数字操作的驱动原理
也正因为如此，数字化智能供应链的历史责任不仅仅局限于数字化转型本身，还需要依靠数字化能力和运营驱动的供应链来完成产能升级的任务。
与传统供应链的业务行为相比，数字化智能供应链的载体发生了明显的变化:
从以公司/企业/组织为原子，以高市场交易成本的招标采购为手段，以产业集群和集团为支撑的供应链体系；
数字化能力从客户价值取向出发，重塑业务使数据公开透明，形成以融合数字化平台为骨架的供应链体系，降低上下游企业的整体成本。
业务数字化是站在客户的角度，用数字化能力重塑业务，让业务流程和机制以客户为导向，优化信息壁垒等因素造成的冗余动作。
数字业务，即结合国家宏观价值取向、行业安全质量价值取向、各细分市场价值取向，提供差异化的数据服务能力；并且用市场化运营来保证数据能力的迭代、进化和运维。
在“数字化智能供应链参考架构的核心原理”的背景下，商业数字化涵盖了从购买原材料、制造中间产品和最终产品，到通过销售网络将产品和服务到达消费者手中所发生的所有商业行为。
在业务数字化过程中，既要参考互联网平台业务的标准化，又要符合当前业务执行流程的客观环境。
要达到这种平衡，需要借助数字化能力进行业务转型，综合考虑线上线下业务的差异性和* * *性，用标准化的业务流程降低数据处理的复杂度；
同时，从用户角度出发，保证数字化工具提高业务人员的执行效率，而不是造成额外的工作量/大大提高工作难度，保证数据的真实性；
站在客户的角度，与客户一起聚合供应链的整体能力，确保能够为客户提供精准的、需要的价值，而不是承担不必要的费用，从而保证数字化智能供应链的可持续性。
“领先智能供应链逆向设计和Wework原子化装饰”
最重要的是认识到业务数字化需要一个持续的迭代和进化过程，需要允许多种方案并行和融合，让上下游不同能力的参与者融合到创新中。(当然，这个过程必然会淘汰数字化能力太弱的企业。)
数字商业，或称数据商业，是指供应链各环节产生的数据和数据能力的运作，通过商业手段增加了整体的安全、质量和效率，并确保数据能够与良性的市场机制互联互通。
数字商务主要包括三个部分:数据采集、数据处理和结果预测。
1.数据采集的商业化:要用商业化的手段鼓励企业用数字化的方式自动采集数据，保证数据的准确性和及时性，让其低门槛的被平台对接。
数据采集对设备制造、软硬件研发等能力要求较高，与我国国产替代浪潮不谋而合。只有清晰的市场规则，才能为具备数据获取能力的企业提供商业回报的信心，最终推动数字化智能供应链的形成。
同时，参考C端互联网流量数据的商业模式，数字供应链的数据处理平台也需要以DAU、ARPU、GMV、留存率等商业结果数据作为与数据供应商的结算标准，提供数据收集能力的供应商也优先采用分成模式作为长期盈利模式。
2.数据处理能力要面向服务:基于* * *业务规则，洞察“关键数据”之间的逻辑关系，并以服务的形式提供。
赋能上游数据源，收集数据并进行初步处理；向下赋能下游业务方，洞察更多业务数据与“关键数据”的关联，辅助结果预测。
数据处理平台是数字化智能供应链的关键枢纽，通过数据和业务规则协调上下游的合作关系；同时是更多增值服务的基础，需要企业长期深度投入行业生态，收获长尾收益，如基于有效数据资产抵押的增值服务、供应链金融等建设优势。
同时，基于国家反垄断精神，建议采用行业内开源的方式，为服务商提供数据服务接口，为供应链参与企业提供定制化服务。
3.结果预测的能力要定制化:将供应链不同环节的“关键数据”与企业自身的财务数据、运营数据相结合，可以预测业务ROI。
基于数据之间的逻辑关系，通过较短周期内反馈的过程数据，可以有效预测结果数据，提高企业的管理能力。
长期以来，能够形成行业参考标准，推动供应链整体能力升级。