如今，以5G、物联网、人工智能为代表的数字化、智能化技术正逐步推动制造业数字化转型。但目前来看，很多企业抱有“不敢转”、“不会转”的现象，企业数字化转型路径不清，转型收益模式不明确等问题尤为明显。

事实上，无论是基于国家政策导向，还是企业自身需求，数字化转型都已成了一种必然选择。数字化转型从本质上说不是单系统的应用以及数字技术的堆砌，而是数字技术、企业战略、管理体系，以及人员意识等多维度的建设和融合，是一个复杂的系统工程。

在这样一个系统工程之下，企业要展开数字化转型，就要按照“统筹规划分步实施”的总体思路从顶层设计的制定开始。想要制定数字化转型的顶层设计，企业不能照本宣科，需要立足当下，着眼未来，采用科学方法完成整体规划。

顶层设计是必由之路

在转型过程中，不同体量、不同行业的企业对数字化转型需求不同，明确各行业数字化转型路径和发展模式，分类分阶段推进数字化转型落地是很关键的一步。对此，美云智数华北分公司解决方案中心总监徐志强表示，单纯依靠借鉴他人经验、摸着石头过河，显然是不行的，依据企业自身实际情况及行业实践经验制定合适的总体蓝图和行动路线，是必不可少的。

总体蓝图的设计在统一企业思想的前提下，可以客观的展现企业战略落地的远景、目标及技术手段。行动路线可以有效指引企业按部就班地开展数字化转型的落地，并不断根据行动路线的复盘验证转型及战略的落地效果。

在具体实施过程中，徐志强提到，不同行业不同规模的企业，在数字化转型规划中均有不同的侧重点，重点体现在业务端的侧重点不同。例如流程行业侧重于设备管理、能源管理、安全管理，而离散行业则侧重于计划管理、生产管理、物料管理等，食品行业（特别是乳制品等）更多侧重于营销管理、品质管理、供应链管理……由此可见，不同的企业顶层规划的方向不尽相同，因此企业在数字化转型顶层规划过程中，还是应该回归到企业的业务侧，基于自身业务模式、业务形态及业务特点，从战略出发构建适合自身业务特性的顶层架构。

以中国电动车的领导者——爱玛科技集团的数智化转型实践为例，在“三年再创一个爱玛”的背景下，爱玛提出了未来三年转型规划——“361数智化工程”（3个统一：统一流程、统一数据、统一系统；6大领域业务变革：研发、营销、供应链、服务、财经、人力资源；1个数智化的爱玛），通过与美云智数的合作，该项目推动业务全面变革，实现企业运营数字化、经营决策智能化，能够对市场需求进行快速响应和敏捷应对，精准把握和及时交付用户需求，通过精细化运营降本增效，并实现研、产、供、销、全价值链打通，整体提效超过15%。

转型并不能一蹴而就

根据世界经济论坛数据显示，数字化转型使制造企业成本降低17.6%、营收增加22.6%，但伴随着数字化转型的深入发展，众多企业转型中的深层问题逐步显现，如缺少整体战略及路线图、高层没有对数字化转型达成共识、业务价值体现不足、数字化转型职责和权利不清晰等。企业如何练好数字化内功？数字化的顶层设计以及落地实践的底层逻辑，都要“并联式”从长计议。

徐志强表示，数字化顶层设计是一项多领域、多维度的架构设计，贯彻落实不仅取决于数字化顶层设计的质量，同时企业对于数字化转型的信心是否坚定、对于数字化转型的投入、业务的成熟度、企业员工思维模式的转变等，都会影响数字化顶层设计的贯彻落实，因此企业在数字化顶层设计过程中必须统一思想、坚定信心，要深刻认识到数字化转型不是一劳永逸，也不是一蹴而就的，要结合企业自身情况结合企业自身业务模式，制定符合自身发展需求的战略、愿景、目标，不要一味追求先进性。

为了应对这一问题，美云智数在帮助企业制定数字化转型顶层规划的过程中，首先从企业发展战略出发，通过对高层的访谈和行业及内部资料的研究，明确企业数字化转型的战略方向；在明确战略方向的前提下，结合企业自身行业及业务属性，参照国标成熟度模型及相关行业数字化智能制造模型对企业进行评估诊断，在明确企业特点的同时，根据企业战略设定数字化转型愿景、目标，并根据愿景、目标开展针对企业的数字化转型顶层设计，根据数字化转型开展一系列的业务变革和技术落地。

在具体实施过程中，结合美的数字化转型成果，以及美的灯塔工厂建设的成功经验，美云智数总结提炼了基于“灯塔工厂”的数字化工厂建设能力体系：一规划、三链路、三平台，同时围绕美云智数能力体系，构建了“一个战略、两个核心、三个支撑、四大举措”的数字化转型模型，目前已经广泛应用于50多个细分行业领域。

以国家级创新型企业——石药集团的数字化转型为例，数字时代，传统经营模式下药业生存空间遭到严重挤压。对此，石药集团对标行业标杆，以旗下欧意药业100车间为试点，以“打造国际先进的制剂车间”为目标，围绕生产管理、质量管理、设备管理、能耗管理、成本控制、仓储管理6大主题，构建智能制造体系，依托大数据平台实现了对生产、质量、设备、能效、成本几大板块的数据应用，打通车间经营数据，提升企业数据应用效率，同时推进数据治理，提升数据质量，形成“战略-业务-指标”体系，逐步实现战略落地。