涉及大数据分析和人工智能的转型项目尤其依赖于质量数据

获取正确的数据。数据更好。 不仅仅是大量关于客户，生产，制造，分销，竞争对手和流程的结构化和非结构化企业数据，而是高质量的数据，这些数据清晰，一致且易于分析。涉及大数据分析和人工智能的转型项目尤其依赖于质量数据。报告说，有时必须告诉客户他们当前的数据存储库不会启用数字转换。 可以理解的是，这些都是艰难的对话，但有时需要花费大量资金才能完成失败的项目： 诚实和透明仍然是项目成功的关键。再次同意。

确定核心技能组合。你需要改变什么？ 除了正确的数据和（敏捷）方法之外，数字化转型项目还需要公司内部和外部展示的额外功能。 假设公司 - 无论他们对数字化转型多么热衷 - 都无法掌握实现目标所需的所有技能。这是一个重要的承认，并表明大多数（如果不是全部）公司无法在内部满足DT“核心竞争力”的定义。 供应商是必要的合作伙伴，因为他们更有可能跟踪新兴技术，而不是他们的客户深入其业务领域。

出于同样的原因，大多数公司现在都处于云端（为什么我们大多数人不再修理我们的汽车），公司需要合作伙伴，不应该尝试建立自己的广泛，深入和昂贵的数字化转型团队。 相反，他们应该与合作伙伴分享能力。也许最重要的是Kapoor所描述的“编排”，或者在 数字化转型项目之前，期间和之后协调方法，工具，技术和结果的能力。 这是一个自上而下和 自下而上的管理流程，与客户协作完成。

云计算的比喻可能会在这里再次发挥作用，正如卡普尔所建议的那样，客户应采用混合（技能）方法进行数字化转型。 定义正确的成功指标，并在您节省时付款。卡普尔将他的数字化转型方法描述为双赢，但却以非传统的方式。 如果客户未能看到其数字化转型项目的影响，则供应商补偿将向下调整。 是的，这是非常规的，特别是在客户向供应商支付他们所服务的咖啡的世界。

例如，专注于机器人技术的客户必须看到自动化方面的经验收益。 欺诈检测和其他补偿应与可衡量影响相关的项目也是如此。这显然降低了数字化转型的风险。 那么过去十年我们学到了什么？ 显而易见的是： 数字化转型并非灵丹妙药。最佳做法？DT需要良好的数据，正确的核心技能以及自上而下和自下而上的支持。 编排是必要的。 结果指标必须是经验性的。 从小开始，随着时间的推移迭代构建： 敏捷。 现实需要时间来掌握，管理对大多数事物的夸大期望。

Gartner集团实际上有一个名称：“夸大预期的啄” （其次是“幻灭的低谷”）。但是，在通往“生产力高原”的道路上，低谷之后是“启蒙的斜坡” 。“ 数字化转型与许多其他技术和流程的历史相同。在一天结束时，DT最佳实践必须以商业价值为基础。它也必须被认为是一个多学科的过程 - 像任何复杂的项目一样 - 需要大量的技能，能力，协作和协调。现在我们知道，我们可以做得对。 我们正在走向DT成熟度模型。