如果说从内部理解智慧企业体现为内涵的阐述，从外部理解智慧企业体现为特征的描述，那么从整体结构上理解智慧企业，便体现为智慧企业框架的搭建。我们通过“三化融合”，构建企业的“三层架构”，实则是搭建智慧企业的核心能力：感知、分析和洞察。这些能力通过“三脑协同”的功能架构来实现，最终实现企业的自动预判、自主决策和自我演进的能力目标。

1.基于“三化融合”的体系规划理念

“三化融合”代表着信息化、工业化和管理现代化的融合。

（1）信息化与工业化

信息化与工业化的融合，即“两化融合”。我国实施的两化融合本质上是指以信息化带动工业化、以工业化促进信息化的新型工业化道路。两化融合的核心就是信息化支撑，追求可持续发展模式，主要包括技术融合、产品融合、业务融合、产业衍生四个方面。

技术融合是指工业技术与信息技术融合，产生新的技术，推动技术创新。例如，汽车制造技术和电子技术融合产生的汽车电子技术，工业技术和计算机控制技术融合产生的工业控制技术。

产品融合是指电子信息技术或产品渗透到产品中，增加产品的技术含量。例如，普通机床加上数控系统之后就变成数控机床，传统家电采用智能化技术之后就变成智能家电，普通飞机模型增加控制芯片之后就变成遥控飞机。信息技术含量的提高使产品的附加值大大提高。

业务融合是指信息技术应用到企业研发设计、生产制造、经营管理、市场营销等各个环节中，推动企业业务创新和管理升级。例如，计算机管理方式改变了传统手工台账，极大地提高了管理效率；信息技术应用提高了生产自动化、智能化程度，进而大大提高了生产效率；网络营销成为一种新的市场营销方式，受众大量增加，营销成本大大降低。

产业衍生是指两化融合可以催生出新产业，形成一些新兴业态，如工业电子、工业软件、工业信息服务业等。工业电子包括机械电子、汽车电子、船舶电子、航空电子等；工业软件包括工业设计软件、工业控制软件等；工业信息服务业包括工业企业B2B（business-to business，企业对企业）电子商务、工业原材料或产成品大宗交易、工业企业信息化咨询等。

回到单一企业来看，信息化与工业化的融合，实则是要求企业构建数据网络，打通企业内部的连接。在传统的工业企业中，厂房中的一个个机器是重要的生产力输出单元，而新型的工业企业则要求将数据作为重要的生产力输出单元。无论是技术融合、产品融合、业务融合还是产业衍生，都必须建立在企业可度量、可计算、可分析的基础之上。因此，从数据的角度，必须将生产网络转化为数据网络，这可能是企业业务“感知”能力的基础。

（2）信息化与管理现代化

信息技术与管理的融合，早在企业管理信息系统诞生之初就已经对企业提出了这种要求，但在实际运行过程中，鲜有企业能将二者真正融合。典型例子是企业ERP（Enterprise Resource Planning，企业资源规划）系统的运行。

ERP由美国Gartner公司于1990年提出。它是一种主要面向制造行业进行物质资源、资金资源和信息资源集成一体化管理的企业信息管理系统，涵盖物资资源管理（物资流）、人力资源管理（人才流）、财务资源管理（资金流）、信息资源管理（信息流）等。虽然ERP系统已经实施了近30年，但相关资料统计表明，ERP系统的实施成功率只有10%～20%。失败的原因大都在于企业仅仅把它当成一个信息管理系统，当成一个代表信息技术的软件。ERP是一个软件，同时也是一个管理工具，它是信息技术与管理技术的融合体。

ERP的宗旨是对企业所拥有的人、财、物、信息、时间和空间等综合资源进行综合平衡和优化管理，协调企业各管理部门，围绕市场导向开展业务活动，提高企业的核心竞争力，从而取得最好的经济效益。在这个过程中，ERP系统作为一个信息技术的载体，来实现管理技术。一般来说，一个成功的ERP应用，应当实现：①系统运行集成化，跨多部门运作；②业务流程合理化，流程重构；③绩效监控动态化，及时纠偏；④管理改善持续化，动态评价机制。但若企业未能将ERP系统与企业的管理模式深度融合，以上任何一点都难以实现。

智慧企业对信息技术与管理技术的融合提出了更高的要求，ERP系统代表了企业在供应链管理方面的信息化与管理现代化的融合，智慧企业则对供应链管理模型、资产管理模型、安全生产管理模型、产品研发模型等所有正在运行的管理模型提出了要求。

回到单一企业来看，信息化与管理现代化的融合，实则是要求企业构建价值网络——将管理网络转化为价值网络。信息技术作为载体，帮助企业从管理的角度，在数据网络之上构建新的价值网络，以实现高效的决策分析体系、优化业务结构。这可能是企业业务“分析”能力的基础。

（3）工业化与管理现代化

工业化与管理现代化的融合，能够深度催生企业创新。工业技术，代表着机器、设备，代表着操作、控制；管理，代表着在企业中正在运行的管理方法和模型。长期以来，二者是割裂的，彼此聚焦的领域完全不同。在工业生产中，彼时的管理技术往往是贴在墙上的制度、印在手册上的指导，存在于“厂长”的管理活动当中；而此时，我们要求“管理自动化”，意味着工业生产单元本身的自动管理，与智慧企业多脑协同的组织结构相匹配（详见5.3节）。

管理自动化是对工业生产单元的要求，所有能够支配机器自动运转的算法，其内核都是工业技术与管理技术的深度融合。工业技术专业、聚焦，往往能带来核心竞争力；管理技术灵活、集成，往往能决定企业的存亡。在高度的信息化时代，稳态和敏态必须深度结合，才能抵御经济社会的“跨界”打击。

回到单一企业来看，工业化与管理现代化的融合，实则是要求企业构建创新网络。创新网络是在数据网络和价值网络之上，对企业有更高要求的网络，如何有效利用数据网络和价值网络来搭建创新网络，真正实现智慧企业的“三自特征”，是创新网络的最终目的。这可能是企业业务“洞察”能力的基础。

2.三化融合体系

信息化、工业化和管理现代化融合，是智慧企业运行的根本。通过三化融合而构建的数据网络、价值网络和创新网络，将彻底重构企业的业务网络，是企业“感知、分析、洞察”能力的基础。从数据开始，重构业务结构，单元脑、专业脑和决策脑将根本性地提升数据在企业中的地位、提升机器在企业中的地位、提升人的知识和创新能力在企业中的地位，方能达到“自动预判、自主决策、自我演进”的智慧企业特征能力。

信息化、工业化和管理现代化的三者融合，使企业在社会组织系统层面，通过将工业系统、企业组织、流程体系、人等要素有机组合而发生深刻变革，流程体系、制度建设、集团管控等管理概念在新技术、数字化的趋势面前即将发生深刻的变化，层级制、管控型的组织范式将让位于扁平化、自主决策的新型组织范式，超大规模的企业组织管理挑战将因内部生态化、动态组织而大大简化流程，信息技术的高度应用将大大提升自主决策的效率，从而实现一种更高效、智慧的企业组织形态和管理模式。

（1）基于“三层架构”的智能化平台

“三层架构”的智能化平台，并非某一技术平台，而是将企业整体作为一个有机系统，如同智能化平台一般能够呈现出人工智能特性。该智能化平台是由感知层、分析层和洞察层构成的三层架构。

（2）三层架构概述

三层架构代表着感知层、分析层和洞察层，我们称之为“SAS模型”，即感知（see）—分析（analyze）—洞察（in sight）。SAS模型是帮助企业建立核心业务的智慧能力的重要模型，模型分解如图2.5所示。

图2.5　SAS模型

SAS模型的感知、分析、洞察是智慧到达的三个层次。

感知代表着企业的感知网络，产生数据。

分析代表着企业的认知网络，运用算法对数据进行分析，往往依赖于企业基础设施的计算能力。

洞察代表着企业的决策网络，通过人工智能，帮助企业优化决策，提升企业整体的洞察力。

从感知、分析到洞察，如同信息论中信息的进化路径：数据/信息—知识—智慧。

（3）感知层

感知的本质是要素的数字化——对组成企业的要素和企业周围环境的数字化，是企业最底层体系的数字化，与最直接的数据和信息对应。

通过集成数字化技术，将企业的业务流程进行数字化网络连接，将企业的产品/服务和客户建立数字化的连接，将企业的生产线和销售订单建立数字化连接，将企业和上下游的产业链建立数字化连接，以提高企业对内外部环境的信息采集能力和对象状态感知能力。

通过感知层，企业实则建立了与实体世界相互映射的数字世界，实体世界的变化通过数字世界实时感知，这个数字世界是我们再造的第二世界，如同业界所提出的“数字化双胞胎/数字孪生”，甚至有建立“感知型企业”的愿景。

感知型企业在《感知型企业——数据驱动的商业决策演进》一书中被首次提出。作者Oliver Ratzesberger（奥利弗·拉茨伯格）指出，若想成为一家感知型企业，并不是购买一个或多个软件产品就可以了，而是要开启一段持续演进之旅。企业不需要追求一次到位，而是要以业务战略和目标为先导，认真思考实现目标需要什么样的数据分析场景，确定会给企业带来什么改变，如何快速达成目标等。

如何打造感知层的智能化能力？一方面，通过工业技术改造、信息技术应用及管理技术融合，提高对企业内外部环境的信息采集能力和对象状态感知能力，如对于水电生产企业来说，内部要素包括流域、水库、电站、设备、电力系统等，外部要素则有气象、电网、电价、政策等。另一方面，通过标准化、数字化的运营，实现企业内部流程与员工的协作、外部服务实施的监控。有效的过程监控和效率评估，是企业“用数字说话”的首要目标。

（4）分析层

分析的本质是知识体系的数字化。从信息论的角度来看，分析层的主题是经过企业沉淀的知识，其背后是企业将复杂目标逐渐拆解，通过重构感知层的数据和信息来达到企业目标的过程。

从智能化平台的角度来看分析层，实则是通过企业基础设施所构建的计算能力，使得企业所有的员工都成为企业的数据分析师。数据分析体现价值的最好状态是：不但得到有价值的数据分析结果，而且能够直接形成策略，使得各部门通力协作达成目标。

传统企业的数据应用基础较差，数据分析尤其是薄弱环节，前一状态都难以达到，后者就只能存在于愿景之中。一方面，企业信息化、数字化程度不够，业务系统尚未完成建设、数据仓库有待设计、基础设施的计算能力不扎实；另一方面，传统企业层级制的组织方式，使得业务在大量的上下游中交叉，流程上可能还处于混乱状态。在这种情况下，数据分析部门（也可能仅仅是IT部门）不是核心部门，服务的性质难以触动企业上层的利益，这就决定了企业的数据分析是一个被动的长期工作，数据分析师也只是一个边缘的职位。

在智慧企业中，三层架构的智能化平台以另一种方式改变传统企业的结构：通过知识体系的数字化来实现各部门的通力协作。一方面，感知层的初始化过程，是建立和完善全员参与的知识体系，即将企业的所有知识资产、价值网络模型、数据资产价值挖掘等沉淀下来，以算法形式建立企业知识体系，作为分析解决问题的知识来源和能力。另一方面，感知层在知识体系的应用过程中不断自我完善，即应用知识体系去分析感知网络，建立并不断完善的企业认知网络。人的认知过程本质上是信息加工过程，人脑接受外界输入的信息，经过大脑的加工处理，转换成内在的心理活动，进而支配人的行为；同理，企业的认知过程则是接收感知层输入的数据和信息，经过分析层的分析处理，转换成知识，进而支配企业的活动。认知网络的节点，在支配活动的闭环反馈中持续完善。

（5）洞察层

洞察的本质是决策的数字化，是将企业整体作为一个有机系统，如同智能化平台一般呈现出人工智能特性的最终表现。

洞察层的能力不是一个或多个商务智能系统的堆叠，而是构建于感知层和分析层之上，通过数据、算法和计算能力构成的企业人工智能。洞察力也称预见力，是指从多方面观察事物、从多种问题中把握其核心的能力。它驱使企业去抓住问题的实质，而不只是看到外表现象，见木亦能见森林；它为企业决策者带来的根本性改变在于，预判的前瞻性和方案的多维选择性。我们可以从两个方面来理解这种洞察层的能力。

一是企业背景的转变。传统企业的工作重心往往为内部控制、金融核算甚至合规审计等，但环境的剧变要求企业将焦点逐步转移到关注企业运行、控制风险和制定战略决策上，这就带来了一个关键因素——不确定性。我们之所以把企业这个整体视为一个智能化平台、之所以强调呈现出人工智能特性，是因为“洞察”能够应对这种不确定性。

例如，个性化定制在很早之前就已经被提出来了，但时至今日，当我们提到诸如“工业4.0”“智能制造”等新趋势时，还是会把它搬出来，不是要“新瓶装旧酒”，而是企业“个性化定制”的背景已经发生了变化。以前的个性化定制，最多是对执行层提出了要求，即快速地组合、配置生产线，以响应客户的个性化要求。此时客户的要求是确定的，我们通过一个商业智能系统的计算，便能得出生产线的重组方式。这种执行层的智能属于产能的范畴。不得不承认，无论这些生产资源智能到达何种程度，改变的只能是产能，最多只是解决产能过剩的问题而已。因此，我们依旧可以看到设备非常先进的工厂倒闭，也可以看到硬件资源一般的企业持续发展。

回到“个性化定制”这个问题，当前的环境要求企业不是响应客户个性化的要求，而是“预判”，这不是产能问题，而是决策问题，甚至可能是战略决策问题，不确定性便显现出来，对决策层的智慧要求也显现出来。应对之策可能只有人工智能了。以AlphaGo类比，棋类的规则是一定的，对手下一步的落棋是不确定的；同理，生产资源是一定的，客户的要求是不确定的。“洞察”解决的就这种不确定性。

二是企业决策的要求。决策就是在无限需求（目标、任务）和有限资源之间实施的配置。只有人工智能的计算能力才能对这种配置进行无限模拟，进而为决策者提供可能的方案。

因此，我们让执行层成为智能，让决策层成为智慧。执行层代表的是局部的“产能、效率、效益”，决策层才能让企业实现可持续发展的目标。洞察能力体现在两个闭环反馈上：一是实现包括风险自动识别、评估、策略选择、应急/改进等风险管控，二是实现包括规划发展、业务管控、资源管控、安全管控等智慧决策。风险识别自动化和管理决策智能化，将有效提高企业对内外部变化和未来不确定性的管控能力，使得决策从混沌走向清晰。

3.基于“三脑协同”的功能架构

“三脑协同”是由“单元脑”“专业脑”和“决策脑”组成的多脑协同的功能架构。“三脑协同”是对当前扁平化组织形式的探索，与智慧企业三层架构的智能化平台相呼应。其核心的“脑”，则是实现智慧企业“三自特征”（详见5.4节）的内核。

（1）“三脑协同”概述

单元脑是企业基于扁平化思维构筑多个单元，如工程单元、生产单元、产品单元、销售单元、物流单元、服务单元，每个单元均具有高度数字化能力，由人、设施/工具和智能系统组成，在既定的任务职能和明确的规则下自主运行，能够实现既定规则下的自动预判和自主决策。

专业脑是基于集成集中的数字化平台，由领域专家和人工智能辅助系统构成，在某个专业或某个对象领域实施即时度量、评估、分析，实现标准改进和规则优化，统筹专业内的协调和专业系统级风险应对，以确保系统目标的达成。

决策脑在最高管理层，运用系统工程的原理整体把握、科学分解，负责调控协调企业的有序运作，通过调配资源使得企业收益最大化，基于企业生命周期的发展视角，聚焦战略方向、实施高层规划、重大风险应对，统筹跨专业领域的协调，实现企业层级的自我评估、学习和演进。

由单元脑、专业脑和决策脑构成的“三脑协同”功能架构，一方面代表了多脑协同的新型组织形式，另一方面也代表了云脑系统这一新的智能化系统（云脑系统也由单元脑系统、专业脑系统和决策脑系统组成）。

从组织演进趋势来看，传统的职能式、直线式等模式已不断被挑战，新的组织模式正不断出现。“三脑协同”是一种新的组织形式，其扁平化结构能够适应企业数据多维的采、存、管、用，以达到智慧企业数据驱动的目标。

从企业智能化系统来看，面向单一专业的管理系统或者面向多功能集成的流程系统，都难以与数据价值挖掘的场景相匹配，甚至让人工智能算法也难以落地。云脑系统则创造性地将数据通过“协同”连接，将算法通过“多脑”实现。云脑系统的运转实则是智慧企业运转模式的实现。从借用“云大物移智”搭建基础设施的开局，到监测、控制、优化的中场，再到实现生产力自动化与管理自动化模式的终局，“脑”始终扮演着基于技术的现状匹配管理能力的角色和提升数据能力推动智慧进阶的角色。因此，云脑系统不同于任何单纯的信息化系统，也不是任何固化的管理模式，而是始终以自动化终局为目标，解决企业平滑转型的问题。(www.daowen.com)

组织和智能化系统的天然融合，是智慧企业“智慧”的一个重要表现，二者的融合有两方面的意义。

其一，“点”。智慧企业多脑协同的组织形式：单元脑、专业脑和决策脑形式上自主运行，逻辑上彼此连接。智慧企业通过人机结合取代了传统意义上的员工，那么除了人之外，无论是机器还是算法，都需要有“脑”支撑其“思考”，就算是人，也需要有工具辅助其提升“思考”的能力。这便是云脑系统与组织形式的契合点。

打造智慧企业多脑协同的组织，本质上就是要使企业不同的垂直视角有所“观”，有所“思”。否则，仅仅划分出单元、专业和决策，便成了简单的“组织变革”，只是拉着组织重新排队而不对队员进行武装升级，必然不能提高队伍的战斗能力。

其二，“系统”。系统是相互联系、相互作用的诸元素的综合体。云脑便是一个综合体，是智慧企业生产力自动化和管理自动化能力的综合体。企业是一个有空间的实体存在（物质资料是我们对企业重要的感知形式），如何将能力的综合体分解开来，外部结构便是对该问题的最佳答案。因此，多脑协同的组织形式不仅仅是企业运行的载体，亦是云脑系统的载体。

多脑协同是智慧企业的功能架构，本质上是以组织为载体，将云脑系统的智慧能力向外输出。这种功能架构可以从“三论”的角度来拆解。“三论”分别是系统论、控制论和信息论。

系统论体现为智慧企业的决策分析体系，作用在企业的管理要素上。之所以用系统论来指导决策分析体系，是因为管理要素往往呈现出“复杂性”。为了驾驭管理活动的复杂性，我们必须跳出事实所在的单个维度的藩篱，通过综合的视角，将点变为线、将线化为几何的面，进而逐渐逼近系统“整体”。

控制论体现为智慧企业的监控指标体系，作用在企业的生产要素上。生产要素是指进行物质生产所必需的一切要素及其环境条件。在传统的工业时代，生产要素至少包括人的要素、物的要素及其结合因素。但是，随着数据所带来的生产方式的变革，人的要素逐渐淡出企业——大规模智能机器成为劳动者，人机结合才是人的要素；劳动者和生产资料的界限变得模糊——机器和算法既是劳动者亦是生产资料，物的要素难以界定。这种情况下，只能让生产要素自身融合成为一个个最小的单元，被企业层层配置——企业通过将整体的目标分解；各专业各自寻找影响目标的成功因素；最终分解为面向生产要素的直接指标。这一过程分别与决策脑、专业脑和单元脑对应。

信息论体现为智慧企业的数据能力体系，作用在企业的数据之上。智慧企业除了要配置传统的生产要素和管理要素之外，必须把数据当成根本资产。其根本性表现在企业的大数据价值挖掘能力—通过数据来配置生产要素和管理要素，让数据能力体系成为驱动云脑系统的最重要的引擎。信息论数据的金字塔结构是数据/信息—知识—智慧，与单元脑、专业脑和决策脑对应。

（2）单元脑

单元，指企业这个整体中自为一体或自成系统的独立成分，在企业中代表基层业务单元。单元脑对应专业生产职能或工业系统的自动/智能系统，是公司量化主营业务、实现内外感知的重要抓手，是人工智能“人”的“四肢”。

理解单元脑，可以从精益生产思想的“单元生产”入手。单元生产的名字来源于单词“cell”，细胞化的单元生产极其形象。单元生产是一种生产线设置方法，指生产线按照流程布局成一个完整的作业单元，作业员在单元内进行目标为“一个流”（最小批量的一个流程）的作业。通过此手段，公司可以尽可能小的成本来制造出一系列满足顾客需要的产品。在cell化生产中，设备和厂房被以特定的顺序安排，通过这种安排，材料和零件能够以最小的搬运或延误完成流程。

如果把生产线扩展为智慧企业，那么单元脑就如同单元生产，是一个cell。基层业务单元必须在企业整体布局下完成一个完整的单元作业，对工业企业来说，这种单元作业就是生产职能。从组织上看，单元脑是基层业务单元，承担着对企业最直接的生产要素进行配置的职能；从系统上看，单元脑是云脑系统的单元脑系统部分，是对生产要素进行自主配置的功能。

我们基于“三论”（系统论、控制论和信息论）来对单元脑的能力进行分解（如图2.6）。

图2.6　单元脑分解

系统论指导企业的决策分析体系，单元脑的主题是“对象”。对象是指行动时作为目标的事物。因此，选取何种事物作为对象，对于决策的影响至关重要。从云脑系统的角度，将那些管理对象进行深度的数字化改造以达到优化控制；进行数据分析挖掘甚至人工智能算法研究以达到自动管理，实则是工业企业从制造向“智造”转变的落脚点。

控制论指导企业的监控指标体系，单元脑的主题是“指标”。指标意味着衡量目标的单位或方法。作为监控指标体系的最小单元，指标是基于对生产资料配置情况的刻画来认识企业运行现状的单位和方法，是企业“量化”和“感知”的载体，但指标并非与生产资料一一对应。指标并非原始数据，是对由生产资料产生的原始数据的处理、分析和计算结果。指标的规划、监控与再规划，是智慧企业“三层架构”SAS模型的迭代内容。好比战场上往往由听得见炮火的人做决策，单元脑如同一线战场，指标是其控制战役的武器。

信息论指导企业的数据能力体系，单元脑的主题是“数据”。作为数据能力体系的最小单元，单元脑意味着企业通过数据刻画企业自身的能力。数据采集不是盲目的，而是以企业的目标和价值链为导向的，将企业的业务和流程变为可交互的数据，在数据的维度，没有跨业务的流程，只有基于企业战略目标生成的数据流的自然流淌。这就意味着，单元脑其实是“数字化双胞胎”的本源，如何保证数字的第二世界是企业真实且全面的反映，也是智慧企业数据能力的体现。

（3）专业脑

专业，是指根据企业中产品（包括有形产品和无形产品）生产的不同过程而分成的各业务部分，专业脑在企业中代表着各职能部门，如同人工智能“人”的各个“器官”。

专业脑是对企业职能部门向专业中心转型的要求，通过数据的挖掘、专业知识的沉淀，形成专业脑自己独立的看法，这是向上的决策中枢和向下的生产单元都无法提供的。专业脑与传统职能部门的区别在于，那些合规性、事务性的工作完全被云脑系统的专业脑系统自动化了，那些在专业脑系统支持下的专业分析、预判、决策、彼此协同，才是各部门真正“专业”的体现。

我们基于“三论”（系统论、控制论和信息论）来对专业脑的能力进行分解（如图2.7）。

图2.7　专业脑分解

系统论指导企业的决策分析体系，专业脑的主题是“能力”。能力搭载在企业的“流程”之上：流程的价值是专业脑协同起来完成的目标，能力是每一个专业脑完成一项目标或者任务所体现出来的素质，体现为将管理要素整合起来，基于专业相关性而构建的分析模型。

能力是管理自动化的基础，从系统论的视角来看，能力则是一个个“算法黑盒”。只有明确专业脑需要哪些“算法”来支持，基于流程搭建出算法的输出和输入，才能开始谈用何种技术构建算法。

控制论指导企业的监控指标体系，专业脑的主题是“因素”。因素意味着事物本质的成分或决定事物成败的条件和原因。因此，这里的因素实则也是企业目标得以实现的关键成功因素。从控制论的角度，因素的规划是对企业这个系统基于目标向各专业的分解；因素的监控，是对生产要素调度合理性的评判。因素的规划、监控与再规划，是智慧企业“三层架构”SAS模型的迭代内容。

由于专业脑在企业中处于承上启下的特殊位置，如何将企业的生产要素关联起来，是发现问题、控制风险、提高绩效的关键。过去从劳动分工开始，企业的各个专业业务便逐渐成为松散的学问生态，这也是信息系统在企业中会产生信息孤岛的根本原因，因为“术业专攻”，因为“各司其职”。但智慧企业的多脑协同使得企业得以成为单一学问的生态——对于企业来说，不同专业晦涩难懂的术语和计算，都只是生产要素的数据被赋予了不同的专业背景而已。因此，基于专业性建立的专业脑系统，看似分工，其实都是在统一数据之上的协作。

信息论指导企业的数据能力体系，专业脑的主题是“知识”。知识是指在实践中认识客观世界的成果，从“数字化双胞胎”的角度来看，专业脑的知识便是在数据的不断运算中认识第二世界的成果。这些成果直接能够输出到企业现实中，为企业发现、诊断、解决问题提供直接的依据。所谓“知识库”，对于智慧企业最直接的作用在于能够产生知识，在数据能力体系中起着承上启下的作用。

（4）决策脑

决策，是企业复杂的思维操作过程，决策脑对应企业的最高管理层，面向企业整体做出环境识别、问题诊断、状态预测和行为选择。从管理内容上看，决策脑代表企业的顶层运营管理和战略管理；从云脑系统上看，决策脑是企业的决策指挥中枢，如同人工智能“人”的“大脑”。

决策脑处于企业的顶层管理层面，其所看到的所有数据，都具有向下挖掘、追本溯源的能力，因此，决策脑拥有将企业这个整体还原的能力。决策脑既能解决运营的最大统筹问题，亦能解决战略高屋建瓴的问题。同时，运营结果的好坏亦是战略评价的依据，使得战略与运营不脱节。

我们基于“三论”（系统论、控制论和信息论）来对决策脑的能力进行分解（如图2.8）。

图2.8　决策脑分解

系统论指导企业的决策分析体系，决策脑的主题是“流程”。流程在企业中的最大意义为企业的价值链，因此，企业中的一切决策，其本质上需要考虑的是决策的输出对价值链的影响。作为企业的顶层设计与管理者，决策脑必须清晰地了解企业哪些流程能够产生直接价值、哪些流程能够产生间接价值、哪些流程没有价值。

智慧企业的目标之一，是消灭那些没有价值的流程，将所有有价值的流程置于智慧企业的运营管理模式之下，以实现管理自动化为目标。因此，决策脑无论是作为组织形式还是云脑系统，都必须首先梳理出企业的价值流程；决策脑的运行就是将价值流程与企业管理模式相匹配。

决策脑兼具战略管理和顶层的运营管理功能——战略管理体现在“监控指标体系”中的目标，顶层的运营管理体现在“决策分析体系”的流程，二者相辅相成。因此，流程是顶层的管理要素，如果说能力和对象构成了决策分析体系中的分析模型，那么流程则是将这些模型放置于价值链之中；流程不仅决定了价值的输出，也决定了决策分析模型存在的必要性。

控制论指导企业的监控指标体系，决策脑的主题是“目标”。目标是决策脑监督控制的内容，是对企业生产要素最抽象的概括和最成果性的展现。所谓抽象，是指目标本身，企业的战略实施，实则是从抽象到具体的转换，在多脑协同的功能架构中体现为从决策脑到达专业脑和单元脑的过程。所谓成果性，是指目标的监控结果。由于目标直接与战略挂钩，那么其输出的结果必然是企业整体运行的结果，是企业最高决策者关心的数据。

在监控指标体系中，从“目标”到“因素”和“指标”的层层分解，是企业从整体到部分的“价值贯彻”，因此，如何将指导性的战略从抽象转化为具体的可监控数据，是目标规划必须考虑的内容。一定程度上，目标实际是企业战略与运营的结合点，决策脑系统的关键任务便是战略任务的分解和战略执行的实时监控，通过控制论的闭环反馈，完成企业级的决策指挥。

信息论指导企业的数据分析体系，决策脑的主题是“智慧”。智慧是数据价值在企业中的最高表现形式，数据和信息都代表着对现实世界的描述；知识代表着可以为人类所用的有效理论；智慧则代表着人类理解万物和时间，拥有思考、分析、探求真理的能力，映射到企业中，这也是决策脑能够成为人工智能“人”的“大脑”的原因。

从人的面对面沟通传达，到信息化的流程传递，再到智慧企业所构建的多脑协同的流程，企业终于得以消除信息流通过程中的“失真”。智慧企业搭建起企业全局的数据，数据能力体系也终于站在同顶层管理者一样的高度来培养“智慧”。从数据的价值上看，无论是解决企业当下最高维度的运营问题，还是指导企业胜败最本源的战略问题，数据其实都是为人提供现实之上的运算能力。决策脑代表了最高层的运算能力，是真正意义上的“大”数据应用，决策脑系统通过大数据和全局算法，修正管理者经验判断的偏差，为决策者在风险管控、绩效判断、战略规划、环境预测等不确定领域带来更多的依据和科学性。

4.基于“三自特征”的能力框架

“三自特征”，即自动预判、自主决策和自我演进。“三自特征”是智慧企业的能力，预示着企业风险识别的自动化、管理决策的智能化和企业变革升级的智慧化。智慧企业基于平台化组织架构，在扁平化的流程机制下，重点解决企业在规划、预测、评估、决策等环节的管理自动化问题，通过打造分层级的“单元脑”“专业脑”和“决策脑”实现自动预判、自主决策、自我演进。

（1）自动预判

自动预判意味着企业风险识别自动化，是指企业通过业务量化，采集并生成大数据，应用最前沿的大数据分析处理技术，实现企业各类风险全过程识别、判定，并自动预警。

自动预判对应“三层架构”的智能化平台的“感知层”，是“三脑协同”的功能架构的“单元脑”的功能。

这里的自动“预判”不同于“预测”，预测往往带有主观意识。对于很多企业来说，即使有大数据手段来为数据做分析，在实际决策时仍然会有一个基于主观意愿的期望，以这种倾向性为前提来分析数据，并不能还原现实本来的面貌，特别是整体的面貌。风险对于企业来说是不确定的，以一个确定的目标来预测不确定的事物在实践中是难以有成效的，因此，带着这种期望性是难以预测风险的。

“预判”是隔离一般企业与智慧企业的屏障。从自动预判的定义上看，预判的关键词有：业务量化、大数据分析、全过程识别、判定。预判建立在业务量化的基础上，业务量化为预判提供了一个基于业务的理性、全局的依据。预判的目的是识别、判定风险，意味着通过大数据手段来分析数据，得到一个风险倾向性的结果。而当倾向性作用在前提之上，便剥夺了数据的全局视野，因此，“预测”一定程度上剥夺了数据分析结果的可能性。

如何实现企业风险识别自动化？传统地，企业会认为管理风险是企业管理层及以上的事，但数据的全局性、业务的量化，以及风险全过程识别、判定的要求，都打破了风险管理的集中化。我们可以用“边缘计算”来做类比。边缘计算是与“云计算”相对立的，云计算代表计算资源的集中，而边缘计算代表计算资源的分散与独立，随着企业智能化水平的提高，数据计算正从中央云回流至本地设备。在智慧企业中，作为人工智能“人”的“四肢”的单元脑，必须成为风险识别的神经末梢，它们掌握着企业业务量化的一手数据，是实现自动预判的首要阵地。

（2）自主决策

自主决策意味着企业决策管理智能化，是指企业针对自动预判的不同层级的问题及风险，运用信息技术、人工智能技术，由企业各类“专业脑”自动生成应对问题及风险的方案，提交企业“决策脑”进行决策。

自主决策，对应“三层架构”的智能化平台的“分析层”，是“三脑协同”的功能架构的“专业脑”的功能。

从自动预判到自主决策是智慧企业管理自动化的典型应用，能自动感觉倾向性的信号，并能对其生产经营等行为进行自主调节以应对风险，才算完成一次企业管理或者决策应用。而在企业中，这种管理自动化是完全可以实现的，其手段就是通过知识来自动生成应对问题及风险的方案。

自主决策的核心是“脑”，尤其是专业脑，在“三脑协同”的功能架构中，我们阐述了专业脑的主题是“知识”，这些知识便是自动生成应对问题及风险的方案的底气。管理决策智能化的能力，并不仅仅体现在信息技术甚至人工智能技术的应用之上，而是体现在通过信息技术和人工智能技术，将隐性知识表达出来。

在传统企业中，指导企业做出管理和决策的往往是成文的历史运营资料或者管理文件，它们都是以不同形式表达出来的显性知识。但这些知识一般只能解决企业已经发生过的问题，难以承接自动预判的结果。知识管理理论认为，一家公司所积累的知识和经验80%都没有被明确表达，是隐性知识，而隐性知识才是主导一个公司运作的核心。隐性知识存在于大数据之中、存在于专业技术人员的知识结构之中、存在于管理人员的经验之中，它们构成了影响企业决策的全部能力。通过持续分析将隐性知识挖掘出来是打造专业脑能力的重要途径，亦将铸造智慧企业自主决策的能力。

（3）自我演进

自我演进意味着企业变革升级智慧化，是指企业随着各类原始数据和决策数据的不断累积，通过记忆认知、计算认知、交互认知三位一体的认知网络，实现自我评估、自我纠偏、自我提升、自我引领。企业逐渐呈现出数据驱动的管理形态和人工智能的特点。

对应“三层架构”的智能化平台的“洞察层”，是“三脑协同”的功能架构的“决策脑”的功能。

自我演进是智慧企业最高级阶段的高级特征，是真正成为一个人工智能“人”的高级能力。所谓自我，是个体对自己存在状态的认知，体现为自我评估、自我纠偏。当智慧企业本身能够感知到自己的一切并区别于周围其他的物与其他的人（其他企业），这就是人工智能的智慧企业的“自我”，能够对自身在经济社会中的角色进行自我评价，代表着智慧企业的自我意识。所谓演进，是一种演变发展的状态，并且强调在发展变化过程中的正向作用，直接作用在企业战略上，体现为自我提升、自我引领。环境变化的随机与战略演进的持续在自我演进中交汇，使得智慧企业能够持续应对战略层面的风险，在变化的环境中平滑转型，在企业竞争中更新优势。

从战略管理层面来看，战略是企业对于自身的考量，体现了自身关于业务与资源能力关系的解读。战略通常是面向未来的，未来的不确定性决定了战略必须在不同时间线上进行探索，持续进行创新的战略对话，然后投入执行和评估中，因此，战略管理是一种有目的的战略迭代过程。例如，这种迭代可以体现在商业模式的更新上，推动企业发生“量变”。在今天，我们时常谈到“转型”。转型是企业的“质变”，对于企业自身的震动太过剧烈——在转型过程中失败的案例早已屡见不鲜了。商业模式的智慧之处便在于其产生“量变”，当企业不断创新商业模式，量变便能产生质变，使企业感受不到转型对自身带来的动荡。

能够这般地自我演进，意味着企业能够通过数据来驱动战略层面的管理，这将为企业管理带来根本性的理性证据，成为智慧企业的最高目标。