基于大数据的制造企业服务化研究.docx

?

?

基于大数据的制造企业服务化研究

?

?

摘要：当下随着信息数据量呈现爆发式的增长，大数据得到了广泛的关注与研究。制造企业运用大数据克服“服务化悖论”，对于其实现服务化战略转型具有十分重要的应用意义。文章从介绍大数据与制造企业服务化相关概念出发，分析大数据如何为支撑制造企业实现服务化转型升级发挥作用。

关键词：大数据;制造企业;服务化

1.大数据相关概念

1.1大数据定义

目前关于大数据的研究主要集中在技术层面，还有一部分研究关注大数据对企业管理变革的影响。但大多数人对其技术视角及管理视角的定义尚不清晰明确。因此有必要对其定义进行阐述，明晰基于企业管理应用视角的大数据定义及其特征。

百度百科、维基百科以及Gartner公司分别从大数据的技术视角给出了相似的大数据定义，其特征可以归纳为体量浩大，超出常规数据处理工具的运算能力;数据形式多样，大数据中包含了大量的非结构化数据;产生速度快，互联网、物联网、智能设备每时每刻都在产生大量数据，数据增长速度较快;以及数据价值密度低四个特征。

在企业管理应用中，企业的数据信息是企业的重要资源。大数据的资源性不可忽视，因此笔者认为学者杨善林（2015）基于管理视角的大数据定义更为贴合大数据在企业管理层面运用的需求，即大数据是一类能够反映物质世界和精神世界运动状态和状态变化的信息资源，它具有复杂性、决策有用性、高速增长性、价值稀疏性和可重复开采性，一般具有多种潜在价值。除了大数据的技术层面的特征，其定义明确了企业应用角度的大数据特征，即：

（1）资源性：大数据不仅是体量浩大的数据集合，还是一种信息资源，其背后蕴含的信息价值对于支持企业决策、运营管理等管理活动具有十分重要的意义。

（2）决策有用性：大数据资源性的价值主要通过其决策有用性来进行体现，通过对大数据背后隐藏的信息进行挖掘，可以为企业决策提供信息支持。

（3）功能多样性：大数据资源可以用于不同的开发目的，可以用于公共管理、企业管理等多个方面。

1.2大数据思维

大数据时代要求我们在思维上必须有3个方面的转变：

（1）样本约等于总体：在大数据模式下样本即是总体，可以摒弃传统采样方式的固有缺陷，通过对所有数据或几乎全部数据进行分析，我们可以得到更为全面、精确、细致的结果。

（2）允许不精确性和混杂性：大数据基础上的简单算法比小数据基础上的复杂算法更加有效。当我们接受不精确性与混杂性时，我们可以从一个更大更全面的角度来看待问题。

（3）追求相关关系而非因果关系：大数据可以发现事物之间的相关性，其相关关系分析法更精确、更快，而且不易受偏见的影响，这为研究事物之间的联系提供了一个新的视角。例如亚马逊、京东等知名电商平台的购物推荐系统就是运用了相关关系的思维来进行商品营销。

2.制造企业服务化相关概念

2.1制造企业服务化目的

随着我国社会经济的不断发展，消费者的需求中包含了更多的服务需求。因此制造企业为了满足消费者需求，创造竞争优势而选择从传统的产品提供者向物品——服务一体化的提供者进行转变。服务化目的在于满足消费者消费需求，提升产品附加值，寻求企业差异化竞争优势。

2.2制造企业服务化过程

制造企业服务化是一个逐渐演进的过程，刘继国、李江帆在其研究中归纳了国外制造业服务化演进过程，认为服务化是一个动态的变化过程，演进阶段不管是三阶段论、四阶段论或者产品——服务连续区理论都是以既有业务为基础进行价值链的延伸，围绕着产品进行服务业务开发。

依据安筱鹏（2010）、简兆权等（2011）、刘建国（2012）等学者的研究，服务化模式与路径的选择是在价值链理论与微笑曲线理论的基础之上，主要有：价值链上游服务化、价值链下游服务化、价值链整体服务化以及去制造化四种路径。企业应该依据自身定位及内外部资源分析选择合适的服务化模式及路径。但与此同时服务化模式的路径选择还应考虑产品的生命周期理论，从产品研发设计到产品交付、产品维护的全过程中通过服务化的手段，实现产品增值。

3.大数据在制造企业服务化中的作用

制造企业服务化战略的选择与实施是围绕着价值链理论、微笑曲线理论与产品生命周期理论进行的。但无论选择哪种模式和路径，实施过程都要求企业在产业资源整合、价值流程、组织管理、商业模式创新等方面进行调整。然而服务化过程中企业自身服务能力有限，会阻碍企业服务化的进程和绩效提升，甚至会导致企业失去已有的竞争优势。企业实施服务化造成企業生产、运营成本增加，对企业绩效产生负向影响，这种现象称为“服务化悖论”。尽管存在“服务化悖论”，但基于消费者需求与市场经济的竞争需求，服务化仍然是制造企业发展过程的必然选择。大数据的出现则为企业缓解“服务化悖论”提供了新的解决方案。

大数据三个思维方面的转变为制造企业服务化提供了新的思路，即合理利用大数据的资源性，进行企业间、行业间