干货｜全球六大数字化转型标杆！

作者: 托马斯·西贝尔

来源：摘自《认识数字化转型》一书，经机械工业出版社授权发布

法能能源公司

意大利国家电力公司

卡特彼勒

约翰迪尔

3M公司

美国空军

弹性云计算、大数据、人工智能和物联网技术的聚合推动了数字化转型。善于利用这些技术并成功转型成为充满活力的动态数字化企业的公司将会繁荣发展。反之，无法实现转型的企业将变得无足轻重甚至无法生存。我知道这听起来很吓人，但事实就是这样。

错过变革性战略转型的代价是十分惨痛的。多少曾经声名显赫的公司，由于墨守成规不愿改变而落得以失败告终的下场。百视达（Blockbuster，美国大型家庭影视娱乐供应商）、雅虎和博德斯（Borders，美国著名连锁书店）就是这样的例子，它们就是因为无法适应行业变革而被无情碾压。

美国视频和游戏租赁公司百视达在其最鼎盛时拥有6万名雇员，收入高达59亿美元，市值达到50亿美元。然而仅仅六年之后，这家公司就宣告破产，只剩下一具躯壳。2000年，奈飞公司首席执行官里德·哈斯廷斯提出与百视达合作，愿以5千万美元收购这家公司的线上业务，结果被百视达拒绝了。

截至本书写作时，奈飞公司的市值已超过1600亿美元，而百视达则彻底退出了历史舞台。奈飞察觉到了变化趋势，果断抛弃了邮购业务，转型成为流媒体视频公司。遗憾的是，百视达错过了这个机遇。

2000年，雅虎在互联网世界的地位如日中天，在互联网泡沫顶峰时期，市值一度高达1250亿美元。后来，雅虎有机会收购谷歌和脸书，但最后都因为价格问题没有达成交易。雅虎觉得支付30亿美元来收购谷歌这样的公司实在太浪费了。

2008年，微软曾尝试以450亿美元的价格恶意收购雅虎，结果被雅虎成功抵制。

2016年，Verizon公司以48亿美元的价格完成了对雅虎的收购。雅虎开始走下坡路的迹象十分明显，消费者互联网正变得高度移动化和社交化，基于图片和视频的互动趋势越来越强。雅虎没有觉察到这种趋势，结果被收购肢解。

截至本书写作时，谷歌和脸书的市值已分别达到8400亿美元和5000亿美元。

博德斯是一家美国图书零售商，2003年鼎盛时期在全美开有1249家分店。两年前，博德斯把旗下的电子商务业务委托给了亚马逊网站。后来证明这是一个巨大的错误，公司从此失去了打造专属在线业务的机会。

面对亚马逊的电子图书和数据推动型物流服务带来的生存挑战，博德斯显然难以招架。不出所料，把在线业务拱手让给亚马逊，使博德斯公司无法再进入电子图书领域，企业品牌受到重创，慢慢被消费者遗忘。2010年，博德斯曾试图推出自己的电子阅读器和电子图书商店，可惜为时已晚。一年后，这家公司关闭了旗下所有的书店。

百视达、雅虎和博德斯，这些公司绝非个别案例。它们的遭遇并不罕见，也没有任何特别之处。

简而言之，它们不过是业务模式转型造成的大规模企业灭绝现象中的牺牲品。它们很好地诠释了数字化转型失败的企业的下场。可以说在当今时代，数字化转型就是一场你死我活的竞争。无法成功实现转型的企业必然会遭遇与百视达、雅虎、博德斯同样的结局。

虽然转型失败的代价极高，但寻求数字化转型的大型企业的未来前景却从未如此光明。

这里主要有两方面的原因，一是梅特卡夫定律的作用，网络的价值会随着组成网络个体的数量的增加而增长。大型企业在利用数据方面获得的收益也遵从这一定律，在正确使用数据的情况下，企业数据的价值会随着数据规模的扩大出现指数级增长。大企业通常要比初创企业拥有多得多的数据，搜集整理数据的速度也相对较快。成功实现数字化转型的组织机构可以筑造起一道“数据壕沟”，这是一种不对称优势，能有效打击潜在竞争对手进入行业的意图。数据壕沟的影响力不可低估，目前亚马逊和谷歌已经形成了这种优势，其多年积累得来的消费者和用户数据达到了惊人的规模。

与此类似，市场的早期进入者，如优步、Zappos、Slack和Instagram等公司，也在利用破坏性创新产品大量搜集用户数据，快速获得竞争力，建立起强大的产品上市规模化优势。

大型企业更易于利用数字化转型的第二个原因是它们通常具备雄厚的资金。数字化转型可带来极富吸引力的投资机会，其中之一是雇用大量一流水平的数据专家和数据工程师。另一个是投资数字化转型技术。

我们发现这两个方面，即数据壕沟和雄厚资金，实际上是具备协同效应的。拥有专有数据、合理技术且有钱招募一流人才的大型企业，会发现自己正处在史无前例的有利发展阶段。

对于数据专家和数据工程师来说，更多的数据意味着更难解决的问题，它们会吸引一流的专家接踵而来。如果大型企业能成功实现数字化转型，它的数据壕沟（即相对于竞争对手拥有更多数据的优势）将会转化成吸引一流数据专家的能力、打造一流人工智能算法和输出平台的能力、生成一流观点的能力，以及最终实现一流经济效益的能力。谷歌、亚马逊和奈飞正是拥有数据优势的大企业取得成功的最好证明。

我们正处在数字化转型的早期阶段，正如我们所看到的，推动这场变革的技术仅用了5到10年的时间就已经发展成熟。本文，我要分享的是六家大型企业和政府机构成功实现数字化转型的案例，它们分别是法能能源公司、意大利国家电力公司、卡特彼勒、约翰迪尔、3M公司和美国空军。这些案例都是在我们（C3.ai公司）为上述客户提供咨询服务的基础上形成的。

下面的案例涉及解决全球最为复杂的一些数据科学问题，其中包含了不同的具体应用，如预测性维修、库存优化、欺诈识别、流程和产量优化，以及推动客户决策等。这些案例的共同之处在于其解决方式的战略性本质，特别是通过关注具体的高优先级目标来创造重大且可衡量的经济价值。另一个共同之处是转型变革都由企业首席执行官级别的高管强制推动。

法能能源公司是我在前面提到过的一家综合性法国能源企业，这家公司在很多方面都是大型企业成功实现数字化转型的楷模。法能能源公司拥有超过15万名员工，在70多个国家开展业务，2018年财报收入为606亿欧元。公司拥有的2200万个物联网设备和数以百计的企业运营系统每天可生成大量的数据。

2016年，法能能源公司首席执行官伊莎贝拉·高珊意识到公司所在行业的核心正在受到两大重要力量的动摇，即数字化和能源转型。用公司自己的话说，“无碳化、去中心化和数字化”正在推动能源行业的全新革命。高珊意识到，要想在新能源时代求得生存和发展，法能能源公司必须进行全面的数字化转型。

如前所述，成功的数字化转型在管理上必须是由上而下推动的。在法能能源公司，这个任务首先落到了高珊的肩头。她描绘了公司实现数字化转型之后的发展前景，宣布从2016到2019年，公司将投入15亿欧元推动数字化转型。为此，她专门成立了公司数字化部门，负责在整个企业范围内助力数字化转型活动。法能能源公司的数字化部门包括一个数字化工厂，这个工厂实际上是一个优胜中心，公司的软件开发人员可以在这里和合作伙伴孵化和推动创新信息技术工具在整个企业范围内的应用。后来，高珊任命伊夫·勒·热拉尔为首席数字官，负责全面管理公司的数字化转型活动。

法能能源公司实现转型的第一步是确定高价值使用案例，然后设定行动路线图，按照重要次序逐步实现全面数字化转型。公司的数字化工厂设计了一个有优先次序的全面项目路线图，应用案例横跨企业的各条业务线。具体举例如下：

• 在天然气资产领域，法能能源公司使用预测分析和人工智能算法对资产进行预测性维修，优化发电生产。具体措施包括找到低效生产原因，减少设备故障和提高运营时长。

• 在客户管理方面，法能能源公司为客户推出了一整套在线服务系统，包括可帮助客户自行管理能源使用情况的自助型应用。针对个体住户和大楼物业，公司开发了可根据智能传感器返回的数据进行分析的应用，以帮助用户节约能源。

• 在可再生能源领域，法能能源公司开发了数字化应用平台以优化可再生能源的发电生产。这些应用使用预测分析和人工智能算法去预测维护需求、发现未达产设备、为现场工作人员提供关于资产和维修需求的实时反馈。该平台目前已涵盖超过2千兆瓦的装机容量，截至2020年涵盖的装机容量会超过25千兆瓦，它已成为全球可再生能源管理领域最大的人工智能平台之一。目前，该平台有1000多种机器学习模型在不断进行算法训练，以适应持续变化的运行环境，每天能以十分钟一次的频率对遍布全球的350台风力发电机提供14万条预测分析结果。截至2020年，公司的数字化平台会应用20多种额外的机器学习使用案例，进一步释放出更大的经济价值。

  
  

在智能城市方面，法能能源公司计划开发部署一系列应用，包括高效的区域冷暖调温、交通控制、绿色出行、垃圾管理和安全管理，以推动可持续型节能互联城市的发展。据统计，全球人口生活在城市的比例将会从现在的50%增长到2050年的70%。

法能能源公司数字化转型的使用案例还有很多。在整个组织机构范围内，公司将在三年内开发部署28项新技术应用，培训100多位专业员工。为协调和推动这场变革，法能能源公司成立了专门的优胜中心，采用最佳实践推动业务部门领导之间的协作，确定需求，设计路线图，以系统化方式开发部署系统应用，创造出可衡量的转型成果。

优胜中心成立仅一年后，法能能源公司就开发上线了四种技术应用。这些应用的成果正在逐步显现，为企业带来巨大的经济效益。例如反预见性维护系统降低的设备故障率，以及设备下线维护计划的优化这两项应用每年预计可创造1亿欧元以上的经济价值。

意大利国家电力公司是全球第二大发电企业，拥有超过95千兆瓦装机容量，在全球有超过7000万客户和69 000位员工，2018年公司营收达到757亿欧元。作为智能电网领域的先锋，意大利国家电力公司是世界上首个用数字化智能电表取代传统电子机械式电表的企业，这是一项针对整个意大利用户实施的重要举措。2006年，意大利国家电力公司在整个意大利范围内安装了3200万个智能电表，后来在整个欧洲范围内共安装了4000多万个智能电表，占欧洲智能电表总数80%以上的比例。

意大利国家电力公司的数字化转型具有十分重要的意义，它是全球部署人工智能和物联网应用最多的企业。公司的数字化转型之路也是自上而下推动的，首席执行官弗朗西斯科·斯塔莱斯委派设施技术服务部主任法比奥·委罗内塞全面负责公司的数字化转型活动。意大利国家电力公司计划投入53亿欧元对其设备资产、运营系统和工作流程进行数字化改造，以达到强化互联性的目的。

在此，我们主要来看意大利国家电力公司数字化转型活动中的两个具体应用案例。第一个是对公司在意大利境内长达120千米的配电网络的预测性维修应用。这个网络由各种不同设备资产组成，包括全部装有传感器的变电站、配电线路、变压器和智能电表。

为进一步提高电网稳定性，减少系统掉线情况和设备故障导致的服务中断，意大利国家电力公司部署了预建型人工智能预见性维护应用。这款软件即服务（SaaS）应用使用高级机器学习算法实时分析网络传感器数据、智能电表数据、设备维修记录和天气数据，并将其与配电网络“反馈器”（即从变电站向变压器和终端用户输送电力的配电线路）联合起来，在故障发生之前做出准确预测。

意大利国家电力公司可以实时监控设备资产，每日对资产进行风险评估，快速发现异常状态或工作环境变化，进而预测可能出现的维修问题。这种人工智能预测功能可有效帮助意大利国家电力公司改善电网可靠性，降低运营成本，更加灵活地安排维修任务，显著提高设备资产的生命周期，同时极大改善客户的满意度。

这个项目的重要创新有两方面，一是为意大利国家电力公司开发先进的图形网络方法，使其能在任何时间点构造公司的网络状态；二是使用高级机器学习型框架开发持续学习能力，以改善对设备资产故障的预测精度。利用弹性云计算技术，这款预见性维护应用可从公司的电网传感器和智能电表中汇集拍字节规模的实时数据，然后将这些数据和运营系统数据进行关联，最后把数据提交给强大的分析和机器学习算法进行处理，让系统生成运营管理建议。

第二个应用案例是收入保护。意大利国家电力公司改变了传统的电力盗用（非技术损失）识别和处理方式，在提高发电量的同时，有效增加了对被盗用能源的追讨。为实现这一变革，公司计划推出企业级人工智能和物联网SaaS应用，该应用可在六个月的时间内部署公司分布在全球的所有运营机构。

实现这一目标需要开发一套可媲美公司内拥有30多年人工处理经验的专家的机器学习算法。尽管这是一项相当重大的技术挑战，意大利国家电力公司仍制定了雄心勃勃的发展计划，准备在几年的时间内把企业的收入保护能力提高一倍。

推动这项转型的一项重要创新是取代传统的非技术性损失识别流程。具体做法是在结合能源追讨程度和欺诈可能性的基础上，利用高级人工智能算法对服务点潜在的非技术性损失情况进行分析和优先度排序，进而改善现场检查的成功率。人工智能型收入保护应用的部署，使意大利国家电力公司成功实现了预定目标—被盗用能源的平均追讨量翻了一番。由于公司原来的工作流程拥有三十多年的专家经验，这项人工智能系统的应用取得了很大的成功。

数字化转型为意大利国家电力公司创造了极大的经济价值和影响。该公司为此被选入《财富》2018“改变世界的企业”榜单（全球仅有57家公司入选），这已经是该公司四年之内第三次被选入该榜单。企业入选《财富》榜单，是因为它们的核心业务战略既能带来社会价值，又能带来环境方面的改善。意大利国家电力公司已经把创新和数字化转型灌输到了整个组织机构的每一个方面，由此带来的回报是非常可观的，每年预计可创造超过6亿欧元的经济价值。

目光转向工业制造领域，我们来看一下世界一流建设和矿用设备制造商卡特彼勒的应用案例。卡特彼勒是一家专业生产高度复杂的工程化产品的企业，公司深知从根本上转变密集型生产流程蕴含的重大价值。2016年，时任卡特彼勒首席执行官的道格·奥伯赫尔曼（Doug Oberhelman）宣布：“目前我们有40万台互联设备，这一数量还在继续增长。到今年夏天时，我们每一台下线的机器都将实现互联，为业主、经销商和我们提供设备生产率方面的反馈数据。”他预测未来卡特彼勒将会“在用户的手机上显示包括机器、车队、性能状况、出勤率和生产率等在内的所有信息。”

卡特彼勒的数字化转型战略取决于公司的数字化互联设备，目前公司在全球范围内投入使用的设备约有47万台（预计很快会增长到200万台以上）。为实现转型，公司的第一步是成立可扩展的企业数据中心，对全球2000多种卡特彼勒的应用、系统和数据库传回的数据进行统一整理。这些数据包括业务应用数据、经销商数据、客户数据、供应商数据和机器数据。这些数据会被汇集、分类、规范并整理成统一的数据格式，以支持各种机器学习、预测分析，以及在公司所有业务部门中的物联网应用。

通过企业数据中心，卡特彼勒开发了一系列应用来推动其数字化转型活动。公司首先在库存管理方面实现了智能应用。面对需求随时变动的28 000多个零件供应商和170个国外经销商，如何管理好供应网络是一个令企业感到极其头疼的问题。如何利用人工智能、大数据和预测分析手段实现供应网络的可视化、了解国外零件海运的中转时间、减少过度库存和备件库存，这些都是卡特彼勒亟待解决的重要问题。

随着人工智能应用的出现，卡特彼勒现在可以搜索检视整个供应链的库存情况，接收人工智能应用对最佳库存水平提出的建议，在缺货风险和过量库存之间找到完美平衡。公司开发部署的高级人工智能解决方案可使经销商可视化地观察到从产品组装到成品入库的整个流程。此外公司还能提供复杂的“相似性搜索”功能，帮助经销商对接近客户需求的库存产品进行搜索，从而更有效地满足客户的需求。这项应用还能向卡特彼勒的生产规划人员和产品经理提出配置选项建议和库存水平建议。

接下来，卡特彼勒准备利用所有互联设备返回的遥测数据以及和每一台设备环境工作条件相关的数据。其中，部分遥测数据的发射频率能达到每秒1000多条信息。这种人工智能应用可以帮助卡特彼勒及时发现设备异常、预测设备故障、设计开发更具竞争力的保修产品，以及利用整套运行数据开发下一代产品和特征。

卡特彼勒的上述业务变革是通过建立优胜中心来实现的。这是一个跨职能团队，组织外界专家和公司开发人员对各部门进行密集培训，帮助员工了解如何利用人工智能和预测分析手段设计、开发、部署和维护各种系统应用。优胜中心的作用是确定优先发展案例路线图，实施可升级可重复性程序以开发、部署和运行一整套高价值应用，进而推动企业的全面转型。

约翰迪尔也是一家利用数字化转型战略改变供应链的工业制造商。约翰迪尔公司成立于1837年，是全球最大的农用设备制造商，拥有6万多名员工，年收入超过380亿美元。

管理库存是约翰迪尔数字化转型的重要组成部分。这家公司在全球设有数百家工厂，负责生产极为复杂的工业化设备。客户可对公司上百种个性化选项进行配置，从而形成数以千计的产品组合。如此规模的产品定制化服务为公司生产过程中的库存管理带来了极大的复杂性。

以前，约翰迪尔必须管理需求波动、供应商交货时间以及产品线故障等各种不确定性因素。这些不确定性，以及产品配置在订单下达之前很难最终确定等问题，导致公司不得不维持过量库存以及时完成订单。显然，维持过量库存不但成本极高，而且管理起来非常复杂。

和很多工业制造商一样，约翰迪尔部署了物料需求规划软件来支持生产规划和库存管理。此外，公司还尝试了各种不同的商用库存优化软件。但是在种类数量繁多的情况下，这些软件并不能动态优化具体零件的库存水平，也无法管理不确定性和利用数据进行持续学习。重要的不确定性因素有很多，其中包括需求变动、供应商风险、供应商交付产品的质量问题，以及生产线故障等。

为解决这些问题，约翰迪尔开发了人工智能型应用来优化库存水平。该应用首先被投入到一条拥有超过4万多个零部件的产品线中。在各种参数的基础上，公司使用算法计算每日历史库存水平。使用人工智能应用之后，约翰迪尔可以模拟和优化订单参数，根据生产订单对计划使用的物料进行量化，从而实现安全库存水平的最小化。这项应用为企业带来了深刻的影响，约翰迪尔的零件库存水平降低了25到35个百分点，每年可为公司创造1到2亿美元的经济价值。

总部位于明尼苏达州的3M公司是一家大型跨国综合性企业，围绕46个核心技术平台生产，有上万种不同的产品。公司的主营业务是实体产品，此外还有一个3M健康信息系统部门负责开发软件产品。

3M公司的起源可以上溯到1902年，当时一群有志青年成立了明尼苏达矿业制造业公司，可惜这家以矿业为主营业务的公司很快就以失败告终。但公司创始人、一些投资者和员工试图东山再起。他们改变了经营思路，开始尝试商业化不同的产品，最终通过生产砂纸取得了成功。在经营过程中，3M公司形成了活跃的创新文化，这种文化一直成功延续至今。3M公司拥有多项知名的工业产品和消费者产品，如透明胶带、便利贴和斯科奇加德防油防水剂。目前，3M公司（2002年更名）拥有91 000多名员工，2018年营业收入超过320亿美元。

公司首席执行官麦克·罗曼是一位在3M公司工作30年的老员工，他的管理团队正在实施“3M守则”式管理。3M守则是一套战略流程，它关系到公司的简化、优化、创新和竞争力开发等核心目标。作为守则的一部分，3M公司的“业务转型”活动强调在降低成本的同时提高经营生产率。

2018年，罗曼在接任首席执行官不久后称：“在快速变化的时代，企业必须不断做出调整、改变和预测。正因为如此，公司转型对我们至关重要，我们必须变得更敏捷、更紧跟时代、更高效、装备更好的技术应用，只有这样才能满足不断变化的客户需求。”

3M公司发现，其业务流程中有很多机会可以使用人工智能技术来推动经营效率和生产率的提升，为公司带来直接的可观经济利益。为此，公司正在开发部署多项针对特定高价值使用案例的人工智能应用。下面我主要介绍其中两种会令制造业企业感兴趣的使用案例。

在第一个案例中，3M公司开发的人工智能应用极大改善了其“承诺交付”流程。它能帮助公司向企业用户做出更准确的产品交付承诺，有效提高了客户的满意度。要知道，对3M公司这样拥有庞大供应链、物流网络和数以万计产品变量的大型企业而言，这是一个非常难以解决的复杂问题。

在人工智能应用的帮助下，3M公司可以整合并统一来自不同企业系统的数据，如订单系统、客户系统、需求系统、生产系统、库存系统和客服系统，从而预测每一份订单的预计交付时间，在客户下订单时做出精准的承诺。这种类型的人工智能应用可以把商对商采购变得像在亚马逊网购一样简单，通过承诺交付的方式极大提升公司的客户服务能力。此外，这一应用的第二个好处是可以发现供应和物流网络中的瓶颈环节，进一步推动网络优化。3M公司的授权用户可在全球任何角落访问相关的关键绩效指标，这些指标可以通过直观的用户界面以实时方式进行更新。管理者还可以利用系统反馈信息制定重要的运营决策，例如订购额外库存、重定向订单，以及向可能受影响的客户发出服务预警。

第二个应用案例关注的是“订单发票升级”流程，其目标是大幅减少与发票相关的客户投诉数量。面对很多采购订单的复杂性，如各种发票行、跨境交付，以及多种折扣率和税率，客户往往会对发票的相关问题有大量投诉。3M公司开发的人工智能应用可以预测可能导致客户投诉的发票，提醒公司专员在寄送之前对发票进行审核和修改。3M的发票管理系统以前只靠规则型算法标记可能存在的问题，这种系统缺乏人工智能的预测能力。新的应用使用复杂的人工智能算法和现有规则，能以极高的精确度发现存在问题的发票。对于3M公司这样业务遍及全球的大型企业来说，无论在降低调查成本还是在提升客户满意度等方面，这套系统带来的好处都是显而易见的。

截至2020年，3M公司预计其业务转型活动每年可为公司节省5～7亿美元的运营支出，此外还能节省5亿美元的资金投入。加起来这就是10亿美元的经济价值，约占公司2018年营业收入的3个百分点。

当很多工业企业在利用人工智能预测分析技术优化库存、预测收入和改善客户关系时，政府机构也在积极利用数字化转型的优势为自身服务。

美国空军每年要花掉三分之一的预算对设备进行维修。这笔费用哪怕稍微省下来一点，都会对军事备战产生深远的影响，这种影响对现有资源、部队士气和其他方面的作用更是难以估量。从2017年年中开始，美国空军系统的几个内部团体开始考虑能否使用人工智能技术对战机维修工作进行预测，从而减少计划外故障、提高战机可用率、改善维修计划的常规性。

美国空军需要维修近5600架战机，这些战机的平均服役时间达到了28年。空军系统在美国拥有59个基地，在海外有100多个机场。这些飞机由17 000名飞行员驾驶，数以千计的不同业务部门的专业人员负责维修。决定飞机是否需要维修，以及六大主要系统（引擎系统、飞行系统、环境控制系统、液压气动系统、燃油系统和电子系统）和子系统是否出现故障的相关因素有很多种。基地的温度湿度、维修人员的行为、飞行条件、时长、设备状况、服役时间等都会影响飞机的维修需求。

为解决这个复杂问题，美国国防创新单元驻硅谷工作站负责推动商业技术和空军系统多个部门之间的军事应用合作，共同开发基于人工智能技术的预测性维修应用。这些团队首先从E3空中预警机展开研究，把积累了长达7年的所有相关结构化数据和非结构化数据汇集到一起，其中包括飞行架次、机组人员经验、子系统相互依赖程度、外部天气、维修日志、油样，以及飞行员记录等。

针对一架E3预警机的子系统，这些团队使用三周时间汇集了来自11个渠道的2000个数据点的各种操作数据，在此基础上开发出了应用原型。经过12周的努力，他们向军方交付了含有20种人工智能机器学习算法的初始应用程序。该应用可计算高优先级战机子系统的故障发生率，以确保在故障发生之前及时对这些系统进行维修。

预测性维修应用还能优化维修计划、保障设备的无故障风险使用、优先安排需要维修的设备、利用现有工单管理系统直接安排维修活动、发现造成潜在故障出现的根源，以及向工作人员推荐技术解决方案。现在美国空军团队能以不同的数据为基础对设备状况进行分析，其中包括系统和子部件、风险描述、操作状态、地理位置和部署等数据。

总体来看，前期项目提升了40%的飞机可用率。在前期项目成功的基础上，美国空军把此项应用扩展到了C5银河运输机和F16战隼式战机，未来更计划把预见性维护应用部署到空军系统的所有机型。经过广泛部署之后，预计美国空军的整体备战水平可提高40%（见图8-1）。

注：根据对E3预警机（左侧）部署人工智能预见性维护应用取得的初始成果，美国空军把该项目扩展到了F16战隼机队（中间）和C5银河运输机机队（右侧）。

上述案例表明，数字化转型可对大型企业和公共服务领域带来革命性影响。未来，这些变革将会逐步深入到企业和组织机构的所有流程和文化中去。

但是数字化转型的成功离不开两个重要的前提条件，一是可支持人工智能和物联网等新式应用的技术基础设施，二是来自企业首席执行官的直接领导。

(欢迎大家加入数据工匠知识星球获取更多资讯。)

了解更多精彩内容

长按，识别二维码，关注我们吧！

数据工匠俱乐部

微信号：zgsjgjjlb

专注数据治理，推动大数据发展。