数字化这一主题对于要实施规范性敏捷操作流程的企业至关重要。数字知识正是实现这一过程的行业术语。数字知识是将人类专业知识及业务数据信息化的手段和规则，将这些见解变成数字化信息，并提供辅助决策。分析是数字知识的关键工具，尽管许多公司正是以这种方式使用它们的前端。
许多企业都在谋划数字化转型路线图。这一点在复杂的全球工业市场的世界500强企业表现的更为明显。其中涵盖多个行业，包括石油、天然气、航海和制造业等。
对于这些大型组织而言，转型不仅仅是技术层面的问题。它是一场关于超越20世纪的商业实践，并利用颠覆性创新能力，在数据驱动的繁荣经济体系下茁壮成长的革命。这场数字革命的关键不仅在于盈利能力，安全性，客户满意度，运营效率，环境管理等，还取决于企业数字化转型的能力以及比竞争对手更快的转型速度。
数据无处不在，但还不够
数字化转型并不缺乏可以利用的数据。大型企业通过系统或手动收集数据的历史由来已久。如今，技术已经破除了许多壁垒，打通了信息孤岛。使企业可以更容易地追踪访问丰富的历史性能数据。互联装置，设备，系统和组织架构可以随时生成，收集和共享实时数据。
然而，许多工业企业在数据应用于数字化转型的过程中遇到了困阻。数据的数量，复杂性和传输速度往往使系统不堪重负。价值实现被无限期延迟，甚至是无法实现。
这些问题出现的部分原因在于组织错误地认为数据、数据湖、算法和分析引擎的简单组合本身就是完美的解决方案。而在行业专家看来，简单的数据集组合很难得到完美的行业解决方案。特别是对于世界500强的工业企业而言，这些公司必须轻松处理可以想象到的最大数据集。
知识是关键，但仍然被隐藏
在数字化转型的方程式中，往往缺乏任务关键型能力。人类的专业知识将驱动数据中的内在价值并确保价值即时实现。专业知识可以理解数据的含义以及知道如何、何时采取合适的建议来实现效益转化。最终，人类的专业知识优化了转型的价值，并确保执行中的准确性和速度。
通过提供必要的背景知识，公司可以利用其专业的洞见实现理想的成果：流程效率、盈利能力、绩效、安全性等。然而，这种来自于人的洞见往往隐藏在组织中，紧密地束缚在落后的企业文化中，就像大多数非结构化数据一样。
克服知识障碍
部落知识(tribalknowledge)继续混淆
几十年来，获得和应用知识是工业公司持续追求的关键任务之一。新技术、培训和教育方法以及系统和工作工具已被尝试用于获取和转移部落知识(tribalknowledge)。
整个行业都在努力“破解”部落知识(tribalknowledge)的代码。此外，无数的内部倡议已经得到资助，然后在进展中消亡。在建立组织知识的需要和对高价值专家的工作安全的潜在前景的考虑下，公司一直在努力取得进展。
现在，很多经验丰富的个人，包括大型组织中数以千计的专题专家都已达到退休年龄。因此，企业正在面临失去这些工作者的经验和专业知识的困境。
数字化转型中被搁浅的知识
除了处理部落知识(tribalknowledge)所面临的挑战外，有着长期搜集数据历史的工业公司将可以操作的信息留在了未处理的数据及其来源中。尽管他们提高了访问这些信息的能力，但这种趋势仍将继续。许多知识面临的困境是，它们被收集起来，但很少被使用。
这些数据通常是结构化和非结构化格式的组合。数据格式包括照片、音频、电子表格、纸质工作单、电子邮件、报告、维护日志、流式视频、信任评级、行业标准流程、社交媒体发布内容等。
数据无处不在，但是知识在很大程度上是被隐藏的。如果大型工业组织无法识别、访问、场景化并分享这一重要的专题知识，即其知识产权。转型将仍然被限制。
实施数字知识战略
为了保持竞争力和企业繁荣，工业企业需要将人力资源整合到数字化转型中。这样做意味着克服部落知识和被搁浅的知识所固有的障碍。
数字知识是将人类专业知识及业务数据信息化的手段和规则，将这些见解变成数字化信息，并提供辅助决策。这使得行业专家能够做出更好和更快的决策，从而改善操作流程。
实施数字知识战略需要一种具体但相对简单的方法。这需要结合以知识为中心的发展方向，利用一系列分析技术和人工智能技术。公司应该：
从业务相关的问题开始，而不是数据。缺乏以业务问题为中心导向的企业往往会在数字化转型项目中失败。过于关注数据的公司，会因数据的数量和复杂性而不堪重负。反过来讲，数字化转型计划最后成为一个复杂的IT项目，是因为领导层认为技术团队应该有解决数据管理问题的能力。当企业通过首先确定业务问题开始数字化转型时，需要解决的专业知识和决策流程成为任务的核心。因为它们最能推动中小企业知识创造，为解决问题提供必要的背景知识和决策流程。通过消除识别问题和解决问题所需要的知识之间的差距，加速企业数字化化转型。
使用数据格式和源代码来引导分析技术。当涉及实现以知识为中心的数字化转型时，简单和复杂的应用都可以被使用。这些数据可能是结构化和非结构化格式的组合，包括工作日志、应用程序、事件报告、图像、电子邮件、使用手册、互联网数据等。在分析过程中可能需要一系列的技术，例如决策树、认知分析等。
通过持续改进消除中小企业的数据科学技术障碍。一旦开启数字化转型，中小企业将会通过不断创新，来改善和简化其业务流程。但是，他们缺乏关键的高级数据科学技术。因此，他们可以利用旨在协助以知识为中心的分析工具(如：语义搜索、自然语言处理、拖放数据等)来消除差距，指导或自动生成模型以及模型库。
扩大知识创造的新价值。随着决策流程变得数字化和可操作化，在决策过程中可能存在更多有待挖掘的价值。可以识别和利用与二级或三级相互依赖的关系，为业务提供一个更全面，更明智的决策。各级决策相互联动，合力提供的洞察结果可以创造新的价值。例如，将流程决策结果推送给任何受影响的人，包括工程师、财务以及现场工作人员等。
正如任何一个企业的业务转型一样，实现及时、可衡量的成果决定了转型的成功。一些工业巨头正在利用数字知识战略来驱动巨大的商业利益。
