制造业信息化建设的“大数据”思维刘钊.docxVIP

制造业信息化建设的“大数据”思维 刘钊 目前，物联网、互联网、云计算等概念成为整个社会的关注焦点。之所以这些概念在最近几年集中爆发，正是由于ICT技术经历了几十年的积累后面临着质变的突破。RFID、传感器等数据识别、采集技术的发展给数据来源带来无限可能；云计算的发展大大提升了数据存储和处理的能力，摆脱了摩尔定律的影响，并大大降低了数据处理的成本；移动通信技术从2G时代已经快速进入4G时代，在不远的将来5G也将普及，移动数据传输速度从KB级别提升至几十M乃至上百M，获取数据的空间限制被打破，理论上随时随地都可以获取数据。与技术的迅猛发展相比，技术在社会生活中的应用相对滞后，在制造业的应用更是如此。在新的概念和技术逐步得到国内制造企业认可的同时，如何利用这些技术服务于企业自身的发展是目前国内制造企业关注的焦点。 传统观念上，制造业是信息化建设的核心力量，但不是新的信息技术的引领者，换言之，新的信息技术的使用对制造企业的战略影响不是决定性的。这种状况在逐渐改变。与领先的制造业老牌强国对标不难发现，德国的“工业4.0”，美国的回归制造，无不把制造业提升到了国家战略的高度，而且把互联网、物联网等先进技术与制造业的融合作为了制造业升级的重点。作为国内的制造企业来讲，信息化水平发展并不平衡，一些企业已经步入世界领先的水平，也有大量的企业特别是民营企业还处在作坊式的生产阶段。在过去十多年的ERP实施浪潮过后，面对制造业转型升级的契机，需要重新审视企业的信息化建设，从而为转型升级提供支撑。 制造业的“大数据”思维 提到“大数据”的概念，大多数人想到的是数据量的大，想到的大数据应用，也多是阿里巴巴、亚马逊等这些互联网企业和金融行业，制造业在数据量方面离这样的数据量级还有很大的差距，那是不是“大数据”离制造业很遥远呢？答案是否定的。维克托?迈尔?舍恩伯格在《大数据时代》指出，当我们用大数据的思维分析一个问题是，一个主要的特点是采用的数据样本不是抽取部分而是全部数据。当然，在多数情况下，这个“全部数据”只能是理论上的无限接近, 数据采集、存储、分析技术的发展给获得全部数据成为可能。在传统的信息化实施过程中，同样把数据的准确性和完整性作为重点，那么，从传统的信息化建设到“大数据”时代的跨越，我们需要从哪几方面进行思想上的转变呢？ 首先，对数据的重视要上升到新的高度。在旧的观念中，数据质量一般会作为信息系统实施成功的关键，而在将来的企业管理中，数据会上升到企业战略的高度。数据不仅仅是服务于信息系统，而是要直接服务于企业的运营和决策。最近几年，有人提出了“数据资产”的概念，意在强调数据在未来企业管理中的作用。作为制造企业来讲，要尽快对数据管理重视起来。 其次，要对数据的范围进行重新的定义。在传统的企业信息化定义中，会把企业自身作为一个系统进行分析，一般将信息系统分为辅助决策系统、管理信息系统和底层的执行控制系统。在将来的信息化建设中，不仅要把原有系统数据进行整合，更要把数据的收集范围进一步扩大到整个供应链、行业及相关行业、社会环境等各个方面，将更多的数据纳入进来分析，才能为管理人员决策提供更有效地支持。 第三，要围绕企业的价值流程建立数据存储、分析的方法和体系。在面对庞杂的数据时，数据的组织需要有一条主线，这条主线就是企业的价值流程。 如何构建大数据体系 中国制造业的信息化水平参差不齐，对于大多数企业来说，虽然已经进行几轮的信息化建设，但存在的问题也是比较明显的： 多个系统并存，系统集成性差，数据无法实现联动分析。系统由不同的供应商建设，建设周期跨越多年，想要实现系统的集成无从下手。 由于业务变动、系统适用性差等因素系统停用或只有部分功能使用，无法获得全面的数据。 缺乏有效的IT管理机制，系统数据冗余，缺乏科学的管理，无法获取准确的数据。 信息化覆盖范围有限，有些数据还是以纸质等形式出现，无法及时获得所需数据。 在将来的制造业信息化中，企业的信息化应摆脱以系统带动的局面，而是应回归到企业价值本身，围绕价值流梳理、规划信息化。 如上图所示，企业围绕“大数据”蓝图，应做四方面的工作： 第一步，建立科学、完整的数据收集体系。企业要明确哪些数据是对企业经营有用的，在拥有这些数据后管理决策者可以掌握了解企业现状，并可依据数据做出决定。企业需要建立明确的数据收集范围、规范和数据收集保障制度。 第二步，找到可靠的数据来源和采集方法。例如：企业要找到可靠的市场数据来源从而做到对市场的准确、及时把握，可以是专业的市场调研机构，也可能是大数据供应商；生产现场的数据，如设备状态数据、实时的生产状况等，需要考虑建立生产执行系统，利用RFID、设备接口等技术获取。这些数据来源要能够及时、准确地提供数据。 第三步，建立统一、高效的数据处理平台。企业所有的数据要在统一的平台下进行分析