制造业白皮书

2022年制造行业BI商业智能应用白皮书》APPLICATIONWHITEPAPER北京永洪商智科技有限公司前言 01现状——结构转型迫在眉睫，数据赋能成为关键 02挑战——数据应用基础较差，管理和整合能力是短板1、缺乏数据管理机制和保障 092、数据整合的能力有限 093、数据应用能力差 104、数据共享不足 11破局——基于企业自身情况选择数字化变革路径 132、灵活运用可视化数据报表 163、单点突破让数据快速变现 184、构建全面的数据应用体系 205、以决策为中心的数据应用 25 26实战——制造企业数据应用典型场景场景一：营销管理驾驶舱 28 29场景三：生产可视化看板 30场景四：质量分析 31场景五：采购管理看板 32 33场景七：运营品质综合看板 34场景八：研发项目管理驾驶舱 35未来——企业内纵向深入，行业中横向扩展从可视化数据分析再到挖掘，数据应用快速深入 37数据应用程度还需提升，关键在于组织层面的突破 38数字化转型逐渐形成共生生态 39关于永洪科技 403人口结构及人力资本的改变图1:1990-2021年中国65岁及以上人口占比数据来源：Wind,泽平宏观在经济下行的压力下，压缩了制造企业的利润空间。同时面对西方国家的技术和市场的制裁与封锁，如何找到新的突破口成为了关键。同时出现了一部分制造业外流的现象，受到部分成本优势削弱、政策退坡等因素的驱动，部分中低端产业流至越南、印尼等东南亚国家，叠加目前国内疫情管控，对部分行业的供应链造成一定影响，为我国制造企业带来了生存性的挑战。2022年3月，制造业PMI指数为49.5,增速低于荣枯线(50.0),增速承压，制造行业迎来了低迷期。图2:2021年3月-2022年3月中制造业PMI指数数据来源：国家统计局因此，随着结构的转变、红利的消失、竞争的加剧、不确定性的增加等，制造企业粗犷式的发展已经无法持续，创新、智能、绿色、精细等成为了新的主题。对于内部，重点在于技术研发的创新升级、资源的聚焦与优化、生产模式与管理思维的转变、组织结构的重塑、关键性技术人才的培养等。外部则需要精准的判断市场情况和消费需求，实现按需生产、以量定产。面对现状，无论是中国还是全球其他经济体，都将破局点聚焦于数字化转型。在面向数字经济时代的全球竞争中，依托数字技术发展更高水平、更有竞争力的先进制造业，已然成为各国的战略共识。近年来，德国提出了“工业4.0”规划，美国提出了“国家制造创新网络”,日本提出了“创新产业结构计划”,中国也提出了“中国制造2025”发展规划，其共同点是充分运用物联网、5G通信、机器人、人工智能等技术手段提升制造行业的智能化、无人化程度。重点投资和建设数字基础设施，着重发展数字关键技术，包括通信及网络技术、数据科学及存储、区块链技术等，通过数字化应用场景及服务的提升使数据真正发挥效能，培养具有高度专业性的数字技术人才队伍以支撑数字化转型等。我国同样重视推动制造业的数字化转型，提出数字经济与实体经济的融合发展，突破关键核心技术，培育数据应用场景，形成数字化产业平台，最终实现数字化、网络化、智能化。企业战路发展人力成本加产品前新料要产品的新需要国家政重指引企业战路发展人力成本加产品前新料要产品的新需要国家政重指引图3:2016-2020年中国制造业IT支出情况(单位：亿元)数据来源：中研产业研究院19.0%服务增值20.0%支择，和步TOP5支.计相的计目是TOP5制造业不仅是“网联化”,更是“智能化”,那么就可以通过Al的技术实现自主深度感知、自主优化决策和自主精准执行提升制造各环节效率。因此，想要实现制造业从传统生产模式向数字化因此，想要实现制造业从传统生产模式向数字化、网联化、智能化的方向迈进，这些技术缺一不可。随着基础性建设逐渐完善，制造行业逐渐步入数据分析阶段，开始部署BI平台，开发数据应用，打通数据链，通过数据的可视化，查看和管理整个企业的情况，并实现各类分析，发现成因，辅助决策，深化研发设计、生产制造、经营管理、市场服务等环节的数字化应用，推动流程和管理能力。根据爱分析调研，2020年我国制造业在BI方面的投入为11-13亿元，仅次于金融行业。因此，在未来的几年中，通过BI实现深度数据分析，释放数据价值，推动数据赋能企业经营发展与辅助决策，并逐渐过渡到数据挖掘以实现智能化的决策与预测，成为了工作重数字化转型是一个庞大的体系、漫长的过程，尤其是对于制造企业，所涉及的业务范围较广，在转型过程中，由于时间、资金、人力等资源的有限，许多制造企业采取了按业务或按部门分阶段执行，这种方式在一定程度上减轻了短期内转型的压力，对于部门来说提升了转型的效率。然而，到了数据应用阶段，这种转型方式的缺点逐渐显现。企业虽然已经积累了一定量的历史数据，但由于前期缺乏统筹性的规划，导致诸多制造企业没有建立起有效的数据管理机制和保障，出现了数据来源复杂、数据质量参差不齐、基础数据分散、统计口径不统一等问题，导致在应用时数据质量得不到保障，数据无法匹配、数据不可识别、数据不一致、冗余重复、时效性不强、精度不够等问题频发，数据结果与实际情况不匹配，无法作为业务改善及经营决策的参考依据，难以支撑上层应用，无法完全释放数据的真正价值。举例来说，大部分企业的数据来源主要包括业务人员自有的Excel数据表格、ERP、财务、人资、CRM等多个业务系统，各信息系统之间数据口径、分析粒度、字段细致程度各异，汇总难度大，对数据进行关联、整合及联通等工作困难，导致产销存等各环节无法协同工作。同样由于制造企业系统的分散，财务、营销、供应链等不同系统均有各自的数据体系，在企业内部形成了“数据孤岛”。同时在数据应用的过程中，需要引入大量的外部数据，例如第三方市场监测系统数据、电商平台系统数据等，导致企业数据混乱，整合难度大。对于大型制造企业来说，往往是集团性企业，产业体量大、分布地域广，下设子公司较多，各子公司的业务、管理等存在着较大的差异，其数据的维度和相应的需求也有所不同。在实际中，子公司上报数据的方式传统，及时性和准确性较差。以此，出现了集团与子公司、子公司与子公司、系统与系统三个维度的数据关联度低、标准性差、口径不统一、协同能力不足等问题，进一步提升了数据整合的难度，导致无法实现数据的关联分析，真正的数据价值没有体现。当前诸多制造企业没有建立起有效的数据整合措施，缺乏统一的数据平台，相关人员在进行数据分析与应用时，需要耗费大量的时间与精力将不同系统、公司、内外部数据等进行整合、清洗，不仅效率低，而且无法满足快速变化的业务需求，尤其是业务数据的即时性要求变高，颗粒度要求精细，数据整合难的问题已经严重掣肘数据应用的深度和广度。数据应用能力差数据应用能力差第三方面第三方面数据具有资源属性，数据的维度越丰富，高质量数据的数量越庞大，数据的价值也就越高。在企业发展过程中，对于数据的需求不断增长，需要引入外部数据以丰富数据维度，更好地了解市场发展趋势、消费变化情况、产业链上下游信息等，提高数据丰富度和精准度，以综合性提升数据价值。然而，我国企业对于社会公共数据的公开、共享与应用还处于初级阶段，而企业与企业之间的数据更为敏感，实现广泛的数据共享仍存在很大的阻碍，主要包括三个方面：第一方面第二方面数据标准不健全数据安全体系偏弱数据共享机制匮乏数据共享机制匮乏基于企业自身情况选择数字化变革路径当前诸多制造企业面临的首要问题就是内部有很多数据，但是数据杂乱、质量不高，同时要做什么样的分析去实现数据驱动业务是完全不清楚的。因此企业可以通过构建的统一的大数据分析平台将企业内大量的结构化、半结构化、非结构化数据以及外部数据，进行数据整合、数据管理，打好数据底座、再考虑建立数据应用实现数据驱动业务。因此，制造企业可以应用一站式的BI数据分析平台，将各系统数据进行统一的整合、存储、分析。把大数据分析所需的产品功能全部融入一个平台下，进行统一管控。在运用时，可全面覆盖数据分析过程中的各个环节，包括数据采集、清洗、整合、存储、计算、建模、训练、展现、协作等，让用户可以在一个统一的平台上完成全流程数据分析任务，降低了实施、集成、培训的成本。除了一站式的BI数据分析平台，数据仓库的建设也是关键，通过搭建数据仓库，构建按照主题模型存放数据的模型层，提升数据整合效用与科学性，构建指标层以提升基础数据的复用程度，逐步统一数据出口。同时可以进一步推动数据管理的落地，数据质量检测与反馈机制逐步优化落实在系统中，最终在数据整合、数据管理、数据应用三个部分相互之间推动良性循环。数据仓库是一个完整的生态圈，其建设是一个循序渐进的过程，既不能够脱离业务的实际需要而存在，也不能够纯粹以业务驱动而忽略了IT架构。因此，在进行数据仓库的开发时，需要同时从业务和技术两方面考虑建设。Real修正外部数据数据初加工区Increment互联网财务主题集市CRMOA数据交换共享平台落地区实时统计指标数据探察区数据来源基础主题库缓冲库消息数据价值管理诉求安全保护数据工作的两个阶段数据工作的两个阶段跨领域跨领域取与分析取与分析品交件品交件FcFc数据清洁与贯通构与标准据源量改进机制反映业务(“账实”一致),降低运营风险。数据消费数据消费数据治理联接业务数字化是数据工作的前提，通过业务对象、规则与过程数字化，不断提升数据质量，建立清洁、可靠的数据源；业务数字化是数据工作的前提，通过业务对象、规则与过程数字化，不断提升数据质量，建立清洁、可靠的数据源；基于“统筹推动、以用促建”的建设策略，严格按六项标准，通过物理与虚拟两种入湖方式，汇聚该企业内部和外部的海量数据，形成清洁、完整、一致的数据湖；3.数据主题联接通过五种数据联接方式，规划和需求双驱动，建立数据主题联接，并通过服务支撑数据消费；对准数据消费场景，通过提供统一的数据分析平台，满足自助式数据消费需求；5.数据治理为保障各业务领域数据工作的有序开展，需建立统一的数据治理能力，如数据体系、数据分类、数据感知、数据质量、安全与隐私等。合作伙伴合作伙伴供应商消费者数据治理数据服务虚拟入湖数据质量主题联接(中台)数据湖数据底座以对象(主体)为中心联接客户员工数据安全与隐私数据源数据消费数据服务由于该企业为集团性企业，下设多家子公司，各子公司有着各自的报表体系。为了让集团整体的数据应用形成合力，对数据报表整合管理，形成了统一的报表标准。同时又允许各个公司做一些个性化的分析，相互借鉴、相互学习，最终形成良好的数据氛围。该企业原本是通过Excel的方式汇总、处理数据。由于产业较多，每天将数据整合、处理后提交更新，高管可以查看当天的数据情况，横向可以实现十几种数据维度的查看，纵向可以从总部到分公司层层钻取，并获得行业数据进行对比分析，以提升决策的效率和科学性。对于一线生产工作，同样通过BI数据平台使工作得到了有力的提升。“FTQ一次送检合格率、订单准时交付率、FPS核心要求条款符合率、HPV单车人工工时、单车制率、排产达标率………"这些生产运营数据在指挥中心中央大屏上显示着一组组图表，生产运营状态一目了然。通过抽取集成CMMP、MES、LES、能源管理等信息系统数据，实现生产制造环节的集成与智能化，生产管理人员可以通过LED屏及办公电脑实时监控工厂生产核心指标参数及整体运营情况，提高工厂管理的智能化、生产全过程的透明化及异常问题的响应速度。例如车间每天晨会中，通过“车间大屏”把所有数据展现出来，围绕数据开展会议，每个人只需要根据指标完成情况汇报工作，讨论解决方案即可。车间大屏可以实时监控每条产线的生产异常，真正做到数据驱动管理。在生产过程中，生产管理和效率管理人员每小时都可以收到数据平台移动端推送产量情况，可以做到实时监控和预测，以确定是否可以达成计划，做出及时的调整优化。为了解决以上问题，该企业构建了4个业务数据场景：物流分析、运营效率监控、生产线监控、质量控制。物流分析运营效率监控生产线监控质量控制源数据端源数据端DMWMS领域模型建立EDWOneData/OneIDStreamingODSRestful数据服务JDBC/restful数据集市RDBM/LDAP巡检/抽检数据仓库数据抽取OracleJDBCWMSDASERPERP前端可视化平台构建当后端数据准备好以后，就可以进行前端可视化平台设计。通过用户交互，完成质量问题探“跳转探查到底”等就是前端可视化平台设计的关键技术信息合集。可以先设计顶级导航界面，此界面支持所有相关活动所有环节最核心数据查询。譬如支持销售再是“分层”进入二级追溯区域。搜索主题页面包含对上顶级导航界面单据号的检索结果，以采购、生产、销售、客服为二级区域主题，每个二级区域领域主题都支持实现“某区域主题所有环节跳转”且针对每个环节展现相关业务单据的主表信息，此主表信息是细节表，这能帮助实现“跳转探查到底”。同时每个二级区域主题之间通过建立各区域主题及子环节关联，支持“不同区域主题及环节之间跳转”和“不同方向跳转”。譬如通过进入采购主题零件仓储环节，能点击生产排产相关按键跳转到生产主题。关于跳转方向，可以把产品从相关物料采购、生产、销售到客服这个活动流向定义为正向，反之为逆向。譬如前面提到的通过采购主题的零件仓储环节，点击生产排产按键跳转到生产主题，就实现了正向追溯；反之通过生产主题的生产排产环节点击进入采购主体的零件仓储环节则为逆向追溯。提升计划管理能力9增强销售预测水平把关产品交期控制实时跟进采购进度9监控生产异常状况z.tTia4nt8Be/s./anaTgrisφe:3.\8I¥4R<.TT(Ax"T.sn.φ64φA>T:P·N%,3.tè8itaQZ.J?Git-φJBlYsyTr6y;期缩短5天、渠道库存下降20%、库存周转天数缩短2天、作业及时完成率提升25%、工厂人均小时产出提升33%。面对快速变化的外部环境和市场需求，制造企业需要做出快速、精准的决策。对于数据应用效果差、难以真正做到数据赋能决策的问题，制造企业可以转变思路，以决策为出发点构建数据应用体系。首先，需要保障数据以业务决策为出发点和落脚点，这就要深入业务决策场景进行数据体系的建立，其关键在于对业务的层层分解，形成可量化的指标。其次还需要重塑企业内数据应用的组织结构，改变以IT为数据分析主体、业务人员为数据应用主体的模式，这样的模式的问题在于容易造成数据与业务的割裂，同时使业务人员难以建立起数据思维，以决策为中心的数据和分析更无从谈起。因此需要改变这种模式，将分析与应用合二为一，真正做到从决策出发的数据分析与应用。一方面，数据分析的IT人员应当走进业务，在组织层面划分到业务部门，或是成为类似于"ITBP”的角色；另一方面，更重要的是让业务人员具备数据分析能力和思维，这样在工作中使决策和数据合二为一。可以从以下两个方面进行：工具方面，可以降低数据分析难度，并提供智能化的决策辅助。简单易操作的BI工具，可以实现分析体系标准化，统一分析口径及计算逻辑报告输出自动化，全流程自动化完成数据综合分析，拖、拉、拽即槛，使Al深度分析与BI数据可视化深度融合以实现联动分析，使零基础的业务人员可以实现深度的自助分析，带来更多自动化功能及业务创新洞察力。思维方面，可以着力培养企业中的数据分析氛围，构建有利于提升全员数据分析能力的制度。例如，某大型制造企业在企业内部打造了一系列培训课程，并制定了初级、中级、高级的数据分析师成长机制，建立了数据分析师的执行制，即初级、中级和高级数据分析师的晋升是在执行过程中升级，如果积极地进行了数据分析工作，就可以获得附加分。同时，还在整个集团范围发起了数据分析师大赛，提升员工的参与性和积极性。以此，构建了数据分析氛围，有利于提升全员数据分析能力。制造企业数据应用典型场景数字化转型通常带有“自上而下”的特征。在数据应用阶段，需要通过数据对全局进行把控，从而推动完成基于数据的企业经营决策与预测。传统的数据分析模式与流程需要数据分析人员收集、整理多方数据进行汇总，进行分析后将结果提交给管理者。制造企业的业务链路较长，业务场景丰富，数据的收集、整合和分析需要的工作量巨大，耗费大量人力与时间，数据结果具有滞后性，几乎无法做到当天即时数据的准确查看，并且难以完成历史数据查看、交叉分析对比等工作。因此，传统的模式已无法支撑制造企业的实时数据应用要求，也难以做到真正的数据支撑快速调整决策。营销管理驾驶舱，就是把管理者所关注的核心指标进行统筹管理，用一个界面展现出来，数据的整合、分析等统一、自动处理，缩短了数据全流程周期，让管理者可以获得即时数据，并完成对比分析等。在数字化转型中，管理驾驶舱往往是最直观的数据应用体现，并可以统筹各项工作，提升基于数据完成工作、做出决策的能力。一些制造企业的管理报表较为传统，往往通过Excel的方式进行分析和呈现，导致了报表的逻辑固化、缺乏层次，数据不及时，人力消耗大，不能直观从各纬度了解营销情况，也无法从上到下监控公司经营成果，难以找到影响销售业绩的核心根本原因，对管理决策的支撑性不足。对管理者关注的业务内容及结果进行梳理，提炼出核心指标和分析维度，通过多种分析方法及各种常见的图表展示关键指标，构建成立体式的营销管理驾驶舱，横向可对比各业务部门及竞品情况，纵向则可对比历史数据。直观的监测企业营销情况，以便及时做出科学决策。帮助管理层了解整个公司的营销状况，定位影响销售业绩的原因，使领导层针对影响原因及时调整营销策略，提高销量和销售额，增强创收能力。收益制造企业最重要的便是生产制造的全流程管理，而其难点在于车间生产线较多，无法准确、即时的了解每条生产线的情况，从而无法把控产品达标情况、资源浪费情况、产品良品情况等。生产可视化看板可以形象、直观、即时的展现车间生产的所有关键指标信息，提升管理效率和监控能力，使相关人员实时掌握生产细节。痛点生产数据反映出的问题容易被掩盖，难以及时发现，而且即便发现了也无法追责；手动统计数据大大增加了一线员工的工作量，占用人力，不利于企业人力资源优化。自动获取各车间的各项生产数据，将各类生产数据和指标进行可视化展示和分析，及时了解生产的完成情况和次品率情况，对企业产能达标起到重要监督作用。生产数据可视化方便工业制造的产线全过程管理，提高监管效率，并能及时发现问题并加以改善，降低产品不合格率，提高生产的效率，真正地实现智慧运营，降低管理成本。质量是影响客户交付和订单量的关键因素，质量分析就是要把控产品质量，找到影响产品质量的主要因素，从而科学的提出改进建议和调整措施。痛点在数字化的视角下，为了进一步提升质量管理能力，需要建立基于数据的质量管理体系。经过分析得出，当前存在着产品质量缺陷追溯周期长、找寻规律较慢的问题。同时在质量改进过程中，很难发现经验已知之外的影响产品质量的因素。梳理质量分析的关键指标，通过质量可视化分析和统计分析主动发现产品缺陷规律和质量异常，寻找缺陷根因，提高质量追溯效率。收益产品质量分析看板能真正反应产品质量水平和动态，从而发现各环节的质量问题，以便及时采取调整措施，提高良品率，降低因品质不良导致的成本损失，帮助企业提高市场的占有率和客户满意度。痛点库存管理对于制造企业有着长足的影响，合理的库存可以在保证企业正常生产的同时，拥有一个健康的流动资金，提升资金周转率。库存积压问题困扰着许多制造企业，尤其是在外部环境不确定性加强，市场变化速度加快的背景下，过多的库存增加了企业的成本和风险，需要进行科学的规划和管理。痛点一些制造企业的库存信息不透明，关键数据缺失、滞后、不准确使管理层不能直观从各纬度了解当前库存的状态，导致盲目订货造成库存积压，资金占用多，存在物资浪费、成本增加的风险。梳理库存管理的核心指标，从库存结构出发了解企业库存的情况，并针对库存缺货和库存积压情况及时做出科学决策。帮助管理层了解整个公司的营销状况，定位影响销售业绩的原因，使领导层针对影响原因及时调整营销策略，提高销量和销售额，增强创收能力。许多制造企业是集团性企业，业务遍布于各个区域，提升全国各区域、各层级的运营品质、效率，是增强业务能力、提高业绩收入的关键。以物流运营品质管理为例。缺乏运营品质管控的数字化手段，还处于手动统计数据阶段，导致数据不及时、不准确，对运输中存在问题地方不能及时分析以进行改善。该看板包含了运营品质关键指标，全国各层级运营管理人员可查看自己权限内的所有区域指标的实际值、目标值、同环比增长率以及当年每个月的趋势。通过数字化手段，实现运营品质综合管理，各区管理人员可对本区域运营品质状况进行监控，找到影响品质的关键原因，从而进行改善，提升运输品质。场景八：场景八：研发项目管理驾驶舱痛点收益BUDGETVS.ACTUALbsa2500我国的制造业体系庞大，企业数量较多，大企业林立，小企业从生，面临的数字化转型环境复杂、细节庞杂，所涉及的技术领域众多、业务流程较长。因此，未来数字化转型可能不仅发生在制造企业内部，还会联合技术供应商、相关咨询机构等，在外部形成数字化转型的共生生态圈，推动更高效、更低成本的完成数字化。尤其是对于中小型制造企业，没有太多的资源和能力独立完成数字化转型，更需要借助外力来实现。开放的制造业数字化转型的共生生态，为中小企业数字化转型带来了型制造企业逐步完成基础性的数字化转型，其转型经验可以赋能于中小型企业。另一方面，技术供应商、相关咨询机构等在服务大型制造企业时，不断迭代技术，降低成本，使中小企业可以快速实现初步转型。制造业数字化转型战略的实现，不能仅仅是个别企业的成功，而是要覆盖到更多数量的中小企业。未来，在大型制造企业逐渐完成初步的数字化转型及数据应用的背景下，可能会逐渐形成数字化转型共生生态，在制造业中营造出良好的数字化氛围，帮助更多中小企业完成数字化转型，用数据赋能业务发展。北京永洪商智科技有限公司(简称永洪科技)致力于为全球企业提供大数据技术产品及服务，依托自主知识产权的一站式大数据平台形成完善的产品及服务体系，具备从数据应用方案咨询、数据治理、数据仓库建设、数据可视化分析、数据深度应用到数据平台实施运维服务的端到端大数据价值服务能力，连续五年获得中国敏捷BI第一名。永洪科技的管理团队拥有世界500强企业或世界顶级大数据企业10年以上从业经历，曾多次获得国际大奖，包括JavaOne大奖、软件界的奥斯卡大奖JDJ读者奖等。永洪科技的一站式大数据分析平台YonghongZ-Suite拥有分布式计算、分布式存储、分布式通信、云计算、数据处理、数据展现等多项技术专利。产品足以比肩国际同类产品，并在高性能、易用性、Al深度分析等方面形成独特优势。2021年，为了满足缺乏预算的中小型企业的BI应用需求，构建了YonghongDesktop&X+Viewer终身免费的数据分析全场景闭环产品组合。将Desktop制作的报告上传至X+Viewer,实现数据报告共享，零成本搭建BIY-Reporting、Y-VividShow、SaaS在内的全方位BI产品矩阵，让大数据分析更敏捷、更快2012年成立至今，已完成腾讯领投的2亿元C轮融资，业绩保持300%~500%的年增长率，拥有来自国内外一流大学与技术公司的研发队汉、大连、济南等地设有分公司，并于2018年成功进军海外市场。4141秉承“以卓越的数据技术为客户创造价值，实现客户成功”的使命，凭借产品技术的创新及坚实的服务，永洪科技得到了广泛认可，获得了包括中国BI大数据领域领军企业奖、中国最佳BI方案提供商、中国明日之星等大数据与人工智能领域的众多荣誉。永洪科