潘永花：数据赋能传统产业转型升级的5个方向
- 发布时间：2016-08-11
- 浏览次数：38002
图为阿里数据经济研究中心秘书长潘永花
电子商务以及互联网所带来的用户需求呈现实时、少量、碎片化、快速翻新等特点，对于传统制造商来说，满足这种长尾需求难度很大，因此生产制造的柔性化变得重要。
大部分的中国制造企业依然还处在数据化和信息化的初级阶段，甚至有很多还没有建立内部的业务系统，因此业务数据化基础还尚未准备好。
从阿里巴巴零售平台上实现3万亿销售额花费了13年的时间，而沃尔玛却花了54年，这个对比的背后同样是DT时代的技术基础设施与IT技术支撑的零售信息化的差异化。云网端的迅速发展带来了数据量的激增，根据IDC数字宇宙报告显示，全球自从2010年进入ZB时代以来，由于物联网设备发展速度远超过智能手机的发展，因此由物联网所产生的数据增量将会驱动着全球数据量在2020年达到44ZB。
去年我们国家发布了《促进大数据发展行动纲要》，这个纲要成为指导我们国家从数据大国到数据强国之路一个关键指导性的文件。而制造业的升级转型是国家供给侧改革的重中之重，也是提升满足内需与外贸供给能力的基础。在这个文件中，国家也明确提出“发展工业大数据。推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。”我们也看到在工业化与信息化融合的过程之中，在实现中国制造2025的过程之中，数据如何赋能传统产业的升级转型成为备受关注的焦点。
今年五月份在贵阳的大数据会议上总理的发言非常值得思考：“以大数据为代表的创新意识和传统产业长期孕育的工匠精神相结合，使新旧动能融合发展，并带动改造和提升传统产业，有力推动虚拟世界和现实世界融合发展，打造中国经济发展的“双引擎”。”大数据+工匠精神的结合对于制造业的转型升级至关重要。而大数据的实时、感知和预测等特点确实可以为制造企业在降低成本，缩短生产周期，提升效率，细分产品定位，优化流程和决策等方面扮演重要的角色。
1、数据赋能制造业的全流程
我们国家的制造业企业之间在信息化建设和数据化程度方面相差很大，但总体上由于距离消费者相对较远，因此互联网化与数据化程度和对大数据的认识相对金融、电信、政府等行业相差比较远。当然，其中也有不少领先的代表企业，比如海尔，比较早就部署相对完善的内部的信息系统，涵盖了主要的业务流程，并且比较早地就将社交数据中获得的客户反馈融入到新产品研发之中，结合了内部和外部数据的能力。但是，大部分制造企业依然还是处在信息化比较起步的阶段，由于人才以及技术能力的欠缺，对于大数据的意义和价值认识比较弱。
我们看到对于制造业来说，如果把数据分为内部和外部两大类的话，内部数据主要包括经营及运营数据、客户数据、产品相关的设计、研发和生产数据、机器设备数据等，传统的信息系统处理比较多的是内部数据为主，围绕着业务流程改进和提升为主要目标，而且对于机器设备运行的日志数据相对利用较少；外部数据包括社交数据、合作伙伴数据、电商数据以及宏观数据等这方面数据的开发和利用相对较少。大部分企业不仅内外部数据尚未打通，自己内部的数据也还没有实现整合和标准化，信息孤岛现象也是屡见不鲜。
我们的观点是数据对于制造企业的全流程来说都可以起到非常积极的作用，比如从产品设计和研发开始，如果能够非常直接地对接到消费者，依据对消费者的行为和消费数据分析，定位相应的产品设计和研发。同时也能够依据消费者对产品的喜好和需求量，进行定向的市场营销，进行产品的计划和生产的排产，减少相应的库存。同时，数据对于线上线下销售的协同，对于供应链优化和管理也可以起到重要的作用，在提升对客户的服务水平方面，如何针对不同细分市场需求，进行全渠道销售的设计规划等方面都会起到重要的作用。
虽然阿里巴巴是互联网企业，但其大数据应用的发展之路是值得制造企业去借鉴和学习的。总体上来说阿里巴巴也是在经历着从业务数据化到数据业务化的过程，业务数据化还是围绕传统电商业务来提升整个流程相关的数据，服务业务部门和管理层为主，总的目标也是为了降低成本，提高营运效率和质量为主。比如个性化推荐、搜索优化等。
现在阿里巴巴在数据数据业务化方面进行了很多有益的探索，总结起来就是阿里的数据+外部数据+大数据技术能力的输出，产生很多新的商业模式，不仅服务于阿里生态，逐渐赋能和服务于越来越多的各行业用户，比如蚂蚁微贷是基于商家的信用数据提供贷款服务，芝麻信用是基于个人的消费、理财以及社交等数据提供个人信用服务。在整个探索的过程中，我们看到数据的在线性保证了数据实时都会更新，数据的外部性通过数据共享、融合体现了数据的价值。