京公网安备 11010802034615号
经营许可证编号:京B2-20210330
推进“互联网+”制造的四大难点
工业发展史上的每一次变革都承载着新旧的更迭,经历着新事物、新产业的诞生,旧规则、旧制度的淘汰。“互联网++”正在改变着传统制造业资源配置方式、研发模式和生产经营模式发展方式,最终将传统制造业改造为现代制造业。制造业领域所发生的变化不是简单的、适应性的微调,而是关乎生存发展的重大变革,甚至是当之无愧的又一次革命。
我国制造业发展面临着“全球竞争、绿色低碳、转型升级”的严峻挑战,迫切需要借助“互联网+”带来的机遇转型升级。“互联网+”的深入应用,促使制造业的新模式、新业态层出不穷,正重塑产业组织与制造模式,重构企业与用户关系。但在推进过程中并非一帆风顺,还存在一些难点和痛点,迫切需要我们深入辨析,厘清思路,并提出切实有效的措施,使我国真正发展成为世界制造强国。
传统工业化思维盛行
在传统生产模式下,管理的标准化、生产的规模化,把资源和生产能力当做企业的主要竞争力。用户处于被动地位,只能接受特定的产品。而互联网首先改变了用户,由之前的孤陋寡闻变得见多识广,由分散孤立变得相互连接,由消极被动变得积极参与,被搁置的多样化个性化需求被激发,使得市场环境发生重大变化。然而,我国多数传统制造企业还未意识到这种变化,旧制度和新时代在企业家身上难免会形成观念的错位。这就导致了把互联网简单认为就是营销工具,忽略了把企业内外价值链全部数据化,不能借助互联网对业务、组织、团队进行彻底改造。“互联网+”的认识流于形式、浮在表面,有时急于求成,难以切实为转型升级服务。
整体制造能力还不足
我国制造业门类齐全、规模最大,但大而不强。但由于长期主要采用跟随和模仿战略,核心技术缺失,共性技术不足,导致很多高端装备、关键部件,甚至连一些基础件和电子元器件都长期依赖国外进口。制造水平普遍不高,2013年,我国金切机床数控化率仅为28.8%,远不及美、日、德的60%~70%的水平。大多数企业尚未建立MES(执行制造系统),即使建立了MES的企业,其计划和成本控制对象也未细化到工序与加工设备,也未完全实现与ERP(企业资源计划)的集成应用。截至2015年2月,全国3万多家企业两化融合评估结果显示,处于起步建设和单项应用的企业比例仍高达82%。制造企业自身能力不足,影响了与“互联网+”的融合进程与深度。与制造强国相比,我国制造企业普遍存在技术短板,在关键零组件研发、工业级系统软件开发等方面仍然有较大差距。同时,在互联网化过程中,由于经验不足,我国一些制造企业缺乏整体规划,把重点放在了软件应用上,忽视了信息化咨询、业务流程分析、系统流程、解决方案实施和客户化开发等方面的要求,造成单点应用强但信息集成弱。
“互联网+”服务能力缺失
难以适应互联网技术快速升级、持续换代带来的挑战。“互联网+”是一个动态过程,与信息化应用的项目建设周期完全不同,由此将带来系统兼容、标准规范、升级维护等一系列潜在风险和挑战,“互联网+”服务商大多缺乏细分行业的整体解决方案,不重视为制造企业提供总体设计、客户化开发、软件系统配置和运行维护管理等整体服务,且多分布在设计制造和管理环节上,对制造业价值链高端的服务环节支撑明显不足。“互联网+”公共服务平台尚未形成规模,服务能力弱,可持续发展能力不足,对制造企业转型升级发展的整体支撑不足。加上网上有害信息和网络违法犯罪等问题日渐突出,网络安全风险不断增高,数据安全面临巨大挑战,特别是流氓软件、病毒、黑客等时刻都威胁着制造业的信息安全。
盲目跟风现象较为严重
目前,将制造业转型升级融入“互联网+”大潮,已成为地方政府认可的发展路径,纷纷制定出台相关规划和政策,促进“互联网+”制造业发展。如福建省政府印发了《关于加快互联网经济发展十条措施的通知》,把工业互联网作为发展重点;湖南力争2015年实现全省移动互联网相关业务收入增长100%以上,移动互联网企业数量增长100%以上的目标;广东要用3年左右时间,使全省50%以上的制造企业完成新一轮技术改造;河南瞄准智慧城市,在省级电网、高速公路服务区、城市燃气等领域接入微信支付,各政府机构的政务微信公众账号将统一整合归入微信“城市服务”入口。政府重视有利于刺激产业发展,但盲目布局则可能埋下长久隐患。很多制造企业纷纷涉及“互联网+”,但更多是炒作概念、资本融资。
与发达国家不同,我国劳动密集型企业和中小企业数量大、占比高,信息化程度低,在大力推进互联网应用的同时,也要考虑到这些企业的实际情况。因此,制造企业在应用互联网时必须立足实际,制定差异化实施路径,绝不能只是将互联网作为一种手段和工具,甚至跟风炒作,而是要优化企业业务流程和组织体系,让互联网变成企业转型和变革的力量。同时,各级政府在推进“互联网+”制造业过程中也不宜急于求成、越俎代庖,要坚持把简政放权作为全面深化改革的突破口,使市场在资源配置中起决定性作用。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14