2023年制造业数据建设白皮书.pdf

制造业数据建设白皮书帆软数据应用研究院帆软数字制造事业部2023.03DATA CREATESTHE FUTUREWHITE PAPER ON MANUFACTURINGDATA CONSTRUCTION帆软官方小程序指导单位：前 言PREFACE十年来，我国数字经济取得了举世瞩目的发展成就，数字产业化与产业数字化正在被大力推动，“云大物智移”正在成为企业当前转型的必要方向，数据俨然成为企业不可或缺的生产要素，数据建设规划是企业发展规划中的重要环节，甚至成为战略规划，作为企业发展的“折子工程”。数据建设包含了企业文化建设、企业基础设施建设、企业数据人才建设、企业数据规范体系建设、企业数据应用建设等，帮助企业建立从数据获取生产到数据消费利用的全生命周期管理体系，使数据正式成为企业的资产被利用且产生价值。本次白皮书将针对制造型企业的数据建设，提出“数据诊断-行动方案”的解决思路，给出数据建设成熟度评估模型，模型通过 9 大维度（企业文化、企业投入、组织人才、基础设施、业务管理、组织协同、规范体系、数据质量及数据安全）判断企业当前数据建设所处阶段，并针对每一阶段给出企业如何迈向下一阶段的行动方案，旨在帮助企业进行数据建设规划，指明数据建设的方向。本次白皮书还针对 100+家企业进行了深度调研，分析当前企业的数据建设现状，综合来看，大部分国内制造型企业仍旧处于数据建设较初级的阶段，中国制造业的数据建设道路依旧任重而道远。帆软希望能够通过本书的理念，结合数据全模块产品体系，加速制造业数据建设的步伐，这是时代赋予的使命，也是基业长青的必由之路。目 录高管论道时不我待：共创智造中国制造业数据建设阶段划分一、顺应革新趋势，建设数字经济二、推进数据建设，跨越数据鸿沟一、传统阶段：信息碎片化二、起步阶段：业务数字化三、加速阶段：数据价值化四、成熟阶段：数字平台化五、智慧阶段：智能生态化04040708081012010306Views of executivesTime flies:Jointly create a smart ChinaPhase division of manufacturing data constructionCATALOGUE0102总结与展望关于我们报告作者:商倩倩 孙 前 鞠沛文 报告指导:王文信 张龙飞 美术编辑:齐皓然报告编委4648Summary and outlookAbout us制造业数据建设行动方案一、传统阶段起步阶段:夯实基础，部署业务系统二、起步阶段加速阶段:拓展业务应用，发展商业智能三、加速阶段成熟阶段:全局规划，合理统筹，平台化发展四、成熟阶段智慧阶段:智能化发展与数据边界的全新定义1619324115Action plan for manufacturing data construction03高管论道VIEWS OF EXECUTIVES李忠福信息化总监 徐工重型/Zhongfu Li工程机械行业属于典型的“多品种、小批量、定制化”离散型制造业，面对激烈的全球市场竞争环境、不断提升的制造及劳动力成本、以及高度的柔性生产要求，加快业务流程数字化、智能化改造提升是必由之路。企业要合理统筹转型投入与产出，推动企业跨领域跨部门数字化协同等，这对既懂技术又懂业务的复合型人才以及完备的落地机制提出迫切需求。李 奋龚义文数据中台负责人/交大安泰 EMBA 汽车协会轮值会长 上汽大通总经理 云天化信息科技有限公司/Fen Li/YiWen Gong企业的数据化建设是分为起步阶段、基础建设阶段、数据分析应用规模化阶段以及智能化阶段的，每一个阶段都有其典型建设成果与企业能力提升。数据+算法重构业务流程是数字化转型的业务原点，有些部门在数据里找理由，有些部门在数据里找方法，只有借助数据优化业务，企业才是真正实现了数字化转型。通过业数贯通融合，企业可以实现数字化赋能销售供应链及数字化赋能生产制造，从而更有力地进行集团化管控。我们将通过打造以云化平台为主题，集团制造单元为边缘计算层支撑的 1 个工业互联网基础框架，建成技术、业务、数据三大中台，建设包括集团数字化转型内部应用与生态型应用两部分，以加快数字化发展，推进数字产业化和产业数字化。陈 江副总经理 北汽集团/Jiang Chen北汽集团要发展，特别要进行“高新特”和高质量的发展，数字化转型就是一道必答题。数字经济代表了未来经济的发展方向，已经成为经济增长的核心要素和企业竞争的关键领域。在数字化技术与工业制造实体企业融合实践中，北汽集团主要从两方面发力，一是汽车产品数字化，即汽车产品的智能网联化，软件定义汽车；二是企业自身数字化，实现企业内部及其产业链的数字化转型，到2025 年，集团将实现产业链生态数字转型，利用大数据、区块链、信息安全、人工智能等技术平台为集团高质量发展赋能，建立覆盖研、产、供、销、服整个汽车产业链的数字化生态圈。01高管论道SENIOR EXECUTIVES ARGUE王雁君数据管理与应用部总监 海信集团/YanJun Wang数据管理中有四件事情我们要做好，一是统一数据标准化，二是构建数据平台，三是定制数据应用，四是营造数据氛围。海信搭建了统一的数据平台，用于存储和建设数据，并针对数据的统一管理，做了数据治理。对于用户的强烈的数据需求，构建专业的数据应用来支撑。但从用户角度来讲，他的需求应是长期满足的。因此海信选择通过建文化，扎根业务端，将业务人员培养为数据分析师，他们通过自助分析，满足各类数据分析需求，从而支撑决策和管理。王 威李 科赖江龙总经理 徐工施维英信息技术总监 尚德电力CIO 传化集团/Wei Wang/Ke Li/Jianglong Lai数据会成为企业变现的资源，为生产创造价值，为利润创造价值。业务数据化是推进数据应用发展的第一步，也是基础，任何数据分析都需要借助准确的数据收集与统计。固化业务流程，统一数据模型是徐工施维英推进业务数据化的第一步，而在这其中最关键的是建立数据文化。“以前各部门的报表都是我们主动去询问他们需不需要，现在都是各业务口的人会找过来提需求，支持和配合我们的工作，局面一下子打开了。”通过数据文化的建立，公司高层、中层和基层建立起统一认知，推进数据组织建设、平台建设，包括实施数据治理，数仓建设等一系列数据标准化流程便会水到渠成。我们需要非常明确地认识到，信息化只是一个手段或工具，唯有实现跟管理模式的相结合，才能发挥出它最大的作用。数据中有效信息的展现，特别是将多个系统的数据进行传递和联动，才能对公司的经营管理提供更好的决策支撑与依据，而不仅仅是表格化的东西，这样才能为管理层的战略方向提供一个好的支撑工具。中国制造 2025 对我们来说是一个机会，选择好方法和工具，也许我们只需要十年时间就可以走过别人走过的几十年的路。要想构建企业级数字化协同，以数据驱动产业融合，一网拉通传化集团数字化建设，就要搭建企业级数据管理平台，将数据资产转换为业务创新动能。要想让数据工作的价值显性化，就要让技术人员业务化、业务人员系统化，业务与 IT 深度学习合作，都拥有数据思维，这样才能让数据工作下沉到业务中，发挥出真正的价值。02数据智造未来DATA INTELLIGENCE CREATES THE FUTURE高管论道SENIOR EXECUTIVES ARGUE时不我待：共创智造中国TIME FLIES:JOINTLY CREATE ASMART CHINA01人类工业文明经历了蒸汽时代、电气时代、信息时代后，如今已进入工业 4.0 时代。工业 4.0 时代的核心是通过互联网、物联网等技术实现智能制造，推动生产力的进一步释放。这一概念最早于 2013 年在德国汉诺威工业博览会上被正式提出，旨在提高德国工业的竞争力。随后，各国接连提出致力于提升自身制造水平的战略规划。我国于 2015 年便已提出中国制造 2025，为中国制造业发展规划了宏伟蓝图，以推动我国实现从制造大国到制造强国的转变。其中，“推进信息化与工业化深度融合”是中国制造 2025行动纲领中提到的战略任务之一；要“加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化深度融合的主攻方向。”然而，2020 年新冠疫情爆发，给制造业的发展带来了严峻的挑战。受疫情影响，上游企业的生产与交付计划被打乱，进而导致中下游企业的生产活动受到严重影响甚至被迫中断。如何提高柔性生产水平、科学敏捷决策，在波动不定的市场环境中始终保留自己的一席之地，是制造企业需要持续关注的问题。在当今变幻莫测的时代，数字技术是助力企业开源节流、拓宽生存之道的必要武器。制造企业的数据建设刻不容缓。制造企业加快数据建设进行转型升级，不仅是时代发展的必然趋势，还应该是中国制造企业的坚定选择。每个制造企业都处在这场变革之中，是实现制造强国的见证者，更是建设者。打造具有国际竞争力的制造业，共创智造中国，这是时代赋予中国企业家的使命，也是企业长青的必由之路。03时不我待：共创智造中国TIME FLIES:JOINTLY CREATE A SMART CHINA04数据智造未来DATA CREATES THE FUTURE时不我待：共创智造中国TIME FLIES:JOINTLY CREATE A SMART CHINA一、顺应革新趋势，建设数字经济二、推进数据建设，跨越数据鸿沟制造企业数据建设-业务系统部署情况“十四五”数字经济发展规划中提到：“数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。”据统计，截止 2021 年中国数字经济规模已经达到 45.5 万亿元，占国内生产总值比重高达 39.8%。数字经济正在高速增长，已成为带动经济发展的重要引擎。而制造业是国民经济的主体、立国之本与强国之基，以数字经济发展拉动制造业增长，加速数字产业与制造业的相互渗透，推动制造业的数字化发展，既是加快数字经济建设的关键一环，也是促进国民经济蓬勃发展的重要举措。制造企业应充分利用数字经济发展优势，顺应时代发展走向，增强数字技术与自身业务的融合，为企业发展持续注入新动力。数据建设是指依托于企业的信息化基础设施，通过部署一系列软件,完成数据采集、数据处理、数据分析、数据呈现等过程，充分挖掘、应用数据价值，从而使企业达到并维持高效、有序的发展态势，并最终实现从传统经营模式到智能商业模式的转变。数字经济时代，制造企业应当牢牢抓住这一机遇，推进数据建设，跨越数据鸿沟。然而制造业的数据建设情况并不乐观。帆软数据应用研究院的调研数据显示，仅有 3.42%的制造企业在内部形成了良好的数据应用氛围，企业自上而下的管理都依靠数据支撑；而仍有 39.32%的制造企业表示内部只是有数据应用的初步想法，开始使用业务系统中的简单报表支持业务管理。综合来看，国内制造核心业务完成部署所有业务完成部署没有业务/边缘业务完成部署10%65%25%05时不我待：共创智造中国TIME FLIES:JOINTLY CREATE A SMART CHINA企业的数据建设大部分依然处于起步阶段，有 64.96%的企业仅仅完成了核心业务系统的数据覆盖，只有10.26%的企业实现了所有业务的数字化管理。制造企业的数据建设之路任重而道远。调研结果显示，规模越大的企业数据建设的成熟度越高，而规模越小的企业成熟度越低。因此，对于中小型制造企业来说，需要快速推进数据建设，缩小与业内头部企业的差距；而对于数据建设相对成熟的大型企业来说，需要紧跟前沿技术发展，持续升级优化数据部署与应用。此次调研还发现，在众多业务中，实施、完善供应链和生产的数字化管理是制造企业当下最急切的诉求。制造企业数据建设-业务需求急切程度60%50%40%30%20%10%0%55%供应链生产售后服务财务研发营销人力资源56%35%38%18%30%21%制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION数据智造未来DATA CREATES THE FUTURE06制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION0207制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION企业文化企业投入组织人才业务管理基础设施规范体系数据质量数据安全组织协同数据建设成熟度评估模型内部环境数据融合数据管理参考国家发布的制造业信息化评估体系、数据管理能力成熟度评估模型,我们制定了数据建设成熟度评估模型（模型内容详见附录），供制造企业对自身的数据建设情况进行自我诊断。根据数据建设成熟度评估模型，制造业数据建设可以划分为以下五个阶段。相应地，关于不同阶段的制造企业如何继续推进数据建设，我们也给出了行动方案供参考。传统阶段阶段特征阶段信息碎片化行动方案以人为中心的粗放型管理模式以纸质表单为载体的运营机制初构业务流程数字化重塑业务管理新模式数据文化萌芽，启动企业数据建设；信息系统主导，加快业务线上流转；填补业务系统，支撑精细管理打造从核心到边缘的全场景分析体系构建企业级数仓，数据管理体系化数据人才培育，业数融合加速聚焦场景，优化 IT 建设实时精准，驱动科学决策建设面向业务的企业级数据平台由战略出发，建立覆盖全员的绩效协同考核体系提高组织管理水平，完善数据人才梯队拓展数据应用边界，探索业务新发展战略导向，全面推进数据建设共享数据，企业级协同走向新高度全员培养，打造人才建设新体系价值外延，创新应用促进数字产业升级数据挖掘与人工智能数字孪生工业元宇宙区块链超级自动化VMI 管理策略文化引领，塑造企业数字领导力人机交互，创新智能化商业模式和谐生态，贯通产业上下游联动业务数字化行动方案数据价值化行动方案数字平台化行动方向智能生态化方案起步阶段成熟阶段加速阶段智慧阶段08数据智造未来DATA CREATES THE FUTURE制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION一、传统阶段：信息碎片化二、起步阶段：业务数字化 1.以人为中心的粗放型管理模式1.数据文化萌芽，启动企业数据建设2.以纸质表单为载体的运营机制2.信息系统主导，加快业务线上流转 信息碎片化是传统阶段的典型特征。信息零散分布于企业经营的各个环节，由于缺少信息系统的支持，制造企业主要依赖人力和纸质表单进行信息收集管理工作，实行以人为中心的粗放型管理模式和以纸质表单为载体的运营机制。起步阶段的制造企业，通过部署信息系统，对业务流程进行线上的标准化、体系化、规范化管理，实现了从粗放式管理到用数据流推动业务流的转变。这一阶段是对数据资产的原始积累，也是制造业企业数据建设的基础和开端。对于绝大多数处于传统阶段的制造企业，其在日常运营中产生和积累的大量数据，基本处于缺乏标准化管理的状态。这一阶段的制造企业通常会利用 Excel 对数据进行简单的处理和分析。但是整个数据收集、整理的过程主要依赖个人的经验和能力，缺乏统一的标准规范。由于缺少系统支持，仅仅利用简单的办公软件难以处理历史海量数据，并且数据对企业经营管理的支撑相对较弱，因此传统阶段的制造企业对数据的整体利用率较低，管理上主要是传统的、粗放的模式。随着越来越多的管理人员意识到数据的重要性，倡导员工充分利用数据、增强业务能力，企业的管理方式开始发生转变，数据文化也随之逐渐萌芽。在文化的感染和熏陶下，企业以核心部门/业务为起点，通过IT 人员主导、业务人员协助，启动数据建设。鉴于这一阶段制造企业数据建设基本属于从零开始部署，投入巨大是其典型特征。企业不仅招募了专业的 IT 工程师，配置了充足的人才资源，还投入了大量资金，全力支持数据建设。由于信息化基础薄弱，传统阶段的制造企业无论办公事务处理还是业务流程审批，大多以纸质表单为载体。员工拿着纸质文件四处找领导签字、为纸质文件存储留有专门的空间等，是这一时期的常见现象。很多企业还专门设有文员一职，他们需要将纸质表单的信息整理成简单的电子文档，供管理者参阅。总体而言，纸质表单的大量使用通常会造成运营效率不高、历史数据追溯困难等问题。在信息系统的支持下，制造企业部分核心业务的流程运行实现了线上管理模式。业务数据的快速流转不仅提高了业务团队内部的协作效率，而且大大降低了人力成本。业务流程在这一阶段通过进一步的科学梳理和规范简化释放出更高的效能。信息系统的部署使原本零散的数据得以整合，同时，数据的可控性和安全性也得到了一定程度的保障。这一阶段的制造企业，数据管理初成体系，数据质量渐渐提高，开始逐步系统化打造自己的数据资产。09制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION三、加速阶段：数据价值化1.聚焦场景，优化 IT 建设 通过对企业生产经营活动所产生的数据进行灵活调用、有序整合、多维分析、场景化应用、可视化呈现，数据的价值得到大幅释放，企业的数据建设与业务管理实现了更紧密的融合，正式迈入加速阶段，“依赖数据力量，科学理性决策”的现代管理模式成为主流。在完成核心业务系统的建设以后，为了应对边缘的、新增的以及不断变化的业务需求，广大制造企业开始以拓展、应用数据价值为导向，持续完善信息系统部署，致力于对更多具体业务场景和经营管理场景进行数字化覆盖，深化数据与业务的交融。与此同时，企业还储备了既了解业务、又了解 IT 的双重技能人才，以此来促进 IT 建设的持续优化、增强数据建设与企业自身的匹配度，充分释放数字潜能。具体地，这一时期的企业通常会选择一些轻应用搭建平台作为业务系统的补充，来支持小规模业务线或临时的业务调整，使数据建设工作适应业务变化，例如，低代码、零代码平台，具有填报功能的报表平台等。这些平台通常具有开发成本低、速度快、应用广等特点，而且能够在一定程度上满足企业的定制化需求，是制造企业用来做业务系统扩展的不二之选。尤其在“多品种、小批量”生产模式日益成为众多制造企业的生产常态时，混合排产、紧急加班、物料需求多变等复杂情况也会在所难免。而轻应用搭建平台凭借其简便快捷、个性化的开发优势，能够助力企业紧跟市场动向、提高柔性化生产水平；让企业即使面对诸多突发事件，也能有条不紊地运行。此外，轻应用搭建平台还可以充分发挥业务部门的能动性，促使他们深度参与到需求确认、方案规划、应用落地等各个环节，从而使数据建设更贴近实际使用场景、更好地服务于企业发展蓝图。在优化 IT 建设的过程中，制造企业还完成了部分核心业务系统之间的打通，实现了部门级协同。通过疏通彼此的工作流程连接点，部分部门之间需密切配合的工作实现了线上管理，企业内部的业务协作链开始贯通。这极大地减少了部门协同障碍，提高了组织运转效率。例如，客户营销管理系统与采购管理系统的打通，使采购人员能够在第一时间了解客户的合作意向与订单信息，立刻安排询价、比价等采购活动，而且能够针对客户不恰当的需求及时给予营销部门反馈，提前规避风险。2.实时精准，驱动科学决策在完成了基本的信息系统部署工作之后，企业的数据建设在业务上持续进行横向延伸与纵向扩展。数据应用得更广、更深，价值也得到进一步发掘。典型特征之一便是通过配置数据可视化系统，将抽象的数字进行实时化、具象化、直观化、多样化呈现，实现了业务的线上多场景连接与可视化分析。数据不再仅仅为企业提供单一的流程价值，还能够带来决策价值。依托可视化分析系统，数据产生的决策意义体现在多方面。首先，用户可以通过自主选择业务指标、自由组合变量、灵活调整界面布局等动作与可视化系统进行互动，并在互动中进一步加深对业务和数据的理解，强化认知的同时提高决策水平。其次，通过与传感器等硬件设施或业务系统互联，可视化分析系统能够同步获取场景数据，对其进行实时动态分析和结果展示，从而使业务的实际进展情况能够被即时反馈至管理者，助力管理者敏捷决策，有效避免延迟性决策所带来的经济损失。例如，企业通过配置车间制造大屏，实时展示生产计划和实际完成情况，并进行对比分析；而且，通过 OLAP 技术的数据钻取功能，能够对多层次结构的数据进行向上、向下钻取，从而改变数据分析范围、使分析结果在不同颗粒度之间灵活转换，使管理者从10数据智造未来DATA CREATES THE FUTURE制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION帆软 FVS 打造的 3D 可视化看板宏观到微观、全面掌握数据信息，对问题进行精准定位。可视化实时分析能够帮助管理者迅速发现异常，进而优化生产资源配置，调整车间排产，保障产品准时交付。这一时期的很多制造企业还应用了管理中心驾驶舱，推动实现全场景线上联动，企业管理者对生产经营活动能够全局掌控，增强决策的整体性、全局性考量。此阶段的企业在对数据进行灵活调取、合理分类、重新组合、深刻剖析中实现数字的理性化业务表达，数据在与业务深度联动的过程中持续创造价值，推动企业趋向逻辑化运营、科学化管理。企业还实现了各类系统与软件在 PC 端与移动端的协同应用，以移动化办公助力高效运营；一线员工可以在移动端随时随地填报数据、查阅结果，管理人员能够通过移动端实时掌握业务信息、及时决策。在这一阶段，数据采集与结果呈现不同步、信息传递滞后、数据与业务指标难映射、抽象数据难以被理解等问题得到解决。企业进一步解放数据要素、释放数据价值，充分利用数据的时效性，建立敏捷决策体系。四、成熟阶段：数字平台化 进入成熟阶段，制造企业以消除内部数据壁垒、促进生产经营效率最大化为目标，利用数字平台对所有数据资产进行统一管理和规划，减少数据建设的冗余部署。数据实现了跨部门、跨业务、跨系统的无障碍流动，数据效能贯穿于企业日常运营、管理决策、战略制定全过程。企业甚至开始以内部数据资源为依托，向外进行能力辐射。1.战略导向，全面推进数据建设随着前几阶段对数据逐渐全面、深入地应用，企业日常经营管理不断条理化、清晰化，经济效益也取得显著增长。因此，成熟阶段的企业进一步扩大数据的应用范围、拓展数据的价值，并将数据驱动的见解作为未来机遇洞察与商业可行性评估的重要依据，依靠数字传递的客观信息理性规划战略。与此同时，企业高度重视数据建设，数据建设成为企业战略规划的重要组成部分。数据建设愿景与企业发展愿景实现了方向一致性，数据战略与业务战略达成了目标协同性，企业在数字策略与宏伟蓝图的全面融合中优质发展。聚焦于推动运营效率最大化，企业的数据建设此时处于加法与减法并存的状态。一是随着新技术的推广、新业务的开展以及新管理需求的出现，企业持续对软硬件设施进行补充与迭代；二是企业根据实际应用情况，11制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION2.共享数据，企业级协同走向新高度这一阶段的制造企业打造了企业级数字平台对所有数据进行平台化、一体化管理，驱动数据建设进一步规范化、体系化发展。各业务系统，如 SCM、CRM、MES 等，在数字平台上实现了集成，数字平台成为企业统一的数据管理门户。之前各业务系统独立运作、各部门互不相通的局面被打破，在对数据资源的高度整合中实现业务资源的科学配置与合理统筹，推动企业对运营管理整体性把控能力的优化升级。业务系统的互通互联推动实现企业级数据共享与企业级协同。数据共享的本质是借助数据的透明带来业务信息的透明。企业依靠数据的连贯性流通构建了业务信息网，之前系统分散管理导致的信息偏差得以修正，数据的一致性、完整性和真实性得到大幅提升。比如，一些企业的营销系统与客户管理系统中的订单信息、客户信息等会有所出入，当利用数字平台对数据统一管理时，这种数据不一致的问题便会得到解决。企业级协同的意义不仅体现在由数据质量改善所带来的更准确的决策参考，还体现在因工作流的线上打通所带来的高效运营。跨部门、跨业务的流程处理的标准化、自动化水平在这一阶段有了显著提高，所有流程全部由数字推进，极大降低了各部门、业务团队之间的沟通成本。而且信息流中的异常情况能够被提前识别，企业可以针对问题点及时采取举措来规避风险。这一时期，企业通过对全业务链条进行数据整合与连通，实现了内部的高弹性管理、高质量协作与高敏捷性配合。开始精简软件部署，前期数据建设过程中可能出现的系统盲目叠加情况得到解决。这一时期的企业始终遵循着战略的指引，立足全局规划数据建设的最佳路径，在完成全业务场景覆盖的同时逐步削减部署冗余，有效减少了因过度设计、功能重复而导致的效率降低问题。这一阶段的数据建设既全面化又合理化。数据智造未来DATA CREATES THE FUTURE12制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION3.全员培养，打造人才建设新体系4.价值外延，创新应用促进数字产业升级以更好、更快推进数据建设为目标，企业构建了涵盖人才评估、技能匹配、培训考核等全方位人才管理体系，从数据认知、数字思维、数据应用与解读等方面对全员进行能力培养，全面增强了人才实力。这一阶段企业还利用数字化手段赋能人才管理，通过数字化人才管理平台，建立了完整的人才成长通道。员工的数据素养在这一阶段有了普遍提高，内部员工自助探索成为企业数据建设的重要方式。企业员工自助搭建应用，或者深度参与应用开发过程，进一步强化数据建设与业务发展的契合。而且，不同于以往直接使用 IT 人员提前开发好的固定分析模板，以业务人员为主导的自助数据分析模式成为主流，推动用户的多元化发展、业务的自定义式分析与数据的创意性呈现。同时，组织架构在这一阶段进一步健全，岗位清晰、权责明确、人才储备充足。企业不仅有首席信息官（CIO）,还设置了首席数据官（CDO），打造了专业的数据管理团队，从底层数据治理到表层数据展示全方位深化数据与业务融合。企业不断探索以数据推动业务创新的可能。在这一阶段，数据的应用场景开始向用户侧扩展，数据的价值随之由内向外延伸。部分制造企业以自身业务为基础，以数据为桥梁，与终端用户以及他们的生活场景实现了连接，初步构建起外部生态。背靠强大的数据平台支持，此时的企业为用户提供了连续的、持久的服务，将售后工作融于日常。甚至，对于一些制造企业来说，通过对产品应用场景的数据监测，能够提前发现异常、规避风险，增强了产品的安全性能。利用数据价值外延，企业为用户提供了更好的产品体验，提升了核心业务的竞争力，使企业在同质化竞争激烈的市场中脱颖而出。数据的连接使企业能够对产品的多种应用场景进行分析，从而精准刻画用户画像，研发出了更符合市场需要的产品，满足用户多样的个性化需求。而且，处于这一阶段的制造企业大多人才储备充足、数据建设经验丰富。因此，有些企业甚至在保留原有业务的基础上，根据自己在数据建设方面的经验，拓展了数据业务，开始向数字产业转型，比如，售卖数据建设服务等。五、智慧阶段：智能生态化制造业企业将人工智能等先进的数字技术与业务发展进行了更深层次的融合，在企业内部建设了涵盖智能生产、智能营销、智能运维、智能预测等全方位智能管理模式；于外部则建设了智能共享、高效流通、可持续利用的数据资源体系，从而打造了彼此信任、互惠互利、价值共创、和谐共生的智慧产业生态。1.文化引领，塑造企业数字领导力卓越的数据文化赋予制造企业蓬勃生命力、无限成长力、深刻洞察力和无畏探索力，引领企业成为制造业内数据建设的先锋。而领先的数据建设又推动数据文化在内部的深入渗透、在外部的广泛传播，产生深刻的行业影响。企业持续以优秀的数据文化为指引，塑造自己的数字领导力。13制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION2.人机交互，创新智能化商业模式人工智能、超级自动化、数字孪生以及物联网等前沿技术在这一时期得到了广泛应用，企业建设了全场景智能感知、全流程自动处理、全业务线智能决策的智能工厂。同时，IT 与 OT 实现了更紧密的融合,使工业数据能够被自动化采集、传输与智能应用，企业对工业资产和制造过程的监测能力显著增强。智能化运营不仅推动了生产方式的变革，人的工作方式和内容在这一阶段也发生了根本性的改变。机器对业务知识的深度学习，使其能够高效处理规律性、模式化、机械性的工作，并且确保了一定程度上的高准确率。员工的重复性工作大幅减少，设备操作能力与逻辑思维能力普遍增强。随着企业的数据建设迈向智能阶段，人与机器的互动趋向日常化与常规化。深入、高频的人机交互在提高生产力的同时，也切实保障了一线员工的安全。对于一些有高风险生产环节的制造企业，HSE 管理是最重要的工作之一。通过配置智能生产设备，企业增强了对异常生产状态的智能监控与智能应急处理能力。另外，一些在恶劣环境下工作的工人通过智能穿戴设备，比如智能头盔、眼镜或者智能手套等，来识别环境中的危险点从而极大降低受伤的风险。企业的智能化部署仍以核心业务为焦点，利用数字技术赋能商业模式创新，促进企业的健康、安全成长。在这一阶段，智能化已渗入经营管理的方方面面，企业具备了对海量数据的智能管理能力、对各业务的智能运营能力、内外部的智能协同能力等，在释放数据能量的同时实现了全方位能力跃升。3.和谐生态，贯通产业上下游联动 高度的数据文化共识、完善的生态制度体系、成熟的数字技术支持、以及共同的利益空间，让企业互联成为可能。这一阶段的制造企业通过对管理边界的打破与重构，与产业上下游伙伴共同建设了以业务合作为中心，以数据畅享为纽带的生态体系。生态体系的核心表征是跨企业的智能数据共享渠道。借助这一渠道，数据得以智能、精准触达至强关联企业，支撑业务提升；而且由于数据的共享性，同一条数据可以被多家企业使用，产生多重价值，实现数据价值的流通和数据资源的最大化利用。但需要注意的是，一个健康活力的生态不仅包括企业伙伴间的互联，还包括与终端用户之间关联的打通，涵盖从产品设计到被购买的整个闭环链路。例如，依托生态内各企业提供的数据资源，打造面向终端用户的网络化定制平台，消费者可以在平台上选择定制方案，平台自动显示报价、可交付时间等；消费者也可以在平台上提交原创方案，由企业专业人员审核后进行生产交付活动。这极大地推动了企业的个性化与创新发展，协助企业敏锐捕捉市场风向，迅速响应市场需求，增强产品与市场的吻合度。利用数据赋能业务更优、更快发展仍是这一阶段企业数据文化的核心。企业非常重视数据建设与全体员工、所有业务的适配性，旨在通过全员数字素养的提高以及业务的智能化运营来持续提升企业运转效率。这一时期的制造企业形成了具有自主性、前瞻性、创新性、开放性等特点的数据文化。在数据建设方面，鼓励员工持续学习、主动发现问题、自主制定方案，激发员工能动性；同时注重培养员工的前瞻性视野，主张用前瞻性思维规划数据建设，强调其长期效益。不但如此，企业还十分支持对数字化产品进行创新性应用、树立行业典范，甚至能够提出开创性想法进而影响到数字技术的变革。另外，对“发展生态，价值融合”理念的推崇，是推动企业发展的又一内在精神指引。企业积极倡导与伙伴之间进行一定程度上的开放共享，坚定秉承合作共赢。14数据智造未来DATA CREATES THE FUTURE制造业数据建设阶段划分PHASE DIVISION OF MANUFACTURING DATA CONSTRUCTION产业伙伴生态不仅是一个开放透明、高效运转的数字生态，还是一个业务拓展、深度合作的信用生态。通过对制造场景的数字化诠释与生态化管理，信用机制得以完善，信用价值得到建构。比如，对产品生产、运输等实时监控进行一定程度的公开、可视化分析等，可以建立上下游共同监督体系，增强伙伴之间的信任度；而且，当其中一个环节遇到紧急情况时，还能迅速调用生态资源进行应急处理，充分利用信用生态应对制造风险。这种贯通上下游的全过程透明化管理，促进了生态内供应链的健康运行，与此同时，多方数据联动加速彼此业务的紧密协同，进一步提高制造业企业柔性生产水平。活力生态发展离不开坚实的技术底座，融合5G、数据中台、云计算、人工智能等技术，智能处理海量数据，服务“业务+生态”的复杂场景应用。生态的开放性、协同性等特点决定了其要求超高的安全等级与明确的数据边界划分。因此，区块链技术也会在此阶段被广泛应用，其去中心化、分布式存储、可信计算等特点，确保数字在限定范围内自由流动、安全共享，支撑产业伙伴生态在错综复杂的局面中平稳、有序运营。制造业数据建设行动方案ACTION PLAN FOR MANUFACTURING DATA CONSTRUCTION0315制造业数据建设行动方案ACTION PLAN FOR MANUFACTURING DATA CONSTRUCTION16数据智造未来DATA CREATES THE FUTURE制造业数据建设行动方案ACTION PLAN FOR MANUFACTURING DATA CONSTRUCTION(1)业务对象数字化：(2)业务过程数字化：(3)业务规则数字化：业务对象数字化的目标是实现物理对象在数字世界的全量映射。在传统的业务模式下，企业在进行销售、生产、采购等业务工作中，基于工作任务形成大量数据记录，例如销售订单、生产报工、采购物料单等，这些数据记录存储在企业的数据库中，作为业务信息的数字化实体，我们把这称为业务对象数字化，这也是数字化的初级阶段。业务过程的数据线上化，作业过程的自记录，如物流运输过程的记录，称为业务过程数字化，是未来基于 BPM 与 SOA 架构实现业务过程建模与自动化的基础。例如物流中通过 AGV 设备定位采集物料和设备的路线，并结合路障信息、运输时间信息等进行建模，构建出路障热力图，解决 AGV 设备运输上线由于路障导致的延迟等问题。包括对人员访问 BI 系统的日志数据，查看哪些部门的数据氛围较强，从而推进企业数字化、组织人才培养的进度。业务规则是企业内部运行及业务执行过程中的约束和控制条件，往往由已发布的规则文件和声明进行管理，这些业务规则规范了业务人员的操作、企业的管理方式及提升了协作效率。通过解构业务规则逻辑，将其以数字化的方式进行定义，并借助算法实现自动判定和组合，提升流程自动化水平。如仓库的先进先出、AGV 运输的路线选择、生产现场的故障自检等，都是可以通过业务规则数字化从而实现对业务逻辑的合理化控制和管理效率的提升。所有的关键业务规则数据要实现可配置，能够根据业务的变化灵活调整。行动项 1：初构业务数字化我们可以引用华为对业务数字化的观点，将业务流程数字化的核心工作分解为以下三点：业务对象数字化、业务过程数字化和业务规则数字化。对于传统阶段的企业来说，手工记录业务信息、利用 Excel/Word 建立电子台账、通过纸质表单推动流程运转等是很常见的现象。当公司的业务体量很小时，这种传统管理方式尚且能够有效支持企业运行。但是随着业务体量扩大，企业的数据量会随之剧增、业务运营会愈加复杂、需要统筹协调的内容明显变多，传统管理模式将不再适用。一方面，由于缺乏系统支持，业务处理速度慢、效率低；另一方面，需要额外招聘人员收集数据、管理文档，人力成本高昂。因此，传统阶段的企业若想降本增效，适应信息时代的发展节奏，就需要从搭建基础业务系统开始进行数据建设，以实现业务流程数字化为首要目标，推动企业逐步由粗放型管理向精细化管理蜕变。一、传统阶段起步阶段:夯实基础，部署业务系统关键词：基础设施、业务管理、规范体系17制造业数据建设行动方案ACTION PLAN FOR MANUFACTURING DATA CONSTRUCTION综上，通过业务系统、流程系统、基础设施的构建，企业实现对业务对象、业务过程和业务规则的数字化，构建起良好的数字化基础，这也是业务运作模式重构的起点。在具体操作时，根据行业特性和需求，制造企业在有限的资源中可以优先选择 ERP、OA 等系统，而 WMS、SRM、MES、QMS、TPM、HR、APS 等系统则依据当前影响业务的紧急重要程度通过逐步实施的方式进行上线。多个系统