大数据驱动商业+工业4.0

作 者：石丹 来 源：新营销发表日期：2015-03-09

　　商业4.0和工业4.0的到来，与消费者自我意识觉醒及技术进步有着密切的关系。持续丰裕的生活终将带来消费者消费态度的质变，先是品味提升，最终是消费者自我意识的觉醒。而移动互联网、智能手机、可穿戴设备的普及，让基于用户识别和地理定位的服务变得可能。这一切改变了消费者与产品、品牌、厂商、甚至和其他消费者之间的沟通方式。重要的是，通过物联网、移动互联网、开放硬件平台、各种传感器，以及3D打印技术，人类第一次有机会将创造欲发挥到淋漓尽致，通过共创、众包构造自己想要的生活方式，消费者变成了新时代的创客。商业4.0便是创客的时代。

　　工业4.0，是大数据驱动的智能工业　　不过，仅凭创客不可能充分满足商业4.0时代所需的一切供给，实际上更为重要的供给可能来自工业4.0：通过传感器与物联网来联结无生命的生产资料、零组件、生产仪器与设备，以及有生命的生产人员与管理人员，一方面让这些生产材料在生产过程里实时分享彼此之间所处的状态信息，另一方面也允许生产人员和管理人员随时随地介入生产过程，来进行制程变更或量身定制的弹性生产。从这个视角看，商业4.0是工业4.0在需求面的有益补充。通过对消费者行为的追踪并由此所捕捉的大量消费数据必须利用数据科学进行计算与建模，并自动转化为商业决策与运营模式，然后通过工业4.0，随时动态调整生产流程来因应消费需求的动态变化。麦肯锡全球研究院指出，制造业会从生产机械、供应链管理和商品监控系统等来源收集数字数据，他们本来就是生产和储存数据的“大户”。早在2010 年时，制造业所新增的数据便将近 2EB（计算机存储单位），如果把这些数据全印在纸上，装在标准尺寸的四门档案柜里，会需要 400 亿个柜子才装得下。这也与IBM定义的工业4.0的特征不谋而合。在IBM看来，所谓工业4.0，其实就是大数据驱动的智能工业。IBM大中华区副总裁冯国华认为，这是一场由首席执行客户（CEC）推动的，以“D世代企业”（大数据分析驱动型企业）的诞生与发展为标志的，以大数据、云计算、移动、社交等技术为主要驱动手段的工业革命。其中，大数据分析的重要性尤为突出。概括而言，大数据深刻改变了工业企业的生产和决策。在工业4.0趋势下：工业的信息化水平进一步提升，尤其是“互联化”和智能化的提升。以制造业为例，在其转型升级中，渗透着“互联”和“智能”两个关键词，可以概括为几个方面：第一，产品智能化；第二，流程的智能化升级；第三，制造业的互联网化。“互联化”和“智能化”的进程，也将产生大量数据，大数据分析和管理将更为重要，也将驱动“互联化”和“智能化”的提升。而IBM以最前沿的CAMSS技术（C是指Cloud云；A是指BigData &Analytics，大数据和分析；M是指Mobility移动；第一个S是指Social社交，第二个S则是指Security安全），将助力中国企业、行业构建大数据能力，助力抓住工业互联网化，与产品和流程智能化的趋势，为“互联化”和“智能化”打下坚实基础，实现转型升级。

　　CEC是催生“D世代企业”的重要推力之一　　当下，我们看到制造业正在经历蜕变式的转型升级，制造业的新形态正在形成，它们开始与互联网企业、服务业携手合作，跨界与融合成为重要趋势，并由此构造出由消费者驱动并深度参与的商业4.0时代。这些转变的发生，归根结底是新时代消费者需求的变化。首席执行客户（CEC）的出现，颠覆了传统商业模式，推动企业从供应链转向需求链，从产品为中心到以需求为中心，从基础架构到信息架构。IBM大中华区副总裁、首席市场官周忆曾经告诉《商学院》记者，被信息技术武装到牙齿的客户已经变得非常主动和特立独行，他们需要个性化地被对待，他们参与到战略、研发、生产、执行各个环节中。这个时代的消费者对企业来说，已经变成了CEC，即首席执行客户。CEC有如下三大特征：1.采购决策更多地建立在信息和数据分析的基础上；2.要求个性化的产品、服务和体验；3.开始拥有决定商业行为的主导权和更大的市场影响力。因此，为了更好地适应消费者的转变，传统制造企业需要借助大数据云计算、社交、移动等新技术推动企业转型，从而帮助企业更好地满足消费者的需求。并由此催生出IBM董事长、总裁和首席执行官罗睿兰在2014年11月Think Forum 提出“D世代企业”。据了解，“D世代企业”可以战略性运用云计算、移动、社交和大数据分析工具，掌握并预测以客户为中心的市场状况和变化趋势，并根据数据洞察生成最佳行动建议，数据贯穿企业研发、生产、营销、服务等管理运作。相较于传统企业，“D世代企业”有超过两倍的可能性通过移动和社交互动系统与客户、员工、合作伙伴和供应商建立联系，并具有1.7倍的可能性以个性化方式与客户打交道；同时，“D世代企业”有两倍可能性为其商业模式寻找到云驱动的转型途径，并具有1.8倍的可能性采用基于API的服务；更重要的是，“D世代企业”有超过1.5倍的可能性采用预测性的以及下一个最佳行动建模和实时数据，并采取战略性和协调的方式来处理数据和进行分析。事实上，这一变化不是中国独有的。如今数字化浪潮正在席卷全球，以制造业为代表的工业正面临严峻的挑战，国际国内的制造业企业都在力求转变突破，抢占新一轮产业革命的制高点：比如，德国的工业4.0。而在中国，IBM认为，由于中国独特的工业和市场的基础，因此中国将走上一条与众不同、独具特色的“工业4.0”发展道路。IBM大中华区副总裁冯国华认为，全面资源供应链体系、最大的本土市场和最具活力的互联网应用趋势是中国具有独特的工业和市场基础。由此，中国可以走一条区别于美、德等国的工业发展之路：充分开发大数据资源、云计算基础上重新构造企业IT—寻找新的业务模式，以靠近市场的优势带动创新。这也要求企业加强客户洞察、推动制造研发的突破、实现生产智能化。

　　实现路径的探索　　尽管进入数据驱动的商业和工业4.0时代有挑战，但并非无路可循。IBM提出了其观察和建议。在加强客户洞察方面，重视数据对于把握CEC需求的重要性。周忆认为，任何一家企业都必须要有客户的数据，只有掌握360度客户数据，不仅包括客户的职业等基础信息，还须包括偏好、行为、交易信息，才有可能帮助我们去真正获得客户洞察。但不少中国企业的数据意识有待提升，需要减少数据流失。为了获得360度的客户视图，我们需要把握客户的职业数据、交易数据、互动数据和行为数据。通常，前三种数据企业都比较容易获取并且容易存在公司的数据库中，但行为数据在公司的数据库中却很难找到，需要去社交平台上找。在推动制造研发的突破方面，可以尝试让用户的互动参与为研发带来价值。在IBM商业价值研究院的一份题为《2025年的汽车行业：无界限的行业》的报告中，我们看到，2025年的消费者希望不仅仅驾驶汽车；他们更希望参与到共同创建中。这种“集体力量”能够带来更多的洞察和好处，并通过利用消费者的参与意愿利用多数人的力量，并避免企业文化的限制，将这些洞察及好处扩展到企业边界之外。与集体合作涉及到两个关键要素——在合适情境下的合适人群，以及提供易用且直观的交流方式。到2025年，互动参与体系(systems of engagement)和新型业务模式将会不断发展，帮助领先的汽车企业在既定环境下找到适宜人群，例如产品设计和开发，获取相关洞察和收益，进而实现成功合作。这些互动系统的形式多样，包括比赛、竞赛、挑战赛或其他方式，旨在提供卓越的用户体验，并实现互惠创新和行业进步。专栏作者周庭锐认为，企业应该提供顾客参与共创价值的机会，利用顾客行为数据来强化管理质量，通过释放顾客的想象力与创造力来加值我们所提供的商品或服务，将成为企业的一项最高准则。例如沃尔玛利用顾客在卖场里手机APP的搜寻内容和动线轨迹，来提升精准补货的存货管理能力；BMW与阿迪达斯则分别构建了积木式的产品设计平台，鼓励顾客在网页里亲自设计他们心目中的梦幻车型或球鞋。同时，IBM大中华区副总裁冯国华认为，以海量资料分析为核心的创新研发能力，将攸关制造业者如何在日益艰辛的订单争夺战中脱颖而出。研发团队可透过大量的意见回馈，改善测试的周期时间、质量和效率，让企业更快响应市场，抢得先机。就生产制造层面来说，实时数据分析能让生产线的各种蛛丝马迹都纳入观测，并且不断进行实时优化，以减少重复错误所导致的成本与时间耗损。若能将这项效益进一步扩大导入供应链的协同整合作业，实时聚焦来自上中下游的内外部大量数据，提升决策的效率与质量，也有可能进一步提升竞争力。在实现生产智能化层面，其实现在有很多制造型企业已经开始尝试并受益。制造业经常是带动一个社会发展转型的火车头，也是经济成长和就业市场的中流砥柱。在成本较低的新兴国家生产力跃进之下，制造业早已成为全球性的产业，但近年来，由于科技发达和贸易障碍减少，各生产地可针对制造过程中某些环节发展专业能力，厂商为了节省成本，跨国设计、采购、组装、制造、营销和服务的生产网络远比过去扩散和零碎，复杂度更甚以往。随着业界普遍采用信息系统管理价值链中的活动，并广泛保存来自生产系统以外的数据，包括计算机辅助设计、计算机辅助工程和生产开发管理协作系统等，数据量的增长惊人。眼见着海量资料排山倒海而来，业者也急着想在被淹没前站稳脚步，研究机构 IDC 在2012年中对美国制造商所做的调查显示，认为海量数据的管理工具“非常重要”或“重要”的业者已经超过半数。Blizzard Ski是一家滑雪板生产商，每年生产大约 40 万副滑雪板，其中有些型号使用多达 18 种材料并需要长达16 个星期的生产时间。通过使用数据，该公司开始预测滑雪运动趋势、天气模式以及影响其业务的其他短期市场变化，并且现在能够迅速满足某些滑雪镇不断变化的需求。数据还使该公司能够对其供应商进行监控，使得无论需求如何变化，供应商都能满足他们的需求。由于实现了数据驱动的运营，Blizzard Ski的生产周期缩短至 8 个星期，并且变得更加灵活。IBM大中华区副总裁冯国华认为，这三点并不能割裂来看，它们之间只有协同作用才能成就新型的工业企业并输出价值。制造业者还可于以下几方面应用海量分析。预测式分析：广泛收集生产、销售、研发、存货和运送过程中的数据，预测可能发生的风险事件，以及早防范和改善。生产质量管理：增加生产活动各环节信息的能见度，并发掘减少浪费、事故和环境污染的新方法。整合生产排程和经营：运用机动性的任务规划和排程工 具，以及先进的模拟技术，找出最恰当的排列组合方式，提高整体的生产效率和生产量。生产能见度和可视化呈现：信息要让人能够了解和行动，才是有用的信息。现在厂商的价值链散布各地，光是管理厂房就已经够复杂的，更何况还有供货商和经销商等众多伙伴。若能把繁复的营运信息，包括人力、系统、存货、生产线等，以简单的图、表或指标的方式呈现，管理人员就能及时掌握各环节的绩效，并更快速地采取行动。