数字化行业的演进逻辑

数字化行业的第一要务是业务数字化，业务数字化是所有的业务都要线上作业，这个过程是应该由业务本身驱动的。数字化在线的过程需要大量的IT工具，这些IT工具和业务的磨合有个过程，磨合到一定程度，业务基本线上化，作业数据便沉淀下来，这些数据越来越多，就会延伸数据平台的诉求进行中心化管理和价值挖掘。

分工分析

数字化行业演进过程，有下面几个业务分工和角色：
1.专注于业务是用户，他们的技能是业务本身；
2.专注于IT开发，且各种IT的组合选型和适配，需要的是代码开发和流程工具能力，包括作业平台和数据平台实际上也是IT能力，作业平台偏业务流程，专业的作业平台，如热仿真、动力仿真、运动仿真等需要专业的业务知识，数据平台则需要数据库和大数据的专业知识，建议分开，尤其是专业的作业平台要和其他工具分开。
3.决策分析智能化工具实际上也是IT工具，但是要求是对智能算法比较熟悉，这个要求比较高。
4.使用数据平台进行数据管理的，则是数据工程师，主要对业务和数据的逻辑比较熟悉，重点针对数据内容的完整性和质量负责；
5.使用数据进行智能分析决策的工程师 是数据分析工程师，要求熟悉业务和数据算法，主要对数据的价值挖掘和呈现负责；

机会点分析

	以上分工中，业务本身的一些内容，是由各行业的专业人士来完成；身处各个行业的同学，可以了解数字化的内容，逐步的构建或者整合数字化相关能力，支撑业务向数字化发展，以做到这个业务的高效高质量响应客户需求；
	在作业IT工具和数据平台的应用过程中，基本上都是基于业界生态来做，避免大家重复做相同的内容，成本较高，也无法让行业快速发展起来。但生态做的内容很难适配各个行业的定制化需求，所以这块的架构应该是开放的，大家都可以基于这个开放的架构开发自己的模块和组合自己的产品。
	数据管理工程师的工作则是在数字化转型到一定阶段必须要有的，其对大量数据的产生、扭转、应用的质量负责，支撑数据规范作业，顺畅高效的产生价值。这个岗位主要是带运营和事务性的，当然这个岗位也是衔接业务和作业IT工具和数据平台的中间人，对IT工具和数据平台的数据要求都有最重的话语权。
智能分析工程师则是释放价值的，因为技术门槛较高，具备较强的稀缺性，数据分析效率的高低、算法的质量都是其竞争力，未来还有较大的发展。

平台型企业是大企业专属，如阿里、腾讯、华为等具备较强实力的企业。
开放生态行业企业这是是创业的热点，这里的企业可以针对某个行业进行数字化服务。
数据分析如果能够诞生行业的通用分析能力套件，那将是业界的畅销应用。