字化转型的人，避免大家沟通的时候“鸡同鸭讲”，及时发现理解误差，消除误差，提高沟通效率
3、聘请专家顾问，必要的时候要有一批专家顾问辅助我们引入技术、推广技术、理解技术、应用技术，确保在实际数字化转型中，理解和行动的一致性
第二大隐形成本：决策成本
数字化转型中具体怎么做，引入什么技术，采取什么行动，都是决策，而决策是否正确决定着我们转什么、怎么转，最后价值的创出。而决策，都是选择题，选择A还是选择B，最终的效果肯定是不同的，投入不同，产出也会不同。
在企业时间、资金、人力、技术资源有限的情况下，我们选择了A就无法选择B，很多情况下是单选题的问题，选错了答案，就要付出相应的代价，我们无法重来一遍，时间已经过去，机会已经错失，再来一遍的成本和代价往往要高上很多倍。
图片
我曾经服务的一家千亿规模的企业，为了让所有的管理岗位人员都能够用数据说话、用数据管理，要求每个业务信息系统都要统计指标，生成实时报表，制作成动态的看板，所以几十套系统当中都开发了大量的报表和看板。
结果数据很多，报表很多，因为缺少数据治理，没有构建统一标准和规范，各算各的账，数据不一致，老打架，也缺少统一的管理，各个业务系统都有BI可视化模块，操作方法还不同，各养各的技术人员来支持各自的报表和看板的开发，一片混乱，开始的时候还不觉得，当数据、指标、报表和看板多了之后，问题就凸显出来了。
最好的做法是统一管理、统一开发、统一应用，在数据治理和数据整合的技术上，在数据中台上统一为各个业务来开发指标、报表和看板。该企业现在知道了之后，发现要在同一个数据中台上重复开发过去指标、报表和看板，又是大几千万的投入。
这就是决策失误带来的“重复性开发”，外行人管理内行人所带来的专业性不足。
怎么解决决策成本问题呢？
1、首先要保证决策的科学性问题，在做决策的时候，引入专家体系，无论是内部的专家还是外部的专家，尽可能“专业人做专业事”，让参与决策的人中有在该类问题中具有专业能力，最好是专家，必要的时候引入顾问体系；
2、其次，从战略出发来思考各种决策选择问题。从长远规划，阶段实施，确保每一个决策都是战略规划下的必要行动和选择。
3、持续反思和复盘，一旦发现过去决策失误，及时纠正和改善，确保实时调整方向和路径，避免在错误的道路上走得太远。
第三大隐形成本：试错成本
经验是一个好东西，能够让我们以最快的速度去执行或者去推进相关事项，避免试错的投入和时间上的浪费。哪怕去一家医院看病，每家医院的流程不同，有经验的人可以快速走相关的流程，而没有经验的人往往会有一个摸索的过程。
图片
“第一次”总会出现这样或者那样的问题。去陌生的城市，哪怕我们有地图和导航，但是如何更高效地获得本地服务，还是当地熟悉的人更加知道哪家的饮食是真的好。
同样是开车，新手就会有各种问题、各种低级错误，而老司机不怎么回忆驾校老师教授的知识，但是可与熟练地开车。
而企业数字化转型是一个新东西，大家都在摸索的过程中，大家都是“第一次”，这个“第一次”导致我们因为缺少经验而在试错的过程中不断调整。而“试错”是巨大的隐形成本。
这个时候，引入“有经验的”专业人才，引入“有经验的”服务机构，引入“有经验的”管理人才是非常关键的。
我服务过一家集团型企业，数据治理自己摸索着做了三次，都没有取得预期的效果，虽然每次都在改善，但是三年三次的试错让团队没有了信心，觉得这个事情过度复杂，没有人再敢接这个活儿，但是，没有好的数据治理，数字化转型的各种关键举措都无法实施。当我们作为第三方介入之后，在整体规划方案的指引下，无论是从业务维度、数据维度、组织维度和技术维度，构建了完整的框架，让四类专业人才共同参与，最终才取得了成功。
之前的内部团队的数据治理，缺少体系化的设计、缺少科学的方案、缺少组织和管理的考量，思考不全面，设计不完整，数据标准建立的也非常差，为什么呢？因为没有做过，
虽然学习过程对组织成长是非常有价值的，但是试错的过程能够减少或者缩短，给组织数字化转型带来的价值是巨大的。不要无谓地去追求学习成长过程，因为有些学习成长过程是可以超越的，比如说，我们没有必要再去重复发明轮子。别人已经做过了，确认这样的做法是错的，或者从理论的角度分析是错的，你还非要尝试一遍，非要做无谓的试错，这就是“傻”。
其实，很多企业，处于各种各样的考量，会选择用“试错”的方式来重复别人的过程。比如，有些企业出于费用投入的考虑，喜欢在一些IT项目上“自研”，认为外部的产品太贵，而且有很多自己不需要的功能，而且自己需要的功能还不能完全满足，因此就让自己的团队来“自研”，因为在他们的眼中，反正我们有了几十人的技术团队，闲着也是闲着，让他们开发，对企业来讲是“零成本”。重复发明轮子，别人已经开发成熟的软件，还要自己再开发设计一遍。开发一套软件，过程中有大量的试错，有大量的bug，有大量的需要尝试的地方。
试错成本，除了试错过程中人财物时资源的投入之外，带来的另外一个隐形成本就是“机会成本”，你需要花费大量的时间去开发，去研究，去试错，由此可能错过了一个时间窗口期。现在SaaS平台提供的软件和APP非常成熟了，但是很多人还热衷于自主研发、自主设计。
怎么解决试错成本问题呢？
所有的新事物都有一个试错的过程，尝试新鲜事物的过程，我们可以减少试错，可以让试错过程有更好的成功率，避免无效试错、无谓地试错，一个根本的方法就是“学习、纳言”、“听人劝，吃饱饭”、“不要重复发明轮子”、“开放共享，寻求服务”。
1、学习、纳言
学习是必须的，只要认知到才能行动到，避免出现“不知道自己不知道”的自我认知满足的状态。我认为我懂了，其实你还真的不懂。
2、听人劝，吃饱饭
有些企业是非常封闭的，什么事情都是靠内部解决的，什么事情都自己干。这也是很多中国的企业发展到百亿规模了，还没有咨询消费习惯。请外部的咨询公司来给诊断一下，给自己出谋划策，在他们的心中，咨询公司不懂我们的业务，不懂我们的行业，是外行人。殊不知，它山之石可以攻玉。
3、不要重复发明轮子
很多企业都在重复发明轮子，别人已经有的产品，已经有的软件，已经有的方法，我们要重新去发明。比如说，如何做数据治理，我们自己干。以前团队都没有干过数据治理，不知道数据治理怎么下手，怎么梳理，怎么判断，怎么发现问题，怎么建立标准，都需要自己摸索。殊不知数据治理，已经有了相对成熟的知识体系和方法框架，遵循别人的方法，在这个基础上适配企业自身的情况就好，如果需要发明，那就发明不存在的方法和框架，做应用发明就好了。
4、开放共享，寻求服务
思想的开放决定行为的开放，我们首先要承认自己的不足，才能识别别人之长。有些人不愿意开放共享，敝帚自珍，其实只有把自己的东西开放出来，吸纳别人评判，接受别人的审查，获得更多的意见和观点，才能发现自己的不足。你自己藏起来，你自己明显犯错的地方自己发现不了，还自以为很完美。
寻求别人的服务，这是很多中国企业都需要学习的地方。中国生产制造业很发达，但是制造服务业很差。2023 年，美国生产性服务业占 GDP 的比重约为47.7%（中欧国际工商学院数据），而服务业占 GDP 的 80% 以上，其中生产性服务业占服务业总量的 55%；2024 年，中国生产性服务业占 GDP 的比重约为17%-18%（国家统计局及地方政府数据）。
来学习一下企业成本控制
中国企业业务问题、管理问题、组织问题、人才问题，都自己搞，都自己弄；而国外的企业往往会考虑外包、协作，通过让专业的服务机构来给自己提供相关的服务。所以，中国企业普遍缺少咨询服务意识，缺少咨询消费经验，公司内部管理出现问题，首先是内部解决，而不是寻求外部的帮助。
