两化融合之企业数字化转型概述

“ 两化融合数字化转型概述”

01

—

数字化转型

两化融合管理体系作为当前数字化转型的方法论，在整个数字化转型中发挥了巨大的作用。

数字化转型就是利用数字化技术（如大数据、云计算、人工智能等）来推动企业组织转变业务模式，组织架构，企业文化等的变革措施，如衍生出的智能制造、智慧城市等概念。

数字化转型就是利用数字化技术（如大数据、云计算、人工智能等）来推动企业组织转变业务模式，组织架构，企业文化等的变革措施，如衍生出的智能制造、智慧城市等概念。

数字化转型是个和大数据一样，是个有点大有点虚的概念，映射到直接落地，相对接地气的概念就是数据化管理，也是当下很多企业正在实施的措施。

诸如企业的财务、销售、市场等业务自身就带有强烈的数据分析需求，领导也厌倦了查看一沓沓报表，更希望看到结论化的数据。如果说运用到个人或是某一个问题的叫数据分析，那么投入到企业的业务层面用于辅助管理产生效益的则可称为数据化管理。

回顾若干年前，企业做信息化总结起来就是实施ERP系统，财务系统，人力资源系统，客户关系管理（CRM）系统等等。这些信息化的项目有一个共同特点，就是把企业的组织架构，业务流程，运营模式等通过软件系统的形式固化下来，这样企业相关的员工，物料，设备，资金等要素就围绕固化好的软件系统运转。

如果企业管理人员发现现有软件系统不适用现在的业务，就会实施流程变革等措施来优化现有的软件系统，所以信息化更多的是支持业务。

企业实施信息化后，企业相关的人，物料，设备，资金等要素就围绕固化好的软件系统运转，但是这些要素在企业日常运营过程中实际运行情况是怎样的，企业并不十分清楚。

企业并没有一个系统能实时抓取并可视化企业日常运营全景，比如客户购买企业的产品和服务后的使用情况、市场的变化情况、工厂流水线的运行情况、供应链的运转情况等。如果需要这些数据，大都需要通过人力来统计，做各种报表，费时费力，且不一定能保证数据的准确性。

数字（据）化就是要通过收集企业日常运营的数据，客户使用产品服务的数据，市场行业，趋势等等数据，形成企业日常运营的全景图，反映到产品研发、服务流程改善、精准营销、销售模式升级、优化库存等业务的改进上来。

　　转型的几个主要趋向值得关注

　　传统产业数字化转型的目的，是利用数字技术破解企业、产业发展中的难题，重新定义、设计产品和服务，实现业务的转型、创新和增长。从实践来看，强化价值创造、数据集成以及平台赋能，已经成为传统产业数字化转型的重要趋向。

　　从生产驱动到以消费者为中心的价值创造。相比于传统经济形态，数字经济的市场条件发生了较大变化，传统产业的价值链中以消费者需求为中心的价值创造逻辑日益显现。数字化不仅仅是优化企业生产的关键技术支撑，更是连接市场、满足消费者需求、更好服务消费者的重要方式。一是利用互联网平台以及大数据等技术可以更好了解消费者需求，并从单一的产品向“产品+服务”的方向升级，提供满足消费者多样化需求的全面解决方案；二是基于智能制造推动制造业变革，以柔性化生产有效满足消费者个性化需求；三是基于智能产品构建起全生命周期的服务体系，通过监测、整理和分析产品使用中的数据提高企业服务附加值；四是基于互联网社区、众创平台，鼓励消费者直接参与产品设计。基于数字化的价值创造，使企业价值链重构，成为既包含制造业价值链增值环节、又包含服务业价值链增值环节的融合型产业价值链。

　　从物理资产管理到数据资产管理。数字经济发展以数字化的信息和知识为核心生产要素。随着数据规模的不断扩大，加强数据资产管理成为数字化转型中企业的共识，越来越多的企业将数据纳入到企业的资产管理中。一方面，数据资产的应用范围已经从传统的以企业内部应用为主，发展到支撑内部和服务外部并重，挖掘和释放数据价值、扩展数据应用和服务成为企业经营的重要内容；另一方面，企业也意识到并非所有数据都能成为资产，伴随着大量外部数据引入和内部数据的不断累积，数据规模扩大、数据质量不高、业务之间数据融合度低、数据应用不到位等都会产生大量的成本。因此，围绕数据的采集、筛选、加工、存储、应用等各环节进行规划，基于数据加工的全链条进行数据资产治理体系建设，提高数据资产价值，正在成为企业发展的重要任务，企业针对数据资产的管理也呈现出运营化发展趋势。

　　从内部数字化到平台赋能的产业链协作。从实践来看，越来越多的互联网巨头企业以及重点行业中的骨干企业加大了在工业互联网上的投入。除了加快自身数字化外，这些企业通过平台建设将各自关于数字化实践的经验赋能中小企业，形成对上下游相关主体的支撑。据相关统计，目前我国工业互联网已经在航空、石化、钢铁、家电、服装、机械等多个行业得到了应用，具备行业、区域影响力的工业互联网平台超过50家。这些平台汇聚共享了设计、生产、物流等制造资源，有效整合了产品设计、生产制造、设备管理、运营服务等数据资源，开展面向不同场景的应用创新，不断拓展行业价值空间，平台赋能中小企业数字化转型的效果初步显现，传统产业数字化转型整体进度加快。

　　一些痛点难点有待解决

　　应该看到，传统产业数字化转型还面临不少困难和挑战，一些痛点难点问题有待解决。

　　一是不少企业认识不到位，缺乏方法论支撑。数字化不仅是技术更新，而且是经营理念、战略、组织、运营等全方位的变革，需要从全局谋划。目前，多数企业推动数字化转型的意愿强烈，但普遍缺乏清晰的战略目标与实践路径，更多还是集中在生产端如何引入先进信息系统，没有从企业发展战略的高度进行谋划，企业内部尤其是高层管理者之间难以达成共识。与此同时，数字化转型是一项长期艰巨的任务，面临着技术创新、业务能力建设、人才培养等方方面面的挑战，需要企业实现在全局层面的有效协同。目前，多数企业没有强有力的制度设计和组织重塑，部门之间数字化转型的职责和权利不清晰，也缺乏有效的配套考核和制度激励。

　　二是数据资产积累薄弱，应用范围偏窄。数字化转型是企业数据资产不断积累以及应用的过程，数据资产是数字化转型的重要依托，如何加工利用数据、释放数据价值是企业面临的重要课题。目前，多数企业仍处于数据应用的感知阶段而非行动阶段，覆盖全流程、全产业链、全生命周期的工业数据链尚未构建；内部数据资源散落在各个业务系统中，特别是底层设备层和过程控制层无法互联互通，形成“数据孤岛”；外部数据融合度不高，无法及时全面感知数据的分布与更新。受限于数据的规模、种类以及质量，目前多数企业对数据的应用还处于起步阶段，主要集中在精准营销、舆情感知和风险控制等有限场景，未能从业务转型角度开展预测性和决策性分析，难以更好挖掘数据资产的潜在价值。大数据与实体经济融合的深度和广度尚不充分，应用空间亟待开拓。

　　三是核心数字技术及第三方服务供给不足。传统产业数字化转型面临成本较高，核心数字技术供给不足等问题，也缺乏有能力承担集战略咨询、架构设计、数据运营等关键任务于一体，且能够实施“总包”的第三方服务商。目前市场上的方案多是通用型解决方案，无法满足企业、行业的个性化、一体化需求。更为重要的是，对于很多中小企业而言，市场上的软件、大数据、云计算等各类业务服务商良莠不齐，缺乏行业标准，选择难度较大。

　　四是数字鸿沟明显，产业协同水平较低。传统产业数字化发展不平衡不充分问题比较突出，大多数中小企业数字化水平低，网络化、智能化基础薄弱，尽管有强烈的愿望，但受限于人力、资金约束，普遍“心有余而力不足”，大中小企业间的数字鸿沟十分明显。相比于发达国家，我国产业互联网生态建设较为缓慢，行业覆盖面、功能完整性、模型组件丰富性等方面相对滞后，与行业内存在的数字鸿沟有较大关联。龙头企业仍以内部综合集成为主入口开展工业互联网建设，产业链间业务协同并不理想，平台针对用户、数据、制造能力等资源社会化开放的程度普遍不高。

　　推动传统产业数字化转型的对策建议

　　更好推动传统产业数字化转型，需主要从以下几个方面着手：

　　加快建设数字技术高效供给体系。要加快建设一批数字经济创新平台载体，提升技术创新水平，尤其是要有效提升原创技术以及基础理论研究创新水平；培育建设一批优势特色学科和专业，加强人工智能、大数据、云计算等数字技术的基础研究；整合全球人才及平台资源优势，加快与全球顶级科研机构及人才团队合作，组织实施一批重大科技攻关专项和示范应用工程，推进数字技术原创性研发和融合性创新；支持企业建设高水平的、具有行业影响力的企业技术中心，引导企业积极参与国家数字经济领域“卡脖子”技术攻关、大科学工程、大科学装置建设以及国际国内标准制定等。

　　着力解决数字创新人才紧缺问题。一是明确数字创新人才的能力素质标准。在充分考虑企业对人才能力需求的基础上，对各级数字技能人才的专业能力以及业务运营、风险管控等能力作出界定，推动数字专业技术人才与各传统行业的融合。二是深化校企合作、政企合作，通过建设企业大学、企业培训基地等方式，鼓励高校根据市场人才需求开设相应的培训课程，为培育既精通信息技术又熟悉经营管理的人才队伍夯实基础。三是激发行业协会、培训机构、咨询公司等在数字技能人才培育中的作用，促进数字技能人才培育体系的形成。四是积极营造良好环境，探索高效灵活的人才引进、培养、使用、评价、激励和保障政策。

　　积极部署新一代信息基础设施。以5G、人工智能、工业互联网、物联网为代表的数字化设施正成为国家新型基础设施的重要组成部分。面对企业低时延、高可靠、广覆盖的工业网络需求，要加快推动新一代信息网络升级，加强工业互联网、云计算等新型信息基础设施布局，同时做好传统基础设施的智能化改造。

　　加强对传统产业数字化转型的政策支持。优化政府服务，提高政策精准度，统筹研究制定相关政策及配套措施，整合财税、金融、人才、土地等方面的政策力量，全力推动传统产业数字化转型。在财税支持方面，需强化财政专项资金统筹，引导各级财政资金加大对传统产业数字化转型的投入，加强对数字经济领域重大平台、重大项目及试点示范的支持；探索成立传统产业数字化发展基金，推动各级政府产业基金按照市场化运作方式，与社会资本合作设立数字经济发展相关投资子基金；积极落实数字经济领域的相关惠企政策，确保落地见效。在人才要素方面，要完善人才激励机制，支持开展股权激励和科技成果转化奖励试点。此外，还需加强传统产业数字化转型在用地、用能、排放、创新等方面的要素资源优化配置和重点保障。

1、第一阶段：数据连接、采集、整理

数据是数字化的基础，数字化转型的第一步往往都是先进行数据连接。要分析什么业务，分析的指标有哪些，需要的数据有哪些，当下已有哪些数据，哪些数据不足需要定向收集。

比如：

生产可以通过传感器等设备收集生产环节的数据。

库存可用过扫码等手段来收集，以及后续物流运输数据。

销售可以通过改进业务流程，设置数据采集环节来收集数据。

营销可以通过网站的埋点来收集用户的行为数据。

……

数据采集的成本比较高，而且往往大动干戈。建议先做好数字化路线和场景的规划，尽量自顶而下推导到底需要哪些数据及其采集技术，往往数据采集的难点不在于技术层面，而在于业务层面的推动。

采集到数据还只是第一步，后续需要有大量的工作保证数据质量，数据有问题分析再严谨都是空谈。建议在数字化规划阶段，需要对全数据链路进行详细设计，争取做到几个要点：

①多个系统相联通，至少保证同一种数据在不同系统中是一致的；

②通过数据链路设计使得相邻环节的数据可相互校验；

③数据质量需融入日常运营管理流程。

然后是数据整合。采集到的数据往往都分布在各业务系统内，但后续分析的时候往往会涉及多种业务的数据，比如财务+销售，所以系统之间的数据壁垒要打通，避免数据孤岛。

系统来看，就是从数据分析出发，向上要保证数据口径的统一，避免数据对不上。向下要以分析为目的来搭建数仓和数据中心，让数据整合—数据清洗—数据分析—可视化都在一个平台上进行。

在这个过程通常需要借助BI平台、数仓来搭建。

2、第二阶段：数据可视化

数据连接完成后，下一步是基于业务需求分析和可视化展示。分析分为历史和当下数据按指标、业务归类展示，生成报表、可视化报告。涉及到具体问题比方说找到带来80%营收的20%家优质代理商，则需要数据挖掘技术来追踪定位。

数字化成熟到一定程度，各个业务都应该有相应的可视化模块，运用商务智能BI系统或制造智能MI系统，这是企业实现数字可视化的重要工具。

3、第三阶段：精益分析

在第一阶段和第二阶段推进一段时间之后，企业多数已经具备自动化和信息化的基础，往往这时候企业会开始思考：“我有这么多数据，能看到这么多报表，我怎么提升效率降低成本呢？”因此，进入数字化转型的第三阶段精益分析。

传统企业在推行精益/工业工程方法和工具时，工业工程师或咨询师一般通过现场诊断分析来发现企业生产运营管理的问题，并指导企业持续改善的路线。

绝大部分生产制造企业在精益化方面相对落后，而精益分析的阶段需要企业利用数字化软硬件技术和工具，来固化、简化并优化精益化的过程，将原来经验驱动的现场诊断，逐步转化并结合实时数据驱动的数字化诊断，更客观、更及时、更全面、更智能地去发现企业生产系统中存在的浪费和问题，这也是智能制造中所谓“智能”的第一小步。

4、第四阶段：高阶分析

基于第三阶段精益分析的成果，企业及其管理者被赋能，能够更简单、更准确、更及时地发现企业的生产运营问题后，就面临到如何分析问题产生原因并且提供问题解决方案的挑战。

这时候就该是大数据和人工智能技术的用武之地，通过机器学习等技术对最佳历史实践进行提炼并预测，通过APS等技术为企业的计划排程提供智能决策，通过知识图谱等技术构建企业的知识库，通过计算机视觉听觉等技术替代现场枯燥无聊的重复劳动工位等。

针对于每一种行业、每一道工艺、每一个流程节点，都可能有一些工业应用场景需要大数据和人工智能技术，来辅助管理人员进行快速决策，乃至解放管理人员进行自动决策，从而真正实现企业智能制造，是为高阶分析。

5、第五阶段：全面转型

当企业推进内部的智能高阶分析至一定阶段之后，必然需要与全供应链的其他智能企业进行连接，实现智能化的全面转型。

两化融合贯标合作交流

公司主要为企业提供两化融合管理体系咨询服务、企业信息化咨询服务。公司坚持“集众智力、成人达己”为宗旨，公司成立四年以来，注重人才培养，公司两化融合咨询师均参加联盟培训辅导并获得证书。通过内部项目管理系统及时跟进两化融合进度，确保两化融合贯标项目按时保质保量完成。公司辅导两化融合贯标企业目前全部获得证书，下图为部分获证企业证书

同时公司注重知识的传递，推出了免费版贯标基础教程以及付费版贯标全程操作教程