从客户的角度看，数字转型是实现数字升级。 对于交通行业的用户来说，如何实现完整的业务流程精细管控，以满足交通行业“更安全、更高效、服务更优化”的业务诉求。

这是客户最关注的，也是数字化转型的核心。 只有解决数字升级问题，您的数字转换业务才能获得成功。

数字化转型的关键：打通“任督二脉”

数字升级的表面是数据孤岛引起的数据分割，简化后将数字化落地到数据交换平台，然后将分割后的数据集中存储在一起，实现了数据平台

因为这个观点有一定的代表性，有一定的合理性。 如果不解决数据孤岛问题，就无法实现“全链接”，当然也无法实现精细化的业务流管理。 如果解决了数据孤岛的问题，不是就能进行非常细致的业务流管理吗？ 许多失败的案例提醒我们，打破数据孤岛是业务流管理的第一步，也是基础的一步。

客户数字化转型的商业诉求是“实现精细的业务流管控”，这是“更安全、更高效、更优质的服务”的前提。 要实现这一商业诉求，需要进一步解决以下两个问题：

如何“全链接”数据？

数字化升级无疑是一个注重数据价值的过程，那么如何实现数据价值导向呢？ 如果收集分散在各个业务系统中的数据，并统一保存，是否就是“所有链接”数据呢？ 管理数据时，如何管理？ 只有采用名词定义统一、格式转换等方式才能实现数据管理吗？

如何“全链接”业务？

数字化升级是一个重新定义业务流程的过程。 请注意，重新定义并不意味着部门职能责任的调整。 在机场，应该如何像Stream (业务流程)那样管理和协调各个流程？

以飞机的形式来举例，数字转换是方面，“全链路”数据和“全链路”业务是两翼，就像“任督二脉”。 只有通过“任督二脉”，才能真正推动客户数字化转型的商业成功。 两个“全链路”的实现，归根到底是如何发挥“数据驱动商业”的全新模式——数据流的价值。

IOC——以业务流程场景为躯，打通“任”脉

智能运动控制中心(IOC )可以理解为由数字转换产生的新系统。 其目标是解决复杂业务流程中的全局动态可视化难题，并在全局动态可视化的基础上实现情境感知、业务协作和决策支持。

以航班运行保障业务为例，这是机场业务中最重要的流程。 从进港航班座位分配到航班落地后滑行引导； 在飞机从跑道起飞之前，从登机后的几个阶段的地面勤务保障到登机后的滑行待机。 涉及多个部门、多个业务部门、多个工作工序，每个工作工序都涉及人员、工具和流程。

航班运行保障工作诉求是安全高效地保证航班进出港、地面服务、出港，满足航空公司运输旅客和货物的需要。 为此，机场建立了多个信息化系统，以支持地衣系统、航空显示系统、出港系统、集成系统等业务操作。 但实际上，作为航班运行保障的主要负责人，AOC在实际业务中面临多个系统、多个终端，必须在多个信息源中人工分析比较，然后通过手持/对话/电话发出相关的指挥调度指令。

这在交通行业是普遍的需求。 在多个业务功能系统中处理单个操作(Process )时，由于缺乏端到端业务流(Stream )管理，很难满足复杂场景中的每秒协作和调度需求。 这是客户希望数字化和升级的典型方案。

他认为，这不是简单的数据交换和整合无法解决的问题，而是需要以数据为导向的业务场景化解决方案。 IOC可以通过两层“建模”实现数据对业务的“全链接”。

“业务建模”:业务流管控提出的新课题是，通过业务链下的全业务操作监测，针对业务流管控目标和课题，更好地实现业务间/部门间/部门间的协作和调度，使航班运行更加安全高效这离不开情境感知、协同调度、决策支持等多个维度的新需求。

IOC通过“业务视图”模型构建“业务流程模型”。 具体地说，用户是谁？ 场景是什么？ 基于什么问题/诉求？ 你想得到什么样的信息？ 根据这些信息需要发出什么指令？

例如，我们为“资源调配席”设计的航线视图，不仅可以按顺序跟踪进出港航班，还主要围绕“资源调配席”的核心诉求——资源分配构建视图。

能否根据航班的实际飞行/接近情况动态计算更准确的提前到达时间(ETA )？

能根据场面的运行状况预测“入住”的时间吗？

根据“搭乘”时间和搭乘前后的航班联络规则，能预测是否有搭乘冲突的危险吗？

当存在机械位置碰撞的危险性时，系统能否自动提出更合理的机械位置调整方案？

确定机器位置调整方案后，系统能否“一键”完成机器位置调整，并按照业务规则同步到各操作系统？

此外，在航线视图中还增加了“终端口”实时通过情况、先期航班保障流程和座位压力等情况，以便全面掌握运行情况，更好地协调和调度。

通过这样的“业务建模”，我们构建得很好

建了端到端的“业务流管控”模式，在一定程度上按照事前预测、事中协同、事后分析实现了对全业务链条的感知、管控、协同与辅助决策。

“数据建模”：毫无疑问，要想真正构建上述端到端“业务流”管控，没有数据的支撑就不可能实现。但其不仅是将多个业务系统的操作数据交换/集成过来，更不是将原有业务操作系统的功能重新构建一遍，而是需围绕业务流管控过程中出现的数据/流程断点，通过模型算法和指标体系更好地实现对过程数字化及规则数字化的管控。

智能机位分配就是围绕航班运行保障中关键的机位资源进行人工智能算法调度，将调度规则数字化后，在实时数据感知的基础上进行实时自动算法调度，不仅有效解放了人工排班的工作量，更能够基于每个实时场面情况（冲突、ETA预达时间变化等）动态地进行秒级分配及调度；VTT（可变滑行时间）算法则能够提前根据场面的运行情况，预测出飞机从跑道降落到“入机位”的完整过程，从而推动机坪、地服等部门根据此预测进行秒级作业调度和协同。

另外，我们围绕业务流过程数字化构建的衡量指标和指标体系，能够帮助AOC在整个业务流管控中实现“经营指标→业务指标→业务动态”穿透式的管控。

正式基于“业务建模”和“数据建模”，IOC构建了一个集成、协同的服务平台，实现了对业务的“全链接”，在一定程度上打通了“任”脉。疫情期间，这个平台仅用两周时间就实现了对疫情数据采集、跟踪、分析和报表的全业务支撑。

当然，随着数字化转型的深入，一个集成、协同的IOC平台也需要不断升级迭代：以一个一体化前端支持用户侧的弹性需求，以一个丰富的“业务平台”来满足更多的预测、感知、协同和辅助决策的需求。需要说明的是，“业务平台”并不意味着对现有生产作业系统的重构。

数据——以行业数据模型为核，打通“督”脉

数字化升级要实现跨作业/跨部门/跨单位的协同和调度，就必须通过“Stream”业务流来实现数据的“全链接”。其不是简单地将数据交换起来，也不是按照传统的数据仓库模式进行数据的汇聚与报表的展现，而是对准业务流数字化转型的需求，以“行业数据模型”为核，构建数据资产平台。

大数据的概念出现很早，也有不少的企业在大数据领域进行投资，开展了很多实践，尝试构建“数据驱动”的业务模式转变，这其中也包括了华为自身的实践。对比转型成功的企业，无一不是将数据转换成为了支撑业务价值/变革的资产。而要将数据转换为资产，就需要在数据治理、数据建模、数据服务等各个层面上对准业务场景与需求，沉淀行业洞察，从而打造“可信、可用、可管”的资产平台。

华为将“业务流→数据流→应用流”的梳理过程提炼成方法论，用“V”来表达，也称为“V”字模型：

• 按照业务（子）域，进行业务能力的梳理；

• 打开业务能力，进入到业务场景和工作流/活动的梳理；

• 基于业务场景和工作流/活动的梳理，提炼出业务对象；

• 基于业务对象，梳理数据实体，形成概念模型。

“V”字模型落地到数据资产建设中，其核心就是打造“行业数据模型”，概要如下图所示。

行业数据模型概要

在打造行业模型的过程中，首先，要以“可信、可用、可管”为目标，对原始数据进行全流程治理。“可信”即数据质量要可信。这是基础中的基础，但要做好“可信”，就不仅要按照传统模式定义数据标准，更要能够将数据转化成业务资产，再对准业务流程定义出业务标准和质量标准；“可用”是指要满足业务对数据的服务需求，这是“数据”能形成“资产”的必要前提；“可管”包括数据安全、数据运维及可支持未来业务弹性的数据运营。

其次，基于行业的“强规则性”特点，以3NF进行数据的分层建模。基于“业务流→数据流→数据实体”梳理的过程，确定数据实体，以及每个数据实体下的属性定义，就构成了CDM（概念模型）。有了CDM，就可以根据行业标准，进一步细化LDM（逻辑模型），通过3NF或维度建模方法调整、优化实体间的关系，以确保数据不遗漏，并在冗余和弹性间做适当的平衡。

我们在每个业务领域均采用这样的建模模式，以确保数据加工的业务价值。而数据加工过程中的数据治理、数据质量、作业流程均依赖于此数据建模过程，这也是一个“数据映射业务”的过程。

在主题库行业标准化的基础上，我们还构建了业务指标体系及算法模型，以快速满足业务流程数字化转型过程的数据需求：

1. 构建从经营指标到业务指标的指标体系，帮助管理和业务部门实现对业务过程化的数字化管控。

以“生产运行指标体系”为例，其依据业务流针对每个业务活动定义输入/输出，并基于业务流（航班保障正常率）目标定义业务活动的衡量指标和影响因子，以使AOC部门提前感知每个保障环节的压力，了解保障环节的进展对航班放行正常率会产生怎样的影响，并决定是否要提前介入/协同。

2. 对准流程梳理过程中的流程/数据断点，构建算法模型仓，以推动业务流的精细化管控。

以航班流管控中的智能机位分配为例，通过规则的数字化可实现分钟级动态机位分配，有效提升机位的周转率和旅客靠桥率；VTT（可变滑行时间）算法尝试基于复杂场面运行构建算法模型，以提高对航班地面滑行时间的精准预测，从而帮助AOC实现对机坪场面的秒级管控与协同。

在数据服务层面，数据资产平台提供了数据资产的运维、管控和运营一体化平台，从而让业务部门成为数据资产管理和业务价值应用的主体，使数据与业务真正结合在了一起。

总体来说，我们以“V”模型梳理业务流和数据流，构建行业数据模型，在此基础上进行“可信”“可用”“可管”的数据治理，并对准业务流管控需求，构建生产运行指标体系和算法模型仓，以满足精细化的数字化转型需求。

当我们讨论“愿景驱动”数字化转型时，其实很大程度上是认识到数字化转型所带来的机会与挑战。在交通行业，数字化转型并不仅仅是进行信息化改造，而是要在现有信息化的基础上，完成“数据驱动业务流”的数字化升级。

要实现“数据驱动业务流”，依靠单一应用/功能系统无法支撑，落地到技术层面，一定是“平台”化架构。而其与之前的信息化建设模式会有较大的不同，体现到项目及版本建设方面，主要有以下几点总结与反思：

• 数字化转型与原有信息化建设方式的不同之处在于，其是对传统模式的变革和优化，这个过程对客户、华为和生态均会有挑战，既有技术/产品层面的挑战，也有人员/组织/流程方面的挑战。

• 要更为关注数字化升级的客户诉求，比如数据如何驱动业务流的管控。

• 只有坚持行业洞察能力和数据生态体系的建设，数据模型才具备规模复制的产业能力。