MobTech袤博科技杨冠军受CSDN之邀，探索企业数字化

近日，MobTech袤博科技合伙人、首席数据官杨冠军受邀参加CSDN《新程序员》“数字化转型”主题分享，围绕着从企业数字化转型的“前世今生”、企业应该如何实现从“青铜”到“王者”的段位跨越，以及作为开发者该如何应对高阶数字化的未来等维度进行展开，一起探讨企业数字化转型的实践思路与发展，共同碰撞新兴视角~

推火网以下为对话正文

一、企业数字化转型的定义与逻辑

CSDN责编杨阳您在进行《企业数字化转型的前世今生》一文的创作过程中主要有哪些思考？在选题背景，文章框架结构方面进行了哪些构思？

杨冠军我想按照三步走原则，即“我是谁，我从哪里来，我到哪里去”讲讲行文思路。基于这个大的逻辑下，文章第一部分讲述企业数字化的定义和范围，第二部分讲述企业数字化转型的必要性，第三部分讲述怎么进行企业数字化转型。显然所有的企业都想往王者阶段迈进，应该如何实现这一目标，就在第三部分详述。

CSDN责编杨阳您对“数字化转型”的定义是什么？

杨冠军企业数字化转型的定义要分为两步，一步是数字化的定义，一步是企业数字化转型的定义。二者不是区别的关系，是递进的关系。先搞清楚数字化，才能搞清楚企业数字化转型。

所谓数字化就是通过计算机技术，将物理世界发生的各种事情与数字世界的表达链接起来，构建出一个数字世界，进而通过数据和算法推导出物理世界的深层规律。而企业数字化转型，就是将企业管理、营运和决策中的经验、方法用数字表达出来，积累为很多的数据，再通过这些积累的数据和算法重构企业的商业模式和服务模式，使得企业经营全过程可描述、可衡量、可追溯、可预测。数字化和转型需要系统性融合，二者是承接关系，数字化是路径，转型才是目的。

CSDN责编杨阳您在文章的开篇说到企业数字化的过程，可以分为“青铜、白银、钻石和王者”四个阶段。请您说明一下企业的这四个阶段在数字化转型上分别有哪些表现，贯穿在各个阶段的演化逻辑是怎样的？

杨冠军所谓青铜和白银阶段，就是把物理世界中极其重要的事物，如人、财、客户和用户，先通过系统或者数字管理起来。这一阶段的管理手段多为线上化，处于业务数字化的阶段。通过把物理世界的业务表达成数字，实现企业的降本增效。此时数字只是为物理世界服务的一种工具一种手段。所谓的黄金和钻石阶段，才是一步一步通过数字世界指挥物理世界。通过大数据平台，物理世界的事物能够响应数字世界的指令来做事情。此时企业走向数字业务化的阶段，即数字就是业务本身。四个阶段可以归纳为业务沉淀数据和数据赋能业务两个层面，是实现从业务到数据到资产到服务的闭环。

数据赋能业务闭环全景图

二、企业数字化转型的核心技术与落地应用

CSDN责编杨阳您在书中谈到数字化的底层主要依托大数据和人工智能来支持。为什么是这两个技术，不是云计算、5G，或者其他技术？您认为技术为数字化转型带来哪些推动？

杨冠军大数据和人工智能是和数字化转型离得最近的技术，云计算、5G也是会对数字化转型有助益的，很多中小公司都没有技术能力去搭建自己的大数据集群，也没有能力去存储、计算、分析这些大数据，如果没有云计算的IAAS和PAAS，那么数字化转型对于这些公司来讲基本上是天方夜谭了。那5G等网络的进步，能够让数据的传输更加快捷，也就能够采集、传输更多类型更多量级的数据，也为大数据输送了原料。

CSDN责编杨阳您目前在正在做哪些数字化业务？主要应用到哪些技术？能否举例说明下这些技术在业务当中起到的核心作用？

杨冠军目前MobTech在做的数智平台主要分四个部分。是丰富的数据积累，支持结构化/半结构化/非结构化的数据格式；是安全的数据接入，除了全量增量ETL外，还支持实时接入，并配合联邦学习平台；紧接着需要高效的数据处理能力，除了数据资产平台，调度、标签、模型的平台外，公司还创建了自有的存储和计算引擎，其存储和计算分离技术也在大力投入中。，通过智能BI、知识图谱、自助分析等平台助力于业务场景，不仅如此，还有SAAS和PAAS的标准化输出，支撑核心政企服务。

在数智平台领域，数据打通是基础，数据处理是核心，数据应用是目标。以数据应用智能BI平台为例，就是要把数据的客观情况快速展现出来，数据的问题快速归因出来，数据的结论快速预测出来。智能BI平台，通过多模态AI解析引擎，解析业务或用户的需求。无论是自然语言描述的需求，还是规则需求，亦或是条件洞察、自助筛选的需求，都能通过BI平台生成可执行的大数据任务，从数仓中拿到符合条件的数据，通过可视化、自助报表、数据大屏等形式展现出来，指导、支撑、辅助业务。也可以与第三方系统进行交互，进行二次深度分析。

MobTech数智中台架构

CSDN责编杨阳您提到“联邦学习”，可以具体谈谈如何通过联邦学习来实现多方数据的联合分析、训练和预测吗？

杨冠军随着数据安全、数据合规逐步受到重视，数据交互层面的安全性已经是重中之重，联邦学习技术可以在不进行数据交换的情况下，通过加密技术完成联合建模，具备双方特征的优势，去更好的应用到生产。

在ToB场景里，比较常见的一种联邦学习类型叫纵向联邦学习。其逻辑是进行模型训练之前，要进行样本对齐，通过隐私求交算法，比如基于RSA加密的隐私求交算法，来计算出联合建模双方共同拥有的样本，并对双方样本的y值和标签进行对齐，这一步除了双方样本交集内的样本不会向对方泄露交集外的任意样本。

比如，在进行模型训练时双方要联合训练一个逻辑斯特回归模型，双方的数据存储在各自的内网机器中，每轮迭代过程中，不直接交换原始标签数据X和y值，双方只交换同态加密后的中间计算结果和模型的梯度，由一个可信第三方来进行参数和模型损失的更新，当模型收敛时，联合双方会分别存储训练好的半边模型，即双方各自的X的参数w。当需要进行模型预测时，也需要双方共同参与预测，双方分别计算半边模型结果wx，再由预测任务的发起方进行模型最终结果的计算和输出。

联邦学习逻辑图

三、企业数字化转型的现状和展望

CSDN责编杨阳您在文章中提出了一个设问，内容是现阶段产业界是否搞清了“数字化”和“企业数字化”的区别？您认为它们的区别体现在哪些方面？