京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:企业决策变为数据驱动 大数据给制造业注入创新动力
近年来,我国大数据产业蓬勃发展,大数据技术及应用逐步渗透融入我国社会生活各个领域,成为创新创业的新引擎。
全球进入大数据时代
企业决策过程正由程序驱动变为数据驱动
“大数据其实自古就有,懒驴上磨屎尿多就是大数据的分析成果。”在一家信息技术公司从事研发工作的丁先生看来,大数据早已融入百姓生活。
什么是大数据?工业和信息化部软件司司长陈伟说:“通俗地讲,大数据就是量很大的数据,大到单个计算机无法处理。当前,全球数据量每18个月就会翻倍。大数据具有丰富的价值,是推进我国经济增长和转型升级、促进政府管理和公共治理变革、解决发展方式转变深层次矛盾、实现国家治理能力现代化的有效路径和战略抉择。”
尽管大数据是近两年才出现的新名词,对大数据的定义也是见仁见智,但毫无疑问,全球已迈进大数据时代。到2020年,全球数据量将达到40ZB,相当于4万亿GB。
在这样的时代背景下,充分释放和利用大数据蕴含的巨大价值也被视为制造业升级的重要抓手。“制造业可利用的数据大致有五类。”用友网络科技股份有限公司高级副总裁王健说,“一是经营类数据,例如订单库存等;二是生产系统数据,例如生产设备运行参数等;三是上下游产业经济运行数据;四是同类厂商、同行业相关数据;五是消费或使用类数据。”
“对制造业来讲,数据是像石油一样宝贵的资源。企业决策过程正由程序驱动变为数据驱动。”小米公司首席架构师、云平台负责人崔宝秋说:“以小米手机为例,通过对大数据的采集、存储、处理和加工分析,我们能实现根据消费者的需求开发大众最需要的功能;能实现更为合理的安排采购、仓储和物流,将成本降到最低;能使生产环节资源能源消耗最小、排放最少,还能通过对生产环境的预测而使生产更安全;我们还可以借助大数据延伸产业链,不仅仅在手机上给用户提供更贴心的个性化互联网服务,更在智能家居和可穿戴设备上给用户推出功能丰富的产品。未来,大数据应用水平将决定企业的市场竞争力。”
大数据成为制造业创新动力
我国54%的制造企业正应用数字化工具推动转型升级
大数据好处这么多,我国制造业企业意识到了吗?当前制造业应用大数据的实际情况究竟如何?
陈伟介绍:“去年工信部曾对35个工业行业的3万家企业进行了数据应用评估。结果显示,54%的企业应用了数字化工具,其中航空航天、机械、汽车等行业,数字化工具普及率达到80%。规模以上工业企业中,在生产线上使用数字化工具的比例达到30%。”
在设计研发环节,大数据已成为企业创新的新动力。“小米论坛短短4年里就积累了数亿条用户发帖。通过大数据分析,论坛里含金量高的建议和需求直接按热度排到帖子前面,小米手机的工程师们可以快速了解用户真实需求,研发符合用户习惯和诉求的产品。比如手机屏幕应该多大,才能既方便浏览网页又方便随身携带,答案就来自于大数据。”崔宝秋说。
在生产环节,一些企业开始探索通过大数据优化资源配置。王健举例,用友公司正在利用大数据技术,为一家能源集团下属的几十家工厂设计节能减排方案:“通过对制造现场人、产品物料、计划进度、设备状态效率、工艺参数、质量指标等数据的收集分析,再结合不同时段的电费价格,就能测算出如何安排生产时间和物料投放最节约成本。目前这一方案正处于验证阶段,明年就能量化效果。”
在营销环节大数据用得最多,解决方案也最丰富。例如,海尔集团2013年起就通过将现有的帝博空调用户数据与中国邮政名址数据库匹配,找到潜在消费者居住的小区,在这些小区投放海尔帝博空调直邮单页,营销效率自然高了不少。“小米公司通过对正常用户的登录、消费和浏览等行为信息进行大数据分析,提高了对黄牛账号的识别率,从而提升了真实用户抢购小米手机和配件的成功率。”崔宝秋说。
大数据更诱人的地方,则在于可以帮助企业发展制造服务业,延伸产业链。例如,红领集团就通过大数据开发了定制服装这一新业务,目前个性化定制的产能已占到60%。其数据系统将成衣的各种款式和设计都数字化,并通过对物料数据整合管理,实现了里料、缝线、袖口的自动搭配,大大提高了生产效率。这家3000人的工厂,每天可以一款一件不重样地定制西装1200套。
“目前制造业应用大数据还处于摸索阶段,并没有形成系统应用。国内外都是如此,我们和发达国家差距并不大。”工信部赛迪研究院软件和信息服务研究所所长安晖说。
部分企业对大数据应用持观望态度
发展大数据的突破口是推动工业化信息化两化融合
有些企业在积极尝试使用大数据,但也有部分制造业企业持观望态度。“这和中国国情有关。”安晖说,大数据的应用必须基于信息化系统,而我国工业基础参差不齐,有的企业还没有实现自动化,若想收集分析数据,需要投入大量资金进行设备和企业管理系统改造。在目前工业下行压力较大的现实情况下,这类企业就会感到离大数据比较远。
对此,工信部计划通过推动工业化和信息化两化融合和大数据试点示范来促进大数据发展。“发展大数据的突破口,就是按照中国制造2025的战略部署要求,以两化融合为主线,以推动智能制造和工业物联网建设应用为抓手,夯实工业基础,通过传感器、感知设备等装备,让生产过程的每个环节的装备和工具都能数字化、网络化。”陈伟说,另外,工信部正在推动大数据应用试点示范,希望能让更多企业看到更多成功案例,激发制造业发展大数据的内在动力。
还有企业担心大数据的精确度。“大数据可以说处处有金子,满地是沙子。滤掉沙子、淘出金子确实是项技术活。”安晖说,“一方面,我们没必要苛求大数据应用结果的精确度,大数据只是多提供了几种解决办法供决策参考;另一方面,也不要神化了大数据,大数据不可能解决所有的问题。”
目前大数据从业人员普遍认为,如果数据公开共享做得更好,将使大数据展现出更大价值。“目前我们的数据来源,除了利用自己公司平台收集到的一手数据外,也就只有通过上市公司公报和与行业协会合作获取数据。如果政府统计部门、行业协会和各个企业都愿意公开数据,我们的解决方案肯定可以更为准确,大数据应用创新也会更活跃。”王健说,“目前急需完善相关法律法规,明确界定哪些数据是应该公开的、哪些数据是大数据产业可以捕获的,以使信息安全得到更好保护,打消部分企业担心商业秘密泄露的顾虑。”
提高大数据的准确度需要一个过程,人才是关键。“企业现在最缺的是数据科学家。大数据追求的是隐藏在数据中的各种并联关系,能否敏锐地发现事物之间的关联决定了大数据应用的水平。”崔宝秋说,“国家提出在大专院校设立数据工程和数据科学专业,企业对此很期待。”
2020年,我国所掌握的数据将占全球数据量的20%。“我国发展大数据拥有丰富的数据资源和巨大的应用市场优势。相信在各方共同努力下,大数据一定可以成为推动中国制造业转型升级的利器。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27