▌數字化轉型背景分析

在工業化時代，我國很多制造型企業通常處于產業鏈的中下游，核心技術及發明專利積累薄弱，一般靠規模效應和低價競爭來取勝，致使企業規模大而不強，只能寄望于客戶旺盛的產品需求，造就了很多龐大但不強的制造型企業，企業發展壯大只能寄望于外部市場需求旺盛，通過不斷壓縮原料和人工成本來續命，原材料利用率較低、資源損耗量大、環境污染嚴重。隨著我國經濟社會發展進入新時代，制造型企業發展的重心早已發生變化，規模與成本不再是制勝的法寶，產能過剩問題集中爆發，客戶的個性化需求決定著企業的生產方式、產品樣式及運營模式，這對企業傳統的業務流程和管理方法將帶來極大的顛覆式改變。

無論是德國的“工業4.0”戰略，美國的“先進制造業國家戰略計劃”，還是中國的“中國制造2025”戰略，其本質都是以智能制造為手段，大力發展制造業，帶動國家整體經濟實力的提升。智能制造首先不是簡單地生產智能化的產品，也不等同于生產環節的自動化和人工智能的替代和智能化，而是融合了物聯網、云計算、大數據和人工智能等技術，由數據驅動的全方位的數字化轉型，實現機器、人之間全面連接交互，使單一機器、部分關鍵環節的智能控制延伸至生產全過程，促進了機器自組織、自決策、自適應生產，在貫穿整個企業運營管理各環節的數據的映射下，充分的挖掘數據洞見，提升內部效率，實現業務創新。

▌數據驅動智能制造模式

在數字經濟時代，每個用戶會圍繞自己的個性化需求定制屬于自己的高品質產品，制造型企業要滿足用戶的需求就必須實現數據驅動的智能制造，從用戶下單、到生產，再到物流配送，整個智能制造過程只有通過數據聯動起來，才能做到無縫銜接，另外智能工廠的核心就是數據聯動，數據中心是支配整個智能制造過程的 “大腦”，它可以令資源配置更加合理，流程更加標準、省時、高效?；跀祿寗拥闹悄苤圃炜蓭椭髽I實現智能感知，準確獲取企業、車間、設備、系統的實時狀態，可對獲取的數據進行快速準確的加工、識別和處理，可根據數據分析的結果按照設定的規則自動進行判斷和選擇，可對設備狀態、車間及生產線計劃作出調整。根據數據在智能制造過程中的作用，初步總結了以下四種模式：

1   ▏基于管理軟件的個性化定制

企業通過定制化的互聯網平臺可收集用戶的個性化產品需求，也能獲取到產品交互和交易的有效數據；挖掘和分析這些客戶及產品動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，實現定制化設計與體驗，再依托柔性化的生產流程，就能為用戶生產出量身定做的產品。

2   ▏基于完善生產體制的智能生產化

完善的生產體制能夠有效幫助企業制訂更加合理的規劃生產計劃，加強對制造生產全過程的自動化控制和智能化控制，促進信息共享、系統整合和業務協同，實現制造過程的科學決策，最大程度實現生產流程的自動化、個性化、柔性化和自我優化，提高精準制造、高端制造、敏捷制造的能力，加速智能車間、智能工廠等現代化生產體系建立，推進產品全生命周期過程的智能生產。

3   ▏基于優化經營管理體系的精益化管理

整合企業生產數據、財務數據、管理數據、采購數據、銷售數據和消費者行為數據等資源，通過數據挖掘分析，可幫助企業找到生產要素的最佳投入比例，實現研產供銷、經營管理、生產控制、業務與財務全流程的無縫銜接和業務協同，促進業務流程、決策流程、運營流程的整合、重組和優化，推動企業管理從金字塔靜態管理組織向扁平化動態管理組織轉變，利用云端數據集成驅動提升企業管理決策的科學性和運營一體化能力。

4   ▏面向商業模式創新的服務型制造

通過嵌在產品中的傳感器，企業能夠實時監測產品的運行狀態，通過商務平臺，企業能夠獲得產品的銷售數據和客戶數據。通過對這些數據的分析和預測，企業能夠開展故障預警、遠程監控、遠程運維、質量診斷等在線增值服務，提供個性化、在線化、便捷化的增值服務，擴展產品價值空間，使得以制造產品為核心的經營模式向“制造+服務”的模式轉變。

▌數據驅動轉型的實施步驟

數據驅動，意味著以數據為核心，將企業的數據資產梳理清楚，對之進行集成、共享、挖掘，從而發現問題，驅動創新。數據是最客觀的，是最清晰的，數據能夠幫助管理者化繁為簡，透過復雜繁蕪的流程看到業務的本質，更好地優化決策。數據驅動式數字化轉型的核心是構建一個企業級的數據資產平臺，梳理清晰整個企業的數據資產，并借助數據和智能的算法，在數據資產中發現新的業務價值點，創新產品和服務，從而構建數據驅動的數字化轉型。數據驅動的數字化轉型是一個體系化的工作，可從理論體系、平臺工具、數據、組織、機制五個方面開展工作：

1   ▏企業級數據資產梳理

基于L-DAMF框架，識別、定位、梳理出公司的數據資產目錄，明確數據含義，了解數據訪問與業務流程之間的關系，幫助企業業務使用者可以使用數據和應用數據幫助他們更好完成工作，推動全面數據化運營。連接和映射更多數據，充分發掘現有的數據之間的關系，擴大數據規模效應，讓數據可以充分發揮其作用和價值。為其他的數據資產管理活動，包括數據質量、數據生命周期管理、數據操作、數據安全、主數據管理等提供一個高質量的基礎。

2   ▏制定精益數據級數據治理體系

總結管理職責、數據標準、數據質量、挖掘利用、安全規范、數據集成各方面的痛點，現狀，打造組織、管理、技術和執行四個維度的精益數據治理體系，建立持續的數據資產保障機制。構造數據擁有者、使用者、數據以及支撐系統之間的和諧互補關系，從全機構視角協調、統領各個層面的數據管理工作，確保內部各類人員能夠得到及時、準確的數據支持和服務。

3   ▏打造企業數據資產平臺

采取分階段、分步驟、快速迭代等策略，基于云基礎設施打造企業數據資產平臺，全面收集、存儲、組織、管理已梳理的各類數據資產，實現數據的獲取、存儲、探索、分析、利用全生命周期價值，提供信息資源目錄管理、主數據管理、元數據管理、數據質量管理、數據標準管理以及數據生命周期管理等功能，為企業的各用戶角色提供對應的數據服務。

4   ▏建立數據資產應用團隊

為有效推進數據治理，深入挖掘和分析數據價值，有效契合公司數據戰略，需要建立業務分析師、數據分析師和數據工程師為核心的數據組織，持續的挖掘、產生數據洞察，需要明確企業的業務需求和戰略意圖，再制定數據驅動戰略，數據團隊在搭建的時候，典型的有金字塔模式和矩陣模式，也可以是兩種模式的混合，不斷培養基于場景的想象能力，實現決策響應、基礎體系及業務粘性的集成。

5   ▏建立數據驅動的創新孵化機制

數據資產平臺的數據集、算法、模型和可視化報表等都會以服務的方式提供出來，在統一的服務市場里進行管理，用戶可以搜索、獲取使用這些服務。數據資產和服務都是可以被交易的，所有的交易是被監控，被管理的。每一個角色都能夠通過提供數據、提供技術工具、提供分析服務等手段獲得對應的價值回報，從而形成協作，共贏的數據價值生態，促進企業的持續數據創新。

▌數據驅動轉型的建議

1   ▏數據戰略與數據思維

我國傳統制造型企業深受既有生產模式和組織結構的影響，盡管在產品全生命周期過程中產生了大量的數據，但對數據資產重視不夠，沒將數據作為一種戰略資產進行審視和利用，缺少數據思維和數據習慣，在新經濟沖擊下茫然無措。為更好的推動數字化轉型，企業必須重視和發掘數據價值，不斷培養數據思維和數據戰略意識，以便在激烈的市場競爭中贏得主動和先機。

2   ▏數據梳理與規劃

制造型企業在設計、生產、工藝、試驗、裝配、綜合保障過程中產生了多種多樣的結構化和非結構化數據，企業必須加強數據體系基礎管理工作，著力推進數據體系頂層設計，深入開展數據資產梳理，明確數據定義，明確數據血緣關系，構建涵蓋元數據、主數據、編碼數據、業務數據、主題數據等類別的多樣的數據資源目錄體系，以便為后續搭建數據資產平臺，提供各類數據服務奠定基礎。

3   ▏數據人才隊伍建設

制造型企業數字化轉型是一個系統性工程，涉及互聯感知、數據應用、生態體系等多個環節，而數據是數字化轉型的核心要素，數據支撐了采集、傳輸、存儲、建模、處理、聚合、分析、展現等多個過程，需要多種專業技術人才的支撐，制造型企業應建立數據人才引進、培養、使用機制，建立數據人才成長通道，提供人才激勵機制，為推進數字化轉型提供技術支撐。

4   ▏數據生態與賦能

制造型企業未來的發展趨勢必然是基于數據的生產、管理、運維服務和決策開展，不斷地產生數據、分享數據、管理數據、決策服務，制造型企業必須將自身融入到整個產業鏈環節中，通過與上下游企業、合作伙伴進行數據交換與共享，不斷賦能產業生態體系的完善和發展，賦能方式是文化、制度、流程、業務、日常管理和全方位開展，推動信息資源的高度融合，實現數據滲透。

▌結語

在制造型企業數字化轉型的過程中，數據將會凸顯其核心價值和戰略作用。隨著各類數據采集、整理、分析相關技術的發展及應用，數據的價值逐步在多方面得到了體現，越來越受到企業的重視，數據必將在未來的工業轉型過程中扮演越來越重要的角色。

想了解更多IT資訊，請訪問中培偉業官網：中培偉業