數據驅動如雷貫耳，尤其在當前的數字化轉型語境下面，數據驅動已經成為大家認為的必然。

關于數據的定義（我修改了一下）：通過科學實驗、檢驗、統計等所獲得的和用于科學研究、技術設計、查證、決策等的數值，并能夠進行各種統計、計算、科學研究或技術設計等工作中能夠作為依據的數值。

數據的一個基本屬性是：能夠被利用并成為某些判斷的依據才能稱之為數據，否則只是數值。

數據是說起來是一個基本的屬性，是要想發揮第1個屬性的作用，就必然涉及到第2個屬性，就是數據必然是為業務來服務的，而服務的過程或者載體其實就是數字化系統。

可以從三個角度對于數據及數據驅動有更深刻的認識。

一是，就如同電力催生了一帶工業革命一樣，現在也有說法，數據也催生了新一代的工業革命，其實這也是數據驅動的本質追求。雖然電力和數據都是裝置或者系統運行的輸入，但也有本質的區別：電力是一種標準化通用的輸入性質動力能源，而我們目前看到的形形色色的數據其實遠遠達不到這種程度。但是也不能就此絕望，想要讓數據發揮類似店里一樣的驅動式的能源作用，就需要面向特定的制造場景。特定的制造企業，特定的行業入手，通過建立原數據以及再往下一層的源源數據，才能實現向通用化和標準化的邁進。在這個基礎之上，我們才有可能真正地降低代碼技術真的發揮起來。這是數據向下的規范化標準化的追求。這方面我們現在做的工作很少或者只在一層而已，或者只是面向特點場景而已，甚至可能都沒有意識到。

二是，數值的判據作用并不是天然或自然而然就必然會發生的，尤其是大量的業務并不是簡單地依靠數值的大于等于或小于作出簡單判斷的，這就涉及到數據必然要進行組織建模并提現分析推理決策的作用，也就是將各種知識和機理乃至經驗物化為數據組織模型以支持推理分析等，以知識化機理化為內核的工業軟件或 APP也是真正需要深入探索的。這方面雖然我們意識到這個東西非常重要，但也處于散亂發展的一個過程，也是錯失了很多的機會和時間的。

第三個方面，至于我們經常說的將數據驅動理解成數據的自動流動，那只是一種很淺顯的認識，充其量只是數字化系統內部各個業務環節之間的數據周轉而已。我們經常提到的數字化工廠，其本質是通過連續、規范無中斷的方式將數據和信息的流動集成管控起來。從某種視野角度來說，所謂的數據中臺其實也只是一種策略而已，并進而延伸出流程狀態和知識中臺等。但是很可惜，我們在這個方面也缺少系列的可操作的方法論與系統框架極其標準規范，這就使得我們的積累和發展，總感覺出一種無序、散漫、重復乃至低水平重復的狀態中。

上述三個方面對推進數字化轉型，尤其在技術層次上的認識，具有至關重要的作用。但就筆者觀察來說，這個三個方面，我們哪一個方面都沒有做好，最重要的第一和第二這兩個方面更是做的差距，甚至是上個5年的時間都已經在浪費了。

………………………

雖然我是以確定性的口吻在說自己的一些觀點，或者說觀察總結，但是，本文仍然屬于：一己之見僅供參考。