制造业企业拥有大量数据。随着数据资产“入表”的来临，如何更好地发挥数据要素价值，增厚数据资产，扩张资产负债表，对企业上下都是一个考验。怎么办？

　　这涉及业务、管理、技术三个基本维度。健康发展状态下，企业的业务需求、运营管理日趋复杂，对数据分析的需求甚至依赖也越来越强烈。满足发展及合规需求，需要技术支撑。

　　帆软软件有限公司大制造事业部解决方案顾问孙前指出，（为此）企业要建设数字化管理体系，通过数据分析、传递和融合，打通并支撑企业运营管理和业财经营活动。

　　拉通数据只是第一步——尽管这一步也不容易。要知道，在企业数字化转型功能架构里，CIO一定给数据分析留有一席之地。但要真正“尊重”数据，仅有工具是不够的。

　　数字化管理体系建设的必要性

　　世界范围内，制造业关注7个重点，这就是数字化转型、可持续制造、个性化定制、供应链重塑、人机协作、新兴技术和人才。

　　在国内，工业互联网、智能制造持续深入，更多的智数字化车间、智能工厂不断出现。新场景、新方案、新模式，为制造业的数字化转型注入了新的动力。

　　在中国珠三角，制造业现在“很痛苦”：面临的约束条件和不确定性越来越多。这对企业质量提升、效率提升、敏捷调整的能力要求越来越高。

　　企业的基本职能是提供产品和服务。工业企业对产品或服务的研发、组织、生产、销售、服务等进行部署，这就是管理。管理的尽头是决策，决策已经离不开数据。

　　以“灯塔工厂”为例，其特征是“三大抓手”和“两大基本点”。“三大抓手”是卓越制造体系、端到端的价值链以及创新业务模式。“两大基本点”是组织能力和数字化能力。

　　卓越制造体系包含了精细化管理。比如仓储，基于数据分析，领先企业可以根据企业物料出入的趋势，给进货部门提供备库策略建议。

　　在端到端的价值链中，从年度销售计划拆解，到月度滚动计划，到周、日计划，再到主生产计划MPS，到MRP，到物料需求计划、供应商来货、生产排程一系列环节，领先企业可以通过数据分析及可视化工具，通过看板，查看每一个端到端的流程、环节、效率的高低、当前的进展。

　　再如供应链，不确定性环境下，企业能否借助工具，做多级供应可视？基于供应商产能、供应商库存等，确定当前能够给不同供应商分配的份额，拉动供应链更大程度的协同？

　　掌握并能看到当前进展，还能做出敏捷调整——这是面临更多不确定性下，所有企业共同的愿景。实现这一愿景，基本的路径就是推进数字化转型，建设数字化管理体系。

　　“数据建设”理念框架的提出

　　今年3月，帆软软件发布《制造业数据建设白皮书》（以下简称白皮书），提出了“数据建设”的理念框架、成熟度模型及相应的行动方案。该框架以数据为中心，聚焦数据要素价值挖掘所需的数字化管理体系构建。

　　根据白皮书，制造业数据建设分为五个阶段，分别是传统阶段、起步阶段、加速阶段、成熟阶段和智慧阶段。对应的阶段特征则是信息碎片化、业务数字化、数据价值化、数字平台化、智能生态化。

　　不同阶段的数据建设有不同的构建方案。例如，从起步阶段到加速阶段，数字化管理还未全部覆盖，数据仅用来支持流程管理，数据价值没有得到充分挖掘和运用，数据孤岛也逐渐显现。

　　基于此，行动方案建议企业要从三个方面拓展业务应用，加速商业智能。一是填补业务系统、支撑精细管理；二是打造从核心到边缘全场景分析体系；三是构建企业级数仓，数据管理体系化；四是数据人才培育，业数融合加速。

　　而从加速阶段到成熟阶段，构建面向业务的企业级数据平台，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，以及拓展数据应用边界，探索业务新发展，成为行动方案的主要内容。

　　例如，搭建企业级的数据平台后，业务人员可以自发进行数据分析，财务人员可以做生产成本分析，帮助业务部门更好发现业务问题。这是数据分析中非常常见的场景，再如供应链，从工单排程到采购订单，包括从采购订单到供应商的达交率，这些环节特别容易出现问题。一旦没有供应商管理系统SRM，或没有仓储管理系统WMS，数据就会缺失，缺失就无法协同，更无法准确计算每一个物料的安全库存以及当前的库存补货建议，无法保证整个供应链平顺。

　　为了解决上述问题，可以通过搭建供应链控制塔，实现供应链端到端流程可视，通过质量、挖掘以及内部计划和外部协作与编排，给出相应预警以及优化建议。

　　到了数据建设的后期，也就是成熟阶段到智慧阶段，则是依托人工智能、数字孪生等技术构建企业及数字大脑，以整体数字能力的提升推动实现智能制造。这是制造企业数据建设的最终阶段。

　　目前，国内制造企业的数据建设大部分依然处于起步阶段，64.96%的企业仅完成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道远。

　　企业数据应用加速

　　不同的行业，数据建设进程各不相同。在新能源行业，充分的市场竞争及快速变化的外部环境，推动企业数据应用加速。

　　东莞新能德科技有限公司（以下简称新能德）专注于锂电池行业，为消费类电子产品、电动车、智能储能产品和其他环保项目提供新能源解决方案。公司以东莞为中心，在印度、印度尼西亚等均建有制造工厂，2015年开始 呈高速增长态势。

　　新能德搭建了5个数字化应用支撑平台，立足点是自主赋能。数据分析平台支撑用户的数据自主分析。云边协同平台把设备端的应用开发交给设备人员。低代码平台让业务用户完成流程表单的搭建。算法平台支撑业务部门共创上层数字化应用。底层的数据平台则以业务系统或者IOT平台为底座。

　　在企业中，传统数据应用的模式，是从数据源、ETL（Extraction-Transformation-Loading，数据抽取、转换和加载）再到数据处理再BI应用，之后建立各式各样的分析体系，支撑数据的使用。

　　东莞新能德与帆软软件合作，搭建起“自助式”数据应用。例如，公司15个一级部门的914位BI用户（业务部门员工）自己做了300多张业务看板的报表，通过调度和推送，给到不同的管理层。

　　直接结果是，业务部门觉得数据分析变快了，IT部门的感受是“终于不用找我了”，管理者的感受则是“我能看到想看到的东西了”。业务、组织，慢慢黏在这个系统上，不再依赖Excel了。

　　并且，业务部门可以自由组队，做想做的主题和项目，IT配合后端的数据支撑，在项目过程中他们突然发现“做的东西比IT人做得好，更有效，这带来极大的鼓舞”。

　　新能德IT总监张勇刚介绍，以前公司聚焦数据怎么用，现在，更关注数据怎么用得有效。对于企业怎么样把数字化或者智能化真正用起来，他建议：一是练好基本功，发挥想象力，扩大未知域，管理不确定性。二是做数字底座，不断完善、迭代数据分析体系。三是应用层要跟业务部门共建。四是数字化要充分识别场景。

　　近年来，中国汽车行业迎来百年未有之大变局。国产新能源汽车品牌持续发力，在研发端、生产端和营销端均开启了数字化的改革。

　　赛力斯集团股份有限公司（以下简称赛力斯）业务涉及新能源汽车及核心三电（电池、电驱、电控）、传统汽车及核心部件总成的研发、制造、销售及服务。2021年，赛力斯与华为深入合作，共创中国智能电动汽车头部品牌。

　　赛力斯数据应用的核心目标，是为本部、区域以及每一位员工提供决策支持，不但要减少公司领导的脑力和精力，也要减少所有员工、客户的脑力和精力。通过和帆软软件合作，赛力斯搭建起全景数据平台，统一规范、统一流程，并不断升级完善。

　　在赛力斯，搭建端到端的业务系统，“工作才完成一半”。赛力斯要把这些系统所有的数据抽取、展示出来，进行数字化运营分析。例如，其卓越绩效管理系统EPM甚至具备“诊断报告”“行动计划”的功能，不仅针对性地解决业务问题，还让用户看得到自己的潜力，从而发挥数据价值。

　　赛力斯汽车大数据负责人刘勇表示，赛力斯数据应用规划是2025年实现联合分析，深度挖掘数据价值。

　　提升企业管理韧性

　　深圳市艾比森光电股份有限公司将报表工具和自助分析工具融合应用，搭建了一体化ABI经营分析平台，实现了企业多系统数据整合、所有业务流程化、内外精益协同、业财自助分析等，以此来支撑企业战略目标和愿景。集团总经理丁崇彬说：“数字化是艾比森持续增长和高效运营的底层密码。”

　　业务决策应该“用数据说话”。立白科技集团董事长助理、数智中心陈树杰表示，立白科技集团先后完成了业务线上化、数字化、平台化、智能化，盘活了企业数据资产，在消费者需求洞察、产品质量打造和营销通路打造上实现了提效，形成从上至下以数据说话的氛围。目前，立白科技集团已成功完成自助分析的推行，业务提效至少90%。

　　罗兰贝格认为，企业领导者一方面应该积极推进组织变革与应对、运营模式的转变，同时尝试数据智能去实现端到端关键业务指标的展示，持续提升企业运营能力和水平，提高企业的管理韧性。

　　所谓管理韧性，就是企业的运营稳定性。当企业外部环境愈加复杂时，这种韧性尤其珍贵。包括东莞新能德、赛力斯汽车，以及艾比森光电、立白科技集团等在内的一大批企业，都在以数据提高企业数字化运营能力，以此实现应对整个市场、整个趋势变化的灵活性和敏捷性。

　　孙前表示，多年以来帆软帮助许多企业快速搭建报表和自助分析平台，让每一个员工都充分了解并利用他们的数据，辅助决策、提升业务效能。而当前，实施、完善供应链和生产的数字化管理是企业最急切的诉求。（龚研）