制造型企業(yè) 使用數(shù)據(jù)分析的場景
通常在統(tǒng)計學領(lǐng)域，我們把企業(yè)的數(shù)據(jù)都可以叫商業(yè)數(shù)據(jù)，不管這個數(shù)據(jù)是來自于市場部門、質(zhì)量部門、服務(wù)部門、供應(yīng)鏈部門、研發(fā)部門還是人資部門。對應(yīng)的一門學科就叫商業(yè)統(tǒng)計學。基于如上的定義，我們來探索一下數(shù)據(jù)分析和數(shù)據(jù)分析體系在不同場景中的應(yīng)用可能是怎樣的？（本文限于篇幅不介紹具體案例，只涉及場景）我們分三個主要的場景來說明。第一個是線下營銷場景，使用到商業(yè)統(tǒng)計分析的主要是產(chǎn)品怎么組合帶來的銷售額最大、該給哪些消費者寄禮物和卷能夠加大其消費概率、哪里選店最合理、區(qū)域銷售因素主要是哪些因素決定的、銷售預(yù)測、折扣多少比例能達到最大銷售額/銷售利潤率、哪些產(chǎn)品的反饋更好、應(yīng)該開發(fā)哪些產(chǎn)品、不同產(chǎn)品在不同區(qū)域和人群應(yīng)該怎么投放/陳列等。第二個是線上場景，在這里使用商業(yè)統(tǒng)計分析和機器學習的組合方法較多，包含人群圈選和分類、千人千面的營銷策略、推送策略、自然語義相關(guān)的評論分析等。第三個是營銷管理相關(guān)的場景，更多是營銷活動費用的最大化投入產(chǎn)出、營銷策略的好壞及效果、不同區(qū)域的營銷策略制定、銷售預(yù)算的有效性/廣告有效性、營銷團隊的分析。在如上三個主要場景中，牽扯的算法比較多，傳統(tǒng)的商業(yè)統(tǒng)計分析方法較多，包含假設(shè)檢驗，回歸，DoE，機器學習，方差分析，時間序列分析等，使用的工具可以是Excel,JMP,Minitab,Tableau,SPSS,Adobe Analytics等，也可以結(jié)合一些SAAS平臺的集成工具，比如SAP IBP和CX兩個套件里的分析工具，阿里的PAI。具體使用場景要看場景來進行選擇。數(shù)據(jù)分析體系建議主要借用CRISP-DM體系，但是要對商業(yè)數(shù)據(jù)分析建模要有經(jīng)驗，才可以構(gòu)建出清晰的業(yè)務(wù)需求。這里我們分為兩個主要場景來講，即一個是偏重于研究和產(chǎn)品開發(fā)場景，一個是工藝。在研究和產(chǎn)品開發(fā)領(lǐng)域，除了學科領(lǐng)域內(nèi)的算法，在研發(fā)過程中，物理集成/配方的開發(fā)、最優(yōu)組合或參數(shù)或者配方對應(yīng)某一效果/性能/成本/質(zhì)量/服務(wù)/效率的最佳組合、可靠性分析和預(yù)測、公差分析、壽命預(yù)測等。在工藝場景也類似于研發(fā)，比如工藝參數(shù)優(yōu)化、工藝過程控制、工藝開發(fā)等。算法上，用到傳統(tǒng)的算法比較多，DoE、回歸、方差、假設(shè)檢驗等，有特殊場景尤其是比較復雜的超多因素場景，機器學習和神經(jīng)網(wǎng)絡(luò)也會有不少應(yīng)用。在這個部分，常見的數(shù)據(jù)分析工具有Excel, JMP, Minitab, Matlab, 特殊領(lǐng)域的仿真軟件等。數(shù)據(jù)分析體系建議主要是六西格瑪類的體系，在研發(fā)端可以使用SPSS體系，在工藝端可以使用經(jīng)典六西格瑪(DMAIC)。對于倉儲物流、計劃體系等場景，著重可以使用經(jīng)典的供應(yīng)鏈統(tǒng)計學，里面有大量的算法可以使用，包含運籌學等。在這里對于制造型企業(yè)并未有太大的突破，更多的是怎么使用好現(xiàn)成的方法和算法，不再贅述。比如對庫存控制的領(lǐng)域，經(jīng)典的供應(yīng)鏈統(tǒng)計學中有結(jié)合庫存邏輯和服務(wù)水平（六西格瑪）和方差來控制最大庫存、最小庫存、安全庫存的量對應(yīng)銷售預(yù)測的波動，也可以做到動態(tài)安全庫存的控制。對于物流倉儲設(shè)點，配送等可以使用運籌學方法，也可以使用機器學習的算法，最終實現(xiàn)的都是最短路徑/最短時間/最小成本/最XXXX。分析工具層面可以使用Excel, JMP, SPSS以及專用的倉儲物流仿真工具和分析工具。在數(shù)據(jù)分析體系上建議使用六西格瑪體系。除了工藝以外，質(zhì)量、設(shè)備、計劃排產(chǎn)、精益生產(chǎn)技術(shù)、shop floor層面、工廠布局/物流路線、EHS、生產(chǎn)組織方式等方方面面其實都可以使用數(shù)據(jù)分析，這也是經(jīng)典六西格瑪里面講的比較多的。比如在質(zhì)量方面，從制程控制SPC、質(zhì)量提升、抽樣控制、判定好壞、識別影響質(zhì)量的因素等方面在六西格瑪里都有各種分析。在設(shè)備方面，這里筆者不建議非設(shè)備生產(chǎn)商去研究自己工廠設(shè)備的預(yù)防性維護，因為設(shè)備原理其實是不知道的，而且預(yù)防性維護偏重于長期的數(shù)據(jù)收集及學習，比較成功的更多是旋轉(zhuǎn)型設(shè)備。設(shè)備領(lǐng)域?qū)τ谥刭Y產(chǎn)型公司，比如化工行業(yè)，可以使用分類算法來進行維護維修的判斷和打造專家系統(tǒng)，使用分類算法和其他算法來盡量提高設(shè)備的在線率，減少MTBF和MTBR等，提高服務(wù)水平以此不影響生產(chǎn)效率和質(zhì)量。計劃排產(chǎn)類的算法大多集成在APS軟件里，比如遺傳算法。精益生產(chǎn)要跟多的結(jié)合六西格瑪項目推進效果會更好。在生產(chǎn)組織方式可以使用很多的統(tǒng)計學方法來判斷不同生產(chǎn)方式的效率、成本、質(zhì)量等。分析工具角度用的最多的就是Excel和Minitab, 也有不少是用JMP等。在很多的軟件系統(tǒng)里是集成了相應(yīng)的工具。最常見的就是質(zhì)量信息系統(tǒng)里集成了SPC等質(zhì)量相關(guān)的統(tǒng)計分析工具。在數(shù)據(jù)分析體系上建議使用六西格瑪體系。除了如上四個大的模塊，其他職能也可以充分使用數(shù)據(jù)分析提高管理水平和效率，減少風險和成本。比如在人資，可以使用統(tǒng)計分析來分析人員結(jié)構(gòu)，薪資結(jié)構(gòu)，不同培訓課程的培訓效果，人員離職的分類及對策等。在風控領(lǐng)域，更多是看數(shù)據(jù)的波動和異常，尤其是財務(wù)類，這里方差類分析也是有用的，機器學習類比如分類算法也是常用的。甚至在經(jīng)營和戰(zhàn)略層面，我們也可以使用回歸和方差等分析來判斷預(yù)算是否能夠產(chǎn)生經(jīng)營效果，并對未來的銷售進行預(yù)測。數(shù)據(jù)分析體系上我們還是建議使用六西格瑪體系，這里要說明的六西格瑪體系非常適合流程再造，流程效率/出錯率改善，在服務(wù)型的場景是非常適用的，提高流程效率比如接單評審效率等也是可以做出一番成績的。制造型企業(yè) 搭建兩級數(shù)據(jù)分析組織
采用兩級數(shù)據(jù)分析的虛擬組織通常是大公司的業(yè)界最佳實踐。● 第一級，即在總部層面或者某一部門內(nèi)部有行業(yè)專家掌握數(shù)據(jù)分析的能力可以對重大變革項目進行支撐，同時兼任培訓培養(yǎng)和提高本組織內(nèi)的數(shù)據(jù)分析能力的職能，構(gòu)建本體系內(nèi)的數(shù)據(jù)分析體系、方法論、模型、工具選擇等；● 第二級，即全體員工或部分骨干員工，掌握一定的數(shù)據(jù)分析能力，具有對日常工作運用其數(shù)據(jù)分析的能力，其在第一級專家所構(gòu)建的數(shù)據(jù)分析體系、方法論、模型和選定的工具之下進行操作。比較典型的案例就是六西格瑪體系和IPD(集成產(chǎn)品開發(fā))中的DFSS體系。
