大數據產業與裝備制造業融合發展研究*

李 藝， 束超慧， 李曼羅

(沈陽工業大學 管理學院， 沈陽 110870)

大數據作為新興產業快速發展，為互聯網、金融、教育、醫療等行業帶來了巨大的經濟價值與社會效益，成為新的經濟增長點。國家從戰略層面愈加關注大數據在各個產業中的應用，并制定相關支持政策，推動大數據產業快速發展。

裝備制造業是我國的支柱產業，然而近幾年的發展態勢不容樂觀，其發展規模雖大，獲利能力和競爭力并不強。現階段如何振興裝備制造業，帶動我國經濟發展，是一個重大課題。“中國制造2025”是我國實施制造強國戰略第一個十年的行動綱領，其中明確提出推進信息化與工業化的深度融合是發展裝備制造業的重要途徑。傳統裝備制造業企業也希望通過信息化途徑實現產業轉型升級。大數據產業作為新興產業對裝備制造業企業實現信息化改造和升級有著重要意義。本文在分析大數據產業類型及特征的前提下，根據不同類型裝備制造業企業數據需求，探究大數據產業與裝備制造業的融合模式，以期加快裝備制造業的信息化建設，發展高質量裝備制造業。

一、大數據產業

1. 概念及特點

大數據是一種規模大到在獲取、存儲、管理、分析方面遠超出傳統數據庫軟件處理能力范圍的數據集合[1-3]。具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征[4]。大數據產業的發展源于大數據應用[5]，是指基于數據專業化處理技術，基于互聯網、物聯網等渠道，在收集豐富數據資源的基礎上，實現數據存儲、價值提煉、智能處理和分發、數據決策服務等一體化的現代信息服務業[6-8]。大數據產業具有以下特點：

(1) 大數據產業將數據轉化為資產。隨著信息時代的到來，各行各業數據不斷積累，應用大數據處理技術將海量數據進行分析處理，推動企業挖掘出數據潛在的價值，可以有效降低企業運營成本，不斷提升經濟效益，為企業提供更多的商業價值[9]。數據資產已越來越成為企業重要的戰略資產，企業擁有數據資源的存量、價值，以及對其分析、挖掘的能力會極大地提高企業的核心競爭力。

(2) 大數據產業幫助企業做智能化決策。通過收集、整理與企業決策有關的各類數據信息，運用大數據處理技術對海量數據快速地進行全樣本分析，能更精準地服務于企業決策。此外，依靠大數據產業，能避免管理者在決策過程中的有限理性，使企業決策更加智能化和科學化。

(3) 大數據產業幫助企業服務個性化。基于數據的分析成為大數據產業提供個性化服務的重要工具，企業通過對大量數據進行分析，能準確挖掘出用戶的興趣和偏好，針對個體需求開展個性化定制，從而提升產品服務質量，滿足客戶的多樣化需求，實施差異化競爭，幫助企業贏得客戶、贏得市場。

2. 產業類型

大數據產業類型目前沒有統一的劃分，現有學者從以下幾個不同的角度對其進行研究：

(1) 從生態學的角度，將大數據產業鏈分為基礎層、應用層。基礎層涉及到數據采集、數據存儲與管理等，應用層涉及到基礎算法、共性平臺、行業應用等[10]。依據占有大數據的情況，分為大數據產業和大數據衍生產業[11]。

(2) 從數據營銷模式的角度，將大數據產業分為3類：①應用大數據對用戶信息行為進行分析，實現企業自身產品營銷和廣告推介的產業；②通過對大數據進行整合，為用戶提供從硬件、軟件到數據整體解決方案的產業；③出售數據產品和為用戶提供具有針對性解決方案的服務產業[8]。

此外，按照數據價值的實現流程，賽迪公司將大數據產業鏈分成了數據組織與管理層、數據分析與發現層、數據應用與服務層三大層級[12]。

參考以上劃分標準，并依據大數據產業對傳統產業作用的價值，本文將大數據產業劃分為大數據服務產業、大數據整合產業、大數據挖掘產業，如圖1所示。

3. 商業模式

大數據產業已被運用到各行各業中，進而衍生出不同類型的商業模式，具有一定的商業價值。大數據時代的商業模式劃分目前沒有統一的標準。有學者總結了商業模式的9個構成要素，包括價值主張、客戶細分、分銷渠道、客戶關系、核心資源及能力、關鍵業務、重要伙伴、收入來源、成本結構。研究表明通過大數據與該9要素相結合，創新的商業模式能夠實現裝備制造業服務化、預測市場[13-14]。按照產業的價值模式，有學者將大數據產業模式分為大數據內生模式、產品型價值模式和云計算服務型價值模式[8]。2012年西鳳茹等人基于大數據產業鏈思想，將大數據產業商業模式劃分為數據自營模式、數據租售模式、數據平臺模式、數據倉庫模式、數據眾包模式及數據外包模式六種[15]。該劃分標準較為全面，已成為目前研究應用中較為廣泛的標準形式。

隨著大數據產業的不斷發展，商業模式也在不斷的變化中。大數據時代的商業模式需要通過創新來適應時代發展的需求，要基于有價值的信息，對傳統企業的產品、服務及業務流程等進行改造[16]。總結各學者圍繞大數據產業商業模式的研究，整理得到傳統產業應用大數據產業的三種商業模式，如表1所示。

一是數據自營模式，針對自身擁有大量數據和大數據處理技術的企業。這些企業可以建立大數據處理部門，但是會耗費大量的人力物力。

二是數據眾包模式，通過在線廣泛收集用戶對產品的偏好、改進意見，設計基于顧客需求的裝備制造產品。大數據眾包模式要求企業擁有掌握一定先進數據處理技術的大數據專業人才。

三是數據外包模式。對于規模較小，面對大數據還沒有做好充分準備的企業，可以采用大數據外包模式，將企業除核心資源以外的數據信息交給專業的大數據處理公司，以發現歷史數據及客戶數據的潛在價值。

表1 大數據產業商業模式適用傳統企業的類型

二、裝備制造業

1. 企業劃分

裝備制造業是集資本、技術、勞動為一體的密集型的基礎性產業，其產品具有復雜化、系統化的特點[17-19]。從最初的原材料到成品，當中涉及到多個環節和企業，這共同構成了裝備制造業產業鏈。學者郎咸平提出的“6+1”理論，將制造業產業鏈劃分為七大環節，包括原料生產、設計研發、原料采購、倉儲運輸、制造、訂單處理、批發以及零售。裝備制造業產品在各環節的實際生產過程中，主要由各個企業分工協作完成[8]，對于綜合實力較強的企業，則參與裝備制造的各個環節。基于產業鏈的思想，本文以“6+1”理論為依據，結合裝備制造業自身特點及實際情況，將裝備制造業企業主要劃分為四大類型：設計研發型、生產加工型、批發零售型、一體化裝備制造。各組成環節之間的關系如圖2所示。

圖2 產業鏈視角下裝備制造企業劃分

2. 企業數據需求分析

(1) 設計研發型裝備制造企業大數據需求分析。這類裝備制造業專注于高技術產品的設計與生產，需要通過對產品的不斷創新和優化來獲得市場[20]。為提高競爭力，需要以顧客為導向按單定制生產，進而對設計研發工作提出了更高要求。設計研發型裝備制造企業屬于顧客導向型制造企業，需要整合以往的產品數據并精確量化客戶的使用需求和偏好，提供滿足特殊需求的定制化裝備，不斷實現產品創新，才能贏得客戶、贏得市場。

(2) 生產加工型裝備制造企業大數據需求分析。這類裝備制造企業專攻生產內部業務流程的管理規范化和精細化[21-23]，按標準實施大批量產品的生產加工。在面向訂單生產以及產品結構日益復雜的形勢下，生產加工型裝備制造企業各生產流程節點下產生的數據與日俱增，這些數據長期被經營者忽略其擁有的價值，難以精準了解產品在生產加工環節的效率。通過對生產加工各環節數據分析，可以提升裝備制造企業內部生產效率，進而以低成本、高效率優勢贏得市場。

(3) 批發零售型裝備制造企業大數據需求分析。批發零售型裝備制造企業在產業鏈的下端，也屬于顧客導向型生產企業，專注于生產顧客需求的終端消費品。這類裝備制造企業不僅在自身生產過程中產生大量數據，同時與供應商和零售商的往來數據量較大。通過對供應商和零售商往來數據分析可以很好地將數據轉化為企業的數據資產。深刻洞察市場波動情況，預測市場需求，形成市場預判，贏得市場先機。

(4) 一體化裝備制造企業大數據需求分析。一體化裝備制造企業涉及產品設計研發、生產制造、批發零售的各個環節，屬于綜合能力較強的企業。隨著智能化數控設備、傳感器、物聯網、ERP、CRM等在裝備制造業中的廣泛應用，裝備制造業的信息化建設速度加快，使一體化裝備制造企業擁有全產業鏈條上的數據。各種大量的統計數據、交易數據、交互數據和傳感數據等源源不斷從企業經營活動中迅速生成。一體化裝備制造企業不僅需要提升內部生產效率，還需要將產業鏈條上各個環節有效銜接。這類企業迫切需要將數據轉化為對外服務，轉化為業務競爭力。

三、大數據產業與裝備制造業的融合關系

針對不同數據分析需求的裝備制造企業，可以與大數據產業實現恰當的融合，進而衍生出不同的大數據商業模式，助力裝備制造企業完成信息化改革，實現裝備制造業轉型升級。具體融合模型見圖3。

圖3 大數據產業與裝備制造業融合模型

(1) 大數據服務產業與設計研發型裝備制造企業融合。大數據服務產業借助大數據技術對設計研發型裝備產品在客戶實際運行時進行實時數據采集，通過對大量客戶數據進行分析處理，可以了解客戶對產品的使用情況，達到精確量化客戶對裝備產品的使用需求與習慣偏好的目的，以輔助產品設計方案的進一步修訂，指導裝備設計工作更為高效地開展，生產出高質量的裝備產品，增強企業的研發能力。此外，通過對客戶使用裝備產品的大數據分析，還能了解客戶的特殊需求，進而迎合客戶需求，將傳統的標準化生產轉向為客戶個性化定制，形成智能化研發。未來大數據服務產業將不斷推動裝備制造業服務化，通過大數據建立客戶信息管理系統，可以在了解客戶需求的情況下設計研發產品，獲得未來更大的市場空間。

(2) 大數據整合產業與生產制造型裝備制造企業融合。應用大數據整合產業對裝備制造企業在產品生產過程中直接或間接產生的大量數據進行分析處理[24]，可以探索發現影響裝備穩定性等質量指標的關鍵工藝參數、材料參數等，甚至能夠在零部件生產車間、裝備總裝車間等生產系統的計劃調度方面發現尚未知曉的深層次影響規律，從而幫助裝備制造企業分析在生產制造過程中隱含的問題，變被動解決問題為主動預測問題；可以提前查出零件問題、生產運營問題，加強對產品在生產加工過程中的可控性，及時了解產品生產動態，合理科學地進行生產調度，這樣可在源頭上最大程度地避免問題的發生。從而提高管理效率、降低生產成本，實現精準化、高效化生產。

(3) 大數據挖掘產業與批發零售型裝備制造企業融合。借助大數據挖掘產業，一方面，可以通過分析整合裝備制造批發零售企業的上下產業鏈的大量數據信息，挖掘企業與供應商、企業與顧客業務往來的深層次關系，使流程更加透明化。數據分析結果將指導企業做出最優決策，提高企業的效率和反應能力，更好地維系與供應商、顧客間的關系。另一方面，可以分析整合裝備制造批發零售行業內的海量數據，發現深層次的行業規律，通過分析可以預測市場走向，建立基于大數據的決策管理機制，預測經營管理中存在的問題，可有效提高企業的市場變化應對能力。此外，利用大數據挖掘產業搭建裝備制造行業大數據共享平臺，裝備制造企業可以實現企業間重要數據的實時共享，使得重要伙伴間的聯系更加緊密、高效。

(4) 大數據產業與一體化裝備制造企業融合。借助大數據服務產業、大數據整合產業、大數據挖掘產業實現裝備制造企業在設計研發、生產加工、批發零售等各階段的整合一體化。企業在生產經營過程中貫穿大數據技術，將各個業務系統集成在一起運行，獲取大量數據信息，并對數據進行深度挖掘，再反饋到研發、生產、銷售和倉儲等各個環節中。對企業生產經營活動產生的物流、資金流、信息流進行統一、系統化的處理和分析，形成各部門緊密聯系、相互制約、數據共享的高度集成信息管理系統，從而達到企業資源的合理配置，降低成本，增強市場應變能力，提高企業管理水平和市場競爭力。通過大數據技術可以更好地實現裝備產品的優化設計、質量控制、運行維護等多個方面業務，可以保證裝備企業的高效可靠運行，進而形成新的產業模式，實現產品服務增值。

四、大數據產業與裝備制造業的融合發展模式

根據裝備制造企業數據分析的不同需求，裝備制造企業與大數據產業融合有多種模式。本文提出了裝備制造企業與大數據產業的不同融合模式。

(1) 根據企業數據規模和數據分析能力選擇大數據自營模式或大數據外包模式。大數據產業與裝備制造企業融合發展與企業內部數據規模和數據分析需求及自身能力有著密切關系。裝備制造企業內部數據規模和數據分析的復雜程度決定了是選擇大數據自營模式或是大數據外包模式。大數據自營模式能夠很好地保護企業內部數據信息安全，但是需要企業投入大量的人力、物力和財力。對于大型裝備制造企業來說，在實力允許的情況下可以考慮大數據自營模式，例如通用電氣、西門子、海爾等企業建立了大數據部門，支持企業高效運行發展。

小規模裝備制造企業可以利用大數據外包服務實現對大數據服務的需求。大數據外包服務提供商擁有專業的數據分析人才和相應的技術手段，能夠滿足大多數企業對大數據分析的需求。利用大數據服務通用平臺實現自身需求，一方面可以降低企業應用大數據服務企業運行效率的成本，另一方面可以享受到專業的大數據服務。目前，在設計研發數據分析方面，國雙科技、海云數據、海捷科技、榮之連等企業具有較強的競爭優勢；在生產制造過程數據分析方面，華院分析、海捷科技、榮之連、海康威視等企業較為優秀；在批發零售數據分析方面，勒卡斯、北京信合通運、拓爾斯等企業發展較好；在一體化大數據服務方面，IBM、百度、用友等較為專業。

(2) 顧客導向型裝備制造企業可以選擇大數據眾包模式。顧客導向型裝備制造企業以顧客需求為導向，可以通過大數據眾包的模式獲得更多創意。大數據眾包模式的特點在于開發性、多元化，符合設計型企業在產品研發和服務創新過程中的需求。例如，宜家等企業將用戶意見數據納入裝備制造產品的設計當中。通過大數據眾包也可以以較低的成本滿足企業非連續的數據分析要求，便于解決裝備制造企業中存在的單一性問題、一次性問題。大數據眾包模式的缺點在于容易造成企業信息泄露，因而大數據外包不適用于企業重大數據分析。

(3) 大數據產業應向縱深發展。大數據產業經歷幾年的快速發展已經初具規模，只提供簡單的數據分析服務越來越難以滿足市場的需求。由此，大數據企業應該與行業和產業相融合，向專業化方向發展，提供符合行業發展規律的專業化產品，以及全方位的數據管理服務。大數據產業與裝備制造業的深度融合將是未來該行業發展的必然趨勢。

五、結 語

順應“中國制造2025”的信息化改革，應用大數據產業助推裝備制造企業完成產業升級，本研究為裝備制造企業未來信息化發展指明了方向，具有一定的實踐意義。但本文只是初步提出大數據產業與裝備制造業的簡單融合，為裝備制造企業可以尋求的合作公司提供了借鑒，并未對裝備制造企業如何建立大數據分析部門及與外包企業間具體的合作形式進行深入研究。只有通過對大數據的采集、統計分析、存儲、數據安全等方面進行更深層次的分析，才能最終幫助裝備制造企業實現高效管理，提升服務質量。