“你看这花，有的先开，有的后开，有的一个方向开，有的四面八方开。”
“真作，不过真好看，都好看。”
“人也是一样的，所以你不要急，有什么好急的？”
“当然急[格鲁特]有什么不好急的？！我怕我开不了，我怕我到死才发现原来我不会开花是因为我是树。”
“你是树，我现在就告诉你，你别指望开花了，你趁早死心吧。”
“不行，我是树我也要做一棵会开花的树[格鲁特][格鲁特][怒骂]”
“真作，不过真好看，都好看。”
“人也是一样的，所以你不要急，有什么好急的？”
“当然急[格鲁特]有什么不好急的？！我怕我开不了，我怕我到死才发现原来我不会开花是因为我是树。”
“你是树，我现在就告诉你，你别指望开花了，你趁早死心吧。”
“不行，我是树我也要做一棵会开花的树[格鲁特][格鲁特][怒骂]”
碧桂园服务首席信息官-袁鸿凯：《大数据时代下智慧信息平台的建设与能效提升》（下）
上文中提到物业企业在数字化转型中带来的是人均效率的提升，那么每个企业在信息化系统上线过程中都会经历哪些阶段呢？
不想用
如果要上线信息化的产品，你要做什么动作？就是一个快字。就像碧桂园在做整体信息化部署的时候，400多个项目，2016年底前要求一个月内全部都上线，包括查帐的处理等等一系列的处理要求。乙方配合也很重要，我们的物业ERP系统厂商天问互联高峰时期投入了近50人在系统上线工作。就是要保证能在短期之内全部项目一起推上线。
不会用
这时候就需要信息化部门组织大量的培训，一定要深入到一线去处理问题。每个区域每个项目往往都可能到项目上面去告诉一线人员怎么去用。因为一线的人员使用一段时间之后，它会有大量使用过程中的问题，这时候需要我们的培训能力跟得上。我们和天问互联的实施工程师安排的项目回头看工作，就是去各项目做系统使用巡检工作，及时解决上线过程遇到的一些问题。
用不好
用不好，主要体现在数据的不完整，统计上来的数据都是有问题的。如何解决呢，进行从上到下的监督。这时候我们的数据大屏可以发挥很大的作用，它可以实时的将一线所有的数据传递到管理层。管理层看到某个项目上面的数据不完整的时候，它会逐层的从上层往下层去要求，这时候就能解决用不好的问题。
不好用
这个产品有哪些缺陷？有哪些问题？一线人员都已经很了解吗？这时候信息化部门就要开始开始第二轮的针对前期的产品要进行迭代了。
每个阶段有每个阶段具体的处理办法，跟企业的规模和企业自己的执行力都是相关的，但是都逃不出这四个阶段。所以说信息化的系统在企业内部推进的时候，要用传统的一种方法和方式，一定是解决好前面三个阶段问题。
人工智能的两个基础条件，一个是软性的技术条件，李开复讲过的几个原则，一个是五秒钟的原则；一个是它主要的一个作用，是提升人机的效率。第二个部分是讲硬件的基础条件。现在像华为这样的主流厂商已经提供了相当的硬件来支撑，AI能够落地到无处不在。
首先我们说一个企业构成它的AI的能力，它需要有四个基础。第一个是要有巨大的数据量，因为没有巨大的数据量的话，无法进行相应的数据模型训练和AI算法训练。
其次要有超大规模的计算能力，第三是要有清晰的业务场景，AI训练出来之后用在什么场景下。第四个是要有物联设备的支持，AI的能力是将物联设备跟信息化网络的设备做结合的一个重要结合点。
如果是要做人工智能的赋能，主要强调是云边端的赋能，第一是要重视建立云端的产品，云端提供是什么？它提供的是对于从一线采集来的数据的这种分析感知，包括数据的模型的训练，它起到这样的一个制度。
边缘端是什么？边缘单是将云端训练的所有的算法训练的所有的技能继承下来，继承下来干什么？用来管理所有的边缘侧的设备。
在互联网的环境下面，每一种设备的它的特征都会受到各种各样的干扰，所以需要重点处理。但实际上这些数据只能是作为一种展示，必须让这些数据联动起来，才能够让它发挥更大的作用。必须要有联动的机制，让数据与现在业务联动起来，这样才能够完成大数据的整体应用。
在未来机器人可能替换掉一线的保洁阿姨，但是它会增加的是一个综合能力很强的管理人员，对整体的机器人进行相应的处理。
物信融合才能够让企业整体的能力发挥到最大的作用。单独的去建互联网体系，单独去建信息化的体系，导致到最后互联网的数据跟信息化的数据一直无法融合。现场虽然反馈了相应的物联的数据，但是我们还要去分析到底跟我们信息化的人员配置和派单的这些工作到底有哪些关系？
有的前端设备必须跟信号网络要有一个一定的这种结合点，人工智能是一个点。另外大数据的运算又是另外一个点。
互联网跟信息网怎么去融合？第一个需要互联网和信息网互相去抽取相应的数据来支撑相应的业务，而不是将两块的数据分隔独立的去进行相应的处理。这个提炼的过程有很多，它是根据什么来体现？必须要根据我们移动端的东西来体现，要根据我们的业务侧的东西来提供。
为什么说数据向上会平的，业务是向下延伸的。
往往总部的一条管理，看似简单的一个数据要求，往下沉的时候，就会发现一线业务需要做大量的业务去支撑这一个数据的提取。这就是我们所谓的业务向下延伸。外面你看的是一棵大树，其实它的根系相当的复杂。这就是业务向下延伸的过程中，一线做的工作远远超出总部职能中心想要的工作。
移动端的如果不采用行政手段，然后怎么去保证它的运营效果？首先要考虑移动端的定位。移动端其实解决的就是一线人员的使用的问题，一线人员的工作效率的问题。为了获得相应的这些数据，采用一些行政手段的时候，这时候就是不合理的。应该是通过它的应用，从后台去提相关的数据。
根据不同的用户，要有不同的运营策略，这是信息化部门或者说智能化的部门要去考虑的。只有让一线人员使用并给你反馈的信息之后，你才知道它好用不好用。
未来是一个人类和机器共存协作完成各类工作的全新时代。
如果人可以在五秒钟内对工作可以进行决策，那么这项工作未来终会被机器人代替！
上文中提到物业企业在数字化转型中带来的是人均效率的提升，那么每个企业在信息化系统上线过程中都会经历哪些阶段呢？
不想用
如果要上线信息化的产品，你要做什么动作？就是一个快字。就像碧桂园在做整体信息化部署的时候，400多个项目，2016年底前要求一个月内全部都上线，包括查帐的处理等等一系列的处理要求。乙方配合也很重要，我们的物业ERP系统厂商天问互联高峰时期投入了近50人在系统上线工作。就是要保证能在短期之内全部项目一起推上线。
不会用
这时候就需要信息化部门组织大量的培训，一定要深入到一线去处理问题。每个区域每个项目往往都可能到项目上面去告诉一线人员怎么去用。因为一线的人员使用一段时间之后，它会有大量使用过程中的问题，这时候需要我们的培训能力跟得上。我们和天问互联的实施工程师安排的项目回头看工作，就是去各项目做系统使用巡检工作，及时解决上线过程遇到的一些问题。
用不好
用不好，主要体现在数据的不完整，统计上来的数据都是有问题的。如何解决呢，进行从上到下的监督。这时候我们的数据大屏可以发挥很大的作用，它可以实时的将一线所有的数据传递到管理层。管理层看到某个项目上面的数据不完整的时候，它会逐层的从上层往下层去要求，这时候就能解决用不好的问题。
不好用
这个产品有哪些缺陷？有哪些问题？一线人员都已经很了解吗？这时候信息化部门就要开始开始第二轮的针对前期的产品要进行迭代了。
每个阶段有每个阶段具体的处理办法，跟企业的规模和企业自己的执行力都是相关的，但是都逃不出这四个阶段。所以说信息化的系统在企业内部推进的时候，要用传统的一种方法和方式，一定是解决好前面三个阶段问题。
人工智能的两个基础条件，一个是软性的技术条件，李开复讲过的几个原则，一个是五秒钟的原则；一个是它主要的一个作用，是提升人机的效率。第二个部分是讲硬件的基础条件。现在像华为这样的主流厂商已经提供了相当的硬件来支撑，AI能够落地到无处不在。
首先我们说一个企业构成它的AI的能力，它需要有四个基础。第一个是要有巨大的数据量，因为没有巨大的数据量的话，无法进行相应的数据模型训练和AI算法训练。
其次要有超大规模的计算能力，第三是要有清晰的业务场景，AI训练出来之后用在什么场景下。第四个是要有物联设备的支持，AI的能力是将物联设备跟信息化网络的设备做结合的一个重要结合点。
如果是要做人工智能的赋能，主要强调是云边端的赋能，第一是要重视建立云端的产品，云端提供是什么？它提供的是对于从一线采集来的数据的这种分析感知，包括数据的模型的训练，它起到这样的一个制度。
边缘端是什么？边缘单是将云端训练的所有的算法训练的所有的技能继承下来，继承下来干什么？用来管理所有的边缘侧的设备。
在互联网的环境下面，每一种设备的它的特征都会受到各种各样的干扰，所以需要重点处理。但实际上这些数据只能是作为一种展示，必须让这些数据联动起来，才能够让它发挥更大的作用。必须要有联动的机制，让数据与现在业务联动起来，这样才能够完成大数据的整体应用。
在未来机器人可能替换掉一线的保洁阿姨，但是它会增加的是一个综合能力很强的管理人员，对整体的机器人进行相应的处理。
物信融合才能够让企业整体的能力发挥到最大的作用。单独的去建互联网体系，单独去建信息化的体系，导致到最后互联网的数据跟信息化的数据一直无法融合。现场虽然反馈了相应的物联的数据，但是我们还要去分析到底跟我们信息化的人员配置和派单的这些工作到底有哪些关系？
有的前端设备必须跟信号网络要有一个一定的这种结合点，人工智能是一个点。另外大数据的运算又是另外一个点。
互联网跟信息网怎么去融合？第一个需要互联网和信息网互相去抽取相应的数据来支撑相应的业务，而不是将两块的数据分隔独立的去进行相应的处理。这个提炼的过程有很多，它是根据什么来体现？必须要根据我们移动端的东西来体现，要根据我们的业务侧的东西来提供。
为什么说数据向上会平的，业务是向下延伸的。
往往总部的一条管理，看似简单的一个数据要求，往下沉的时候，就会发现一线业务需要做大量的业务去支撑这一个数据的提取。这就是我们所谓的业务向下延伸。外面你看的是一棵大树，其实它的根系相当的复杂。这就是业务向下延伸的过程中，一线做的工作远远超出总部职能中心想要的工作。
移动端的如果不采用行政手段，然后怎么去保证它的运营效果？首先要考虑移动端的定位。移动端其实解决的就是一线人员的使用的问题，一线人员的工作效率的问题。为了获得相应的这些数据，采用一些行政手段的时候，这时候就是不合理的。应该是通过它的应用，从后台去提相关的数据。
根据不同的用户，要有不同的运营策略，这是信息化部门或者说智能化的部门要去考虑的。只有让一线人员使用并给你反馈的信息之后，你才知道它好用不好用。
未来是一个人类和机器共存协作完成各类工作的全新时代。
如果人可以在五秒钟内对工作可以进行决策，那么这项工作未来终会被机器人代替！
【微故事】上大学时，我们曾去一位老教授家做客，那时豪情无限，高谈阔论，仿佛无所不能。老教授一直微笑着倾听，不参与我们的种种话题。
待大家热情一过，他提出要做个测试，我们顿时都来了兴致。
老教授先问：“如果你去山上砍树，正好面前有两棵树，一棵粗，一棵细，你会砍哪一棵？”
问题一出，大家都说：“当然砍那棵粗的了！”
老教授一笑，说：“那棵粗的不过是一棵普通的杨树，而那棵细的却是红松，现在你们会砍哪一棵？”
我们一想，红松比较珍贵，就说：“当然砍红松了，杨树也不值钱！”
老教授带着不变的微笑看着我们，问：“那如果杨树是笔直的，而红松却七歪八扭，你们会砍哪一棵？”
我们有些疑惑，就说：“如果这样的话，还是砍杨树，红松弯弯曲曲的，什么都做不了！”
老教授目光闪烁着，我们猜想他又要加条件了，果然，他说：“杨树虽然笔直，可由于年头太多，中间大多空了，这时，你们会砍哪一棵？”
虽然搞不懂老教授的葫芦里卖的什么药，我们还是从他所给的条件出发，说：“那还是砍红松，杨树都中空了，更没有用！”
老教授紧接着问：“可是红松虽然不是中空的，但它扭曲得太厉害，砍起来非常困难，你们会砍哪一棵？”
我们索性也不去考虑他到底想得出什么结论，就说：“那就砍杨树，同样没啥大用，当然挑容易砍的砍了！”
老教授不容喘息地又问：“可是杨树之上有个鸟巢，几只幼鸟正躲在巢中，你会砍哪一棵？”
终于，有人问：“教授，您问来问去的，导致我们一会儿砍杨树，一会儿砍红松，选择总是随着您的条件增多而变化，您到底想告诉我们什么、测试些什么呢？”
老教授收起笑容，说：“你们怎么就没人问问自己，到底为什么砍树呢？
虽然我的条件不断变化，可是最终结果取决于你们最初的动机。
如果想要取柴，你就砍杨树，想做工艺品，就砍红松。你们当然不会无缘无故提着斧头上山砍树了！”
这个故事告诉我们：一个人，只有心中先有了目标，做事的时候才不会你的目标明确了吗？想清楚了，那就加油吧！
待大家热情一过，他提出要做个测试，我们顿时都来了兴致。
老教授先问：“如果你去山上砍树，正好面前有两棵树，一棵粗，一棵细，你会砍哪一棵？”
问题一出，大家都说：“当然砍那棵粗的了！”
老教授一笑，说：“那棵粗的不过是一棵普通的杨树，而那棵细的却是红松，现在你们会砍哪一棵？”
我们一想，红松比较珍贵，就说：“当然砍红松了，杨树也不值钱！”
老教授带着不变的微笑看着我们，问：“那如果杨树是笔直的，而红松却七歪八扭，你们会砍哪一棵？”
我们有些疑惑，就说：“如果这样的话，还是砍杨树，红松弯弯曲曲的，什么都做不了！”
老教授目光闪烁着，我们猜想他又要加条件了，果然，他说：“杨树虽然笔直，可由于年头太多，中间大多空了，这时，你们会砍哪一棵？”
虽然搞不懂老教授的葫芦里卖的什么药，我们还是从他所给的条件出发，说：“那还是砍红松，杨树都中空了，更没有用！”
老教授紧接着问：“可是红松虽然不是中空的，但它扭曲得太厉害，砍起来非常困难，你们会砍哪一棵？”
我们索性也不去考虑他到底想得出什么结论，就说：“那就砍杨树，同样没啥大用，当然挑容易砍的砍了！”
老教授不容喘息地又问：“可是杨树之上有个鸟巢，几只幼鸟正躲在巢中，你会砍哪一棵？”
终于，有人问：“教授，您问来问去的，导致我们一会儿砍杨树，一会儿砍红松，选择总是随着您的条件增多而变化，您到底想告诉我们什么、测试些什么呢？”
老教授收起笑容，说：“你们怎么就没人问问自己，到底为什么砍树呢？
虽然我的条件不断变化，可是最终结果取决于你们最初的动机。
如果想要取柴，你就砍杨树，想做工艺品，就砍红松。你们当然不会无缘无故提着斧头上山砍树了！”
这个故事告诉我们：一个人，只有心中先有了目标，做事的时候才不会你的目标明确了吗？想清楚了，那就加油吧！
✋热门推荐