2.1 为什么？根据行业特性，界定数字化的明确目标

通用电气CEO杰夫·伊梅尔特对2009年6月的一天记忆犹新。这天研发人员来到他的办公室，给他展示一款浑身是传感器的新型涡轮喷气发动机，这款发动机能够实时传回任何航班的数据。伊梅尔特注意到了两个问题：其一，这种数据实际上可能与涡轮发动机本身一样宝贵；其二，通用电气并没有能力利用这些数据，因为公司缺乏软件方面的专业技术。

自此开始，伊梅尔特以超人的精力和毅力，为这家拥有120年历史的工业企业引入数字化转型，并清晰地界定目标：通用电气必须成为一家全球领先的数字化工业公司。公司不要再去考虑西门子这样的主要竞争对手，而是要开始重点关注亚马逊或IBM这样的公司。

在此期间，通用电气对数字化经济的各个要素展开了研究。例如，取消等级制度和官僚机构，同时重新启动经过实证有效的方法，如精益生产和流线型开发。同时，伊梅尔特也招募了数以千计的数字化人才。伊梅尔特指出：“通用电气要成为一个软件公司，所有部门都要行动起来。除售卖机器设备并提供保养服务外，针对物联网（IoT）整个网络体系的软件将成为通用电气新的业务领域。”现在Predix开放式平台可对工业4.0流程进行控制，平台上运行的既有通用电气的App，也有其他公司开发的App。

公司所在行业目前的状况决定了其响应的性质和速度。目前受数字化影响较小的行业，比如油气行业和化工行业，通常只需进行较少的职能干预，就能够应付得来。数字化技术渗透的范围越大，数字化转型的必要性就越迫切。过了转折点之后，企业通常只有全面调整了其业务模式才能得以生存。德国施普林格（Springer）出版公司就是这样一个明显的案例。2009年，施普林格出版集团的CEO玛蒂亚斯·德普夫纳（Mathias Dopfner）宣布，未来10年内本公司要有一半收入和利润来自数字业务。6年后，德普夫纳带领公司提前实现了目标。在2015财年，施普林格出版集团超过六成的营收和70%的息税折旧摊销前利润（EBITDA）来自数字业务。他是怎样做到的呢？

德普夫纳很早就认识到，报纸业务的收入基础正在崩溃，首先就是汽车、房产和求职方面的分类广告业务。他预计，一方面，数字化改变了客户的阅读习惯，而另一方面，数字化也能够形成具有吸引力的广告媒介，从而进一步侵蚀报纸和杂志集团传统业务模式的基础。尽管该出版社当时的回报率仍然很高，但是在千禧年来临之际，德普夫纳决定开始进行数字化方面的投资。部分投资以收购形式进行，包括目前业务非常火爆的门户网站，比如房地产广告（Immowelt）和求职招聘（StepStone）。

2012年，施普林格出版社将其旗下《图片报》（Bild）的主编和营销总监派到硅谷蹲点9个月，这在德国高管圈内传为笑谈。然而，堂堂《图片报》的掌门人凯·狄克曼（Kai Diekmann）很快就适应了当地的氛围，蓄起了文艺范的大胡子，穿起了连帽卫衣，活脱脱一个地地道道的美国西海岸土著。自此以后，这家出版社的范例成了惯例——一说到数字化转型，施普林格就被推崇为德国业界的先驱之一。从此全球各地的CEO们纷纷来到硅谷求经问道，而且往往带着企业的整个高管团队一同前往。

2014年，德普夫纳出售了旗下众多资产，不仅包括电视指南杂志Horzu[这是集团创始人阿克塞尔·施普林格（Axel Springer）赖以发家，继而成为欧洲实力最强大的报业巨头的基础]，还有施普林格集团旗下第一份日报《汉堡晚报》（Hamburger Abendblatt）。当冯克媒体集团（Funke Mediengruppe）接管这些平面媒体产品组合时，这些产品仍然完全能够盈利。为了继续推进自己的宏伟计划，施普林格还成立了自己的数字化公司。虽说德国CEO大多西装革履，德普夫纳仍倡导在整个集团内营造数字文化，以确保集团收购和新近成立的公司都保持强烈的创新创业意识，并能推行扁平化组织架构和快速决策。

主要在B2B层面经营的行业，其目前的业务模式相对比较稳定，因为决定这些行业经营成败的是其主要资产，比如专利、品牌、客户关系或对市场的了解等。然而，数字化对这些行业的成本定位仍构成了相当大的压力。因此这些企业通常会利用数字化进一步提升效率，对现有业务模式进行有针对性的加法。某跨国石油集团正是采取了这种行动。该公司的采购部门每年都要在全球各大洲签订成千上万的合同，比如钻井设备零部件采购合同、油田服务劳务合同等。但是，由于合同涉及的国家太多，而且存在太多变量，因此对于买方而言，要实现价格透明是绝对不可能的。比如说，页岩油气田钻井成本的变动就非常大。该公司组建了一个数据团队，令其从多方面汇总信息，如公司自身的财务部门、业务部门、竞争对手、投资者陈述文件以及公开报告等。该团队随后利用软件程序对数以百万计的数据项目进行处理，对数据进行调整，并寻找价格的关联度和概率。之后由工程师和买方组成的团队对结果进行分析，并针对钻管设计如何调整、钻探团队组建方式如何调整等问题提出建议。结果，该公司每个钻井节省了70万美元。1300个钻井就节约了几乎1亿美元，这都要归功于对海量数据、也就是大数据的智能化评估。