从系统上线到业务真正在用：数字化落地的实践观察

判断一套数字化系统是否真正进入业务，一个直接的信号是：业务还需不需要 IT 反复推动。

广州酒家集团利口福食品数字化管理部负责人黄先生分享：“系统在一个生产基地稳定运行后，其他生产基地开始主动找到IT团队，希望进一步推广应用。不再是IT部门要求用户使用系统，而是业务部门终于理解并切身感受到数字化给他们带来的真实价值，主动要通过系统应用来提质增效。”

从被动接受到主动提出需求，看似只是使用意愿的变化，背后反映的却是业务已经开始感受到数字化带来的实际价值。当系统真正解决日常工作中的问题，使用它也就不再只是项目要求，而会逐渐成为业务自己的选择。

绫致时装产品经理金鑫则从“业务依赖”的角度描述了这种变化：“数字化真正嵌入到了日常的经营节奏之中，迈入了业务依赖的阶段，不再只是简单的记录工具，而真正成为了业务决策的中枢。”

在他看来，衡量数字化是否成功，关键也不在技术本身：“数字化转型的成败，不取决于系统是否先进，而取决于业务是否真正用起来、用得深。”

这两种实践指向了同一个转折：数字化真正落地，并不是系统可以使用之后就完成了，而是业务逐渐形成新的工作习惯，开始主动依赖系统中的流程和数据开展日常工作。只有到了这个阶段，数字化才真正成为业务运行方式的一部分。

数字化建设初期，企业首先面对的往往是“数据有没有进入系统”。随着数字化深入，更值得关注的问题则是：这些数据改变了什么业务决策？

某运动品牌高级应用工程师分享：“过去商品季前规划依赖多份线下表格和不同版本文件，需要人工反复对齐；现在，业务企划、商品和财务团队可以在同一数字化平台完成品类规划、SKU结构测算和买货预算推演。 业务人员直接用系统输出的测算结果做订货决策，数据不再只存于IT系统，真正成为业务日常做判断的工具。”

数据的角色由此发生变化：不再只是被记录，而是直接进入商品经营决策。

在食品饮料研发中，健合集团ITBP助理经理谭福平提到：原料、配方、包装材料、半成品和成品的数据已建立系统化的数据关联，一项原料的变化，可以沿着产品链路追溯，帮助团队更快识别可能受到影响的产品与地区。从而让变更影响评估更全面、更准确，也更高效。

青岛啤酒产品标准经理宋新建则从主数据角度观察这一变化：“从产品、包装设计、印刷方案到包材物料，数据逐步贯穿整个链路。”他指出，这些主数据对于后端的采购、排产与成本统计，有至关重要的作用。

数据的价值还可以进一步延伸到更直接的商业场景。

华翔羊毛衫信息部高级经理陆澍峰分享：“Centric PLM将我们的历史数据沉淀并能有效提炼出我们的经验沉淀。我们直接通过PLM进行客户的有效报价，不用再把风险放在每一个业务员手里，而是做一整套高效的报价流程。”

在美妆个护行业，栋方生物信息部总监郝耀刚则提到：“我们以前研发没有产品概念，现在研发端开始增加产品和包材管理，并将主数据、业务流程和编码规则视为下一步数字化建设的重要基础。”

这些场景覆盖商品规划、研发、采购、生产和报价，但背后的逻辑一致：数据真正产生业务价值，不在于进入了多少系统，而在于它是否开始改变判断、减少风险并推动下一步行动。

一个业务环节实现线上化之后，企业很快会面对新的问题：上下游之间的数据和流程能不能真正连接起来？

之禾ITBP陈麒提到：“产品开发、BOM创建等跨部门研发协同已经从线下纸质传递和存储，逐步转向系统内流程驱动。数据统一可追溯，越来越多的线下内容经过梳理后有了统一的交流平台。”

圣海服饰IT经理戴翔也分享了类似变化，他表示：“通过Centric PLM实现了面料、辅料、款式资料统一线上归档，研发打样、工艺BOM数据在平台集中管理。不再反复传递Excel和纸质文件，信息不一致、版本错乱的情况大幅减少，业务流程真正上线。”

对于威鹰服装而言，这种连接已经延伸至跨职能和跨地域协作。数智化总监强萌介绍道：“报价、BOM和画稿统一存放在PLM系统中，企划、工艺、营销和报价环节基于同一套数据协同。即使团队分别位于国内和日本，在客户提案现场也能够实时获取款式报价、面料报价和工艺细节，无需反复复制和核对信息。”

在传统制造企业，连接还可以继续延伸到生产设备。真爱美家信息化工程师张芹芹分享：“当我们的工艺数据从PLM系统中通过MES调用，下发到生产设备的PLC上实现执行，在提高了效率的同时，也使得生产工艺可以控制在一定的标准范围内。”

当产品和工艺数据真正从研发进入生产执行，数字化带来的变化就不再局限于某一个部门或系统，而开始形成跨流程、跨系统的业务连接。

企业关注的问题也随之向前推进：最初是“这一步能否在线完成”，随后变成“数据能否自动流向下一环节”，再进一步，则是“上游发生变化后，下游能否及时识别影响并响应”。这也是为什么系统集成、工程变更影响分析和端到端数据协同，反复出现在客户对于下一阶段数字化的期待中。

当Centric客户被问到会给正在推进数字化转型的同行什么建议时，不同行业和岗位之间出现了高度一致的观点：技术不能替代对业务、数据和流程本身的梳理。

之禾ITBP陈麒总结得非常直接：“业务优先于系统，主数据优先于功能。数字化转型不必追求一步到位，可以从较小的业务场景开始，让使用者先感受到真实价值，再逐步扩大覆盖范围。”

优拉PM Meredith也强调：“先梳理清楚业务流程，再谈系统落地。”在她看来，如果流程本身没有理清，系统只会把原有问题进一步放大；真正使用系统的一线人员也应该尽早参与需求梳理和测试，否则项目很容易陷入反复调整需求、修改系统和重新测试。

对于生产制造企业，一线人员的参与更加直接。鲁泰纺织科长李丛指出：“工艺人员每天需要把客户的款式要求转换成车间能够执行的标准，因此数字化必须真正覆盖打版数据、工序制作方法和设备应用等关键节点。要让一线工艺员真正参与系统设计，确保输出的标准文件车间能用、好用，而不是增加额外录入负担。工具再先进，最终还是要落到每一道工序的精准传达上。”

香云控股集团管理岗位Jennifer则从组织变革的角度提出：“别把PLM做成IT的项目，它本质其实是业务的变革。主数据、流程、管理规则和部门边界都需要先理顺，业务部门也应深度参与系统调研、业务流程梳理和方案设计。否则，系统反而可能把原来的混乱固化下来。”

在食品饮料行业，圣恩生物IT负责人李丽娟表达了类似观点：“数字化转型不要急于堆砌系统功能，先把基础数据治理做实，管理规则明确，建立‘先管理、后系统’的思维。”圣恩多个系统上线后仍持续进行数据校验和整改，让生产、库存及工单数据逐渐从事后统计转向实时业务执行依据。这也说明，上线并没有结束数字化建设，反而开启了持续治理和优化。

这些经验可以归结为3个基本原则：先定义业务问题，再讨论系统功能；先建立可靠的数据基础，再追求智能化；先让真正做业务的人参与并使用，再考虑规模化。

数字化项目的价值，因此很难只用上线了多少模块来判断。更重要的是，有多少核心工作已经默认在系统中完成，有多少一线人员愿意主动使用，以及数据是否真正进入业务判断和行动。

随着流程逐渐在线化、数据不断沉淀并开始跨系统连接，客户对于下一阶段数字化的期待正在变得更加具体，其中一个高频方向就是AI。

值得关注的是，客户讨论的已经不只是增加AI功能，而是AI如何进入真实业务场景。

某服装品牌研发团队分享道：“企业已经尝试通过AI自动识别设计图稿中的配色和面料信息，并根据识别结果自动创建配色和设计BOM，减少设计人员在设计文件和系统之间重复创建信息的工作。这一应用可以节省大量重复性的工作。”对于下一阶段，他更关注AI能否“切实解决用户遇到的问题，并能够支持业务发展的快速迭代”。

健合集团ITBP助理经理谭福平则把AI的应用落到了食品研发流程，他表示：“把数据‘连起来’只是第一步。我们更期待的是，让这些持续积累的数据真正被用起来。未来，通过进一步提升规格书录入、测试模拟、配方推荐等环节的效率，让数据‘入库’更快，也从单纯的‘记录和存储’，逐步走向‘分析和应用’，真正融入研发和业务决策的过程。”

青岛啤酒产品标准经理宋新建则期待，“在各类数据库和自动化能力逐步建立之后，引入AI辅助工作人员进行判断和审核，进一步减少人工操作和操作失误。”

鲁泰纺织科长李丛则提出了更加专业化的人机协同场景：“系统根据款式图初步推荐缝制顺序、设备选型和工艺要求，再由工艺人员调整确认；不同客户的标准也可以与内部工艺库进行匹配，减少每次从零开始整理工艺的重复工作。”

广州酒家集团利口福食品科创研究院院长已经在日常工作中感受到智能体带来的变化。他说：“智能体在工作中已经如影随形，开会再也不需要人工速记去做会议纪要了，每日重点工作、重点信息都有AI去完成整理。”对于下一阶段，他期待数字化系统能够更加主动地智能分析数据质量、完整性和真实性，并进一步盘活企业已有的数据资产。

真爱美家则把这一思路延伸到了制造环节。张芹芹希望：“随着企业逐步形成数据底座，未来可以进一步连接不同业务系统和设备端的IoT数据，再结合AI和大数据分析，对产品质量、能源消耗及不同工艺路线进行比较，并将分析结果持续反馈至PLM，进一步优化工艺。”

这些应用从产品设计、研发一路延伸到工艺、项目管理和生产制造，但都建立在同一个基础上：AI能够产生多大业务价值，很大程度上取决于此前的数据和流程基础是否可靠。

健合集团谭福平对此总结道：“数据越准确、越完整、越规范，我们从中获得的信息才越可靠，基于数据做出的判断也更有依据。当高质量的数据不断沉淀，并逐渐形成结构化、可关联、可应用的数据资产时，它带来的价值也将不止于今天的效率提升，更是在为下一步的AI智能化应用打下基础。”

因此，AI并没有让数据治理、流程标准化和系统连接变得不再重要。相反，它正在进一步放大这些基础能力的价值。

数字化的发展路径也逐渐从流程在线化、数据结构化、系统连接，向更深一层延伸：数据参与决策、AI辅助分析与行动、持续反馈和优化。

30+位客户实践者并没有给出一套统一的“数字化落地标准”。有的变化是业务部门开始主动要求推广数字化系统，有的变化是系统数据开始直接进入商品规划和订货决策，有的变化是PLM中的工艺数据能够经由MES进入生产设备执行，还有的变化则是原料、配方和产品数据之间建立关联后，研发团队能够更准确地判断一次变更带来的业务影响。

不同的场景背后，是同一个变化：数字化正在从一个独立的系统项目，逐渐变成业务日常运行的一部分。

系统上线可以有一个确定的日期，真正的业务采用却是一个持续发生的过程。它可能体现在团队不再通过邮件寻找最新文件，体现在业务直接依据系统数据作出决策，也可能体现在一个环节的数据变化能够自动传递到下游，而不再依赖人工转述和反复核对。

当这些变化开始成为日常，企业面临的问题也会继续向前：数据还能怎样连接，专业知识还能怎样复用，哪些判断可以通过AI获得更高效的分析，而已有的数字资产又如何进一步转化为业务价值？

数字化的下一阶段，不只是把更多业务搬进系统，而是让可信的数据、连接的流程和沉淀的知识真正推动更快的行动、更准确的判断和持续的业务优化。