
大数据来了,管理怎么办
大数据主导的智能制造,对管理转型的考验也是一次破旧立新。与其说将大数据作为一种工具,不如说运用大数据是一种管理思维的革新和改变。
理念转变:数字化管理是一个趋势
“你相不相信智能制造或者大数据时代,数字化管理会是一个趋势?”三一重工高级副总裁贺东东反问《中外管理》记者。他坚信,作为管理层,首先要有这一理念上的认识。
不得不说,制造业的运营管理体系经历了几代的成长变迁,从泰罗的科学管理、福特的流水线生产到丰田的精益制造和GE的六西格玛,现在基于大数据的管理是在此基础上的新一代管理理念和技术。
当传统管理套路已不适用智能制造,对于转型,贺东东的理解是:首先体现在战略层次,三一不仅将数据作为公司的一个战略资产,还将数据能力作为战略的核心能力。因为企业更需要的是知识的传承。未来智能制造的本身首先就是物理世界的数字化,只有数字化以后,才能充分利用ICT、大数据和人工智能等新技术,去优化和进行智能化工业的运营。
“我们不能只是从狭义的‘造东西’的角度去理解大数据的应用,我们所有的制造企业都要在这个大数据、物联网的时代重新思考我们的战略定位,以及如何变革我们的制造生态。”贺东东说。
广义来说,制造其实就是服务,就是满足用户的需求,提供整体的解决方案。从这一点出发,如何满足C2M(Customer-to- Manufactory顾客对工厂)的高度个性化需求、并以全制造生态最可靠和高效的方式实现,对制造业生态提出了非常多的挑战。比如:产品全生命周期的使用如何高效,跨企业的制造协同如何实现,社会化的研发众筹如何变得可行,制造业的共享经济模式如何创新等。
但于企业而言,一切转变都要直指痛点,什么都做等于没做。
用贺东东的话说:“你得知道你的具体收益或者具体的目标在哪里,聚焦的痛点在哪里或者主要的价值增值在哪里,要有选择,绝对不可能全面去展开,而是要聚焦在某一个重点。”
抓重点:一切变革,人才是首要因素
数据化管理嬗变,理念革新,最终要看如何落地。
对于三一自上而下的转型突围,贺东东介绍说,第一步是尽可能将所有的物质变成数字。这个数字化的工作,是CPS(信息物理融合系统)的基础,只有形成物理世界的数字化镜像,才有大数据管理的一个基础。因此在物料、产品、制造过程、运营流程中,尽可能基于数字进行储存、分析、优化。第二步是培养数据分析的平台和能力。第三步才是基于数据挖掘那些实际价值的应用。
但很显然,若直接按部就班地实现这三个步骤,需要巨大的资源支撑,甚至有可能超出企业所能承受的范围。
化解这一难题,三一重工的做法是用价值“倒推”的方式来进行决策。首先判断、分析明确哪些应用方向是最有价值的,当确定优先级的方向之后,才开始在一个有限资源的前提下进行数字化,企业也会优先投放资源在这个方面。“实践告诉我,对于企业来讲,管理最关键的地方应该是决策,是取舍,选择一个方向,投入资源做数字化,从而搭建起大数据的平台。”贺东东深有感触地说。
同时他也坦露了企业的难处,单一企业的数据仍是有限的,如果不打破企业的边界,是很难做到真正有效的大数据应用的。而政府拥有整个社会最大的大数据资源,也是唯一有能力构建企业之间数据交换标准和规则的机构。如果政府在这方面做更多的工作,就能加快全社会大数据能力的提升,这对企业实现全面的数据化管理也是加了更有利的砝码。
“然而一切的转型变革,管理层要明白,其实人才是第一位的关键因素。”贺东东不忘补充说,从实践来看,目前具备工程专业知识和大数据分析能力的复合型人才奇缺,在很大程度上制约了工业大数据的发展。
“我们迫切需要教育机构能够尽快开展大数据人才的培养,我们企业也愿意为此提供实践和就业的平台,加快人才的培养进程。”贺东东对《中外管理》说道。
转型像扒层皮、抽根筋,但依然要转!
自上而下的管理转型,难度大不大?
“几乎是扒层皮,抽根筋。”作为三一子公司执行层,北京三一智造科技有限公司副总经理的王俊这样回答。
就连贺东东也说,一个大型的传统企业,在企业内部针对每一个部门,进行管理上的革新,管理的体制要不一样,评价也不一样,绩效管理肯定也不一样。
除了人才之外,流程信息化也要变。数据化管理要求管理者要从整体去看问题,每一位管理人员都要抛开孤岛视角,将自己放在整个产业链上,三一内部最流行的一个说法就是“完全端到端的,从客户到客户”,以这个逻辑去推动业务流程的转变,“当初那种传统职能部门从一个部门到一个部门去推,那是有问题的。”贺东东说。
其实一旦开始执行了,管理转型也就没有想象中那么难了。王俊说,三一一直在做的事情,就是建立起流程化的组织,打破部门墙。在最新的顶层流程设计中,业务通过流程的视角分成了很多流程的模块,比如有营销与服务流程,有研发流程,有制造与商务流程,三大核心流程构成主营业务流程。此外还有支撑流程,比如财务流程,人力资源流程,这些都是支撑最核心业务的流程。而这些流程与流程之间是有关联性的,按照从一级流程到二级流程,一直到最后的活动流程,逐级实现管理目标。
这样一来,其实每一个具体的动作,都已经规范了一件事情由什么样的角色来做,这个角色具备什么样的能力,通过什么样的工具完成什么样的项目,这件事情的标准在哪里,将这些事情都细化成可以执行的点,然后自下而上看,每一个活动变成了一个个流程,流程又支撑每一块业务,这样大家就很清楚地知道是在什么时间点发起的流程,后面应该由谁去处理,用什么样的标准去完成……
这一切,让沟通更高效,更有区隔性。
对于供应链的管理,在三一重工的做法中“借力打力”比较有看头。简单说,就是借助第三方力量。据王俊透露,如今三一从战略规划初始就会有意识和类似华为、IBM、SAP这样的企业做顶层规划,通过项目来打通这种“端到端的流程”。
“比如做客户关系管理,就去打通我们从营销客户的意向到接单,以及接单后的生产、产品交付到市场的服务,这两段都是通过CIM(智能采集系统)去达成端到端服务。中间这一段,就是现在我们做的产销协同项目,是打通中间,即从接到订单到将订单可以交付给客户,要全部打通,现在以这两个核心的项目来支撑流程和业务的变革。”王俊举例说道。
三一重工从2002年、2003年开始,进行管理转型,流程再造,打数据根基一直坚持至今,实践证明,这场数据化的管理变革不仅是高层面临的改革,更是一场自上而下的变革,必须全方位推行,毫不含糊!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14