史凯 ｜ “数有引力：场景驱动的数字化转型”

欢迎大家关注“凯哥讲故事系列”公众号，我是史凯

给你最本质，最实战的数字化转型指南

数有引力：场景驱动的数字化转型

一、先别谈技术，先问一句：

你到底要改变什么场景？

这几年，我们被各种热词包围：大模型、算力中心、数据要素、元宇宙、低空经济…… 但如果你冷静问一句：“这些东西最后要落在哪个具体场景里？要改变谁、什么、哪一刻？”

——很多项目就开始含糊了。

国务院办公厅这份《加快场景培育和开放，推动新场景大规模应用的实施意见》（国办发〔2025〕37 号），干了一件很重要的事：把“场景”从一个模糊的 PPT 概念，正式抬升为国家级战略资源和改革工具。

文件开头就给场景做了一个非常清晰的定位：

场景是系统性验证新技术、新产品、新业态以及配套基础设施、商业模式、制度政策的具体情境，是连接技术和产业、打通研发和市场的桥梁。

翻成大白话就是：

• 新技术好不好用，不是专家拍脑袋，而要在真实场景里跑一跑；
• 场景是技术与产业之间的“过桥费”，不过桥就到不了真正的产业化；
• 你所有的“智能+、数据+、AI+”，最后都要在某个生产、生活、治理场景里，产生可感可量的变化，否则就是“概念股”。

所以，讨论数字化转型，不能再停留在“我要上什么系统、买什么平台、用什么模型”，而是要回到一句朴素的问题：

你要改造的那个具体场景，到底是什么？

二、国家在做什么？

——一张巨大的“场景资源地图”

这份文件其实给出了一个“全国场景资源总目录”，逻辑非常清楚，可以简单概括为三层：

1. 新赛道、新空间的前沿场景 比如：
   • 数字经济场景：元宇宙、虚拟现实、智能算力、各类机器人在办公、消费、娱乐中的应用；
   • 人工智能场景：从科研、工业到民生、治理、国际合作，全链条找“AI 能落地”的点；
   • 全空间无人体系：海陆空一体的无人文旅、政务、物流、卫星服务等；
   • 生物技术场景：生物基材料、生物能源、绿色制备；
   • 清洁能源场景：清洁能源车队、车网互动、虚拟电厂、绿电直供；
   • 海洋开发场景：深海探测、深远海养殖、海洋药物等等。
2. 传统产业转型升级的场景
   • 制造业：智能工厂、零碳园区、工业大模型等；
   • 交通运输：车联网、智能调度、空运转运等；
   • 智慧物流：智慧公路、智慧港航、无人仓、无人配送等；
   • 现代农业：智慧农场、育种数字化、畜牧/渔业全链路数字化。
3. 治理与民生场景
   • 应急管理、矿山安全、智慧水利、施工安全、林草生态保护；
   • 智慧政务、智慧城市、数字乡村；
   • 医疗健康、养老助残托育、数字文旅、跨界消费新场景。

用一个比喻理解：

国家在做一件事：把“场景”像矿藏一样标出来，把“场景资源”从隐形的变成显性的，让技术、资本、人才有地方“落脚”和“开采”。

同时，文件还做了两步“制度升级”：

• 一是把场景纳入要素与制度改革： 场景不只是工程项目，而是与市场准入、要素配置、金融支持、人才政策一起打包设计，用来催生“新质生产力”。
• 二是把场景当成制度试验田： 在场景里试点规则、监管方式、标准体系，试出来的再升级成更大范围的制度安排。

所以，“场景”已经不再是一个中性名词，而是真正进入了“资源—要素—制度工具箱”的视野。

三、为什么技术越多，很多数字化项目反而越“虚”？

回到企业一侧，我们会看到另一种常见画风：

• 先做一个“宏大的蓝图”：统一平台、数据中台、AI 平台、数字孪生平台……
• 然后一通上系统：ERP、CRM、WMS、MES、OA 全上；
• 再堆一些“智能”：预测模型、推荐引擎、知识图谱、机器人流程自动化；
• 最后发现：
  • 一线业务觉得“很麻烦，不如 Excel 好用”；
  • 领导觉得“报告更好看了，但业绩没感觉到多大的变化”；
  • 数据团队每天忙着“救火”和“做报表”。

问题出在哪？ 出在“先有技术、再找场景”这个顺序本身。

如果没有清晰的高价值场景，再多的技术投入，很可能变成一种“数字化农家乐”：

• 地自己种（自己搞平台、自己采数、自己建模）；
• 菜自己炒（场景自说自话、不跟外部生态耦合）；
• 饭自己吃（数据不开放、不流动、不可复用）；
• 看着热闹，规模上不去，成本降不下来，外部引不进来。

相反，如果你先锁定高价值的、可复制的场景，再去倒推技术、数据、制度，就会形成一种**“数有引力”**的局面：

一个定义清晰、价值明确的好场景，会像“引力井”一样，把技术、数据、人才、资本主动吸附过来，而不是靠 PPT 和文件“拉人头”。

四、什么是一个“好场景”？

——精益场景 SMART框架 把故事变成工程

那到底什么叫“高价值场景”？ 在精益数据方法论里，一个场景要过“五关”——SMART 原则：

1. S：Specific（具体、独特） 越能一句话说清楚“在哪儿、为谁、改什么”，场景就越具体。
   • 不是“要打造智慧城市”，而是“把某个核心商圈高峰期的拥堵指数降低 20%”；
   • 不是“要做智慧工厂”，而是“将某条生产线单位产品的能耗降低 15%”。
2. M：Measurable（可度量） 这些指标，既是目标，也是验收标准。
   • 办事时长从 15 天缩到 5 天；
   • 交付准时率从 85% 升到 98%；
   • 事故率下降一半；
   • 一次性办结率提升到 90%。
   • 没有数字，就没有共识。
   • 好场景一定有 2–3 个关键指标，比如：
3. A：Actionable（可执行）
   • 哪些流程要改？
   • 哪些数据要采？
   • 哪些系统要改造或新建？
   • 哪些岗位要调整？
   • 场景要能拆成可执行的任务：
   • 如果一拆发现什么都是“别人来配合、上面来支持”，说明场景定义还停留在口号层面。
4. R：Realistic（现实可行）
   • 现有技术成熟吗？
   • 监管是否允许？
   • 预算撑不撑得住？
   • 组织里有没有靠谱的负责人？
   • 不要“想当然”：
   • 有时候，把目标从“全国推广”收缩到“某一线城市或某个产业园区试点”，反而更现实。
5. T：Time-bound（有时效）
   • 试点期（比如 6–12 个月）；
   • 评估节点（3 个月一次复盘）；
   • 推广期（2–3 年内复制到多少单位）。
   • 场景不是无限期“试下去”；
   • 通常需要明确：

SMART 的本质，就是把“故事”压缩成“工程”： 讲得动人的不算，能拆成任务、能算账、能验收的，才叫高价值场景。

五、用“精益数据场景画布”

把一个好点子磨成好场景

光有 SMART 还是不够，你还需要一块“画板”，把场景相关的信息全都摊开来。 精益数据方法论里有一个非常实用的工具——精益数据场景画布，包含十个关键要素，可以当成一个共创工作坊的模板来用：

1. 业务目标和价值：
   • 这个场景从业务角度要达成什么？
   • 是降本、增效、提体验、控风险，还是支撑某个政策目标？
2. 用户画像：
   • 谁是场景里的核心用户？
   • 是调度员、医生、司机、客服，还是市民、企业用户？
   • 不同用户在场景中的角色、动机是什么？
3. 场景背景：
   • 现在是怎么做的？
   • 有什么外部变化逼得你必须改？政策？竞争？风险事件？
4. 用户痛点：
   • 一线到底在哪儿喊累、喊烦、喊危险？
   • 哪些地方是关键的“吐槽高发点”？
5. 用户期待：
   • 如果这个场景“成功了”，用户希望发生什么变化？
   • 更简单？更快？更透明？更安全？更可控？
6. 度量指标：
   • 上文的 M——用 2–3 个指标，把“好不好”说清楚。
7. 挑战与阻力：
   • 是组织壁垒？部门利益？技术短板？数据质量？
   • 还是法律合规？人才缺口？预算不够？
8. 解决方案思路：
   • 流程怎么变？
   • 机制怎么改？
   • 数据怎么组织？
   • 系统怎么协同？
   • 培训和考核怎么设计？
   • 不是一句“建一个平台”就完事，而是：
9. 数据资产：
   • 场景中有哪些关键数据？
   • 现在在哪儿？质量怎么样？缺什么？
   • 哪些数据是本单位就能解决的，哪些需要跨部门、跨行业协同？
10. 数字技术：

• 要用到哪些关键技术组件：物联网、大模型、知识图谱、数字孪生、区块链……
• 哪些已经有，哪些需要引入新的伙伴？

一个典型做法是：

把这十个要素印在一张大画布上，让业务、技术、数据、法务、财务、合作伙伴围在一起，从左到右、一项一项写，边写边吵，吵完基本就成了。

这个过程本身，就是“共创”和“筛选”：

• 写得清楚的场景，会变得越来越扎实、越来越可执行；
• 写到一半发现答不上来的场景，要么需要重构，要么就先“降级备选”。

六、数据要素的三重角色：底座、连接器、放大器

说到这里，有一个问题绕不过去： 在一个高价值场景里，数据要素到底干什么？

在“数有引力”的框架里，数据有三个角色——底座、连接器、放大器。

1. 底座：没有数据，场景就是空心的

再完美的流程设计、再聪明的算法、再漂亮的界面，如果没有真实、持续、高质量的数据，最终都只能停留在“演示版”。

比如做虚拟电厂场景：

• 没有各类用电设备的实时负荷数据，就无法知道谁可以灵活调节；
• 没有历史负荷曲线，就无法做靠谱的预测；
• 没有合约执行与结算数据，就无法形成市场信号。

所以，每一个场景画布里，都需要回答一个问题：

这个场景的“必需数据清单”是什么？它们现在在哪里？质量如何？如何补齐？

当你围绕场景把数据需求描绘清楚，再往上搭建数据治理、标准、目录、接口、平台，才是真正“以数据为底座”。

2. 连接器：数据把多种要素“织”成一个系统

在现实世界里，生产要素是碎片化的：

• 人在组织里；
• 钱在预算里；
• 设备和土地在资产表里；
• 算力在机房里；
• 制度在制度文件里。

场景要想真正跑起来，必须让这些东西协同，而数据正是连接它们的“神经系统”。

举两个简化例子：

• 交能融合场景
  • 车的运行状态和位置信息来自车联网；
  • 充电桩/换电站的状态来自物联网平台；
  • 电网负荷、价格、峰谷时段来自电力系统；
  • 订单、货物时效来自物流平台。 把这些数据打通，你才能做到：
  • 把车引导到更合适的补能点；
  • 在不影响履约的前提下参与削峰填谷；
  • 既保证物流效率，又优化能耗与成本。
• 低空经济 + 应急救援场景
  • 无人机状态数据；
  • 气象与地形数据；
  • 通信网络状态；
  • 应急指挥系统的任务数据。 只有数据把这些要素连在一起，你才能做到：
  • 实时改飞行路径；
  • 评估风险；
  • 追溯责任。

在精益数据方法论里，这种“连接”会进一步被抽象成：

一组跨系统、跨部门、跨主体的数据流与事件流。

场景里“谁和谁要对话”“谁给谁发什么信号”，最终都要落在数据模型与接口设计上。

3. 放大器：用算法和机制，把场景拉向“智能”与“演化”

当你有了稳定的数据底座和连通的要素网络，就可以叠加“放大器”：

• 用预测模型让计划更前瞻，比如：
  • 预测拥堵、预测需求、预测设备故障；
• 用优化算法让资源更高效，比如：
  • 配送路径优化、能量调度优化、人力排班优化；
• 用数字孪生做“先仿真后落地”，比如：
  • 先在虚拟城市里调一次信号灯，再应用到真实交通系统；
• 用 A/B 测试和持续迭代，让制度和流程也能“试错”和“升维”。

此时，数据已经不只是“记录发生了什么”，而是在回答：

如果这样做，会发生什么？ 如果换一种做法，会更好吗？

这就是数据在场景里的第三重作用——让场景从“能用”走向“好用”和“会变聪明”。

七、从“一个好案例”到“一张场景地图”

走出“农家乐心态”

很多地方和企业都有过非常成功的单点案例：

• 某个车间的效率提升了；
• 某个窗口的服务体验变好了；
• 某条线路的能耗下降了。

但如果你把视角拉远，会发现一个常见问题：

案例很好，但复制不了。

要走出“农家乐式的数字化”，需要把思路从“项目清单”升级到“场景地图”：

1. 把所有经过 SMART 和画布校验的高价值场景，拼成一张“场景蓝图”
   • 哪些场景是基础场景（例如统一身份、统一支付、统一设备管理）；
   • 哪些是业务关键场景（例如关键产业链的生产与物流）；
   • 哪些是治理类和民生类场景；
   • 它们之间先后顺序、依赖关系如何。
2. 用场景蓝图倒推三张“配套蓝图”
   • 谁对整个场景组合负责？
   • 场景之间如何共享成果、分摊成本？
   • 怎么设计“开放场景”的准入标准和考核方式？
   • 哪些能力要共建（身份、支付、消息总线、物联网平台、大模型能力平台等）？
   • 避免每个场景单独建一套系统，造成烟囱。
   • 哪些是场景共用的关键数据资产？
   • 哪些数据域必须统一标准？
   • 数据资产蓝图：
   • 数字技术蓝图：
   • 组织与机制蓝图：
3. 把场景“开放出来”，让更多主体参与共建共用
   • 这个场景要达成什么指标；
   • 需要什么数据、什么能力；
   • 有哪些边界和合规要求。
   • 按文件要求：不得用地域、业绩、规模、企业性质等做不合理限制；
   • 用场景公开招募技术方案、数据服务、生态伙伴；
   • 对外说清楚：

这样，场景就不再是个别单位的“自留地”，而是一个可进入、可合作、可扩展的“引力场”。

八、给政府和企业的三条小建议

最后，用三条非常实操的话收个尾。无论你是政府部门、央企国企，还是地方龙头、民营企业，基本都适用：

建议一：先讲“场景故事”，再列“技术清单”

• 不要一上来就说要建“某某平台”“某某中心”，而是先问：
  • 我要改变的第一个具体场景是什么？
  • 能否用一句话把场景讲给一线员工听懂？
• 用一个个清晰的场景，去牵引技术、数据、制度，而不是反过来。

建议二：用 SMART 和场景画布，把场景做小、做深、做透

• 不要怕“小切口”，国家文件也明确鼓励“高价值小切口场景”；
• 从一个场景开始，用 SMART 原则“压实”，再用场景画布把十个要素填完整；
• 先在一个部门、一条线、一个区域赢一仗，再复制到更多地方。
  • 这比“全域一把梭”要安全、要高效得多。

建议三：把数据当成场景资产去运营，而不是“报表燃料”

• 为每个重点场景列出“场景数据资产清单”：
  • 关键业务数据、关键设备数据、关键治理数据；
• 明确谁负责采集、谁负责治理、谁可以使用、怎么计价、如何共享；
• 把这些场景数据资产逐步沉淀成“公共数据底座”，服务更多场景。

当你这样做的时候，你会发现：

• 同一类场景之间可以共享经验和数据；
• 新技术可以更快插到已有场景里试；
• 新伙伴可以按场景模块加入，而不是“从头谈起”。

九、精益场景咨询服务

让数据的“引力”，从 PPT 走进真实世界

“数有引力”这四个字，背后有两层意思：

• 一层是：好的数据本身具有引力——谁掌握了高质量数据，谁就更有能力优化决策、重构流程、创新业务；
• 另一层是：好的场景会创造引力——它让数据不再躺在孤立的系统里，而是在解决真实问题的过程中不断流动、沉淀、放大。

当我们用国家这份场景政策，叠加精益数据方法论的工具箱，把“场景”当成一种可规划、可运营、可复制的战略资源时：

• 数字化转型就不再是“技术采购项目”，而是围绕场景的系统工程；
• 数据要素就不再是“副产物”，而是真正成为其他生产要素的底座、连接器和放大器；
• 无论是一个城市、一条产业链，还是一家公司，都可以在一张张场景画布上，看清自己正在走向怎样的“新质生产力”。

数有引力，场景为场。 真正的数字化转型，终究要从一个个真实的场景开始——从某条路、某家厂、某个窗口、某个社区开始，让技术、数据和制度在具体的时间、具体的空间、具体的人身上，产生可见、可感、可复用的改变。

END

场景培育咨询服务

企业数字化转型/场景识别、共创、落地

精益数据训练营/解决方案架构师特训营

从数据到价值：精益数据工作坊

数字化咨询教练陪跑服务：

数字化转型规划 | 顶层设计 |企业创新与运营

IT战略规划 | IT服务管理体系 | 数据治理