近日，永洪科技受邀参加“2022沙丘大会——制造业数字化专场”活动，并针对“制造企业如何迈出数字化转型的第一步”的问题进行了干货满满的分享，既有理论逻辑，又有实践案例，落脚现实，面向未来。以下为分享的主要内容：

制造业是实体经济的基础，是未来经济高质量发展的关键。在面向数字经济时代的全球竞争中，依托数字技术发展更高水平、更有竞争力的先进制造业，已然成为各国的战略共识。

近年来，德国提出了“工业 4.0”规划，美国提出了“国家制造创新网络”，日本提出了“创新产业结构计划”，中国也提出了“中国制造2025”发展规划，其共同点是充分运用物联网、5G 通信、机器人、人工智能等技术手段提升制造行业的智能化、无人化程度。

在此背景下，作为制造大国，我国制造业也迎来了新的发展。根据资料表明，截止到2021年，我国制造业增加值占GDP比重达到27.4%同比提高了1.1个百分点，2021年也是我国制造业增加值排名连续第12年位居世界首位。

我国制造业蓬勃发展的同时，也出现了一部分制造业外流的现象。受到部分成本优势削弱、政策退坡等因素的驱动，部分中低端产业流至越南、印尼等东南亚国家，叠加目前国内疫情管控升级，对部分行业的供应链造成一定影响。

与此同时，我国制造业发展也遇到了一些瓶颈。目前部分产业仍处于全球价值链的中低端，产品附加值较低。比如我国的芯片就存在“卡脖子”的现象，此外在航空工业、集成电路、高端数控机床、农业 机械、高性能医疗机械等领域的核心技术仍与发达国家存在一定的差距，缺乏核心竞争力。同时企业在环保上重视程度也比较低，存在“高能耗、高排放、高污染”现象。

未来，我国整体将持续推动制造强国的建设，制造业将呈现出四大重点趋势：

由于外需有所收缩，内循环将成为未来的主流，我国也具备打造制造业内循环的有利条件，未来将朝着布局新基建的方向探索。

尽管技术的进步已推动我国制造业数字化、智能化转型步伐加快，许多制造业企业仍处于工业2.0至3.0的水平，距离我国未来致力于打造的工业4.0生态系统还存在一定的差距。我国未来将继续推动工业互联网的快速发展，加快完善产业生态布局，带动制造业转型升级，朝自动化、数字化、网联化、智能化发展。

在服务经济与国家政策的驱动下，未来我国制造业的一大发展趋势将是由生产型制造向服务型制造转型。将传统制造以制造为中心、产品导向型、依赖量的增长的低附加值企业转变为以服务为中心、活动导向型、重视体验与服务的高附加值企业。

在“双碳”政策的驱动下，绿色制造是我国制造业必然的发展趋势，我国将进一步拓展完善绿色制造技术体系。在绿色制造的理念下，制造业未来将会朝节能提效、建立健全碳排放机制、加大低碳能源利用以及发展碳中和产业等方面迈进。

在这些趋势下，我国制造业将不断转型升级，朝着世界制造强国的前列迈进。

制造业数字化转型，是战略主导下的业务变革，是数据驱动、智能助力的研发、生产、运营、服务改善，最终推进盈利模式优化和用户体验提升。它需要推动业务与系统双向融合，以数字化为核心，借助网络化手段，实现智能化赋能，保证产品和服务高效保质交付，持续提升企业核心竞争力。三个核心点是：实现战略变革，提升企业运营的效率，提升用户体验。

如何把数据利用起来，实现数据驱动业务，数字化转型的第一步。但制造业在数据应用时存在普遍的痛点：

制造企业由生产到销售的链路长、环节多，数据存在分散在不同系统、数据口径不一致、数据颗粒度粗、更新频率低等问题。企业内外部数据相互分散，数据的口径和质量不一致，导致在业务人员在对数据进行分析时，需要耗费大量的时间对不同系统中的数据进行整合与清洗，甚至出现数据大量缺失的问题，最终结果缺乏准确性。

制造业企业数字化起步相对较晚，数据在实际业务中的应用少，业务价值尚未被充分验证。企业内对数据的应用多为简单的数据收集、统计、对比，对数据进行深挖与洞察方面仍存在大量不足，未能将数据分析方法与实际业务场景决策、流程相结合，缺乏数据应用实践案例。

多重因素导致企业的数据价值被抑制，难以用数据指导业务。

针对这些问题，BI因其简洁易用、快速变现等特征成为了各大企业关注的焦点。BI的优点是可以实现对不同来源的数据进行整合解决数据孤岛，可以利用BI里的数据分析方法和数据处理的技术让业务人员将业务经验和数据有效的结合形成数据应用，除此之外也可通过分析和查询的工具准确快速的提供各种报表和看板，为企业提供决策支持，发挥数据的价值。

利用BI实现数据驱动业务增长通常分为 4 个阶段：结果监控、问题诊断、决策支持、智能预测。

对当前的业务对象及时准确的监控，对出现异常情况能预警提示。在这个层级里面，需要不断地看结果指标，帮助及时监控业务状况，提高监管效率，实现智慧运营。

以一家手机制造业的可视化分析为例。通过永洪BI对车间的生产进行监控，搭建指标，了解计划达成率、生产线是否正常、各车间工位的产量是否达标，通过这样的监控可以直接让工厂的领导知道生产的现状，哪些存在问题。

只是看结果还不够，还需要快速找到业务问题所在。结合场景业务逻辑和数据，通过多维分析方式，逐层洞察数据，快速定位业务问题。其中还能预设规则，高亮预警逾期业务环节。帮助问题快速溯源，提升问题诊断效率。

以一家家电企业为例。产品交期是一家企业生产能力的重要体现，也是生产管理者最为关注的重要指标，同时也因其复杂的影响因素，而让管理者无从下手。该企业交期指标由平均交期、交期达标率、平均影响天数和不达标订单数构成。当平均交期不理想时，可以进行问题的下钻诊断，查找到是因为仪表生产线的原因导致平均交期变长，而仪表生产线则是因为在财务审核过程过长导致，从而追溯到影响产品交期的根本原因，帮助企业采取更有针对性的措施，以提高产品交期效率。

找到问题还不是根本目标，根本目标是找到解决问题的方法，帮助决策支持。什么叫“真正的决策支持”？就是能依托数据直接找到决策方法。