数字化转型是近几年新兴起的热门话题，在数字化转型方面，社会上需要大量的人才基础。当前，很多职业都与数字化转型相关，包括开发人员、数据管理人员、管理咨询人员，这些比较资深的人才基础早期大多都服务过信息化时代的相关建设，也有不少人才来自于互联网产业以及AI创新领域。

那么，数字化转型包括哪些学科领域？需要掌握哪些技能呢？笔者认为，从事数字化转型工作主要涉及到数字与信息技术、数据分析与人工智能、云计算和大数据、管理和领导力，以及具体业务学科等几个方面的学科知识内容，下面分别来介绍：

1.数字与信息技术

数字化转型需要依靠数字技术和信息技术的支持，相关的学科主要是与计算机领域相关。在数字化转型中，通常需要将具体工作落实到信息系统的建设方面，根据企业对数据应用的需求，进行相应的软件程序开发。通过从事软件开发类的工作，可以直接服务于数字化转型项目，为业务转型提供有效的IT服务保障。

计算机方面的能力，主要包括系统需求分析与设计、计算机编程、系统运维、数据库管理，网络安全等方面技能。这些技能早期服务于信息化建设，现在将越来越多面向数字化建设。在数字时代，计算机技术始终是大部分数字化场景实现的重要技能，企业的数字化能力也必须通过信息技术产品形态才能得以体现。

数字化项目中的软件开发，与传统的功能型的软件开发具备较大差异，其中会涉及到更多的数据逻辑处理，以及大量的数据库交互操作。因此，数字化时代的系统研发工作对工程师们提出了更高要求。软件工程师不光要了解如何实现系统的基本功能，还要掌握如何准确无误地实现数据应用逻辑，保证其在功能和性能上均可以“完美”解决实际业务上的需求痛点。更进一步，在系统的设计阶段，也要求工程师能够准确理解数据类系统的功能特性，能够让技术产品符合用户真实的UI和UE习惯。

2.数据分析与人工智能

对于数字化转型工作来说，需要人们基于数据分析的技术手段来解决实际业务问题，构建相应的数字化应用场景。因此，数据分析技能对数字化转型十分重要。不少数据分析专业背景的人才都与转型的工作十分契合。在大数据时代，对数据价值以及数据使用方式方面的认知，决定了数字化转型的“落地”效果。熟悉主流的数据分析技术，能够灵活运用数据分析的模型、算法、思维，创造商业价值，这些都是优秀的数据工作者特质。

常见的数据分析方法包括传统的统计分析方法、数据挖掘技术，以及人工智能技术。三者的技术复杂性和理论深度呈现不断递进的关系：

基于传统的统计方法，可以从结构化数据中，通过对特定的业务指标进行统计计算，呈现直观的业务现状和趋势；基于数据挖掘技术，可以对数据对象开展探索性分析，发现隐含的业务规律，同时，也可以对非结构化数据进行处理，自动识别出有价值的业务信息；基于人工智能技术，可以利用数据集进行训练建模，构建出具有分类和预测能力的数据模型，提供自动化、智能化的业务能力。

在数据分析类学科中，涉及到各种主流的数据挖掘算法、机器学习模型。每种算法或模型都有其适用的问题场景。在具体数字化场景设计时，应当结合算法或模型的具体技术特点，以及客观的数据资源条件和应用场景约束，进行科学、合理的技术方案选型。

当前，数据分析学科呈现出以下几个发展趋势：

一是算法和模型的标准化、成熟化、框架化，数据分析方法的实现门槛逐步降低，掌握如何选择合适的方法比实现方法的代码细节更加重要，数据分析工作将在组织内部得到普及；二是具有大数据方面的应用特质，以深度学习技术和大模型为代表，数据分析技术将广泛应用于海量数据的处理和建模应用，通过强大的“算力”基础将逐步释放数据资源的规模优势；三是关注业务知识的价值，数据分析不是单纯的技术任务，而是技术侧与业务侧深度融合的综合型任务，对数据分析人员的业务经验以及业务知识积累的要求将不断提高；四是关注数据本身的质量，高质量的数据源比算法上的技巧更具实际意义，数据分析的广泛需求将反向推动数据治理工作的深化开展。

3.云计算和大数据

数字化转型中，对软件系统的综合性能具有很高要求，为了应对海量的数据存储和计算需求，软件的架构和底层的技术选型也在随之变化。传统的软件架构很难面向大量终端用户提供服务，同时，数据的处理效率也会存在一定的技术瓶颈。例如，在大数据场景下，在有限的时间间隔内，对海量“源端”数据进行集中备份和计算处理；再例如，对生产环境中感知的高频数据流进行实时监测与事件动态预警。因此，基于“云”的解决方案是近年数字化项目的总体趋势。

“云”包括云存储、云计算、云平台等更多细分领域，但总体而言，“云”的技术十分强调软件系统的“虚拟化”和“分布式”特征。基于“云原生”的软件应用，系统具有更强的能力可扩展性，以及对技术资源的组织柔性与调度灵活性。从工程实现方面来看，“云技术”可以近似理解为就是“大数据”技术。基于“云”的软件应用可以更高性能、更稳定地解决大数据场景下的数据分析问题。

与信息化时代不同，数字化时代的系统建设需要用到“云”的技术，也要求从事系统建设的开发人员能够掌握如何在“云”的生态体系中完成数字化的功能需求，并将相关技术服务在“云”上进行部署和维护。

在“云”的技术体系中，面向数据分析需求，有其特有的软件框架和编程技术，如Hadoop、Spark、Flink、Elastic Search等。这些编程技术在语言规则和代码风格上，都和传统的编程语言具有差异，建立在这些框架的软件程序不仅可以运行在单台服务器上，也可以运行在由多个计算节点组成的计算集群上。此外“云”的数字化应用在软件架构上，也和传统的信息化系统存在一定区别，从单体架构、SOA架构，逐渐朝着微服务架构演变和普及。

图17. 数字化转型的相关学科

4.管理学

前面讨论的能力主要是技术能力，涉及的学科也大多围绕数据科学学科。然而，数字化转型不仅是技术落地，更重要的是在管理上统筹规划和组织协调，最终实现业务的转型和组织的转型。因此，数字化转型与管理学学科同样具有非常密切的关系，从事管理学方面的研究和技能培养，对数字化转型工作十分必要。

管理学科的知识技能，可以帮助从事数字化转型的专家以结构化、系统化的思维来分析企业的能力和现状，科学、综合地进行数字化转型路径的规划设计。先明确业务和组织的变革方式，再思考在IT技术上如何配套实施。由此可见，在管理方面的能力和素质，对数字化转型极为关键，技术只是手段，而管理才是最终目的。

结合上述需求，在很多数字化转型工作中，企业都需要开展管理咨询类活动，数字化咨询与传统咨询在方法论上存在很大区别。数字化咨询围绕IT技术实施来为企业进行业务诊断和方案设计，因此，从事数字化咨询的管理人员，需要具备一定的IT技术和IT产品基础，不仅需要了解主流的IT概念和方法，更需要明白技术如何对企业的利益相关者（员工、领导、客户），以及各种管理活动产生影响。

管理学科知识的价值，除了体现在对业务的规划设计，还体现在转型工作具体的任务组织协调方面。在数字化转型中，要求各部门之间协同配合、数据共享、标准打通、业务联动。这就要求针对数字化的总体目标，能够制定出科学合理的工作流程、业务标准、管理制度，并要求所有相关业务部门和管理单元共同遵照执行。在具体方法落地的过程中，从事数字化的管理人员，需要具备快速、灵活地协调各方利益和化解冲突的综合能力，并采取适当的方法有效激励和帮助企业中各级人员主动投入到转型的事业中。