管理的數智革命：面向新型工業化的企業管理之路

甘靜嫻 孫玉濤

黨的二十大報告強調，推動制造業高端化、智能化、綠色化發展，促進數字經濟和實體經濟深度融合。新時代的新型工業化是搶抓新一輪科技革命和產業變革機遇的重要工業化形態，是著力振興實體經濟的工業化，是推進智能制造和數字經濟發展的重要手段。

在數字化和智能化技術迅猛發展的當下，企業作為新型工業化發展的主力軍，既面臨著巨大的機遇，也面臨著前所未有的挑戰。新型工業化的實現強調制造強國、數字賦能、綠色低碳、安全可控以及人力資源優勢的充分發揮，構建現代化產業體系，從而實現可持續發展。為此，企業應積極應對新型工業化發展所面臨的機遇和挑戰，將數字化和智能化技術與工業化技術深度融合，推進創新升級，提高生產效率和服務質量，為實現中國制造業向中國創造業的戰略轉變以及高質量發展貢獻力量。

工業化是指經濟、社會和技術的進步，通過生產、制造、分配商品和服務的流程來促進生產力和經濟增長。

工業化過程中企業管理發展大致經歷了五個階段（如圖1所示）。第一階段是工業革命時期，機械化生產以人力和畜力為主要動力，典型代表有1833年英國出臺的《工廠法》。第二階段從20世紀初開始，以蒸汽、電力和內燃機為動力，通過大規模批量生產實現了產業化，典型代表有福特汽車制造公司的流水線生產模式。第三階段從20世紀60年代起，通過電子信息技術的應用，實現了自動化生產，典型代表為日本的“精益生產”（Lean Production）。第四階段始于21世紀，標志是數字化和智能化技術的應用，工業化的發展目標是提高生產效率、降低成本、提高產品質量和提升市場競爭力，典型代表為德國的“工業4.0”戰略。第五階段，即2021年以來，在工業4.0的基礎上，“以人為本”成為新的工業發展趨勢，智能制造、個性化定制、人機協作和綠色制造等理念成為新型工業的發展模式，典型代表有歐盟公布的《工業5.0：邁向可持續、以人為本和富有彈性的歐洲工業》。

在工業化發展的不同階段，企業為適應技術和市場發展的變化，需要有不同的管理模式。當前，多數企業的管理結構仍然是傳統工業化的生產方式和組織結構，注重規范化、標準化、集中化和層級化等，而新型工業化要求企業具備智能化、人文化、可持續化等特征。面向新型工業化，企業需要運用大數據、人工智能、5G、區塊鏈等現代信息技術，滿足業務發展過程中信息數據智能化處理、分析和管理的需要。在數智化轉型過程中，企業面臨著人力資本短缺、技術更新緩慢、市場競爭激烈、管理機制不健全以及生態環保壓力。

面向新型工業化的企業管理主要集中在數據化管理、智能化制造、個性化產品和生態可持續方面。第一，在數據管理方面，企業需要將各個生產和管理環節進行數據化，并基于數據進行管理分析和決策；然而，多數企業在數據采集、存儲和處理方面仍然存在認識不夠、投入不足、安全風險等問題。第二，新型工業化需要企業運用智能化制造技術和設備推進生產流程自動化和智能化；然而，制造型企業在研發和生產管理方面數智化程度仍然不足，信息型企業缺乏將數智技術與工業產業相結合的實踐經驗，制造化與數智化脫節問題仍然突出。第三，為了適應消費者需求，企業需要具備靈活性和可適應性較高的管理和生產流程，實現個性化定制和差異化生產；然而，許多制造業企業的技術創新還停留在傳統模式，難以與新型工業化的發展目標相匹配。最后，新型工業化需要企業進行綠色可持續發展，企業需要開發和使用環保設備和技術，推進清潔生產和低碳生產。

因此，針對新型工業化的發展目標以及企業需求，本文基于已有的成功案例，從數據管理、創新管理、動態能力和社會責任四個方面提出面向新型工業化的企業管理模式。

新型工業化在數智時代的機遇是以數據為基礎，對數據進行管理與分析并實現擴大盈利是企業數智化的目標之一。傳統制造業企業采集、存儲和管理數據的方式比較單一，數智化程度較低，難以從數據中獲取價值從而提升企業的競爭力與盈利能力。作為全球信息通信領域的領軍企業，華為一直非常重視數據管理，經歷了長期的投入、發展和改進，最終實現數智化轉型（如圖2所示）。

第一階段，業務數據化。華為的數智化轉型始于1998年。1998年之前，華為擁有數千名工程師，每個工程師都可以創造和處理BOM（Bill of Material，物料清單）數據，導致BOM數據普遍缺乏準確性和一致性，物料浪費嚴重，客戶滿意度下降。為解決這個問題，華為建立了集中的產品數據部門，將數據從整體中抽離出來，強調專業化的數據管理。用了一年時間，BOM數據從 70% 提升到了 99%。

第二階段，數據體系化。隨著華為將業務擴展到全球，不同國家的法律、客戶需求和商業模式差異較大，交易流程開始出現混亂。2007年，華為成立全面數據質量提升項目，借助IFS（Industrial Framework for Smart Solutions，工業化智能系統）項目引入IBM框架，成立許多數據部門。在實際運行過程中，由于部門過多，數據難以實現跨平臺使用，數據不通、數據異常、數據孤島現象嚴重，影響數據使用效率。2014年，華為成立數據工作組，最終實現關鍵數據業務流打通。

第三階段，數據價值化。數據獲取和使用的目的不在于數據本身，而是在于數據的價值。2017年起，華為提出數據的可視和共享，建設了數據底座、數據湖，實現了數據的匯聚、連接、共享和消費。

第四階段，數據安全化。2023世界移動大會上（MWC2023），華為發布了業界首個基于“網絡存儲聯動”的多層聯動勒索攻擊防護技術（MRP），用于保護數據安全。

借鑒華為的案例以及新型工業化的需求，企業數據管理可以劃分為數據采集與存儲、數據共享與協作、數據分析與決策、數據維護與安全四個子模塊。數據采集與存儲是企業數智化轉型的前提。數據共享與協作是企業運行的關鍵。數據分析與決策是企業精細化和智能化決策的關鍵，企業需要對數據分析結果采取相應的反饋和調整措施，確保企業運營的健康和可持續發展。數據維護與安全是企業保證數據可靠性和安全性的關鍵，企業需要建立高效、安全的數據維護和管理方法，包括數據備份、數據加密、訪問控制、異常檢測和預防、基礎設施升級和故障容錯機制等。

傳統企業在技術和設備更新過程中缺乏成熟的研發體系與創新模式，且對新興技術如人工智能、云計算、大數據等缺乏了解和應用經驗，這導致企業在實時存儲、更新及分析機械設備的生產數據及運作情況方面存在障礙，無法對研發方向與進展進行精準控制與管理。在新型工業化道路上，企業不僅需要在主營業務上加大研發，還需要在創新相關業務上增加投入。

作為家電公司，英國戴森以高端市場和精益求精的產品設計、卓越的用戶體驗和持續迭代而著稱。面對激烈的競爭和市場變化，戴森意識到只有不斷進行產品迭代創新，深耕當前市場或開拓新市場，才能維持市場領先地位和業務增長。公司創始人詹姆斯·戴森 （James Dyson） 信奉從失敗中學習的精神，因此戴森每款新產品的開發都遵循迭代式的產品開發流程，以實驗驅動創新（如圖3所示）。

戴森搜集用戶反饋，通過其“ACCESS FM 模型”，將用戶問題轉化成產品功能語言，以讓團隊在實驗設計階段達成一致共識（如圖4所示）。

借鑒戴森的例子，結合數智化技術在創新管理方面的運用，可以形成迭代開發、人工智能輔助、開放式創新和精益生產相結合的創新管理模式。迭代開發強調面向需求變化和增量迭代，提高產品研發和制造的效率和質量，降低成本和風險，快速響應市場需求變化。人工智能輔助可以通過機器視覺、自然語言處理、智能制造、智能客服、模型仿真、機器學習和深度學習等技術，幫助企業大數據挖掘和分析。開放式創新模式強調共同合作和資源共享以加速創新，同時提高企業的經濟和社會效益。最后，精益生產模式通過減少浪費和縮短生產流程時間優化生產效率和品質，減少成本，提高維護預測性。

動態能力是企業整合、構建、重新配置內部和外部資源以應對快速變化環境的能力。面向新型工業化，企業會遇到許多不確定的風險，如數智化轉型中的風險、技術迭代產生的淘汰風險及市場需求變化產生的經營風險等。企業可以通過數智化技術對轉型、市場和技術等方面進行實時追蹤和分析，識別問題和風險，及時調整戰略。

今天的市場競爭已經不是大魚吃小魚，而是快魚吃慢魚。消費者的興趣和需求日新月異，哪里有商機，資本就會迅速重新整合。小米的成功便展示了“快魚法則”的優勢。小米的“快”與移動互聯網這個“風口”關系密切。2011年9月5日，成立僅1年多的小米首次對外預售手機，34小時賣出30萬臺；成立不到3年，小米的年收入就突破了100億元。小米不是簡單地與蘋果、三星等爭奪高端用戶，而是運用敏捷管理模式（Agile Management），以“少、快、好、省”為管理宗旨，聚焦于利用機遇、人員和信息的杠桿作用（如圖5所示）。

根據企業在新型工業化發展中可能遇到的主要風險，我們將動態能力管理劃分為轉型追蹤模塊、市場追蹤模塊和技術追蹤模塊三部分。企業在新型工業化發展中需要進行數智化轉型，并且實時追蹤和調整轉型策略。數智化轉型追蹤模塊可以通過建立數字化轉型指數，實時收集和分析生產、銷售和財務數據，搭建信息共享平臺等方式實現。市場追蹤模塊可以通過大數據、人工智能和物聯網等技術分析市場需求、趨勢和競爭對手，監測生產、庫存和物流等，幫助企業更快地適應市場變化。技術追蹤模塊可以利用大數據、人工智能和物聯網等進行技術追蹤，幫助企業把握技術發展動向，增強企業的技術實力和競爭能力。

企業必須不斷改進和創新，利用數智化技術提高工作效率、降低成本和管理風險，才能更好地駕馭新型工業化的發展趨勢。

社會責任是企業未來長久發展需要承擔的義務，既是要求，也是目標。隨著新型工業化的發展，企業不能只是單純追求經濟利益，而應當承擔起社會責任，為社會做出應有的貢獻。數字化和智能化技術為企業提供了先進的工具，能夠幫助企業實現技術安全管理和環境保護管理，提高管理的效率和精細度，推動企業可持續發展。

?？低曋饕獜氖乱曨l監控產品和解決方案的研發、制造和銷售，是社會責任管理方面的代表性企業之一，2022年度中國上市公司社會責任指數排名第一。海康威視將企業社會責任與可持續發展理念融入業務，把成為一家受人尊敬的全球科技企業的愿景寫入了海康威視ESG（Environment、Social、Governance，環境、社會、公司治理）報告。按照SA8000（Social Accountability 8000，社會責任標準）國際標準，?？低晫ⅰ翱萍紴樯?、誠信合規、綠色低碳、和諧共生”四個方面確定為公司ESG發展的重要方向及核心內容?；诠靖黝惲鞒讨С郑凑沼媱潯嵤?、檢查、處理（Plan、 Do 、Check 、Action，PDCA）循環管理，實現由報告披露向ESG管理提升和持續改進的閉環（如圖6所示）。

技術安全和環境保護是新型工業化過程中最為突出的問題。制造業企業的技術安全主要體現在產品生產和使用上的安全，信息類企業的技術安全則體現在技術倫理和使用規范方面。數智化升級和融合將成為兩類企業共同面臨的問題。企業可以運用數字化和智能化管理系統，建立數字化檔案系統，制定安全計劃，利用大數據挖掘技術實現技術安全的有效監管，積極開展智能化培訓以提高員工的技術安全意識和管理能力。

低碳環保是新型工業化發展有別于傳統工業發展的重要內容。企業可以采用物聯網和傳感器技術實時監測環境因素，應用大數據和人工智能技術優化環境管理，推廣節能技術和綠色生產技術，制定環保管理制度并利用智能化技術監督執行。

針對新型工業化發展中企業面臨的挑戰，我們構建了一個更加適應數智革命機遇的管理模式。該模式以數據管理為底層邏輯，以創新管理、動態能力和社會責任為核心（如圖7所示）。

正如華為的數字化轉型之路一樣，各項業務的數字化是新型工業化道路的第一步，也是最難的一步。數據管理中的數據分享與協作、數據分析與決策是充分發揮數據價值的關鍵模塊。數據維護與安全則是企業維持自身核心競爭力的重要保證。在創新管理方面，企業應當以更加開放的方式接納各類信息和資源。借鑒戴森公司的成功經驗，基于人工智能輔助模式能夠更好地實現迭代開發、精益生產模式，加快企業的創新效率，降低失敗風險。

動態能力也是企業在新型工業化發展中不容忽視的部分。新時代下的技術和市場需求變化莫測，且企業的轉型風險和投入較大。企業必須對自身的轉型狀態、市場需求反應狀態、技術發展狀態進行追蹤管理，才能立于長久不敗之地。當下的技術發展迅速，無論是技術本身的安全，還是生產或運用導致的環境問題都會影響企業甚至人類的長久發展。因此，企業的社會責任是不容忽視的重要環節。

隨著數智化技術的不斷發展和應用，面向新型工業化的數智化管理轉型正在成為中國制造業和信息型企業的主要任務。在此背景下，企業需要在增強社會責任的前提下，不斷加強數智化轉型和創新能力，提高業務研發的投入和效率，實現數智化技術與業務研發的有機結合，從而提高生產效率、降低成本、優化資源配置、提升產品質量和服務水平。在此過程中，企業會面臨數據安全、人才隊伍、管理創新等多重挑戰，需要不斷探索適合自身的數智化轉型和管理之路。在不斷學習和實踐的過程中，企業才能逐步提升自身的數智化能力和競爭優勢，實現可持續發展。

本文為國家社會科學基金重大項目“新形勢下我國科技創新治理體系現代化研究”（20&ZD074）的階段性成果。