物聯網時代制造企業對大資料的運用分析

大資料對促進供應鍊中的生産環節産生了前所未有的巨大影響，每個企業都有自己的規劃和自己企業在營運環節的管理最佳實踐，在衆多的營運決策改進裡面，大資料的影響包括産品設計，品質控制，客戶畫像等等。下面從八個方面介紹大資料在企業營運(産品制造)中的應用。

消費者需求分析

很多企業管理者都意識到了消費者再也不是營銷産品的被動接收器了，通過大資料來了解并設計消費者的需求的産品，可能是我們所有企業都應該去考慮的第一個大資料的生産應用場景。

借助大資料，我們對采集來的企業内部(内源資料)，例如銷售網點的資料，消費者直接回報等，與外部資料(外源資料)，例如社交媒體的評論，描述産品用途的傳感器資料等，通過微觀細分，情感分析，消費者行為分析以及基于位置的營銷等手段，讓我們企業“擦亮眼睛”，摸清消費者的需求，徹底改變曾經那種“跟者感覺走”的狀态，走出直覺猜測消費者的需求的局面。

企業由此迫切需要建立利用内源資料以及外源資料的機制，全管道了解消費者的需求，使用多重分析法，例如聯合分析法，來确定消費者對與産品某種特點的支付意願，了解使産品搶占市場的重要産品特征，進而改善産品設計，為産品提供相應的改造更新的明确方向和規格參數。

打通生産豎井

豎井有兩層含義。 首先是資訊和資料的孤島。傳統行業經曆了過去20年的資訊化建設，形成了大量的，種類繁多的大型應用。每個應用系統都有自己的資料，與組織結構的豎井相輔相成，逐漸形成了我們今天看到的資訊獨島。

其次， 豎井是對于組織部門的一種比喻，這種組織部門有自己的管理團隊和人才，但缺乏與其他組織機關合作或交流的動機與需求。跨越豎井是當代企業營銷面臨的重大挑戰之一。重塑企業架構是必由之路。我們必須改變妨礙消費者體驗的組織結構，建立基于消費者的意願，去改變組織結構，去影響消費者與品牌打交道的方式。通過接觸其他文化、改變先前的設想，并且要去除聯想障礙，來實作各管道創造無縫體驗。

大資料的先進架構，例如大資料湖，可以讓跨部門，跨公司，跨地域，甚至跨行業的相關組織，在共同遵循的資料治理架構下，産品設計者與制造工程師可以共享資料，模拟實驗以測試不同的産品設計，部件與相應供應商的選擇，并計算出相關的成本，以促進産品設計，測試。實作資訊與情報的融通。

産品與服務的設計

産品可以分為有形産品和無形産品。 生産型企業生産的多為有形産品， 而服務型企業生産的多為無形的産品。無論有形，無形或是把産品服務化的企業，其最終的目的都是以通過服務來增加利潤，并且在同質化競争中展現差異性。

産品設計是明确企業産品性質與特點的過程，這個過程複雜且代價高。生産成本的80%左右是受到了産品設計階段的決策影響。是以，如何提升産品設計的決策是所有企業家和管理者的共同挑戰。

我們在設計并且生産出消費着需要的産品的旅程中發現， 産品的設定和生産要素，跟流程、工藝、市場，消費習慣，銷售政策，區域，氣候等等都有千絲萬縷的關系，數字化能夠幫我把這個輪廓勾勒出來。利用大資料的實時資料分析，将數字勾勒出來的消費者偏好轉化成為有形的産品特點，利用資料設計産品，實作研發與營運共享資料，共同參與産品設計的改進和調整。

開放式的融合創新

　　web 2.0的出現和廣泛流行至今，深遠地影響了使用者使用網際網路的方式。網際網路，移動通信網以及物聯網是當今最具影響力的三個全球性網絡，移動網際網路恰恰融合了前兩者的發展優勢，而物聯網傳感器資料則使得創新型售後服務成為可能。現在，人們越來越習慣從網際網路上擷取所需的應用與服務。

　　供應商，消費者，第三方機構等與此同時将自己的資料在網絡上共享與儲存，不僅僅會通過全管道征求消費者意見，還與學術或行業研究者合作開發新産品。通過網際網路平台來為企業創新出謀劃策，與其合作研發産品。web 2.0時代不單單提供了雲計算的Access模式，也為雲計算培養了使用者習慣。大資料為生産型企業提供創新服務乃至建立新型商業模型提供了曆史性的機會。

　　适應性庫存管理

　　總所周知，庫存成本往往占了産品成本的50%，過多的庫存會造成過高的庫存管理成本。與此同時，庫存的多少似乎永遠也無法解決商品的脫銷。無論是庫存量還是脫銷量，企業在發展過程中，都希望利用資訊化手段，能夠通過實時跟蹤貨物，采集資料，确定不同地區在不同時間的庫存水準，使得庫存水準具有适應性。

　　運用大資料使得供應與需求信号緊密聯系在一起變得容易實作和具有可操作性。我們可以把銷售記錄，銷售網點資料，天氣預報，季節性銷售周期，區域庫存資訊等不同緯度的資料融合起來，形成實時感應需求信号，與實時貨物位置等資訊能關聯分析，比對供求關系。産生的精确的資訊，可以回報到生産計劃，庫存水準與訂單量等庫存計算的各個環節， 使企業了解具體地區的庫存量并且自動生成訂單，從“需求感應”實作“适應性的庫存”管理，不斷優化庫存水準。

　　品質管理

　　早在上世紀90年代開始，大量的企業就開始通過應用分析法來提高産品品質和生産的效率，其核心是實作生産與服務的需求相比對。今天的大資料分析手段也是如出一轍。大資料不僅能夠使生産商制造産品的時間縮短20%-50%，還能夠在産品批量生産前通過模拟，檢驗防止産品缺陷，減少産品開發周期過程中不必要的環節等。

　　品質管理強調産品品質要符合消費者預期，這個預期包括預算，功能，外觀等等。這是大資料分析法提升品質管理環節的首要收益。通過對内源與外源資料的實時采集和分析，企業能夠準确地了解消費者需求以及購買行為，明确産品特征，運用進階分析法準确地指導生産，運輸與采購以提升産品或服務的品質。

　　大資料的實時性與實效性，給企業的生産品質管理提供了質的飛躍。傳統品質管理主要是通過靜态的，曆史的，沉澱的資料，通過檢查表，散點圖，控制圖等檢測手段，來發現生産過程的品質問題大資料通過物聯網，通過産品上安裝傳感器，标簽等手段，實時監測采集資料，認知産品性能，實時提高品質。

　　勞動力的數字化

　　勞動力是除了産品成本外，企業最重視的開支。而且，問題的複雜程度也是最大的。 問題除了員工本身之外，有很大一部分問題與管理水準低下有關，管理者不因隻強調員工的問題，而忽略自身和機制的問題，特别是在零售，分銷，加工等這些勞動密集型企業，勞動力問題尤為突現。

　　任何一個組織，應該通過有效的科技資訊手段，快速建立認知，基于組織的行為和文化标準，提高一緻性和我們從雇傭的品質，繼任計劃，以及到員工的成長程序的全人才生命周期的管理。通過大資料方式，找到進行員工排程的最佳模式，縮短管理時間，實作技能與崗位的周期比對，勞動力效率最優化。讓勞動力的管理成為可預測的，且基于分析學的方法來實作人才資源的管理。這樣的方法一是客觀，二是從大資料統計的角度将員工的績效名額和行為特征連接配接了起來，為每個企業創造了一個“最适合”的勞動力模式。

　　大資料在幫助企業生産實作需求預測的精确性，對提高員工排程效率起這非常重要的作用，這又進一步說明了在銷售環節擷取的資料是如何影響生産環節決策的。由此給組織帶來提供卓越的客戶體驗，更高的生産率，更高的銷售增長，和更廣泛的利潤空間。這一切都源自于100%資料驅動的，盡可能避免主觀判斷和推測。

　資産智能管理

物聯網(iot)的發展以及感應技術的興起，為我們開創了一個能緊密連接配接實體空間許多事物的資訊網絡。随着大資料分析技術的發展，特别是預測分析的發展，結合網際網路雲化的廣泛應用，實體空間與虛拟資訊空間的形成與同步，離不開裝置的自我意識和自主維修機械系統。

智能裝置的未來，一定是能夠自主評估健康狀況和退化情況并主動預防潛在性能故障，并且做出維修決策，以避免潛在故障的系統。要實作健康條件評估，就需要利用資料驅動算法分析從機械裝置及其周邊環境中的資料。實時裝置條件資訊可回報至機械控制器以實作自适應控制，同時資訊也會回報至裝置管理人員友善及時維修。操作員可根據每台裝置的健康條件平衡和調節每台裝置工作量和工作壓力，進而最大程度優化生産和裝置性能，實作主動檢修計劃的智能決策。

物聯網是網際網路的應用拓展，與其說物聯網是網絡，不如說物聯網是業務和應用。航大物聯（www.leadtorch.com）認為資料的應用創新是物聯網發展的核心，以使用者體驗為核心是物聯網發展的靈魂。資料成為新“工業”革命的原材料，無論是傳統企業還是全球的科技大佬，在物聯網時代，都在千方百計獲得使用者的資料或者資訊，更好地服務于使用者。