刘杰教授从管理学视角，对企业数字化的关键内核进行了高度凝练和系统阐释。在他看来，把握数字化需要理解两方面的本质问题，一是数据要素，二是算法应用。

  理解数据要素，从企业应用的方面出发是好思路。企业的共同目标是增长，需要供给侧投入资源也就是生产要素。从农业经济、工业经济到数字化的经济，生产要素有变化。农业阶段主要是土地和劳动力，工业阶段需要资本和技术，这些都是传统的生产要素，特点是有限的增长和供给。数字化的经济时代有不同，数据成为新型要素，与技术要素类似有技术效应和配置效应，并能共享和再生，可以持续增长和供给。

  数据要素应用有三个层面。第一个层面，以有效提高运营效率、降低经营成本为目标，应用信息系统提升管理中的信息透明度，改进业务流程，比如ERP、CRM、MES等系统；第二个层面，应用信息技术使产品和服务数字化，实现直接与最终用户保持在线连接，让数据、产业（机器）和服务（人）融合为一个整体。比如冰箱实现数字化联网，可以做远程维修、为食品供应商提供数据做精准的产品和服务、为用户更好的提供食品保质期自动提醒等。这里要修正一个错误观念，实际上大部分企业做数字化不是转型、也很难转型，更多是要跨界，通过数字化把企业能力从原领域应用到其他领域，做更多的应用和服务从而抬高天花板实现增长；第三个层面，人与组织、组织与组织等之间的关系从物理世界迁移到数字世界，比如元宇宙。

  要应用好数据要素，有三个目标和四项任务。三个目标依次是业务数据化、数据资产化和数据资产业务化，比如贝壳将租房、买卖房业务数据化，并通过一些策略保障准确性。然后通过这一些数据资产化，融资上市。有了更多数据资产，它就可以拓展更多的业务，比如装修等，形成杠杆效应。在这样的一个过程中，企业有四项任务：一是数据要素化，要让数据能流动起来充分应用；二是要有数据思维，比如企业管理不仅靠直觉、也要靠数据分析；三是要有数据素养，包括企业主和员工，能针对问题找数字技术解决，也能理解数字技术后找到新的应用价值；四是把握数据生态，今天的环境更需要有数据治理思维。

  最后还要会用算法，包括数据收集、数据、算法、算力和应用（即“人”）五个要素的框架。有两方面主要任务，一是业务算法化，二是算法业务化。常规工作可以用算法取代，比如基于同类商品的价值数据收集分析进行自动化定价。高端工作也可以用算法支持优化，比如战略决策算法化，亚马逊能基于大数据分析在世界各地进行仓库选址。算法做得好，还可当作业务卖给别的企业。