詳談大數據分析在制造企業的應用

樓俊君

摘 要：隨著信息技術的迅猛發展，大數據分析已經能夠應用到企業的方方面面。但是從現在我們國家對大數據的調研來看，大數據分析在企業生產中的應用還不夠成熟。企業對于大數據的常見困惑在于大數據分析到底有哪些應用值得企業關注，到底在哪些方面可以給企業帶來實實在在的提升。本文將在消費者需求、產品設計、庫存管理、質量管理、人事管理及生產設備監控等方面逐一闡述，梳理出大數據分析在制造企業中的理由與價值。

關鍵詞：大數據；企業制造；流程設計；管理

隨著世界信息技術的飛速發展[1]，大數據作為信息技術皇冠上的明珠，也更加受到各個國家與行業的重視。我們國家自從改革開放以來，中國制造已經得到了長足的發展，中國制造的產品已經遍布全球，并且產品的質量也改變了過去低質量、低附加值的標簽。不過最新的經濟調研數據顯示，我們制造企業在應用大數據分析技術在生產制造中的程度并不深入[2]，這與專業技術人才的積累有關，更與我們企業對大數據分析的了解有關。本文將從各個方面對大數據分析在制造企業中應用做詳細的闡述。

1 消費者需求分析

制造企業生產出來的產品到了消費者手上之后，以前我們只能通過電話投訴等方式來采集產品質量缺陷等信息，但是有了大數據以后，我們可以綜合銷售網點的數據、消費者網上的反饋評分、消費者年齡層次、購買方式數據及社交媒體評論等大量的數據來摸清消費者的需求。其中可以采取的數據分析方法可以有多重分析法和聯合分析法等，來確定消費者對與產品某種特點的支付意愿，了解使產品搶占市場的重要產品特征，從而改善產品設計，為產品提供相應的改造升級的明確方向和規格參數。

在剛剛過去的2017年雙11購物狂歡節中，通過大數據挖掘，阿里巴巴、京東公司完成的千億成交額，再度刷新各自的銷售紀錄，但在高漲的數字不斷刺激著消費者神經的同時，電商平臺、品牌商與物流企業的心態已經悄然改變。“雙11”不再是一場大考，更像是企業收獲近一年布局成果的時刻，這一點在物流行業體現得尤為明顯。從此前的爆倉、暴力分揀、配送拖延等問題被曝光，到現在最快幾個小時就能將包裹安穩送到消費者手中，這種提速、提質的表現背后，是企業在大數據與智慧化方面不斷投入的體現。

2 產品與服務的設計

制造企業產品設計是企業發展最重要的一環，產品設計的合理與否，往往決定著企業的生死存亡。從產品面世到被消費者使用的過程中，我們可以利用大數據實時數據分析，將流程、工藝、氣候、性別、學歷、地域等千絲萬縷的關系整理出來，將數字化的消費者數據傾向轉化為產品的特點，利用數據設計產品，實現不同分公司研發與運營共享數據，共同參與產品設計的改進和調整。從2017年雙11購物狂歡節的大數據來看，網民7.5%的錢買了手機，9.5%買了家電，3.8%是化妝品，母嬰類則占1.9%。進口商品排行榜中，來自德國、荷蘭和澳大利亞的奶粉品牌一度分別占據了榜單的前3名。除此之外，日本紙尿褲、美國堅果、韓國美妝也都是消費者搶購的對象。看起來，母嬰類產品在“全面二孩”的背景下，需求依然巨大。

3 適應性庫存管理

在制造企業中，庫存成本往往占了產品成本的50%，過多的庫存會造成過高的庫存管理成本。與此同時，庫存的多少似乎永遠也無法解決商品的脫銷。運用大數據可以把銷售記錄，銷售網點數據，天氣預報，季節性銷售周期，區域庫存信息等不同緯度的數據融合起來，形成實時感應需求信號，與實時貨物位置等信息能關聯分析，匹配供求關系。產生的精確的信息，可以反饋到生產計劃，庫存水平與訂單量等庫存計算的各個環節，使企業了解具體地區的庫存量并且自動生成訂單，從“需求感應”實現“適應性的庫存”管理，不斷優化庫存水平。據悉，菜鳥網絡已經將智能技術應用到方方面面。比如在商品生產之前，菜鳥網絡通過歷史銷售數據和對市場的預測，幫助商家制定更精準的生產計劃，同時幫助他們在合適的地區進行區域分倉。

此外，通過智能工具可以讓貨物在倉內處于最合理的存放位置，暢銷的商品會被放在靠近出口的位置。在新零售的趨勢下，菜鳥還會用數據技術幫助商家做門店發貨，并實現線上下單、線下發貨。“商家降低了庫存和流轉成本，消費者收貨更快，社會整體資源利用率提高。”菜鳥網絡技術專家表示，智能技術帶來的爆品下沉將給今年天貓雙11的物流帶來新速度。

4 產品質量管理

早在20世紀90年代開始，一些企業就開始通過應用分析法來提高產品質量和生產的效率，其核心是實現生產與服務的需求相匹配。今天的大數據分析手段也是如出一轍。大數據不僅能夠使生產商制造產品的時間縮短20%-50%，還能夠在產品批量生產前通過模擬，檢驗防止產品缺陷，減少產品開發周期過程中不必要的環節等。通過檢查表，散點圖，控制圖等檢測手段，來發現生產過程的質量問題大數據通過物聯網，通過產品上安裝傳感器，標簽等手段，實時監測采集數據，認知產品性能，實時提高質量。

5 勞動力的數字化

勞動力是除了產品成本外，企業最重視的開支。通過大數據方式，找到進行員工調度的最佳模式，縮短管理時間，實現技能與崗位的周期匹配，勞動力效率最優化。讓勞動力的管理成為可預測的，且基于分析學的方法來實現人才資源的管理。這樣的方法一是客觀，二是從大數據統計的角度將員工的績效指標和行為特征連接了起來，為每個企業創造了一個“最適合”的勞動力模式。

6 資產智能管理

隨著企業制造大數據分析技術的發展，結合互聯網云化的廣泛應用，實時設備條件信息可反饋至機械控制器以實現自適應控制，同時信息也會反饋至設備管理人員方便及時維修。操作員可根據每臺設備的健康條件平衡和調節每臺設備工作量和工作壓力，從而最大程度優化生產和設備性能，實現主動檢修計劃的智能決策。

7 結論

大數據分析應用在制造企業的各個流程大有可為，通過利用大數據技術，可以極大幫助企業產品設計、質量控制、人力資源管理及庫存管理等。

參考文獻

[1]王宏志.大數據處理算法[M].北京：機械工業出版社，2015.

[2]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代.盛楊燕，周濤，譯.杭州：浙江人民出版社，2016.