什麼是數字化轉型、資料治理和數字化工廠？數字化轉型、資料治理和數字化工廠這三者之間有什麼關聯？本文從數字化轉型的視角，來探索數字化轉型、資料治理和數字化工廠之間的關系。
本文觀點：資料和數字技術是數字化轉型的驅動力，資料治理是數字化轉型的基礎，數字化工廠是制造型企業數字化轉型的定位和成果展現。
1. 數字化轉型的本質
業界目前對數字化轉型沒有統一的定義和描述，個人觀點：企業數字化轉型，就是以價值創新、價值增長和降本增效為目的，以數字技術為依托和手段，讓資料像氣和血液一樣流動起來，重塑企業商業邏輯和價值鍊重塑，使得企業全價值鍊可視化、透明化、可檢測，實作全面感覺、自我預警、無縫銜接、智能決策、控制執行和自适應的數字生态系統。
轉型的目的：價值創新、價值增長、降本增效
轉型驅動力：資料和數字技術
轉型的對象：商業邏輯和商業模式
轉型的本質：價值鍊重塑和商業重構
轉型的定位：可視化、透明化、智能決策、自适應的數字生态系統
通過數字化轉型，企業實作從業務到資料、資料到資訊、資訊到知識、知識到智慧/決策的4個高效轉換，對外實作客戶滿意，對内實作效率提升、降低成本、價值增長和價值創新。
2. 資料治理數字化轉型的基礎
數字化轉型的驅動力是資料和數字技術，但企業資料管理現狀往往達不到要求，也存在一系列問題，比如資料孤島、分散難管理，資料采集、擷取困難，資料品質管理難，資料管理、模型開發标準混亂，缺乏組織架構保障導緻推進難度大。
要解決這些問題就需要對資料進行盤點，盤點有哪些資料、資料在哪裡以及有多少資料；需要對資料進行治理，包括資料标準化、上下文資訊維護，提升資料品質，明确角色、工作責任和工作流，然後讓資料說得清、數得清、管得清、用得好。
是以資料治理是數字化轉型的前提和基礎型工作，需要對資料進行全面管理、維護和優化，確定資料的正确、一緻、可靠，并推進資料共享、資料價值挖掘和數字化轉型。
資料治理作為數字化轉型的基礎型工作，往往很難一下子看到或帶來直接效益，對資料治理咨詢項目來說尤為如此。資料治理還需要後續一系列的環節和過程才能帶來直接效益，比如搭建資料中台或建設數字化工廠。
最近我接觸過的一些資料治理咨詢項目，有些就卡在資料治理項目收益環節，因為不能充分跟公司高層和老闆說清楚資料治理帶來的直接效益和價值。高層和老闆都知道資料治理的重要性和必要性，但由于看不到直接項目價值和效益使得項目延緩或暫停。
我們通常說不能讓孩子輸在起跑線上，是以從胎教、幼稚園和國小開始做各種内卷和培優。資料治理就好像上幼稚園和國小，我們不會奢望上完幼稚園和國小就能出社會創造一番事業，但如果不經過幼稚園和國小的學習，就上不了國中、高中和大學，更難以在社會上有所作為。
是以資料治理是數字化轉型的基礎，但要說資料治理尤其是資料治理咨詢項目可以帶來直接效益，估計沒有哪個甲方和乙方能說得清，也沒有誰敢這麼說。但如果不做資料治理，要想企業實作全價值鍊可視化、透明化、可檢測、全面感覺、自我預警、無縫銜接、智能決策、控制執行和自适應就基本上沒有可能。
我們以資料資産盤點為例來直覺了解下資料治理的作用和價值：
菜市場，我們了解為資料治理前，這個時候有什麼特點呢？1、每個商販都按自己的習慣擺放菜品，對應陳列無規律；2、同一商品有不同稱呼，比如可以叫蕃茄，也可以叫番茄，對應口徑不一緻；3、不同商販間菜品多是重複，并且無關聯，對應資料孤島、無統一編碼和标準；蔬菜超市，可以看成是資料治理後，這裡就有陳列、有統一的商品編碼和标準，至于資料治理後有哪些好處和價值，相信每個人都能說出很多點。
通過資料治理将無序資料形成資料資産後，通過資料中台建設可以實作全域打通、跨域打通、可視化、透明化和預測預警，通過數字化工廠的建設來實作設計/生産、智能/決策、控制/執行和自适應，以滿足需求驅動的個性化産品和訂單驅動的計劃動态多變等場景。
資料中台建設後通常在資料可視化、資料共享服務（API）、名額體系、業務賦能、業務創新、生态打通等方面有較多嘗試和應用，但這些都還是企業經營管理和業務系統層面，未來對于制造型企業會更多聚焦智能制造和數字化工廠建設。
3. 數字化工廠是制造型企業數字化轉型的定位和成果展現
對工業制造型企業來說，資料治理主要包括裝置故障預警、異常實時告警、異常回溯、産品穩定性和生産效率優化等業務場景。随着數字化程序的推進，制造型企業積累了大量的資料，這些工業資料可劃分為操作技術資料(OT)和資訊技術資料(IT)。
OT資料是工業資料的主要部分，源自工業生産智能産品、機器裝置、自動化采集系統等，包含時序資料和非時序資料。時序資料包括溫度、壓力、流量等資料。非時序資料包括工業系統的日志資料以及生産調控的曆史資料。
IT資料主要包括PLM、ERP、MES、WMS、TMS等工業軟體系統的資料。
IT資料孤島我們容易了解，平常也探讨比較多，工業資料也具有隔離性、多樣性和關聯性的特點。隔離性：工業資料往往來自多道工序的多台裝置，裝置獨立工作以及工序間資料互不流通，形成資料孤島；多樣性：工業資料來源多樣，結構複雜，除工業生産中所采集的溫度、壓力、流量等結構化資料之外，還包括視訊、圖檔、檔案、語音等非結構化資料；關聯性：生産名額間的關聯，如原料燃料流量、溫度、壓力的關聯；生産過程的關聯，如生産工序間的工藝參數關聯關系；産品設計制造等環節之間的關聯，如仿真過程與産品實際工況間的關聯。
智能制造能力成熟度模型由中國電子技術标準院 ( CMMM ) 研究提出，智能制造能力成熟度矩陣是在充分研究中國智能制造系統架構、工業4.0參考架構模型 ( RAMI 4.0 )、美國工業網際網路參考架構，深入挖掘智能制造内涵的基礎上制定。
CMMM根據“智能+制造”兩個核心次元，分解為設計、生産、物流、銷售、服務、資源要素、互聯互通、系統內建、資訊融合、新興業态10大類能力以及細化的27個要素域，對每個域進行分級，每一級别對應相應的要求，構成智能制造能力成熟度矩陣 。
百度百科對數字化工廠（DF：Digital Factory，DF）的解釋：以産品全生命周期的相關資料為基礎，在計算機虛拟環境中，對整個生産過程進行仿真、評估和優化，并進一步擴充到整個産品生命周期的新型生産組織方式。
數字化工廠也有稱數字化未來工廠（浙江省在數字經濟和制造業高品質發展背景下提出的 ）、燈塔工廠（世界經濟論壇和麥肯錫共同推出）、黑燈工廠等。
從數字化轉型的視覺看，數字化工廠是以對外實作客戶滿意，對内實作效率提升、降低成本、提高品質和價值創新為目的，以數字技術為依托和手段，連接配接、重塑生産線與生産裝置，打通和融合數字世界和實體世界，實作自動化、透明化、全面感覺、自我預警、智能決策、控制執行和自适應的先進的制造模式。
數字化工廠涉及面較廣，通常會涵括智能裝置連結與資料采集、IOT平台橫向打通和管理智能裝置、邊緣層資料計算、自适應軟硬體（如機器人坐标标定、自适應、PLC程式設計、數字孿生），工業大資料平台、數字化研發/設計（PMS）、數字化規劃（數字孿生、仿真驗證）、智能化生産（ERP、MOM、LES）和數字化管理（如精益管理）等。
數字化工廠是制造型企業數字化轉型的定位和成果展現，通過建設“智能工廠+智慧供應鍊+企業數字化大腦”的數字化未來工廠，企業可以快速相應和滿足市場個性化定制、網絡化協同和服務化延伸的需求。
4. 結語
目前對于企業來說，數字化轉型已經不是做和不做的選擇，而是考慮從哪裡着手，采用什麼實施路徑和節奏來實作的問題。
通常企業會先做數字化轉型咨詢，評估企業數字化能力成熟度等級，然後做企業數字化頂層設計和實作路徑。對制造型企業來說，在數字化轉型規劃之後，通常會開展資料治理工作和數字化未來工廠建設規劃，然後采用小步快跑、快速疊代的方式一步步實作企業的數字化轉型目标和定位。
市場已經出現提供“一站式數字化轉型咨詢、資料治理咨詢、數字化工廠規劃與建設實施、工業軟硬體産品和服務”的新型端到端數字化解決方案服務商。
這類服務商通常需要具備兩方面的基因：一是傳統制造業基因，即在制造業有很深厚的底蘊和沉澱，且自身有很強的數字化基礎和實踐；另外需要有數字化設計與制造創新的基因，即融合了新技術、新思維、新模式、新業态、新制造的數字化基因。融合這二種基因并産生“1+1大于2”協同效應的數字化解決方案服務商，将會成為智能制造領域的踐行者和引領者。