在企业从事数字化转型的工作过程中，往往离不开各种数据项目的建设活动，比如开发某个数据服务、搭建某个数据平台，或新增某个数据应用系统。软件系统通常是数字化转型工作中的重要物理载体，因此很多企业经常把转型工作等同于软件开发，并且误以为技术产品的好坏以及科技含量高低，最终会决定数字化转型的成效。

那么，数字化转型是不是一定要懂技术呢？管理者不懂技术，或者说企业的技术研发能力基础薄弱，是否能很好地开展数字化转型工作呢？

简单讲，转型成绩好坏和技术能力具有相关性，但是并不是必要条件。因为数字化转型的工作重点在于用系统，而不是建系统。如何用好系统来优化业务才是关键。

实际上，数字化转型的概念更多是面向于传统企业进行讨论的话题。传统企业的管理方式、运营方式、生产方式、服务体系，以及供应链体系等相对都比较落后，使用数据系统得到业务能力的提升，反而相比那些本来就拥有互联网基因的技术原生企业具有更大的发挥潜力。企业完全不必因为自身的技术能力短板而否定数字化转型的战略发展方向，反而技术基础越是薄弱，越应该重视数字化转型的产业机遇。

当然，这不意味着技术基础不重要，而是说企业要正视数字化转型和数据科学技术之间的关系。企业的数字化项目牵头者和决策者，不能受限于技术研发能力的基础，而要把工作重点和重心放在如何对现有的数据科学技术发展的“借力”上面。

数字化转型工作不是以技术为中心，而是以业务为中心，一切都要围绕着业务发展的真实需要来开展。技术本身没有好坏和高低之分，对技术的客观评判只能是从对业务变化的方向和影响程度来回看。

因此，我们可以这样讲，数字化转型的工作本质是一个全新的业务顶层设计任务，这个顶层设计的范畴既包括软件技术架构，也包括企业的业务架构。总之，数字化转型不是技术的升级，而是业务的优化。

基于以上讨论，在数字化转型过程中，最为重要的内容不是突破技术难题，而是找准业务痛点，做好转型模式的规划设计。此时，数字化业务的表现形式则是一种“人-机”混合的工作模式。也就是说，让人和机器互相配合来解决传统的业务问题，期间各自发挥各自的优势，达到一种完美的任务协作均衡。

机器不是整个数字化应用的全部，而只是与数据交互和数据处理密切相关的一环。机器负责的数据的快速统计和信息挖掘，而人则负责对从数据中提取的信息进行综合、推理、启发和决策。转型工作不必强求构建一个非常高级、智能的技术应用，而是结合人与机器各自的工作方式和特点，构建一个更加高效、稳定、可靠的工作模式。技术并不是数字化工作的全部，人与数据技术的融合关系才是数字化的本质。

在数字化转型的应用场景设计中，要足够了解业务逻辑、业务知识，以及和业务相关的数据科学技术的能力特点和能力边界。最终在此基础之上，基于业务特点和业务人员的工作习惯和模式，设计数字化应用系统的产品形态和使用方法。

可以说，正确的对待数字化转型的思维不应该是技术思维，而应该是产品思维。企业在数字化转型中，应该关注的问题核心是技术系统如何赋能业务，而非如何构建一个强大的技术系统。在数字化业务应用的顶层设计基础上，一旦确定了其中数据的角色、人的角色、系统的角色，就可以开展具体的系统建设工作了。

此时，即便企业自身不具备比较成熟的技术开发能力，除了可以依赖自身的技术团队自研构建软件系统，还可以通过以下两种方式来获得所需的技术系统：

一是直接采购现有的软件系统。这种情况主要是把一些现成的、相对通用的、成熟的软件功能嵌入到当前的业务活动中。为了更好地利用软件系统提升业务能力，符合企业当前面临的业务活动特征，通常需要对当前的业务流程进行调整，这个调整的过程也叫做业务流程重组（BPR，Business Process Reengineering）。面向某个行业的成熟软件系统也叫SaaS，通常是部署在远程云端的在线服务化系统应用，租赁订阅SaaS服务解决数字化业务需求，是成本较低且更好运营维护的数字化技术实施方案。

二是采用系统外包定制的方式。这种技术实施方式对于预算比较充足并且业务逻辑较复杂的大型企业来说是比较流行的技术落地方案。企业通过自身的业务设计规划，或第三方的数字化咨询，得到具体的技术系统需求方案。第三方技术厂商（ISV）结合已有的技术系统需求方案进行详细设计和编码实施，确认研发成本并负责相应的技术实施和系统运维工作。系统外包的方式不需要自己投入技术人员，数字化项目的管理者可以不必了解太多技术方面细节，缺点是研发周期较长，且需要不断面临因业务需求变化而造成的底层系统变更的技术风险。