基于模型的系统工程 (MBSE) 的兴起，为企业数字化转型提供了新的途径，通过建立精确的概念模型来管理和分析整个系统的复杂性，为组织提供了更高效、更精确、可持续的方式来管理和优化业务流程。数字化转型的重要性虽然被广泛认知，但实际上大多数组织变革都面临着严峻的挑战，以致于70% 的复杂的大规模变革项目最终未能达到既定的目标。数字化转型失败存在一系列原因，如员工的参与度不足、管理层支持不力、跨职能协作不足，以及各方责任不明确等。本文就企业如何通过MBSE实现数字化转型进行了研究，提出一种可行的并行化模式，在不影响企业活动正常开展的同时实现文档数据数字化的积累，并阐述了构建领域模型数据库的价值和意义，以模型为唯一数据源代替绝大部分文档进行知识储备和信息传递。
1 数字化转型中的并行化模式
数据模型化的必要性
传统系统工程依赖繁琐的文档流程，缺乏对信息进行统一配置控制的机制，导致同一信息在不同文档多次出现，对变革的响应“心有余而力不足”。
图 1 传统系统工程与基于模型的系统工程对比图
如图1所示，通常业务模型是以文字描述或是流程图形式存在，但在组织工程具体实施的连接相对模糊，导致各文档间导航困难，无法跟踪变化。传统系统工程中需求信息的提取尤其困难，同一信息可能多次出现，且在需求基线确定过程中存在信息丢失的问题。传统系统工程只有对原始需求记录的非正式链接文档，割裂的文档信息难以整合到环境中，需求难以被追踪到设计和验证层面。
资源信息在环节传输和跟踪中的不对称，以及数据资产管理不善等问题会导致研究人员对需求信息理解出现差异，大幅增加不必要的工作量，从而使产品开发周期延长、成本增加，难以适应激烈竞争环境。为解决以文档为中心的传统系统工程的难点，采取基于模型的方法进行数字化转型。通过MBSE提供一种更清晰、一致且易于理解的方式来管理信息，全覆盖地将业务与模型相对应，确保数字化转型的各类信息反映在系统设计中。通过MBSE对领域知识与领域需求升维凝练以形式化建模的方式将其整合，提供导航和跟踪机制实现信息的配置控制，避免了数据的重复，减少了手动操作，提高了工作效率。
1.2 并行化转型模式研究
企业数字化转型不是一蹴而就的，牵涉到企业结构、流程优化、文化转变等多个方面。即使管理层充分认识到数字化转型的迫切，但推动数字化战略的同时，确保过渡期间的企业业务正常运转却十分复杂。在变革的过程中，企业仍需不间断地提供服务满足客户需求，并在竞争激烈的市场中保持竞争力。并行化转型模式将风险管理纳入考量，注重业务创新和现有业务的平衡，旨在让企业在进行数字化转型的同时保持业务的稳定状态。用进化生物学领域的用语来讲，基于模型的数字化转型更适用于“共生协同主义”的并行化研制模式，即建立紧密相互依赖的关系，实现更大的合作和协同效应。
图 2 数字化转型中的并行化模式
如图2所示，基于模型的数字化转型需要专业的数字化团队作为数字化转型的中继站，由数字化团队与领域专家团队共同承担。在跨领域的数字化转型中，企业多个部门委托专业的数字化团队进行数字化转型，各部门提供领域数据、领域专家与财政支持。领域专家团队整合跨部门的专业知识，专注于与数字化团队协同工作，尤其是文档数据到模型数据的转变工作上，明确领域术语的统一认知，形成通用领域知识，包括模型数据库和使用说明文档。
这一整体集中的协同模式有助于资源的集中利用，避免了重复投入，使数字化团队更专注于制定和实施数字化策略。单领域数字化转型中，部分组织可能难以靠自身推动变革或者对数字化转型的需求不明确。这种情况下，可以采取在内部对个别业务进行小范围试点的方式。数字化团队派遣专家到企业部门内部协同工作。这种模式注重提升部门内部部分成员数字化思维和培养数字化能力。通过试点项目快速取得成效，证明数字化能实现降本增效效果，并总结经验教训且逐步推动数字化转型。
2 数字化转型中的模型数据库
2.1 构建领域模型数据库数字化转型首要目标是构建完备的领域模型数据库以实现文档信息的数字化和模型化，涵盖数据的提炼、编辑、共享、存储、检索以及最终的归档。通过精细的生命周期管理，能够追踪和记录数据的变化，确保数据的可追溯性和完整性。模型数据是通过领域专家与数字化专家共同协作从文档中提取凝练的、符合数据—信息—知识—智慧的转化DIKW金字塔的理念。这种协同工作方式来搭建领域模型数据库有助于提高准确度，防止信息孤岛的产生，从而促进提取的数据综合且完善，使得相关人员对模型数据的使用能达到统一的认知。
图 3 领域模型数据库
如图3所示，通过领域专家与建模专家的合作，根据MOF标准从文档数据中提取凝练出模型数据，形成领域模型数据库，从底层的数据逐渐升华到最高层的智慧，从抽象的通用定义到具体定制实例化。本体的作用在于描述某个领域的知识，通过构建与模型之间的对应关系实现对不同层面的知识的跨领域集成，逐步建立完善的领域模型库。在各个领域能够定制化构建领域建模语言，为建模语言使用人员提供指导。
2.2 基于语义的领域模型数据
根据领域的要求可以构建不同的领域元模型，如需求元模型、功能元模型和系统架构元模型等。在通用模型基础上进行扩展，结合领域特点进行设计，不改变概念定义的同时定制实例的可行性，确保了在不同阶段和不同活动之间协同工作的一致性。数字化转型的成功实施不仅需要关注模型数据格式，还需要注重对模型数据语义的建立和维护，引入语义数据转换、对比和协调管理，来保障数据的一致性、完整性和质量。通过语义级别的管理更准确地表达和解释模型数据的含义，确保不同模型之间能够正确理解和映射所有不同模型数据。同时，还应建立形式化的语义知识基石，为整个系统提供了可靠的知识支持。
为了实现这种互操作性，需要在交换格式之外定义交换的语义。只有通过建立共同语义，不同模型之间的信息交换才能正确进行，避免数据结构和语言语法的差异导致的信息偏差。语义层作为中间层次，通过设计模型与本体模型的语义转化算法，制定转化规则能使设计模型自动生成本体文件，实现对领域知识的本体构建和MBSE模型的语义转化。这种基于语义的一体化本体生成不仅在数据一致性方面有良好的优势，还为不同领域协同和知识集成提供了可能。
结语
本文提出基于模型的数字化转型模式，分别从并行化转型模式和领域模型数据库进行研究，强调数字化转型团队与领域专家团队协同合作的重要性，并构建领域模型数据库，实现对复杂数据信息的精细化管理。
未来，还需要对其他方面进一步研究：
(1)数字化转型中的风险管理与应对策略。通过深入研究风险识别、评估和管理，帮助组织更好地规避风险，制定应对策略，确保数字化转型的可持续性和成功性。
(2)模型凝练的颗粒度研究。从文本到模型提取的过程中，不同领域对模型数据的要求的精细程度不同，所需要的元素、关系和层次结构不同，应因地制宜建立更具表达力和适应性的模型数据。
(3)模型—语义—本体的转换生成的标准化研究，制定通用的规范和方法实现各部分映射的规则，促进知识共享和信息交流。