
大数据驱动制造业华丽转身的中国节拍
在中国制造业依托大数据打翻身仗的阵营中,小米可谓特立独行的领头羊。假如中国有无数个小米那样的企业在紧追大数据的时代潮流,能有更多传统制造企业在努力向智能制造华丽转身,中国制造业的局面定将焕然一新。
在数据为王的时代,大数据已成商业竞争的“定海神针”,得大数据者得天下。亟待转身的制造业非但不例外,而且尤其需要大数据提供驱动力。
工业4.0时代正扑面而来。这是继以蒸汽机、大规模流水线生产和电气自动化为标志的前三次工业革命之后的第四次工业革命。其特点是通过充分利用嵌入式控制系统,即物理信息融合系统(其中“大数据”扮演主角),实现制造业向智能化转型。
大数据(big data)或称海量信息,指的是规模巨大的信息量通过主流软件工具,在合理时间内达到撷取、管理、处理、并整合成帮助企业经营决策、提高核心竞争力的资讯。移动互联网风生水起,让数据变得丰富多样,质感鲜明,显示出它的移动性、碎片化和私密性。大数据里面有商机。在这个信息庞杂、数据处理技术十分先进的时代,只要你有全新理念,就能从一大堆数据中得出各种各样的商业推理,挖掘到丰沛的商机。
全球制造业巨头GE(通用电气)早就意识到这一点。2012年,在GE投资千亿美元进军工业互联网的宏大蓝图中,核心引擎就是大数据分析。GE正用行动证明,传统制造业巨头如何通过物联网和大数据,将物理资源优势转化为数据资源优势。GE设想,通过工业互联网提高效率、降低成本,对产业的影响将不亚于蒸汽机对交通运输业、海底光缆对通讯业的影响。业内人士分析,GE当时这个计划在2015年之前会给其软件部门带来每年两位数的增长。到2015年,GE软件部门年收入可望达到33.2亿美元。
硅谷资深专家William Ruh为GE的战略眼光而折服,他是GE从思科挖来筹建位于美国加州San Ramon的软件中心的,现任GE副总裁。他认为,要想分析由机器产生的大数据可不像喝杯茶那么简单,GE可能是这个世界上能做这件事的少数几个公司之一。GE的优势在于它本身就是全球最大的机器和设备制造商,目前大概有20亿台设备连接在互联网上,到2020年,这个数字将刷新为50亿,其中相当一部分是工业机器和设备。
全球制造业另一巨头西门子在大数据建设上也有不俗表现,且成果斐然。今年德国汉诺威国际工业博览会人满为患,西门子公司展台前,一条代表未来制造业形象的汽车生产线吸引了众多参观者的眼球。两台库卡机器人(38.030, 0.97, 2.62%)珠联璧合,密切协同,紧张而不失有序地装配大众高尔夫7系轿车的车门。令人称奇的是,这两台机器人不仅具备娴熟的装配技艺,还“心有灵犀”,懂得彼此沟通。倘若前一台机器人突然提高了速度,会立即提前通知后一台机器人做好相应准备。不可思议的是,它们还能随时灵活地变换工作任务,几分钟前还在喷涂油漆,几分钟后就可能接受另一项任务,比如安装方向盘或车门。而实现“机器对话”是一次历史性跨越,给按部就班的自动化生产增添了“灵气”,这也是未来制造技术创新的标志之一。这其中任何一个环节都离不开大数据控制。
在大数据和工业互联网浪潮的冲击下,制造业的商业模式也在悄然转变,从销售产品转变为销售服务。有着百年骄人历史的老牌工业企业英格索兰在销售空调压缩机业务中,恰到好处地将周到、精细的服务嵌入整个销售过程中。几年前,英格索兰为竞争日益剧烈的空调压缩机市场所困,意识到一台寿命为15年的空调压缩机,如果没有后续服务跟进,客户就会捂着钱包犹疑。于是,英格索兰下决心将空调压缩机纳入大数据管理,将其变成智能化的可联网产品。客户能通过数据查询,精准地获悉空调压缩机中各个部件的信息,就连某一个螺丝的型号、尺寸、产地,甚至拧螺丝的操作手,都能了如指掌。这样的空调压缩机,怎能不令客户心仪?
20年沧桑巨变,今天中国已是全球制造业大国。来自中国工业与信息化部的统计数据显示,2013年中国工业占GDP的37%,提供全国25%的就业岗位。在500余种工业产品中,有220多种产量居世界第一。中国制造业在全球的占比约为20%。然而,中国制造业面对云蒸霞蔚的移动互联网和大数据景观却有些不知所措,若不赶紧扭转局面,有可能逐渐丧失制造业大国的地位。大而不强是我们的软肋,大多数中国工厂依然龟缩在产业链低端,缺少制造的核心材料、设备、工艺,停留在近乎原始的OEM(贴牌代工)阶段,缺乏原创技术和创新产品。不过,凭借庞大的内需市场支撑,中国制造的优势尚存,13亿人口积累的消费数据十分可观。因此,如果能在大数据挖掘和分析上下点功夫,中国制造业还能保持较强的竞争力。
在中国制造业依托大数据打翻身仗的阵营中,小米可谓特立独行的领头羊。2010年成立的小米公司是中国制造业企业的成功典范,其主打产品小米手机[微博]已蜚声海外,被业内视作苹果、三星[微博]的潜在威胁。从2011年仅30万台的市场销售,到2013年的销售量已飙升到1870万台,2014年可望销售5000万到6000万台。在刚刚过去的“11·11”网上购物狂潮中,小米在天猫[微博]平台上销售手机116万台,又创造了数个第一。
小米超越同行的业绩,缘于其用包括软件、硬件和应用生态的整体方法,小米在创造全新用户体验的同时,高擎大数据的旗帜,颠覆了中国制造业公司的传统做法。有了这样的底气,小米董事长雷军[微博]才敢与传统制造业的“空调玫瑰”、格力掌门人董明珠立下10亿元的对赌承诺。
假如中国有无数个小米那样的企业在紧追大数据的时代潮流,能有更多传统制造企业在努力向智能制造华丽转身,中国制造业的局面定将焕然一新。总有一天,也会在汉诺威工业展览会上大放异彩,成为主角。
在中国制造业依托大数据打翻身仗的阵营中,小米可谓特立独行的领头羊。假如中国有无数个小米那样的企业在紧追大数据的时代潮流,能有更多传统制造企业在努力向智能制造华丽转身,中国制造业的局面定将焕然一新。
在数据为王的时代,大数据已成商业竞争的“定海神针”,得大数据者得天下。亟待转身的制造业非但不例外,而且尤其需要大数据提供驱动力。
工业4.0时代正扑面而来。这是继以蒸汽机、大规模流水线生产和电气自动化为标志的前三次工业革命之后的第四次工业革命。其特点是通过充分利用嵌入式控制系统,即物理信息融合系统(其中“大数据”扮演主角),实现制造业向智能化转型。
大数据(big data)或称海量信息,指的是规模巨大的信息量通过主流软件工具,在合理时间内达到撷取、管理、处理、并整合成帮助企业经营决策、提高核心竞争力的资讯。移动互联网风生水起,让数据变得丰富多样,质感鲜明,显示出它的移动性、碎片化和私密性。大数据里面有商机。在这个信息庞杂、数据处理技术十分先进的时代,只要你有全新理念,就能从一大堆数据中得出各种各样的商业推理,挖掘到丰沛的商机。
全球制造业巨头GE(通用电气)早就意识到这一点。2012年,在GE投资千亿美元进军工业互联网的宏大蓝图中,核心引擎就是大数据分析。GE正用行动证明,传统制造业巨头如何通过物联网和大数据,将物理资源优势转化为数据资源优势。GE设想,通过工业互联网提高效率、降低成本,对产业的影响将不亚于蒸汽机对交通运输业、海底光缆对通讯业的影响。业内人士分析,GE当时这个计划在2015年之前会给其软件部门带来每年两位数的增长。到2015年,GE软件部门年收入可望达到33.2亿美元。
硅谷资深专家William Ruh为GE的战略眼光而折服,他是GE从思科挖来筹建位于美国加州San Ramon的软件中心的,现任GE副总裁。他认为,要想分析由机器产生的大数据可不像喝杯茶那么简单,GE可能是这个世界上能做这件事的少数几个公司之一。GE的优势在于它本身就是全球最大的机器和设备制造商,目前大概有20亿台设备连接在互联网上,到2020年,这个数字将刷新为50亿,其中相当一部分是工业机器和设备。
全球制造业另一巨头西门子在大数据建设上也有不俗表现,且成果斐然。今年德国汉诺威国际工业博览会人满为患,西门子公司展台前,一条代表未来制造业形象的汽车生产线吸引了众多参观者的眼球。两台库卡机器人(38.030, 0.97, 2.62%)珠联璧合,密切协同,紧张而不失有序地装配大众高尔夫7系轿车的车门。令人称奇的是,这两台机器人不仅具备娴熟的装配技艺,还“心有灵犀”,懂得彼此沟通。倘若前一台机器人突然提高了速度,会立即提前通知后一台机器人做好相应准备。不可思议的是,它们还能随时灵活地变换工作任务,几分钟前还在喷涂油漆,几分钟后就可能接受另一项任务,比如安装方向盘或车门。而实现“机器对话”是一次历史性跨越,给按部就班的自动化生产增添了“灵气”,这也是未来制造技术创新的标志之一。这其中任何一个环节都离不开大数据控制。
在大数据和工业互联网浪潮的冲击下,制造业的商业模式也在悄然转变,从销售产品转变为销售服务。有着百年骄人历史的老牌工业企业英格索兰在销售空调压缩机业务中,恰到好处地将周到、精细的服务嵌入整个销售过程中。几年前,英格索兰为竞争日益剧烈的空调压缩机市场所困,意识到一台寿命为15年的空调压缩机,如果没有后续服务跟进,客户就会捂着钱包犹疑。于是,英格索兰下决心将空调压缩机纳入大数据管理,将其变成智能化的可联网产品。客户能通过数据查询,精准地获悉空调压缩机中各个部件的信息,就连某一个螺丝的型号、尺寸、产地,甚至拧螺丝的操作手,都能了如指掌。这样的空调压缩机,怎能不令客户心仪?
20年沧桑巨变,今天中国已是全球制造业大国。来自中国工业与信息化部的统计数据显示,2013年中国工业占GDP的37%,提供全国25%的就业岗位。在500余种工业产品中,有220多种产量居世界第一。中国制造业在全球的占比约为20%。然而,中国制造业面对云蒸霞蔚的移动互联网和大数据景观却有些不知所措,若不赶紧扭转局面,有可能逐渐丧失制造业大国的地位。大而不强是我们的软肋,大多数中国工厂依然龟缩在产业链低端,缺少制造的核心材料、设备、工艺,停留在近乎原始的OEM(贴牌代工)阶段,缺乏原创技术和创新产品。不过,凭借庞大的内需市场支撑,中国制造的优势尚存,13亿人口积累的消费数据十分可观。因此,如果能在大数据挖掘和分析上下点功夫,中国制造业还能保持较强的竞争力。
在中国制造业依托大数据打翻身仗的阵营中,小米可谓特立独行的领头羊。2010年成立的小米公司是中国制造业企业的成功典范,其主打产品小米手机[微博]已蜚声海外,被业内视作苹果、三星[微博]的潜在威胁。从2011年仅30万台的市场销售,到2013年的销售量已飙升到1870万台,2014年可望销售5000万到6000万台。在刚刚过去的“11·11”网上购物狂潮中,小米在天猫[微博]平台上销售手机116万台,又创造了数个第一。
小米超越同行的业绩,缘于其用包括软件、硬件和应用生态的整体方法,小米在创造全新用户体验的同时,高擎大数据的旗帜,颠覆了中国制造业公司的传统做法。有了这样的底气,小米董事长雷军[微博]才敢与传统制造业的“空调玫瑰”、格力掌门人董明珠立下10亿元的对赌承诺。
假如中国有无数个小米那样的企业在紧追大数据的时代潮流,能有更多传统制造企业在努力向智能制造华丽转身,中国制造业的局面定将焕然一新。总有一天,也会在汉诺威工业展览会上大放异彩,成为主角。本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04