2.1 制造企业需要具备的信息化基础

2.1.1 制造业信息化背景

制造业信息化是用信息技术改造传统产业和实现信息化带动工业化的突破口。制造业信息化将信息技术、自动化技术、现代管理技术与制造技术相结合，带动产品设计方法和工具的创新，企业管理模式的创新，企业间协作关系的创新，实现产品设计和企业管理的信息化，生产过程控制的智能化，制造装备的数控化，咨询服务的网络化，全面提升制造企业的竞争。

我国于20世纪80年代开始进行制造企业的信息化建设，从最初的单项应用已转向集成化、综合化和网络化发展。国经委调查表明：300家国家重点企业中有80%的企业已经建立了办公自动化系统和管理信息系统，70%以上的企业接入Internet,50%的企业建立了内部局域网。在企业信息化不断深入的过程中，以ERP（Enterprise Resource Planning，企业资源计划）、CIMS（Computer Integrated Manufacturing System，计算机集成制造系统）、OA（Office Automation，办公自动化）为代表的一批制造企业信息系统的不断实施提高了企业的信息化水平，但是由于制造企业信息化具有影响面广、涉及人员多、技术复杂、工程庞大等特点，其实施难度很高。我国与国外信息化制造企业还有一定的差距。造成这种局面的原因很复杂，涉及企业自身、咨询机构、软件商等多种因素，但其中最主要的原因在于我国企业多数将信息化系统用于运行管理、运行数据后期分析或者人工管理，造成数据价值浪费，大量深藏潜质的数据堆积在后台，无人处置，信息化利用率仅65%左右。如果不对数据加以妥善管理和应用，将可能带来以下几方面问题：

1）价值发挥问题。如果企业缺乏完整、一致的数据视图，业务部门面对众多信息系统时，将不知道哪些系统可以提供自己所需的数据；如果不了解数据质量状况或可靠与否，用户就不能放心使用数据，就无法依据数据分析做出正确判断、决策和快速响应。这些都会阻碍数据价值的完整发挥。

2）数据升值问题。如果数据的质量有保障，一方面企业可以利用商业智能、数据挖掘等技术手段从大量历史数据中发现事物发展的深层规律，例如客户期望、员工流失倾向、利润预测等，为企业提供经验总结和预见性的业务支撑；另一方面，良好的数据管理机制有利于企业建立内部知识共享和传承体系，促进企业的人才培养和组织进步，实现数据增值。如果数据管理不到位，质量无保证，数据就不会升值。

3）成本效率问题：如果对数据的理解不一致，将影响跨系统、跨部门、跨专业的沟通和信息共享，增加企业的沟通成本和建设成本；如果缺乏对贯穿企业的数据流的直观、完整的认识，那么将难以实现对系统故障、数据问题的快速定位；如果数据的权责不明确，则会导致系统之间、部门之间的相互推诿和扯皮。这些都反映出了信息系统对业务的支撑不力，会导致业务部门质疑企业对信息化的投入，造成了成本效率问题。

据统计，我国2016年的数据总存储量为4.19ZB，预计2020年达到38.99ZB，如此庞大的数据在大数据技术下将给企业带来新的契机以及商业模式。在此背景下，2016年国务院在《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中提出，把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。

2.1.2 企业数据管理概述

企业数据泛指所有与企业经营相关的信息、资料，包括财务信息、产品信息、经营数据、生产数据、质量数据、人事数据等。利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用，其目的是充分发挥数据作用，实现企业数据的有效管理。随着计算机技术的发展，企业数据管理主要经历了两个阶段，如图2-1所示。第一阶段问题导向管理，即传统管理。此阶段数据利用率低，且属于事后管控，企业的运营管理成本较高，或者通过历史经验以及较多数据分析的结果对企业运营进行较早的正向干预，使企业运营良性发展。第二阶风险管理，即智能管理，通过先进的数据分析技术对企业运营数据进行挖掘式分析，提炼出关键性的影响因子加以管控。

第一阶段：问题导向管理，企业在运营管理过程中，没有通过运营数据做必要的先期策划、风险评估和应急预案，导致运营问题不断，尽管会在事后做补救措施，但已发生的问题导致的经济损失、人力成本以及时间成本已事实发生，给企业运营带来了不必要的损失。

第二阶段：风险管理，随着数据仓库以及大数据应用技术的发展，越来越多的企业把关注点放在了风险评估以及事前规避风险上，利用先进的数据处理分析技术对企业运营过程中所产生的一切可利用的数据建立数据仓库，归类整理。通过建立数据分析模型，对大量的历史数据进行分析，以获取最佳风险因子，通过对风险因子的有效干预，使企业的经营结果良性发展并处于可控制的状态。

2.1.3 传统制造企业数据管理的模式及其弊端

模式一：传统数据孤立性管理，如图2-2所示。传统企业数据管理将人、机、料、法、环、测的数据单独由各主管的业务部门进行处理分析，比如某公司HR主管部门仅针对一季度人员的流失进行分析，于是便找来已离职人员的相关信息进行分析，而与造成流失有关的其他信息就被忽略了，造成数据运行的孤立性，从而导致分析结果的片面性。

模式二：传统数据局限性管理，如图2-3所示。传统企业信息化系统产生的数据是按责任部门进行处理的，对于一位HR经理而言，其知晓、掌握、可应用的数据仅限关于人的数据，对于产品、设备、质量等信息不能综合掌握，以至于当运营过程出现问题后不能通过全面的分析得到真正有效的分析结果，很多重要的关键的影响经营结果的数据没有被利用到，导致分析结果的局限性。

模式三：传统数据问题导向管理。该模式主要表现为事后管控、过程失控。传统企业由于其信息技术的局限性，往往在运营产生不好的结果后，才开始调查什么地方出了问题，这种问题导向给企业造成了实际的经济、时间损失的同时，降低了企业运营的效率。比如，某公司在生产过程中发现产品出现批量化的问题，只能报废重新进行生产，不但造成了企业的成本损失同时延长了产品交付周期，而找到该问题发生的原因还需要花费时间进行调查。这种管理模式必然造成企业运营效率的低下以及运营成本的增加。

综上，实际上传统的企业数据管理模式是一种单因子、问题导向的管理，不但属于亡羊补牢，而且补什么地方通过单因子也无法完全杜绝所有问题，甚至可能将最大的漏洞给遗漏掉。

2.1.4 经营数据链管理模式及其优势

基于共享信息技术的基础以及管理的需求，将传统的数据管理模式进行变更，共享集团提出了经营数据链管理模式，如图2-4所示。即以数字化为实施基础，融合精益、TOC、六西格玛、TRIZ等先进管理方法，通过对前端风险因子的测量监控，来影响企业各项经营结果的管理模式。这种管理模式将传统的单因子管理模式变革为多因子管理模式，通过信息技术将企业运营的大量数据进行整合分析，找到影响问题本质的关键性因子，给予其控制标准或者监控标准，通过前端控制来影响结果。

数据链管理模式应用举例：我公司2015年造型工厂成本超支，通过将2015年所有与造型相关的人、机、料、法、环、测数据利用大数据进行数据挖掘，发现两个强相关的因子分别是GUT分离时间不足以及设计砂铁比过高。

传统的数据分析仅仅考虑问题发生的直接原因，而不会找到问题发生的最根本原因，如此实例出现了辅助材料超标时，传统的分析会将问题发生的原因认定为新砂加入量，给定的措施必然是降低新砂加入量，遗漏了真正的原因，那么问题仍然不会得到解决。这就是传统数据管理模式的弊端，没有找到企业运营过程中真正存在的问题，并给予解决。这样的不良循环，导致企业的利润越来越低，甚至亏损。所以我公司提出了经营数据链管理模式，目的就是找到企业运营过程中的真正问题，并在前端进行修正控制，使企业各项经营管理长期处于良性发展。造型成本数据分析图如图2-5所示。

由上所述可知，当代制造企业的创新方法融合应用实际是基于数据处理、分析的应用。传统的数据获取、处理、分析模式不能满足精益、TOC、六西格玛、TRIZ、海因里希、阿米巴等创新方法的融合应用。按照数据挖掘理论，大量的同类数据将使分析结果无限趋于精确，而创新方法的应用不是简简单单地将方法应用于业务，如果没有多而精的数据支撑，创新方法的应用如同行尸走肉没有灵魂，企业开展的效果会大打折扣。于是，企业在开展创新方法的活动中首先要做到基础数据平台的建设与完善，通过将企业的业务流程以信息化系统的形式进行落地，规范企业管理的同时，也为创新方法的融合实施提供大量的数据支撑。通过数据利用，创新方法的融合反向优化企业的基础数据管理平台，服务于企业管理。创新方法、数据、基础平台关系如图2-6所示。