什麼是資料化轉型？

數位轉型就是利用數位技術（如大數據、雲端計算、人工智慧等）來推動企業組織轉變業務模式，組織架構，企業文化等的變革措施，如衍生出的智慧製造、智慧城市等概念。

數位轉型是個和大數據一樣，是個有點大有點虛的概念，對映到直接落地，相對接地氣的概念就是資料化管理，也是當下很多企業正在實施的措施。

諸如企業的財務、銷售、市場等業務自身就帶有強烈的資料分析需求，領導也厭倦了檢視一沓沓報表，更希望看到結論化的資料。如果說運用到個人或是某一個問題的叫資料分析，那麼投入到企業的業務層面用於輔助管理產生效益的則可稱為資料化管理。

回顧若干年前，企業做資訊化總結起來就是實施ERP系統，財務系統，人力資源系統，客戶關係管理（CRM）系統等等。這些資訊化的項目有一個共同特點，就是把企業的組織架構，業務流程，營運模式等通過軟體系統的形式固化下來，這樣企業相關的員工，物料，裝置，資金等要素就圍繞固化好的軟體系統運轉。如果企業管理人員發現現有軟體系統不適用現在的業務，就會實施流程變革等措施來優化現有的軟體系統，所以資訊化更多的是支援業務。

企業實施資訊化後，企業相關的人，物料，裝置，資金等要素就圍繞固化好的軟體系統運轉，但是這些要素在企業日常營運過程中實際執行情況是怎樣的，企業並不十分清楚，企業並沒有一個系統能實時抓取並可視化企業日常營運全景，比如客戶購買企業的產品和服務後的使用情況、市場的變化情況、工廠流水線的執行情況、供應鏈的運轉情況等。如果需要這些資料，大都需要通過人力來統計，做各種報表，費時費力，且不一定能保證資料的準確性。

數字（據）化就是要通過收集企業日常營運的資料，客戶使用產品服務的資料，市場行業，趨勢等等資料，形成企業日常營運的全景圖，反映到產品研發、服務流程改善、精準行銷、銷售模式升級、優化庫存等業務的改進上來。

傳統企業如何做數位轉型？

呼聲最大的是生產製造業，所以以下很多都傾向於生產製造業的業務情況：

1、第一階段：資料連線、採集、整理

資料是數位化的基礎，數位轉型的第一步往往都是先進行資料連線。要分析什麼業務，分析的指標有哪些，需要的資料有哪些，當下已有哪些資料，哪些資料不足需要定向收集。

比如：

生產可以通過感測器等裝置收集生產環節的資料。

庫存可用過掃碼等手段來收集，以及後續物流運輸資料。

銷售可以通過改進業務流程，設定資料採集環節來收集資料。

行銷可以通過網站的埋點來收集使用者的行為資料。

……

資料採集的成本比較高，而且往往大動干戈。建議先做好數位化路線和場景的規劃，儘量自頂而下推導到底需要哪些資料及其採集技術，往往資料採集的難點不在於技術層面，而在於業務層面的推動。

採集到資料還只是第一步，後續需要有大量的工作保證資料質量，資料有問題分析再嚴謹都是空談。建議在數位化規劃階段，需要對全資料鏈路進行詳細設計，爭取做到幾個要點：

①多個系統相聯通，至少保證同一種資料在不同系統中是一致的；

②通過資料鏈路設計使得相鄰環節的資料可相互校驗；

③資料質量需融入日常營運管理流程。

然後是資料整合。採集到的資料往往都分佈在各業務系統內，但後續分析的時候往往會涉及多種業務的資料，比如財務+銷售，所以系統之間的資料壁壘要打通，避免資料孤島。

系統來看，就是從資料分析出發，向上要保證資料口徑的統一，避免資料對不上。向下要以分析為目的來搭建數倉和資料中心，讓資料整合—資料清洗—資料分析—視覺化都在一個平臺上進行。

在這個過程通常需要藉助BI平臺、數倉來搭建。

有些資料體量大的企業會搭建大數據平臺。

2、第二階段：資料分析及視覺化

資料連線完成後，下一步是基於業務需求分析和視覺化展示。分析分為歷史和當下資料按指標、業務歸類展示，生成報表、視覺化報告。涉及到具體問題比方說找到帶來80%營收的20%家優質代理商，則需要資料探勘技術來追蹤定位。

數位化成熟到一定程度，各個業務都應該有相應的視覺化模組，運用商務智慧BI系統或製造智慧MI系統，這是企業實現數字視覺化的重要工具。

3、第三階段：精益分析

在第一階段和第二階段推進一段時間之後，企業多數已經具備自動化和資訊化的基礎，往往這時候企業會開始思考：“我有這麼多資料，能看到這麼多報表，我怎麼提升效率降低成本呢？”因此，進入數位轉型的第三階段精益分析。

傳統企業在推行精益/工業工程方法和工具時，工業工程師或諮詢師一般通過現場診斷分析來發現企業生產營運管理的問題，並指導企業持續改善的路線。

絕大部分生產製造企業在精益化方面相對落後，而精益分析的階段需要企業利用數位化軟硬體技術和工具，來固化、簡化並優化精益化的過程，將原來經驗驅動的現場診斷，逐步轉化並結合實時資料驅動的數位化診斷，更客觀、更及時、更全面、更智慧地去發現企業生產系統中存在的浪費和問題，這也是智慧製造中所謂“智慧”的第一小步。

4、第四階段：高階分析

基於第三階段精益分析的成果，企業及其管理者被賦能，能夠更簡單、更準確、更及時地發現企業的生產營運問題後，就面臨到如何分析問題產生原因並且提供問題解決方案的挑戰。

這時候就該是大數據和人工智慧技術的用武之地，通過機器學習等技術對最佳歷史實踐進行提煉並預測，通過APS等技術為企業的計劃排程提供智慧決策，通過知識圖譜等技術構建企業的知識庫，通過計算機視覺聽覺等技術替代現場枯燥無聊的重複勞動工位等。

針對於每一種行業、每一道工藝、每一個流程節點，都可能有一些工業應用場景需要大數據和人工智慧技術，來輔助管理人員進行快速決策，乃至解放管理人員進行自動決策，從而真正實現企業智慧製造，是為高階分析。

5、第五階段：全面轉型

當企業推進內部的智慧高階分析至一定階段之後，必然需要與全供應鏈的其他智慧企業進行連線，實現智慧化的全面轉型。

最後，囉嗦幾句

1.落地是從一到五，設計是從五到一。

2.軟硬體全買最好的，不如用精益方法先把整個流程擼通，然後逐步迭代升級（可借鑑IT行業的敏捷開發模式），在技術發展太快的今天，除非你能像換iPhone一樣換你的數位化系統，不然總有更好的版本，更好的產品。

3.一次性把資料採集全了，不如挑一、兩個典型工業應用場景（痛點）直接從第一階段幹到第三、四階段。

4.智慧製造、工業4.0、人工智慧、大數據、物聯網、MES等都是概念，往往每個人對同一個概念的理解都不完全相同，不如簡化一下思路，這麼想：我想要哪些資料，能幫我把哪裡管得更好。

感謝閲讀！FineReport提供最全免費功能版本，不用等待，直接點擊以下按鈕激活&下載！
免費試用FineReport10.0>
獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！

什麼是資料化轉型？