数字化时代，直觉经验式运营与决策将逐渐被数据分析式运营与决策所替代。业务的运营与决策依据，将从人为主观的经验判断、业务经验转变为客观的数据分析、数据预测、数据预判。如何掌握更多的数据基础，通过数据的梳理、分析、判断，从数据中获取到决策依据，继而做出科学的运营与决策，谁就将掌握未来更广的发展空间。这对企业的运营提出了新要求。那么，数字化企业的本质和基础到底是什么？如何构建企业数字化运营与决策体系？这些问题都能在由网聚资本、腾讯智慧零售、AMT企源、红餐产业研究院联合推出的《食品与餐饮连锁企业数字化增长指引参考 之 数字化运营与决策专题》中找到答案。
一、导读
根据第一期《食品与餐饮连锁企业数字化增长指引参考》，企业数字化可以分为五步：
第一步：基础设施云化。基础设施云化程度反映了企业数字化转型的基本技术能力，通过双中心，多边缘的专有云架构模式，实现统一的、安全可靠的专有云技术架构，利用云原生数据同步和负载调度能力对关键业务可轻松实现异地双活的高可用架构。
第二步：触点数字化。企业借助AIOT、移动互联网等技术，使得公司在全链路保持连接和数据获取能力。
第三步：业务在线化。通过业务能力服务化的方式帮助企业完成业务流程的数字化和业务价值的提升，实现企业业务协同，核心业务全部中台化，建成完善的中台共享服务体系，持续创新多元化业务。
第四步：运营数据化。充分挖掘自身高价值的“小数据”并充分结合生态的“大数据”，沉淀数据标准，实现数据驱动业务；实现人、财、物、经验等核心运营业务全面数字化。
第五步：决策智能化。构建“数智大脑”是企业数智化转型的重要方向，基于复杂智能算法的推荐、预测、决策等结果，实现人工智能技术的广泛应用。
运营数据化和决策智能化越来越成为企业的核心竞争力，企业如何打造数字化的运营与决策体系，是每个餐饮企业必须直面的课题。
二、核心要点
1、数字化企业是什么？
（一）企业数字化的本质是什么
以数据为驱动，推动企业高质量发展。借助大数据、云计算、物联网、区块链等数字技术和数学算法，打通企业生产经营的各个环节，加强业务与技术融合，提升数字化运营水平，优化资源配置，实现管理升级和模式创新，从而达到降本增效的目的，不断推动企业高质量发展。对餐饮企业来说，数字化意味着更快速的感知、更高效的连接和更敏捷的响应。在产业端，企业能够形成新制造、新供应链的局面，全面打造产业互联网体系。在消费端，新零售与新服务的形成使在分销渠道、营销信息与售后互动方面都能够持续发力创新，形成消费互联网。
（二）企业数字化的基础是什么
全链路的数字化支撑。从企业的价值链路来看，企业数字化体系的建设来源于研发、供应链、生产、营销、财务和经营管理六大价值链关键环节的规划建设，只有为全链路提供数字化支撑，打通每个版块，才能够形成共生共赢的数字化新局面。
（三）企业数字化的战略选择是什么
数字化的基础还是要回归到战略和业务模式本身，根据组织“天赋”开展分层次（管理数字化、业务数字化、数字生态化）的数字化建设是务实的选择，企业必须要对现状有客观的认知与共识。管理数字化是以业务管理和职能管理数字化建设为手段，实现全流程的线上化、数据的标准化、管理的智能化，提升管理效率和辅助决策；刚需是业务在线、流程优化和数据积累。业务数字化以客户价值交付为中心，以业务效率提升为导向，通过新技术应用与数据的持续挖掘，构建研发、生产、供应链、营销等业务过程的持续价值升级；此时的刚需是高附加值的产品和服务、企业基于个性化的基因，借助数字化工具巩固核心竞争能力。
2、如何构建企业数字化运营与决策体系？
（一）基于业务框架，打造数字化运营体系
企业的业务框架承载着企业独特的核心运营能力及作战能力。对于企业来说“自然流量红利”的时代已然过去，企业的核心竞争已逐渐趋向于增强自身的数字化运营能力，企业的精细化运营管理、对海量数据的管理、推动底层运营的信息化建设等需求将决定着企业是否能够提质增效、改善盈利、筑立起企业的护城河。
（二）私域运营，移动时代让品牌直连用户
实体门店时代，以“场”为连接。该阶段商家自主权高，但数字化程度低，客户通过在各门店的体验，逐渐培养对品牌的忠诚度；公域时代，平台电商以“货”连接，商家需要遵循平台规则，线上的客流清晰但是却与线下逐渐割裂，平台连接货币、用户、品牌和货品。私域运营的崛起，自主权又重新回归商家。门店数字化加速，以“触点”直接连接用户，品牌通过社交裂变与多触点连接等方式整合现有客户资源，做到精准触达。
（三）支撑企业数字化运营的决策体系
数据驱动是企业数字化转型的主线，其基本前提是数据与模型，充分地发挥与利用数据的价值是数据驱动的目标。当企业采用人机协同的数据驱动模式，企业的业务与管理需求则能够依靠数据、算法与模型进行决策而不是人的直觉与经验。根据《中国企业数字化转型白皮书》，人机协同的程度主要分为五层：第一层为呈现，具体表现为将数据结果呈现给用户，该层级只有简单的人机交互；第二层为预警，这能够帮助用户对于数据进行优劣的判断：第三层是建议，这一层级表现为基于数据能够形成行动建议，已具有一定的人机协同程度；第四层是决策，即基于数据进行自动决策与执行，在此过程中人与系统双向学习，具有高度的协同效应；第五层是融贯，即人机智能得到充分融合，人与机器的共生关系全方位得到展现，此时的决策已分不出是由机器做出还是由人做出。从数据驱动的概念框架来看，数据驱动主要包含了五大要素，分别是：服务对象、需求动因、数据、模型、应用场景；针对五大要素进行科学分析梳理后，才可能形成一套完整的数据驱动闭环体系：
