出品 | 虎嗅智庫
編輯 | 黃思語
大鲸AI閉門會 · 制造專場将于6月20日在蘇州舉辦。來自AI、制造領域的30+CEO/CIO/頂級專家，全程閉門形式，高端圓桌對話，解讀AI在制造領域的演進趨勢和落地案例。
圍繞大鲸AI閉門會 ·制造專場，虎嗅智庫将推出AI大模型及智能制造領域系列内容精選，此篇為第一篇。本次大會探索AI大模型在制造領域生産場景下的可行性和實踐案例，歡迎掃碼報名。
以下核心觀點來自虎嗅智庫撰寫釋出的《資料要素×工業制造案例研究報告》，點選報告名稱擷取内容。
核心觀點：
- 資料要素在産業層面本質上不是對單一環節或流程進行優化，而是從全局優化。在工業制造領域，各環節的運作效率和産品成本效益均得到一定幅度的提升，實作産業鍊上的倍增效應，進而帶來變化商業模式的可能性。
- 企業内部能夠以資料決策的方式，在公司治理結構、公司管理能力等全生産要素範圍内、實作全要素的貫通和端到端的全面提升 。例如管理效率的提升、管理成本的降低、工作顆粒度細化、工作流程縮短等。
- 現階段，企業普遍面臨資料資産積累不足的情況。資料要素的應用缺乏“原料”究其原因在于不同流程場景中的資料采集建設成熟度不同。
- 資料平台建設不是一次性項目或臨時解決方案，而是長期的戰略投資，應保持關注并持續營運。隻關注短期效果的“臨時建設”可能導緻一段時間後資料品質不達标、資料資産不可信不可用等問題 。
企業對資料要素需求和痛點
企業對資料要素的需求日益增強，因為資料在突破發展瓶頸、優化工藝流程、整合供應鍊與提升經營決策等多個領域具有巨大的價值和潛力。
如生産制造環節中，資料波動變化的分析可以反哺工藝流程的效率優化；供應環節中，資料整合可以做綜合性分析和方案建議；對于經營決策，資料清洗和治理能提升資料品質，支撐後續分析決策。
然而，企業在應用資料要素上面臨着“原材料”缺乏的問題。這主要歸咎于企業在資料積累方面普遍不足，且不同流程場景中的資料采集建設成熟度不一。
在供應鍊端，由于資料積累早，應用和提升服務能力成熟度較高。而在其他場景，如内部營運，由于部分企業缺乏資料采集裝置或重度依賴人工，導緻資料無法追溯，資料供給不足。
這種情況下增加了企業在資料應用落地上的難度，且需要更多的資料資産和實踐經驗才能有效提高挖掘資料要素價值的能力。
案例：某動力電池企業資料驅動的産品品質管理
該動力電池企業以锂離子電池的研發、生産和銷售作為核心業務，在確定産品品質穩定性、可靠性和耐久性的過程中，希望通過大資料的應用發現生産問題并提供相應解決方案。
然而，在實施過程中，企業面臨着資料技術無法支援、資料處理效率低下、資料品質不高等問題。
在此前提下，奇點雲采用DataSimba資料雲平台，優化了企業的資料基礎設施，并改造了企業裝置通信協定、增加了資料采集伺服器，以提高資料的實時性、一緻性和完整性。
同時，奇點雲與企業建立了基于PDCA循環的品質閉環管理機制，確定品質問題得到系統性改善。
此外，企業還進行了實時模拟和計算複盤，實作了生産品質的實時異常改善。在為期3個月的試運作期間，異常改善率達到100%，企業的品質管理更加精細、準确、可靠。
此方案的實施不僅解決了電池企業資料處理不足、資料品質低，資料應用效率低下等問題，也提升了品質管理效率，使得資料處理的時間至少減少了75%，可以擁有更多的時間來進行資料分析，優化場景應用，進一步提升了企業的核心競争力。
資料平台建設不是一次性項目或臨時解決方案，而是長期的戰略投資，且應始終保持關注并持續營運。
企業應建立标準、規範的資料管理體系，支援海量多源異構資料內建及高效處理分析，提升資料品質和管理能力。同時，企業應基于平台的統一模組化和資料應用搭建，降低對技術人員定制開發的依賴，提升平台資料服務能力。
結語
從全局和戰略的角度去審視和運用資料。資料要素的價值不僅展現在某一個環節的優化上，而是從全産業鍊的視角來看待，實作全産業鍊上的倍增效應，推動商業模式的深度變革。
企業需要充分認識到資料并非銀子彈，而是需要在合理的資料管理體系的支援下，持續積累有效的資料資産，逐漸提升挖掘資料價值的能力。
如果想了解更多資料要素的應用案例，可以報名虎嗅智庫6月20日主辦的大鲸A閉門會 · 制造專場 ，屆時将會有資料要素及AI大模型在智能制造領域應用的案例講解。
關于大鲸AI閉門會· 制造專場，我們邀請了多家行業甲方頭部企業代表，目前确認出席的嘉賓，包括信通院、美的、TCL中環、隆基綠能、施耐德電氣、金風科技、清湛人工智能研究院等企業與機構。
誠邀您的參與大會，一同探讨AI大模型與智能制造的最新技術實踐與挑戰！資料要素如何成為工業“巧匠”？
本内容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯系 [email protected]
正在改變與想要改變世界的人，都在 虎嗅APP