桉树CRM：身处大数据时代，拥有的数据足够多，话语权才更大。对医药、化工等相对严肃的制造产业而言，在传统行业信息化、自动化转型的关口，挖掘数据的价值，让数据为企业服务显得更为迫切。
利用高级分析技术改造制造业，可降低流程缺陷、节省时间、节约成本。20年来，得益于精益生产计划和六西格玛体系，许多制造企业资源利用率不断提高，生产流程中的可变性降低，产品质量及产量（即，每单元投入获得的产出量）也大大提高。然而，在某些特定制造行业（如，医药，化工，采矿）即使实施了精益生产计划也无济于事，生产还是不够稳定。
由于这些行业及其他许多行业的产量受到诸多复杂生产流程的影响，制造商需要更严谨的方法来发现、改进生产流程缺陷，高级分析技术恰好是这样一种方法。
高级分析是指运用统计学及其他数学方法分析企业数据，以达到评估、改良生产活动的目的。在制造业中，通过高级分析技术，运营经理可以深入研究往期生产数据，总结不同生产流程及外部投入的特点、相互联系，并不断优化最能影响产出的因素。当前，很多不同领域、不同地区的国际制造公司都掌握了大量车间数据，并有能力分析这些复杂的数据，将原本零散的数据进行整合、分析，获取新发现。
以生物制药业为例，主要生产疫苗，激素，成分血等医疗产品。生产这些产品需要用到鲜活的转基因细胞，生产团队必须监控逾200种生产变量，才能保证原料的纯度和产品质量。相同流程生产出的两批药物，出厂时差异率仍可达50%-100%。这种不稳定性会影响生产力及产品质量，并招致严格监管审查。
某个排名前五的生物制药公司，运用了高级分析技术，在不增加开支的同时，显著提高了疫苗产量。该公司将整个工业流程按相关性分组，每组内部都将分散的流程数据、生产原料情况等汇总到一个数据库。
紧接着，项目团队运用各种数据分析方法研究这些数据找出不同生产因素间的联系（上下游间的联系）及这些因素对产量的影响。其中对产量影响最大的参数有9个，最突出的是细胞植入耗时长短，以及色谱分离过程中的传导措施。该企业定向调整了某些生产流程，优化这9个生产因素，最终将疫苗产量提高了50%——即为该公司每年生产这样款产品节省了500万至1000万美元，而这只是该公司数百样产品中的一款而已，如果全线使用高级分析技术，将节省更多资本。
意外收获
即便是全行业水平最高的制造公司，运用高级分析技术，也可以进一步挖掘潜能提高产量。欧洲某著名化工企业就是很好的例子。该公司为许多行业生产功能化学品及专用化学品，服务的企业包括造纸厂、清洁用品公司、金属加工厂等。自1960年以来，该公司不断改进生产，平均产量一直比行业基准高。员工大都不认为该公司还有提升空间。“这就是大家眼中的标杆企业啊！”一位工程师如是说。
然而，该公司利用神经网络技术（一种基于人脑信息处理方式的高级分析技术）计算、比较不同生产投入对产出的影响之后，取得了意外收获。该公司监测的生产参数包括冷却剂压力，温度，数量，及二氧化碳气流。数据分析结果揭露了一些此前被忽略的因素，如二氧化碳气流不稳定会大大降低产量。重新调整这些因素后，该化工企业的原材料利用率提高了20%，能源消耗率降低约15%。该公司目前采用了高级流程控制弥补基础系统不足，推动生产监控自动化。
此外，某贵金属公司能利用不完整的生产数据，经过严格测算，也提高了产量和利润。此前，该公司面临矿石品质下滑的问题，只能提高采矿、加工速度，或是优化矿石开采、加工技术，才能保持原有生产水平。贵金属加工过程极其复杂，一般来说有10至15个生产参数，使用器械超过15种，提炼过程也很复杂，包括氰化、氧化、研磨及过滤。
该矿石企业执行团队掌握的生产、加工数据很分散，故分析团队首先需要通过数学方法，将这些离散数据联系起来，并填补信息缺口。随后，分析人员研究不同生产参数的数据，如化学试剂、流速、密度等等，最后发现溶氧量（是过滤最重要的一个影响因素）的变化会对产量产生最大影响。特别是该团队还发现氧浓度的波动也对产量有影响，是加工过程控制的又一大挑战。数据分析结果还表明，该公司生产状况最好的那几天含氧量最高。
得出这些结论之后，该公司针对过滤等工序做了一些调整，并在三个月内，将平均产量提高3.7%——在此期间，矿石品质下降了20%，所以，产量提高十分难能可贵。此番产量提高可为该公司持续带来1000万美元至2000万美元的年利润，而且无需增加资本投入或实施重大变革计划。
巧用大数据
对于想要使用高级分析技术提高产量的制造企业来说，第一步最关键，即思考该公司手头上有多少数据。大部分公司手头上数据都不少，但都只将其用于记录，以备查证，而非改善工厂运作。这些公司要做的，是投资新系统，提高数据利用技巧，提高现有生产数据利用率。比如，将不同来源的数据汇总到一起，并编写索引，提高数据的易用性，并雇佣数据分析师，因为他们经过专门训练，能从这些信息中归纳出特点并提出可行方案。
另一些公司，尤其是生产周期长达数月或是数年的公司，他们收集的数据，对分析师来说，能发挥作用的并不多。这些公司的高管需要有长远眼光，投资数据分析系统，收集更多数据。他们可以采取逐步递增的投资方式，比如先针对某个特别重要、复杂的流程收集数据，仔细分析这小部分数据，再扩展到整个产业链。
大数据时代才刚刚开始，但是高级分析技术在数学研究以及科学领域已发展多年。高级分析技术或成为提高产量的重要方法，对制造业尤其如此，因为制造业流程复杂，存在诸多变量，生产力也有限。事实上，只有成功提高量化考核能力的公司，才能在同类竞争者中拔得头筹，出类拔萃。
对于中小型企业来说，要赶上大数据时代，提高数据分析能力自然再好不过，但这往往意味着公司要雇佣专门的数据分析人员，甚至系统维护人员，而中小型公司往往人员不足、资金短缺、时间匮乏，不太现实。基于云计算的CRM系统则为中小企业提供了一条理想出路，无需本地部署、专人维护即可享受大数据时代的便利，高效管理客户关系，不失为紧跟大数据时代的一条捷径。
编译|桉云科技，原文有删改，转载请注明出处桉云科技及原作者
作者 | EricAuschitzky, Markus Hammer, and Agesan Rajagopaul
来源|http://www.mckinsey.com/business-functions/operations/our-insights