|
制造业数字化转型Q&A引言 当前，新一代信息网络技术与制造业深度融合，先进的传感技术、数字化设计制造、机器人与智能控制系统等日趋广泛应用，促进制造业研发设计、生产流程、企业管理，乃至用户关系都呈现智能化趋势，大规模定制和个性化定制日益成为主流制造范式，生产组织和社会分工向网络化、扁平化、平台化转型，企业的边界日趋模糊，制造业形态正在发生深刻变化，呈现诸多新特征。制造业企业需要抓住世界新一轮科技革命和产业变革的先机，加快数字化转型，实现持续发展。 本文档由有数咨询团队整理，依据过往制造业客户的数字化转型案例，归纳了转型过程中的典型问题与回答。 问答 Q 数字化转型的基本概念及阶段
企业的数字化转型分为传统运营、存在并活跃、正规化、战略性、集中性和创新并适应这六个阶段，如下图所示。目前制造业已处于衰退期，在评定了自身的数字化转型所处阶段后，企业需要在5年的时间窗口之内，规划布局逐步成长到阶段五甚至阶段六，以保持数字化浪潮下的行业竞争力。
企业有了基本的数字化思维和意识，认清自身的数字化阶段以及有相应的部署和规划，即为“开始”。 依据下图判定自身企业所处的数字化转型阶段，需要注意的是，企业内不同类型的业务可能同一时间处于不同的阶段。
导致数字化转型失败的五大误区如下图所示。
明晰企业自身所处的数字化阶段及目标后，按照如下规划进行数字化建设，并且过程中达成企业全员对数字化转型 价值的全面认知以及误区防范。按照数字化转型的进展，相应地进行组织信息架构的调整、组织人员结构的调整和数据 资产的沉淀。 从数字化转型的三元模型来看，企业需要战略先行，明确数字化场景，再确认合适的系统架构，同时伴随着人才团 队的搭建，最后逐步形成数字化企业文化。 对于制造业而言，需要更多地关注数字化运营模式，这意味着智能供应链和智能工厂的陆续建成，实现产品的大规 模定制及全渠道体验。企业的运营模式能否妥善管理客户体验，将成为获取竞争优势的核心所在。
Q 数字化转型的投入与产出
对于大型组织而言，成功数字化转型的案例中，实现了全流程、全模块、从上游至下游全供应链数字化转型的企业，基本都需投入上百亿的资金，并且存在幸存者偏差。 因此，中小型企业需要警惕直接投入大量资金购买各种系统。在投入资金前甚至在资金短缺时，需要先定位组织整个供应链中最核心的模块以及业务驱动的应用场景，如研发模块、制作模块、物流模块、营销模块等。此后再围绕核心模块中的核心服务展开集中优化，配置相应的系统。
制造业实现转型，能供选择的商业模式有平台型、规模化定制、产品+服务、知识产权等。若要实现服务收费，可以改变企业现有的产品结构，提供有产品和服务两大模块组成的整体解决方案。
需要先定位组织整个供应链中最核心的模块以及业务驱动的应用场景，如研发模块、制作模块、物流模块、营销模块等。此后再围绕核心模块中的核心服务展开集中优化，配置相应的系统。 制定相应的速赢方案并且落地推广。进行业务驱动的技术创新。
对于制造业而言，需要更多地关注数字化运营模式，这意味着智能供应链和智能工厂的陆续建成，实现产品的大规模定制及全渠道体验。企业的运营模式能否妥善管理客户体验，将成为获取竞争优势的核心所在。 企业需要评估现状与理性状态的落差，以及核心阻力和改进策略，在发展核心竞争力时，依据紧急性、重要性、影响力和可行性四个维度打分和策略选择。 Q 企业制度与各部门协作关系
在确定数字化战略后，明确数字化应用场景的建设，以此为出发点去定位企业所需数字化团队。明确企业此时所需的数字化人才的技能标准，训练方式和精准赋能的路径。数字化转型的前期，人才团队可以主要依靠内部培养。 由于数字化转型是数据为核心，科技为驱动的项目。根据科技的持续发展特性以及数据需要持续治理的特性，数字化转型也将是持续的过程。后期企业的数字化团队需要成立专门的数据治理中心，此时则需要更多专业人才的引入，如数据科学家等。 Q 数字化转型过程中的系统选择与数据挖掘
要让数据产生相应的价值，关键点不只在于数据的数量多寡，而在于明确数据的目标，再经由目标设计需要提取的数据方向，进而确定质量标准。由此标准出发定向收集数据以及建设数据平台。 值得注意的是，有时系统的底层数据收集节点自动采集的数据量较少，一部分是由于顶层数据的应用出口不清晰所造成。当上层目标清晰后，即可明确需要抓取的数据节点，再进行点到点的打通，建立数据治理的关键快车道。此后，随着效率、产能、业务和收益的逐步提升，再考虑进行全面的数据治理。
由于数据的重要性，过去大部分企业都会收集大量的历史数据，并将其规范化保存在数据仓库中以便进行分析来获得新的增长点。但随着企业收集的数据量呈指数级增长，对于这些数据的规范化以及分析将耗费大量的时间和精力。例如，数据存储在传统的RDBMS类存储系统中时，会遇到的一个常见的问题，即数据量超出了可接受的范围。另一方面，规范化储存在数据仓库中的数据，并不都能直接支持业务转型或赋能，缺乏强数据相关性。 在此基础上，许多企业选择转向数据湖的治理方式。对于数据湖而言，不同类型的数据以不同的速度、不同的数据量快捷地流入这个湖中。进入数据湖的数据的质量（精准性）参差不齐。在明确的视野下，企业各个部门甚至高管层可以借助各种可视化方法来按需捕捞利用数据湖中的数据。这些可视化方法将为企业带来巨大的价值，它们能帮助企业做出各种有益的决策。技术属性（多样性、处理速度、数据量、精准性）和业务属性（视野、可视化、价值）共同成就了数据湖。 在数字化转型中，如若需要处理的数据量不大，短期数据仓库可以满足需求；但长远来看，企业需要把数据湖的建设列入重点投入项目列表。 Q 行业及产业链整体思考
参照数字化转型的三元模型。 1）明确战略与数字化商业模式 明确企业的顶层战略，比如明晰企业走专业化路线、一体式路线还是多元化路线。 明确事业战略，比如企业选择差异化战略还是成本战略。 明确职能战略（能力战略、财务战略、市场战略、供应链战略等）。 明确数字化商业模式。 2）提升技术与数字化运营体系 确立标准，选择和搭建合适的系统进行治理，逐步形成完整数字化体系。 3）培养人才与数字化组织能力 搭建数字化人才团队，进行精准赋能，让人才实现战略闭环。逐步形成与沉淀数字化的企业文化。
塑造用户思维，研究企业与上游厂商对接的各个体验触点，再通过数字化的手段优化其体验，比如达成全流程的可视化； 通过数字化的手段，给予上游厂商附加价值，如共享数据形成战略合作、依据数据提供解决方案等。 |
