彼得德鲁克是管理学大师，他的许多观点和方法能用来指导数字化转型的相关工作。但他提出这些观点的背景是管理问题，往往不涉及技术问题。这时，人们可以用专业知识、经验和逻辑，找出逻辑上没有断点的实施方案，并判断计划和线路的可行性。

但是，当我们遇到数字化转型时，难免要谈到技术。谈技术就可能遇到不确定的问题。比如，可能需要采用数据建模技术、识别异常、优化计算等。如果这些技术问题解决不好，逻辑线路就会存在断点。如果是这样的话，“用简单办法做事”、“以终为始”等想法就无法落实，落为空谈。借鉴德鲁克的思维方法，也就遇到了困难。

比如，智能决策的前提不仅是获取信息，还要有认知功能。我所谓的认知，是通过数据获得信息的过程，就像通过采集设备参数判断设备健康程度。认知算法是否合适，经常是一个难题。再如，决策过程可能需要模型，许多模型需要根据实际数据建模，存在不确定性。如果建模的效果不好怎么办呢？再如优化算法、根因分析，如果算法或方法的效果不好就无法完成任务。做智能化工作时，这些技术本质上都可能成为断点。

现在想来，我讲智能制造时的一些知识点，恰恰就是解决这些问题的。首先，我希望用控制论的逻辑，来描述各种智能化问题。各种技术问题都可以展现在这个体系下面。然后就可以给出各种技术的解决思路。

比如，我是用对标的方法实现认知的，用“跟着学”、“打高尔夫球”的逻辑建立模型的、强调用人的经验数字化进行决策、强调敢于用暴力搜索等办法。这些办法其实都是“通用”的办法，因为它们符合人类最基本的认识论哲学。这些通用的办法都是笨办法，但笨办法总是有解的。

特别需要强调的是：这些办法本质上都是“发挥计算机的优势”，都是利用计算机技术发展带来的机会。除了图像识别等个别技术外，我主张的都不是什么新鲜的方法或理论，而是传统的方法有了更多创造价值的机会。这种逻辑的优势就是“普适性”，可以应用的场景非常多、解决普遍性的问题。与之相对应的，是我一直反对的、把某项新理论捧得过高的做法。

当然，即便按照这个做法，现实还是有问题的。比如，数据条件或计算能力可能不理想，这些方法的效果也就不理想。对于这个问题，我提出的方法就是通过持续改进、优化条件来解决。所以，我提出“先做成、后做好”的原则。这样，技术问题其实就变成了时间和经济性的问题了。从技术上看，断点也就可以消失了。也就敢于声明：数字化技术问题的本质是经济性问题。当然，这套方法在现实中不一定都成功。因为成败本质上是个经济问题，而经济性与具体的场景有关。所以，我把场景的选择作为成功的必要条件。

这样想来，许多数字化技术就变得可策划了，能够按照“以终为始”的原则开展工作了。德鲁克先生的那套理论，也就能适合数字化技术的策划了。这套想法可以自圆其说，可以算一个完整的理论体系了。

我的这些想法，来源于宝钢20年的实践，主要反映了生产过程的相关问题。在我的实践之外，应该还会有其他的逻辑。这就是所谓“有针对性就有局限性”。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。