經(jīng)過這幾年各種層面的宣傳，制造型企業(yè)（銷產(chǎn)研供）的負(fù)責(zé)人已經(jīng)熟知很多熱詞，比如工業(yè)互聯(lián)網(wǎng)，產(chǎn)業(yè)互聯(lián)網(wǎng)，數(shù)字化工廠，工業(yè)4.0，智能制造，智慧營銷，數(shù)字化供應(yīng)鏈，大數(shù)據(jù)，人工智能(AI)等，在每天被各種熱詞灌輸?shù)臅r(shí)候，總是不禁想到：種種問題在腦海里翻騰。隨著很多公司推出的咨詢類、軟件類、硬件類、系統(tǒng)集成類的產(chǎn)品和服務(wù)，林林總總，讓人眼花繚亂，在這些產(chǎn)品和服務(wù)里，總是會強(qiáng)調(diào)數(shù)據(jù)分析，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，人工智能這些熱點(diǎn)提高企業(yè)管理人員的興趣，企業(yè)管理人員也對此寄于較高的期望值，有些人會覺得這些數(shù)據(jù)分析的技術(shù)能夠馬上改變企業(yè)的現(xiàn)狀，解決很多年的頑疾。那么，制造型企業(yè)的數(shù)據(jù)分析之路應(yīng)該怎么走，怎么做，怎么辨識這些熱點(diǎn)技術(shù)的適用性，接下來我們會進(jìn)行討論和分析。怎樣區(qū)分熱點(diǎn)詞匯和技術(shù)
對企業(yè)的適用性
① 國家宏觀戰(zhàn)略和企業(yè)落地戰(zhàn)略的差異制造型企業(yè)主要是以產(chǎn)銷研供為主開展經(jīng)營和管理的工作，因此消費(fèi)者放心開心省心、盈利能力、成本下降、高效運(yùn)營、質(zhì)量優(yōu)良、合法合規(guī)等是企業(yè)落地戰(zhàn)略的核心。國家宏觀層面戰(zhàn)略宣傳的熱點(diǎn)，很多時(shí)候偏重于一個(gè)長周期的戰(zhàn)略布局且?guī)в衅渌芏嘁蛩?，包括國家競爭層面的布局，行業(yè)和產(chǎn)業(yè)的長期發(fā)展等，而制造型企業(yè)落地戰(zhàn)略在時(shí)下的情況更多需要著重在中短期的盈利，一部分會兼顧到長期的發(fā)展，所以企業(yè)在選擇戰(zhàn)略的路上，要分清長期和國家宏觀戰(zhàn)略的匹配，同時(shí)短期怎樣突破變局和僵局進(jìn)行對應(yīng)布局。同樣，對于數(shù)據(jù)分析類的技術(shù)，也要看短期怎樣看齊發(fā)達(dá)國家企業(yè)過去幾十年積累的數(shù)據(jù)分析體系、模型和應(yīng)用，夯實(shí)基礎(chǔ)，結(jié)合管理和經(jīng)營進(jìn)行有效的變革。長期要看怎樣在有了這些基礎(chǔ)之后，在利用更前沿的數(shù)據(jù)分析技術(shù)進(jìn)行布局，比如大數(shù)據(jù)，人工智能等技術(shù)。當(dāng)然，對于本來可以一步到位的場景，可以直接采用，但是對于制造型企業(yè)，往往這種場景會比較少。對于銷售面對電商場景和線下大量門店的消費(fèi)品制造型企業(yè)，往往在營銷端短期就要盡快布局云、中臺、大數(shù)據(jù)分析等技術(shù)實(shí)現(xiàn)快速變現(xiàn)和應(yīng)對競爭，但是產(chǎn)研供更多依賴中長期的積累和基礎(chǔ)才有可能使用更多的前沿?cái)?shù)據(jù)分析技術(shù)，產(chǎn)生投資回報(bào)較高的收益。
② 工業(yè)產(chǎn)品和互聯(lián)網(wǎng)IT產(chǎn)品的差異第二產(chǎn)業(yè)制造出來的工業(yè)產(chǎn)品，不管是屬于消費(fèi)類產(chǎn)品還是裝備產(chǎn)品、原材料產(chǎn)品、半成品等，和互聯(lián)網(wǎng)IT產(chǎn)品存在物理本質(zhì)上的差別，工業(yè)產(chǎn)品多是聲、光、熱、力、電、磁、數(shù)據(jù)、材料等多學(xué)科混合的物理產(chǎn)品，背后蘊(yùn)藏著復(fù)雜的技術(shù)，其在產(chǎn)生過程中的數(shù)據(jù)分析是多種多樣的，也有很多的成熟體系存在，比如DoE（實(shí)驗(yàn)設(shè)計(jì)）在研發(fā)、工藝、質(zhì)量甚至市場層面都有成熟的應(yīng)用，并未因?yàn)闀r(shí)下熱點(diǎn)的數(shù)據(jù)分析技術(shù)發(fā)生本質(zhì)的變化，也是眾多全球業(yè)界領(lǐng)先的企業(yè)長久以來使用的，其中除了統(tǒng)計(jì)學(xué)的知識外，還蘊(yùn)藏著大量的行業(yè)知識和多學(xué)科知識。IT產(chǎn)品更多是以代碼的形式存在，傳統(tǒng)的工業(yè)類/行業(yè)類IT產(chǎn)品本身蘊(yùn)含著大量的行業(yè)和多學(xué)科知識，互聯(lián)網(wǎng)IT產(chǎn)品本身對制造業(yè)和多學(xué)科知識缺乏認(rèn)知和積累，所以就造成了傳統(tǒng)的工業(yè)類/行業(yè)類IT產(chǎn)品在國內(nèi)的應(yīng)用并未普及，大家就被新興熱點(diǎn)來自于互聯(lián)網(wǎng)類的IT產(chǎn)品沖昏了頭腦，而著急使用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能等技術(shù)，想一步登天（當(dāng)然很多人其實(shí)也不知道要多少步才算是登天）。另外，傳統(tǒng)的工業(yè)產(chǎn)品和互聯(lián)網(wǎng)類IT產(chǎn)品發(fā)展的速度快慢不一。所以要區(qū)分工業(yè)產(chǎn)品的實(shí)質(zhì)，適用于工業(yè)產(chǎn)品的IT類產(chǎn)品，和適用于互聯(lián)網(wǎng)類的IT產(chǎn)品之間的差異，避免脫實(shí)向虛和投資回報(bào)過長甚至倒掛。③ 互聯(lián)網(wǎng)型企業(yè)和制造型企業(yè)的差異一部分電商類型企業(yè)或互聯(lián)網(wǎng)企業(yè)從組織上、經(jīng)營目的上、數(shù)據(jù)本身和分析方法以及分析工具和數(shù)據(jù)分析的基礎(chǔ)上來看可能存在的差異。不管從數(shù)據(jù)分析的種種維度上和組織上來看，其實(shí)兩者差異較大，那么，在有這些差異的情況下，我們就需要挑三揀四，找到有用的部分來補(bǔ)足制造型企業(yè)的不足。筆者認(rèn)為最大可借鑒互聯(lián)網(wǎng)企業(yè)的來自于其對C端營銷的數(shù)據(jù)分析技術(shù)和經(jīng)驗(yàn)，以及其信息化系統(tǒng)，其他在銷產(chǎn)研供方面更應(yīng)該借鑒本行業(yè)/相鄰行業(yè)的業(yè)界最佳實(shí)踐為主。雖然這是個(gè)老掉牙的話題，但是筆者認(rèn)為還是有必要講一下。乙方企業(yè)在大談各種熱點(diǎn)技術(shù)尤其是數(shù)據(jù)分析技術(shù)及相關(guān)技術(shù)的時(shí)候，總是會描繪很好的結(jié)果和場景，但是在商言商，簽單子是最重要的。甲方在選擇技術(shù)的時(shí)候要慎重考慮其實(shí)用性、適用性和經(jīng)濟(jì)性。實(shí)用性和適用性就是這個(gè)數(shù)據(jù)分析技術(shù)在本領(lǐng)域到底有沒有實(shí)用價(jià)值，適合不適合，還是大牛拉小車？或者大牛拉火車？或者本來就不應(yīng)該牛來拉車？本來通過更簡單的統(tǒng)計(jì)分析在excel/Minitab里三分鐘能解決的問題，非要使用更復(fù)雜的算法花幾個(gè)月去琢磨，加一個(gè)千萬的平臺，實(shí)在是沒有必要。比如，能通過六西格瑪解決的質(zhì)量分析問題、工藝優(yōu)化問題等，招一個(gè)六西格瑪黑帶做項(xiàng)目可能很快就可以解決，沒有必要讓互聯(lián)網(wǎng)企業(yè)搭建一個(gè)系統(tǒng)，讓大數(shù)據(jù)科學(xué)家來解決，效果可能適得其反，大數(shù)據(jù)科學(xué)家也有不能觸及的聲、光、熱、力、電、磁、數(shù)據(jù)、材料、企業(yè)管理等多學(xué)科的經(jīng)驗(yàn)和知識。各位企業(yè)家可以思考一下，那些跨國老牌制造型企業(yè)，為什么在沒有大數(shù)據(jù)、云的時(shí)代一樣可以把產(chǎn)品做好、質(zhì)量做好、經(jīng)營管理做好、銷售和市場做好？他們這幾十年是通過哪些數(shù)據(jù)分析方法、哪些數(shù)據(jù)分析工具、哪些體系和組織保障建立這么深厚的基礎(chǔ)的？他們現(xiàn)在還在用這些嗎？我的企業(yè)通過熱點(diǎn)的大數(shù)據(jù)技術(shù)能夠超越他們嗎？⑤ 熱點(diǎn)數(shù)據(jù)分析技術(shù)和細(xì)分市場的數(shù)據(jù)分析技術(shù)的差異機(jī)器學(xué)習(xí)、人工智能、神經(jīng)網(wǎng)絡(luò)這些詞匯總是在找熱點(diǎn)，吊住大家的胃口又不讓你真正體會到其美味。這里我們要注意其實(shí)在很多細(xì)分的領(lǐng)域是有成熟的數(shù)據(jù)分析技術(shù)、分析軟件以及方法論體系支撐。比如制造型企業(yè)中的供應(yīng)鏈這個(gè)模塊，不管從選開店地址、分倉選址、配送路徑、倉儲操作及庫存控制、銷售預(yù)測、需求管理、計(jì)劃與排產(chǎn)等，都有成熟的方法論、體系和最佳實(shí)踐，比如供應(yīng)鏈統(tǒng)計(jì)學(xué)、六西格瑪體系等，分析工具也有很多這里不再列舉。當(dāng)然，我們也不能說這些熱點(diǎn)的技術(shù)是沒有用的，在現(xiàn)在數(shù)據(jù)分析工具里，也開始大量的集成了這些技術(shù)，只是這些技術(shù)是有一定的適用場景的，但筆者認(rèn)為其中大多數(shù)對普通的制造型企業(yè)應(yīng)用以及效果是及其有限的，而且某些情況下是投資回報(bào)很難收回的。制造型企業(yè)
使用數(shù)據(jù)分析的本質(zhì)
數(shù)據(jù)分析在制造型企業(yè)其實(shí)主要就是兩個(gè)目的：判斷和預(yù)測。如果按照層次來分，我們可以分為三個(gè)層次：第一個(gè)層次: 描述過去已經(jīng)發(fā)生的。比如使用常規(guī)excel報(bào)表, 說明產(chǎn)銷研供各個(gè)層面發(fā)生了什么。然后通過查詢和匯總描述數(shù)量、頻率和地點(diǎn)等關(guān)鍵因素。在通過BI工具，比如PowerBI, Tableau等進(jìn)行多維度的透視分析，尋找更多維度的因素。這一層次，是所有制造型企業(yè)應(yīng)該具備的，不幸的是，這一層次中多維度分析透視很多企業(yè)還懵懵懂懂，Excel和BI工具的使用還不夠深度，對業(yè)務(wù)和經(jīng)營管理的理解也欠缺。在這個(gè)層次，我們還只是停留在描述統(tǒng)計(jì)的領(lǐng)域，并未做更高一些的數(shù)據(jù)分析。第二個(gè)層次：了解現(xiàn)在正在發(fā)生的或短期即將發(fā)生的。在這個(gè)層次，我們進(jìn)入了高一級的數(shù)據(jù)分析領(lǐng)域，會采用大量的統(tǒng)計(jì)分析方法和工具，數(shù)據(jù)的實(shí)時(shí)性也要求較高，即對信息化系統(tǒng)也有一定的要求。比如通過六西格瑪中的SPC（制程穩(wěn)定性控制）來實(shí)時(shí)采樣判斷生產(chǎn)制程中的穩(wěn)定性，以便采取及時(shí)的措施控制不良品；比如通過采集多種工藝參數(shù)來及時(shí)調(diào)整原材料的成分或規(guī)格波動帶來的產(chǎn)量減少；比如通過DOE、田口正交可以判斷接下來要做的事情是否合理，不管是配方，效果，工藝參數(shù)，營銷效果等。這里面即可以根據(jù)實(shí)時(shí)采集的數(shù)據(jù)進(jìn)行描述性分析，并結(jié)合經(jīng)驗(yàn)或?qū)嶒?yàn)數(shù)據(jù)進(jìn)行判讀和控制，也可以通過統(tǒng)計(jì)分析方法建立數(shù)學(xué)模型進(jìn)行自動或半自動判斷，比如常見的線性和非線性回歸方程、PID、傳導(dǎo)方程、矩陣參數(shù)調(diào)用等。這些方法論即可以使用在生產(chǎn)制造過程中，也可以使用在營銷和其他職能體系中，當(dāng)然，我們也可以使用互聯(lián)網(wǎng)企業(yè)常用的推薦算法，比如對全網(wǎng)銷售數(shù)據(jù)的實(shí)時(shí)分析，對目標(biāo)人群的實(shí)時(shí)動態(tài)劃分到推送。在這個(gè)領(lǐng)域，數(shù)據(jù)分析工具就非常的多了，除了常見的Excel, PowerBI, Tableau等工具的深度使用，還有專用的數(shù)據(jù)分析工具，比如Minitab, JMP, SPSS, SAS等，這些可以使用在傳統(tǒng)的統(tǒng)計(jì)分析領(lǐng)域和特定的行業(yè)（比如生物制藥領(lǐng)域），也可以使用在營銷等場景下的機(jī)器學(xué)習(xí)應(yīng)用。除了這些分析工具，很多的工業(yè)軟件和硬件本身也具有統(tǒng)計(jì)分析甚至機(jī)器學(xué)習(xí)的能力，最常見的就是視覺系統(tǒng)，比如Intel的OpenVINO所支持的深度學(xué)習(xí)算法系統(tǒng)，比如某些MES里集成了SPC的工具。所以，怎樣使用現(xiàn)成的領(lǐng)域里的數(shù)據(jù)分析工具也是一門學(xué)問?；旧纤兄圃煨推髽I(yè)需要進(jìn)行的數(shù)據(jù)分析場景在現(xiàn)成的各種軟件和硬件產(chǎn)品里都有，并不需要重新開發(fā)大量的平臺和新算法。筆者認(rèn)為，絕大數(shù)企業(yè)應(yīng)該突破的就是第二個(gè)層次，在組織、人才、體系和工具上在中短期著重建設(shè)這個(gè)部分，趕上發(fā)達(dá)國家的龍頭企業(yè)。這塊也是發(fā)達(dá)國家龍頭企業(yè)在過去幾十年數(shù)據(jù)分析領(lǐng)域著重建設(shè)的，并形成了其各個(gè)模塊的核心競爭力。第三個(gè)層次：預(yù)測未來的情況。這里我們要說明一下，在第二個(gè)層次中其實(shí)我們已經(jīng)建立了很多模型和算法對未來進(jìn)行預(yù)測。因此，在第三個(gè)層次中，我們更加強(qiáng)調(diào)除了預(yù)測未來的情況還會預(yù)測可能出現(xiàn)的不同情況的概率，以及其最好的解決應(yīng)對方案，以及解決方案會帶來的可能的結(jié)果。這就更多涉及了AI這個(gè)層面，筆者在制造型企業(yè)見到這種應(yīng)用場景偏少（常見的銷售預(yù)測、質(zhì)量CPK、研發(fā)和工藝的實(shí)驗(yàn)設(shè)計(jì)、可靠性設(shè)計(jì)及預(yù)測、仿真模擬類的、機(jī)器學(xué)習(xí)類的包括預(yù)防性維護(hù)等都列入第二層次），所以這里不再贅述。也許，這個(gè)部分，更多是要借用真正的大數(shù)據(jù)平臺，結(jié)合企業(yè)內(nèi)的數(shù)據(jù)，社會數(shù)據(jù)，第三方數(shù)據(jù)等進(jìn)行深度的學(xué)習(xí)。
