1.1.3 制造业的数据赋能

相对于传统制造工业，以智能工厂为代表的未来智能制造业是一种理想的生产系统，能够智能编辑产品功能特性、成本组成、物流管理、安全管控、时间计划以及可持续性更新等要素，从而为各个顾客进行最优化的产品设计、制造等。

这样一种“自下而上”型的生产模式革命，不但能节约成本与时间，还拥有培育新市场机会的市场空间。

各类平台基本均以满足工业领域海量、实时、复杂、深入的数据分析需求为导向，提供越来越多的基于大数据、深度学习、神经网络的通用算法框架和开发工具，推动平台企业和制造企业联合开展研发工作，进行可视化管理、质量分析优化、预测性维护等工业智能应用，持续提升工业互联网平台对不同工业应用场景的适配能力，顺利推进制造业数字化、网络化、智能化转型升级。

“数据赋能”制造业企业，表现为制造业企业基于组织科学、数据治理工程以及现代信息网络技术等管理方法和软硬件工具，对来自内外部的数据进行收集、挖掘、共享、治理的过程。

“数据赋能”将数据科学、信息技术与制造技术相融合，基于数据、使用数据在制造业企业的各个环节创造价值，推动制造业企业向智能化、服务化、知识化转型，促进制造业企业转型升级，实现制造业创新驱动发展。

对我国来说，制造业企业在信息化建设和数据化程度方面相差很大，总体上由于距离消费者相对较远，因此其互联网化与数据化程度，相较于金融、电信、政府等行业差距还比较大。

当然，其中也有不少领先的代表企业，比如海尔，比较早就部署了相对完善的内部信息系统，涵盖了主要的业务流程，并且比较早地将社交数据中获得的客户反馈融入新产品研发之中，结合了内部和外部数据。

但是，大部分制造企业依然处在信息化起步的阶段，由于人才以及技术能力的欠缺，企业对大数据的意义和价值认识还不够深刻，如图1-4所示。

图1-4 制造业的数据赋能

对于制造业来说，可以把数据分为内部和外部两大类。内部数据主要包括经营及运营数据、客户数据、产品相关的设计数据、研发和生产数据等。传统的信息系统处理比较多的是内部数据，以业务流程改进和提升为主要目标，对于机器设备运行的日志数据相对利用较少。外部数据包括社交数据、合作伙伴数据、电商数据以及宏观数据等，这方面数据的开发和利用相对较少。大部分企业不仅内外部数据尚未打通，自己内部的数据也还没有实现整合和标准化，信息孤岛现象也是屡见不鲜。

数据对于制造企业的全流程来说，都可以起到非常积极的作用。例如：从产品设计和研发开始，如果能够非常直接地对接到消费者，对消费者的行为和消费数据进行分析，就可以有针对性地进行相应的产品设计和研发。同时也能够依据消费者对产品的喜好程度和需求量，进行产品的计划和生产的排产，进行定向精准的市场营销，减少相应的库存。同时，线上线下销售数据的协同，对于供应链优化和管理也可以起到重要的作用。在提升对客户的服务水平方面，例如，如何针对不同细分市场的需求，进行全渠道销售的设计规划，数据也会起到重要的作用。