人人都在谈的数字化谈转型,制造业龙头企业是如何做到的?

文 | 商业智能BI相关文章 阅读次数:403 次浏览
2023-08-20 19:56:57

01制造业为什么要进行数字化转型?

1、顺应革新趋势,建设数字经济

《“十四五”数字经济发展规划》呼吁“把握推进数字经济健康发展‘四梁八柱’,做强做优做大我国数字经济”。

制造业是国民经济的核心,数字经济驱动其增长,推动产业数字化,是加速数字经济建设的要素,也是促进国民经济发展的手段。制造企业应利用数字经济优势,促进数字技术与业务融合,为企业注入新动力。

2、推进数据建设,跨越数据鸿沟

数据建设是企业依托信息化基础设施,通过部署软件,完成数据采集、数据处理、数据分析、数据呈现等过程,充分挖掘数据价值,以保持高效有序发展并实现从传统到智能商业模式的转型。

数字经济下,应抓住这一机遇推动制造企业的数据建设。

然而制造企业的数据建设情况并不乐观。只有3.42%的企业内部形成良好数据应用氛围,管理依赖数据;39.32%企业表示只有初步想法,开始使用业务系统简单报表支持业务。

综合来看,国内制造企业的数据建设大部分依然处于起步阶段,64.96%企业完成核心业务系统数据覆盖,只有10.26%企业实现所有业务数字化管理。制造企业的数据建设之路任重而道远。

制造企业的数据建设,数字化转型模式,精细化管理

02制造业数字化转型有哪些难点?

具体来说,制造企业推进数字化转型面临的难点至少包括以下方面:

市场环境变化频繁:受国际关系、疫情爆发等意外事件影响,需求端和供应端都充满了不确定性,数据信息的传递和透明就显得尤为重要。

产能原料浪费严重:过程管控和数据传递的缺失和不及时导致工厂生产现场异常频发,质量水平低下以及生产产能和原材料的浪费。

产品利润成本管控困难:企业急需产品、费用、成本等多维度实时预警分析,避免一年到头出货量大但是赚的钱很少、成本费用高居不下等问题。

关键人才异常流失:组织人员运营管理缺少体系化洞察分析和人员综合档案建设,导致关键人才工作表现出现异常也没有及时关注到,引起人才流失。

02制造业有哪些可以借鉴的数字化转型模式?

在制造企业面临数字化转型的紧迫关头,寻求与企业自身相契合的数字化转型模式,无疑是至关紧要的。

为了助力制造企业打造更卓越的数字化之旅,对此,帆软大制造工程机械行业携徐工施维英、永祺车业、宁波均胜群英、徐工重型等十余家先进制造业企业,整理归纳了《制造业:一流企业的数字化心得》,期望通过分享一流制造企业的管理思想和数字化结合的尝试与实践经验,为更多生产制造企业的数字化转型提供可靠参考。

下面选取5种数字化转型模式分享给大家:

徐工施维英:目标向导+数据驱动,指标体系实现经营管理全面提升!

作为全球混凝土机械制造头部企业,徐工施维英计划打造精益全系统管理驾驶舱,以企业全价值链为改进方向,突出企业全部门产生的价值功能,以企业整体经营效果的变化为依据,实时反映企业综合改善实力。

制造企业的数据建设,数字化转型模式,精细化管理

永祺车业:基于帆软搭建生产制造系统,节省成本近千万!

基于帆软搭建的生产制造系统,通过对生产过程实时数据收集、管理、跟踪、统计分析,实现了生产制造执行过程的精细化管理;实现了设备自动化向软件自动化的无缝链接;实现了企业资源信息的有力整合,实现了物流条码化、质量可追溯化管理,实现了企业信息由孤岛化向一体化的跨越。

制造企业的数据建设,数字化转型模式,精细化管理

宁波均胜群英:PC+移动端双链数字化管理,两年内助力均胜电子降本7%,人均产值提高近300%

通过构建企业级数据分析平台,实现效能和效率的双提升。分阶段建设一套标准化、智能化、移动化的内外部数据分析体系;为企业高管提供数字化的决策支持及风险监控,同时满足数据分析人员日常统计与分析需求;精简报表及指标,聚焦关键问题,让管理人员从数据处理逐渐转变为数据分析。

制造企业的数据建设,数字化转型模式,精细化管理

东华智能转向系统:全流程质量管理,预控+精确追溯,助力质量成本降低20%!

  1. 通过 FineReport 数据决策平台建立了公司分部门分层级 KPI 指标多维度报表(时间维度,产线维度,供应商维度,客户维度等),实现了采购、物流、生产及客户等产品全生命周期质量数据精细化管理的实时监控与相互串联,及时掌握产品各阶段质量问题的预警及产生,实现问题源快速锁定与紧急遏制,节约了定期数据汇总分析的繁琐操作。

徐工重型:数字化分析决策平台助力企业精细化管理提升!

建设数字化分析平台,搭建统一的数据仓库,实现对不同源头、标准的业务数据进行集中的管控与处理,保证数据的质量与安全。数仓建设分为数据源抽取阶段、数据清洗处理阶段、数仓存储阶段和数据应用阶段。

数据源抽取阶段:需要根据具体业务抽取局部数据,在保证分析维度及时效的前提下制定数据抽取策略及频次方案,保证底层数据的及时更新。

数据处理及清洗阶段:使用 FineTube 工具,依据多源底层核心业务数据库的特性和业务对数据维度、时效、速度、容量等要求,制定管道级、数据任务级、定时任务级的三级抽取方案,维护数据的高效清洗及计算。

数仓存储阶段:使用 FineData 工具,搭建分布式数据仓库,部署分布在不同物理机上的主从节点,通过主从机的高效协同实现了海量数据的高速计算和快速存储。依据数据分析维度,建立数据仓库三级模式,实现业务主题数据集市,为整合应用阶段提供强有力的数据支撑。

数据应用阶段:使用 FineReport 软件对数据集市中的结果进行分析应用与可视化的展示,进行维度建模,设置预览权限,确保不同角色的人看到不同粒度的数据,保证维度数据安全性;建立预警机制,设置异常问题推送规则,异常问题及时推送至主要责任人,保证异常问题及时得到关注并解决。

比如,目前主流的软件——finereport,它小到填报、查询、部署、集成,大到可视化大屏、dashboard驾驶舱,应有尽有,功能很强大。最重要的是,因为这个工具,整个公司的数据架构都可以变得规范,下一步就是构建企业的大数据平台了。而且它是java编写的,支持二次开发,类Excel的设计器,无论是IT还是业务,上手都很简单:编辑sql优化、数据集复用简直都是小case,大大降低了报表开发的门槛。在企业中被关注最多的数据安全方面,FineReport支持多人同时开发同一套报表,并通过模板加锁功能防止编辑冲突;通过数据分析权限控制,保障数据安全。

制造企业的数据建设,数字化转型模式,精细化管理

报表产品更多介绍: www.finereport.com

产品体验

相关内容

目录
立即体验 立即体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部