行业数智+|如何以数字化转型促制造业“四链”协同?
奇点云 2022-02-28
本专栏聚焦细分行业,分享数字化转型的方法论及落地实践,由奇点云资深行业专家团队主笔带来。
本期关注制造业数字化转型实践,由奇点云高级行业专家耳百带来。
1、数据驱动制造业“四链”协同
2、云原生数据中台助力制造业数字化转型落地
3、真实成效及案例
当前,数字化、网络化、智能化已成为制造业的重要特征。“中国制造2025”、“德国工业4.0”及“美国工业互联网战略”都不约而同地指出,要利用物联网、人工智能、大数据、云计算等技术改造生产制造与服务模式,以提高制造业的生产效率。
过去的一年里,在疫情、汛情、限电限产等多重冲击下,我国经济仍持稳定恢复态势,离不开智能制造的推动作用。
在制造业数字化转型过程中,“四链”的塑造成为必不可少的部分。“四链”指的是:产业链、供应链、价值链及创新链。
只有“四链”协同融合,制造业企业才能实现资源的高效利用、价值再造。在实现“四链”的协同融合中,数据是基础。
在产业研究中,需关注产业链的数据变化;在企业决策中,供应链的数据发挥着至关重要的作用;在内外运营和管理过程中,需运用价值链的相关数据;而在围绕市场需求的创新过程中,需经过数据“计算”过的大概率实践,产品才能从孵化走向商业化,整个研发的创新链也离不开数据。
以钢铁产业为例,数据正连接产业链上下游的各利益主体,实现跨地区、跨行业、跨组织、跨层级的互联互通。在近两年的限电政策下,数据在钢铁企业的内部供应、生产到销售的全供应链管理中起了关键作用。
对内,通过数据衔接供应链,基于需求预测分析,创造新产品的创新链;对外,通过数据衔接产业链,演化出套保套利等产业价值链。
从业务视角看,以数据驱动“四链”协同融合的价值主要体现为以下两点:
🔵 数据驱动决策:通过BI可视化,从订单视角拉通采购、生产、营销、物流数据,做好供应链决策管理。
🔵 数据驱动应用:通过AI算法模型,如销量预测、库存预测,为销售和物流提供数据支撑。在智能制造时代,制造企业产生大量的AIoT数据,通过分析这些数据,提高产品创新增值效应,改进产业链结构。
当前,制造业企业普遍基于数仓架构的可视化报表运用数据。无论从扩展能力、存储成本还是算力来看,数据技术都是制造业数字化转型中的关键技术。
制造业在数字化转型过程中,存在诸多难点,主要体现为全域数据实时拉通与AI模型应用。具体表现为:
🔶 拉通企业人员考勤数据、薪资核算数据、岗位标准数据和培训数据等,提供企业人才画像构建和人力成本ROI分析。
🔶 拉通制造业企业设备的关键参数数据、产出与投入数据、预防保全数据等,结合人工经验转化智能化预警。
🔶 拉通需求数据、计划数据、生产数据、库存数据、采购数据、供应商数据等,支撑供应链健康度分析、原材料与生产计划匹配分析、实际生产与计划匹配分析、生产与订单需求匹配分析和需求计划准确性分析等。
🔶 从客户出发,拉通供应链全域数据,基于决策层经营管理数字化运营需求,对整个过程进行预警监控及异常监控,提升监管与运营效率,改善运营方式。
🔶 基于企业商品运营信息(包括线下门店销售数据、渠道数据、商品属性、活动计划等)、环境信息(温度、区域等)与竞品信息等数据,结合业务逻辑与人工经验,从0到1创建并实现AI智能销量预测算法,不断迭代优化分析。
面对诸多业务痛点,奇点云自研的云原生、跨平台、自主可控的数据中台DataSimba,为制造业数字化转型全链路提供“产品+技术+方法论”服务,实现数据能力的全局抽象、共享和复用,赋能业务部门,提高实现数据价值的效率。
在DataSimba的助力下,制造业企业的内部和外部交互均以数据为基础,业务的变化可实时反馈在数据上,企业能够迅速感知并做出反应。
# 案例一:
奇点云与上汽乘用车公司合作,打通数据孤岛,以DataSimba支撑构建企业实时计算平台。业务数据的计算处理,从T+1升级为实时;数据平台的运维监控,从手工排查升级为智能告警,平均节约86%的时间成本。
# 案例二:
奇点云与明日控股合作,以“进销存”为切入口,建立了明日控股的数据中台。夯实数据基础,沉淀数据资产,明日控股强化数据能力以快速响应业务需求、充分赋能经营,让企业决策更精准,让敞口管理更高效。