淺析大數據時代數據分析在工業企業中的應用

梁曉

摘要：信息化高速發展，工業企業生產經營管理中產生大量數據，數據已然成為衡量一個企業經營效益的一系列指標、有據可查的科學評估資料，數據分析在企業中的作用越來越重要。隨著大數據時代的到來，數據分析得到進一步發展，在企業經營管理和工業生產全過程中發揮著重要的作用。本文簡述了大數據和數據分析在經營管理中的意義和在工業生產過程中的應用。

關鍵詞：數據分析；大數據；經營管理；生產過程

中圖分類號：TP39 文獻識別碼：A 文章編號：1001-828X（2017）013-0-02

引言

目前人類每年產生的數據量已經從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）級別，隨著數據量的急劇增長，大數據時代已經到來。

隨著計算機處理技術和云計算的迅速發展，人們處理大規模復雜數據的能力日益增強，從大規模數據中提取有價值信息的能力日益提高。經營管理、工業生產等數據都可以直接從互聯網中提取并存儲到服務器中，然后進行數據挖掘和分析，對于提高企業經營管理水平，進行生產過程控制，提高生產效率發揮著巨大的作用。

數據是德國工業4.0五大特色之一。數據是信息化時代重要的生產要素，數據生產信息，信息改善決策，進而提高生產力?？梢灶A測，未來數據積累量、數據分析能力、數據驅動業務的能力將是決定企業價值的最主要因素，是評價企業價值的核心。

一、大數據時代的數據分析

1.大數據

大數據是維克托·邁爾-舍恩伯格在2008年的著作《大數據時代》中提出的概念。維基百科給出的定義是，大數據指所涉及的資料規模巨大，無法通過目前常規軟件工具，在合理時間內達到擷取、管理、處理、整理成為有用信息的數據集合。

大數據的主要特征為大量性（Volume）、多樣性（Variety）、高速性（Velocity）、價值性（Value）。

（1）大量性。是指大數據的數據量巨大。在大數據時代，個人電腦、手機、平板電腦等網絡工具的使用和高度發達的網絡技術的普及，數據資料的來源范圍在不斷拓展，數據的計量單位從PB到EB到ZB，數據量增長發生了質的飛躍。

（2）多樣性。是指數據類型繁多。大數據不僅包括傳統的以文本資料為主的結構化數據，還包括信息化時代所有的文本、圖片、音頻、視頻等半結構數據和非結構化數據，且以半結構化和非結構化數據為主。

（3）高速性。指大數據處理時效性高。大數據產生速度快，有價值信息存在時間短，時效性強，在海量的數據面前，處理數據的效率關乎數據是否有使用價值，因此，能迅速有效的提取大量復雜數據中的有價值信息顯得非常重要。

（4）價值性。指大數據價值巨大，但價值密度低。大數據中存在反映人們生產、生活、商業等各方面極具價值的信息，但由于大數據規模巨大，數據時時刻刻都在更新變化，這些有價值的信息可能轉瞬即逝。因此，如何通過強大的機器算法迅速高效地完成數據的價值“提純”成為大數據時代亟需解決的難題。

2.大數據時代

大數據時代是指在大量數據信息基礎上所形成的新型信息時代，是建立在通過互聯網、物聯網等現代網絡渠道廣泛大量數據資源收集基礎上的數據存儲、價值提煉、智能處理和展示，促進數據發揮價值的信息時代。大數據時代，數據分析過程中數據的管理和應用效率得到提高，人們幾乎能夠從任何數據中獲得可轉換為推動人們生活方式變化的有價值的知識。大數據時代的發展會促進眾多領域和行業進行變革，會對人們未來生活產生深刻的影響。

3.數據分析

數據分析是指用合適的統計方法及與分析對象有關的知識，定量與定性相結合，對收集到的大量數據進行分析的過程，是為了提取有用信息和形成結論而對大量數據進行詳細研究和概括總結的過程。數據分析的目的是把隱藏在一大批看似雜亂無章的數據背后的信息挖掘和提煉出來，進而總結出研究對象的內在規律。

數據分析在企業經營管理中具有重要意義。企業通過統計調查、整理獲得的統計資料能夠對客觀對象的數據特征取得一定的認識，但只是停留在表面的初步認識。通過數據分析，挖掘數據背后隱藏的信息，總結隱藏在其中的內在規律，掌握事物的本質及內在的發展規律，將其應用到實際的經營管理中，可以幫助管理者進行合理的決策管理，并且及時調整企業的運營發展策略，使企業的各項管理工作不斷改善和提高。

目前常用的數據分析方法有：

老七種工具，即排列圖、因果圖、分層法、調查表、散步圖、直方圖、控制圖；

新七種工具，即關聯圖、系統圖、矩陣圖、KJ法、計劃評審技術、PDPC法、矩陣數據圖。

4.大數據時代的數據分析

從大數據中挖掘隱藏的有價值信息的關鍵在于對數據進行正確的數據分析，數據分析是大數據處理流程的核心。大數據的價值產生于分析過程，從規模巨大的數據中挖掘有價值信息所進行的分析過程就是大數據分析。

大數據分析和傳統數據分析最重要的區別在于數據量。數據量的急劇增長及大數據的特征，決定了數據的存儲、查詢以及分析的難度增加，對數據處理技術的要求迅速提高。大數據分析建立在海量原始數據基礎上，不需要預先設定研究目的和方法，而要從大量數據中通過數據挖掘技術找到數據之間的關系并建立模型，尋找導致現實情況的根源因素，甚至形成理論和新的認知，在此基礎上對未來進行預測和優化，以實現社會運行中各個領域的持續改善與創新。

傳統的數據分析是“向后分析”，分析的是已經發生的情況。而在大數據時代，數據分析是“向前分析”，具有預測性。傳統的數據分析主要針對結構化數據，具備一整套行之有效且廣泛使用的分析體系：利用數據庫存儲結構化數據→構建數據倉庫→構建數據立方體進行分析。對于從大數據中提煉更深層次更有價值的信息的需要促使數據挖掘技術的產生，并發明了聚類、關聯分析、分類、回歸分析、估計、預測、描述和可視化等一系列行之有效的方法。同時大數據的到來使得在線數據分析成為可能，如Web頁挖掘、OLAP等。數據挖掘是在沒有明確假設的前提下去挖掘信息、發現知識，用于指導以后的行動。

二、大數據分析在企業經營管理中的意義

在企業的經營管理過程中，數據是關鍵且核心的因素，在關鍵環節進行科學的數據分析，對于提升企業的經營管理能力具有十分重要的意義與作用。

首先，對企業情況進行完整客觀的反映。在收集企業全面數據報表、調查資料的基礎上，利用數據分析工具進行嚴謹的分析，形成科學規范的數據分析報告，能發現數據背后的信息，便于理解、閱讀和利用，為企業發展決策提供參考。

其次，對企業運營情況進行有效監督。監督是數據分析在企業經營管理中的一項十分重要的功能。對企業經營管理過程中所產生的數據進行監督具有十分重要的作用。在對企業數據、資料進行收集整理的過程中，能夠相對較為全面、如實地知曉行業動態及本企業運行發展狀況，能夠對企業的相關活動產生的效果進行了解，比如企業方針政策實行與否、經營計劃落實情況、經濟指標完成情況等，從而進行行業對比和橫向、縱向對比分析，以幫助企業良性發展。

第三，參與科學化決策。對收集整理到的數據資料有針對性的進行深層次地研究、分析，挖掘出數據資料潛在的實質涵義，促使企業管理者及相關部門能夠更為完整客觀地了解企業發展現狀及發展方向，從而能夠更有針對性地進行企業決策，計劃制定，起到數據分析在企業經營管理中的參與科學化決策的作用。數據驅動型決策是大數據時代決策的特點：盡可能全面、完整綜合地收集數據，在此基礎上使用恰當的統計方法進行建模和分析，挖掘出數據背后的關系，預測事件發生的概率。企業利用大數據和數據分析進行決策時，首先要提高對數據的重視程度，轉變思維模式，在遇到重大決策時，先進行數據收集、分析，再進行決策。其次，要重視普通員工日常積累的數據。員工在完成日常工作的同時，積累了大量最基礎數據資料，企業將所有日常的數據加以整合分析，可以在決策時起到關鍵重要的作用。再次是建立數據輔助決策的流程和模板，建立基于決策任務的決策知識的收集、創造、共享、傳遞和激勵機制。

三、大數據分析在工業生產過程中的應用探討

隨著信息化的推進，數據已經成為一種重要的資源。未來大數據和數據分析將在工業生產全過程中進行應用，將大力提升企業內部運營管理效率，提升企業競爭力，同時提升制造過程中的智能化。

信息技術隨著信息化與工業化的深度融合，已經滲透到了工業企業產業鏈的各個環節，ERP、MES等技術在工業企業中得到廣泛應用。工業企業中生產線高速運轉，工業設備產生大量數據，工業領域所擁有的數據日益豐富?；诖髷祿治銎脚_，對這些數據進行分析，總結經驗、發現規律、預測趨勢、輔助決策，充分釋放和利用海量數據資源中蘊藏的巨大價值，優化公司運營結構，精準決策，降低成本，提高效率。

大數據和數據分析的應用將給工業企業帶來創新和變革的新時代。信息化和工業化的深入融合，給工業領域帶來深刻的變革，通過互聯網、物聯網等帶來的低成本感知、高速移動鏈接、分布式計算和高級分析，給工業發展帶來了更快的速度、更高的效率和更高的洞察力。大數據分析在工業領域的應用主要包括產品創新、生產流程優化、產品質量管理、生產計劃制定、產品定價、產品生命周期管理、庫存管理、供應商管理等各個方面。

1.產品創新?？蛻襞c工業企業之間的交易產生大量的行為動態數據，同時對產品的使用情況跟蹤記錄，產生產品使用動態數據，對這些數據進行挖掘和分析，將分析結果使用到產品改進設計、創新等活動中，相當于讓客戶參與到產品的需求分析和產品設計等創新活動中，對產品創新具有不可估量的貢獻。

2.生產流程優化?，F代化的工業制造生產線安裝有數以千計的小型傳感器，在生產的全過程中可以探測溫度、壓力、振動和噪聲等。整個生產流程將產生大量數據，對這些數據從不同角度進行挖掘分析、比如設備診斷、能耗分析、工藝分析等。在此基礎上，對生產過程建立虛擬模型，仿真并優化改進生產流程，提高設備使用率、降低能耗、減少質量事故發生幾率，優化工藝等，從而提高生產效率。

3.進行質量分析，提高質量管理水平。高度自動化的設備在加工產品的同時記錄了龐大的檢測結果。利用檢測結果進行質量分析，可以提高質量管理水平。在產品的整個壽命周期，包括從市場調研到售后服務等的各個過程中適當運用數據分析過程，可以提高質量管理的有效性。例如QC工具在工業企業的應用。QC指質量控制。針對工業生產全過程特定的工作失誤或品質不良運用QC工具展開分析討論，并將結果可視化顯示在大家容易看到的地方，提醒大家，防止再次發生同樣的問題，同時誰有新的建議可以隨時提出，大家一起討論修訂。

六西格瑪也是目前企業質量管理中運用比較廣泛的工具，它是一種用于改善企業質量流程管理的技術，它以“零缺陷”的完美追求，帶動質量成本的大幅度降低。質量分析工具在廣泛使用，可以提高產品質量，從而最終實現財務成本的降低，同時實現企業競爭力的突破。

4.產品故障診斷與預測。無處不在的傳感器、互聯網技術的利用，使得產品故障診斷實時進行，提高了產品故障診斷的及時性。利用數據挖掘與分析技術，對記錄的數據進行建模與仿真，可以對產品故障實行動態預測。

5.生產計劃的科學制定。生產環節的大數據具有很大的利用價值，對其進行挖掘與分析，對計劃制定具有指導意義。通過對計劃與完成的對比分析，發現計劃與實際完成的偏差，在考慮產能約束、人員技能、物料供應、工裝模具等生產資源的基礎上，通過智能的優化算法，建立計劃制定模型，從而制定更加科學合理的生產計劃。

6.進行科學合理的產品定價。產品定價的合理性需要有詳細的基礎數據和試驗數據作為支撐。一方面能夠獲取更加詳細的微觀數據信息，使產品成品的分析更加科學精確。另一方面可以研究客戶對產品定價的敏感度。通過這些數據分析，為產品定價提供決策參考。

7.實現產品生命周期管理。隨著物聯網的發展，條形碼、二維碼、RFID等能夠唯一標示產品，傳感器、可穿戴設備、智能感知、視頻采集、增強現實等技術能將產品生命周期的信息進行實時采集和分析，這些數據能夠幫助企業在供應鏈的各個環節跟蹤產品，收集產品使用信息，從而實現產品生命周期的管理。這些數據還可以用于售后服務，提高售后服務質量，從而提高產品競爭力。

8.庫存管理。信息化高度發達，可以獲取工業企業各方面的信息。庫存信息將完全展現在管理者面前，通過數據分析和挖掘，可以準確知道產品原材料和產成品庫存量。根據原材料庫存量和生產計劃確定原材料需求量，在此基礎上進行采購，可以保證產品生產需求，有最大限度地減少了資源浪費。

9.完善供應商管理，實現準時化采購。在對原材料大量數據挖掘和分析的基礎上，可以選擇最合適的供應商，保證原材料質量和準時供應，產品質量得到有效控制，同時降低庫存成本，增加了制造的敏捷性與柔性。

四、結語

數據分析在工業企業中的應用遠不止此，經營管理和工業生產過程中的每個環節都有必要進行數據分析。隨著數據分析和數據挖掘技術的進一步深化，會有越來越多的應用場景，最大程度發揮大數據應用的價值，從而提升企業效率效益和企業核心競爭力。

參考文獻：

[1]朱建平，章貴軍，劉曉威.大數據時代下數據分析理念的辨析[J].統計研究，2014（2）.

[2]張學敏.大數據時代的數據分析[J].探索與觀察，2014（16）.

[3]唐萍.淺談數據分析在企業經營管理中的意義與作用[J].商，2015，6：13-14.

[4]劉薇，陳英，高佳風.大數據分析及其對企業管理的挑戰和機遇[J].吉林建筑工程學院學報，2015（3）：89-92.

作者簡介：梁 曉（1983-），女，漢族，河南鄭州人，鄭州飛機裝備有限責任公司，經濟師，碩士，主要從事統計與數據分析研究。