,數智時代制造業轉型實踐”>startDTResearchcenter級而來，旨在通過研究、實踐和交流，探索數據商業的前沿邊界，思考未來世界的堆棧結構，從趨勢中學習、前言隨著科技的飛速發展，全球制造業正面臨前所未有的變革。數字化、智能化、自動近年來，我國制造業逐漸呈現出兩大趨勢。一是制造業數字化轉型的步伐加快，企業通過引入先進技術，如云計算、大數據、人工智能等，提升生產效率，優化產業二是制造業服務化趨勢日益明顯。在全球市場需求減弱的背景下，我國制造業企業紛紛尋求由生產型向服務型轉型，以滿足消費者多樣化、個性化的需求。例如，通過工業互聯網平臺，企業可以實現產品設計基因化、生產過程智能化，進而提供更希望通過閱讀本白皮書，您能更好地了解制造業的發展趨勢，把握未來方向，與我構筑企業的公共數據空間，傳遞數據的社區氛圍，最終改變人們的生存空間，解放人們去思考、決策和創新。習目錄數據改變制造業的10個案例數智時代的制造業挑戰和應對數據改變制造業的6大產品數據改變制造業的4大行業10個案例/該客戶是某通信設備制造集團，是全球領先的多品類智能通訊終端研發設計公司（智能通訊終端ODM產品涵蓋智能手機、平板電腦、筆記本電腦及IoT產品，遠銷亞非拉歐等100多個國家和地區，覆蓋全球80多個運營商，服務全球數億消費者。計劃采用“統一平臺、統一數據、統一運營”的思路，進行數字化/首先，StartDT團隊著手幫客戶建立一個高效統一的數據平臺，旨在盤點和梳理數據資產，為業務提供可靠支撐。通過搭建大數據平臺，我們將數據資產梳理清晰，并構建了一套完整的數據框架和規范體系，為后續各流程業務數據，建立了一套基于運營流程的業務指標體系和可視化運營沙盤，有效地推動了業務數據的管最后，進行數據運營，建立數據智能應用?；跇I務場景縱向深挖，為質量監控、采購決策、訂單交期、運營閉環等業務場景提供數據可視化和自動化服務，實現數據治理和場景建設的持續發展。這一系列的努力旨未來，智能化系統的建設將成為制造業的趨勢，推動生產方式向更高效、更智能、更2.實況沙盤可視，事件智能預警：梳理商務、計劃、采購、倉儲、生產、物流和結算7大領域，37個/質一直處于行業領先地位。多年來，該企業在中國市場深耕細作，建立起了強大的品牌形象和穩固的客戶群體。然而，經過內部評估發現，相較于同行業平均水平，該企業的數字化建設整整滯后了五年。為了在日益分布，也導致數據的整合和治理日益困難；加之現有的大數據基礎設施建設不足，以上因素都制約了企業數/在了解該企業的背景和訴求后，StartDT制定了一項名為“空投部隊”的數字化轉型策略。其核心是先實現各散點的數字化建設，再逐步推動整體的數字化轉型，包括IT系統上線、數據團隊建設和管理流程優化等多個方面。首個總部數字化項目以“六加二”模式開啟，通過對六大場景的摸索與實踐，該機電設備制造集··在StartDT的幫助下，該企業逐步建立了底層數據其次，客戶采用“業務融合、數據融合、持續治理”的建設理念，圍繞銷借助大數據技術和智能算法能力，打通各系統數據，沉淀數據資產，實現業務聯動、業財聯動、智能決策分例如，企業購買并落地了BI數據門戶，整合多渠道數據源，實現統一權限管理，支撐財務人員多維分析財總部和工廠的數字化項目建設，從基礎設施開始，逐步拓展平臺化業務場景和應用功能，在實踐中不斷小步2.銷售業務分析輔助市場決策：從客戶、產品類別、業界等維度對銷售收入的趨勢進行分析，進行計劃、預測與實際對比分析，以發現重點客戶、重點商品和重點業界，從而實現精準擴販，贏單率提/某光伏制造龍頭企業是全球為數不多的擁有垂直一體化產業鏈的光伏制造商。隨著業務的蓬勃發展，為了給各業務部門提供有力的支持，該企業構建了多個應用系統。然而，在業務部門對數據使用需求日益增長的情況下，分散式數據存儲已無法滿足各事業部門對生產運營管理的需求。因此，該企業急需構建一個統一的數據中臺和實時生產監控平臺，實現生產數據的統一管理、協同運營和高效分析決策，挖掘企業數據價值，為生產運營管理對于制造企業來說至關重要。良好的生產運營管理不僅能夠幫助企業降低成本、提高效率，還1.人員與物料管理：人力成本逐年上升，人員績效的統計也變得更加復雜，物料2.設備與設施管理：設備效率的統計變得越來越復雜，設備的故障率也越來越高，同時設備/該產品以數據云平臺DataSimba為底座，提取全球各個生產基地的數據，通過數據采集、清洗、計算、整質量、物料、安全、環境八大關鍵場景進行實時預警，并支持多級管理駕駛艙聯動下鉆查詢。這一切能夠幫助管理層更好地了解全球各生產基地的生產情況，及時調整生產計劃和資源分配，實現智能化的生狀態和質量等方面的全過程數據，并結合傳感器節點的數據進行實時監控，構建起工業物聯網時序數據架構。該架構以流批數據為基礎，綜合采集設備、設施設備和工作關鍵數據，通過數字化的高效協同，并確保產品的穩定生產和質量可控。這一全新的數據架構不僅提高了生產效率，而且有效降備運行狀態的實時監控，避免了不必要的停產問題，設備的綜合效率得到顯著提升。而對于生劃、智能分析生產數據、優化生產活動現場，實現生產流程的智能化和自主可控，同時令生產效率大幅提升，生產成本不斷降低。這有助于提高企業的創新能力，鞏固行業領先地位，并為企業發展注入源源/主要從事動力/儲能鋰離子電池單體到系統應用的研發、生產、銷售，專注于為新能源汽車動力及智慧儲能提供優質解決方案。在業務快速迅猛發展、經營業績每年成倍增長的同時，業務部門對數據使用的需求也在不斷增加。然而，當前的數據僅能滿足基本的業務用途，經營決策數據的獲取效率低下，業務財務一體StartDT團隊從業務和技術的視角幫助企業落地了數據平臺體系的建設，并通過對生產監控閉環管理、工藝數據、供應鏈、生產過程和銷售活動、已有產品實際生產成本的還原與歸集等維/團隊對企業數據資產進行了盤點和診斷，從業務和技術化生產計劃和交貨期的前提。StartDT圍繞企業生產監控閉環管理的預防、檢測、應急、監督等全場景數據進行了分析，幫助企業監測生產過程。發現生產的異常問題后，StartDT會提出進一步的改進可以確定最佳的生產策略，檢測生產過程中的偏差或異常，并預測可能發生的問題。StartDT團隊對企業的工藝數據進行了重點分析，聚焦良品率，通過對機器設定值、產品特性、質量檢測等工藝數據進行挖掘和洞察，在能源消耗、生產安全性、優化制造流程等方面提出了優化策略，以幫助企業提高4.進行全鏈路經營分析，提高企業競爭力：圍繞產品從生產到銷售的全鏈路，St過程和銷售活動進行了綜合分析，幫助企業了解產品的供需關系、生產效率以及銷售績效，從而優化與歸集，幫助企業了解和掌握了生產過程中的成本構成和消耗情況，為企業提供準確的成本信息，幫在企業的數字化轉型過程中，StartDT幫助企業進行了深入的數據建設，包括：搭建數據框架、制定數據規范和數據開發體系，并為企業的數據架構師進行培訓，建立一套完整的數據資產管理體系；搭建了從生結算的端到端數據填報系統，實現了數據的自主填報；同時，實時對接了MES系統，實現質量管理鏈路的項目完成后，該企業在準確、高質量的數據基礎上，數據讀取、匯總效率大幅提升，有效支撐業務經營和管StartDT的解決方案為企業提供了洞察商機和優化業務流程的能力，有助于企業實現智能化、創新化的發展/某小家電企業成立于2006年，是一家專業從事創意小家電研發、設計、生產和銷售的企業。企業堅持以用戶為中心，以產品為核心。自公司創建以來，始終保持高速和穩健的發展，過去五年平均營收增速均超過37%。隨著企業業務的快速發展，各項專業的IT系統建設也同步推進，在解決業務運營線上化的同時，也產生了相應的數據問題，報表輸出效率低下，無法滿足業務的快速分析需求，嚴重影響了企業的經營決策速1.數據鏈路不通暢：業務系統數據存儲分散，數據沒有完全拉通且數據質量2.經營管理數據滯后：數據來源繁雜，缺乏有效的整合拉通分析，導致企業無法快速響應市場變化3.數據服務體驗不佳：報表輸出效率低，數/利潤分析、費用分析、賬款逾期和庫存分析。這些場景覆蓋了企業經營管理的方方面面，為企業提的數據包括來自不同系統的財務、營銷、客戶、銷售等數據，這些數據經過了清洗、標面的指標，能夠清晰明確地反映公司的財務狀況、經營業績以及業務發展情況，為各部門提供了實時的業務數據，以幫助他們更好地掌握公司的整體情況，做出更加科學、精準的決策。通過指標體建立，公司內部各業務部門之間的協作得到了更好的協調和優化，實現了業財一體化，進一步提高了3.經營決策在線：業務數據及時展示，輔助管理層及時決策，提升決策效率與質量，深入分析和挖掘數作，已然實現了跨越式的飛躍。在數據中臺的支持下，原本需要30人耗費大量時間完成的工作，現如今已經得到了顯著的優化。更為重要的是，通過智能化技術的運用，數據收集、處理和分析的效率為企業的可持續發展提供有力支持。與此同時，通過線上化經營分析，StartDT團隊將經營數據填報、中層數據傳遞和高層戰略審視無縫連接起來，實現了高效傳遞，縮短了數據流程。同時，多維數據/某汽車集團的乘用車子公司主要負責集團自主品牌汽車的研發、制造和銷售。依托集團20多年合資合作所積累的技術、制造、采購、營銷和管理優勢，該乘用車公司從誕生之日起便以國際化的視野、高品質的產品與服務、優秀的國際合作團隊，創造性地集成全球優勢資源，不斷滿足消費者高品位需求，打造出了中國人數據通道、數據計算和數據存儲是實時計算平臺的核心組成部分，這三個組件需要協同工作以確保系統的穩定性和高性能。StartDT團隊從這三個角度入手，基于DataSimba為該企業搭建了高可用、可擴展的實時同時也負責將處理后的數據發送到目的地的數據存儲設備中。/考慮到良好的數據通道在高吞吐量、低延遲、可擴展、持久性、容錯性等方面的高需求，StartDT團隊為其搭建了獨立可擴展的Kafka集群?；贙afka訂閱—消費架構，可以實現業務過程數據的一源多消費共享使用模式，通過維度表異步加載和緩存定時刷新模式還能實現主數據的全局復用，讓構建實時數據處理和流式分析的系統變得更加簡單和可靠。重要依據。為提高數據計算效率和并發處理能力，StartDT團隊基于分布式系統基礎架構Hadoop搭建了可擴展的Flink流處理計算集群，利用Kafka本地緩存和Flink的任務級緩存，確保數據在對轉換后的業務結果表進行合并，形成主題分析表，以提高計算效率、增強可擴展性、提高數據準確性、實現數據共享和協同，最終支持業務分析和決策。無論是在線數據、溫數據、冷數據還是冰數據，都需要經過存儲環節，才能確保數據的安全可靠。對處于不同數據生命周期階段的數據，需要有不同的數據存儲策略。StartDT團隊以時間為界，向企業提供了3種不同的數據存儲和消費方式：2）Kudu可擴展分布式集群存儲:提供30天內的數據訪問3）Hive可擴展分布式集群存儲：提供歷史冷數據訪問這三種方式協同作用，在促進數據生命周期高效靈活管理的同時，最大程度降低了存儲成本、保障/某大型制藥開展數據資產體系建設業、大健康產業等領域。在全社會數字化轉型的大背景下，集團提出了“以數據賦能為主線，以精益管理為基礎，以提質增效為目標，對中藥制造產業鏈的上下游關鍵要素實施數字化升級，加快推進中醫藥現代化”/微信等發送傳遞為主，無法支撐數據報表進行分部門分角色的應用安全權限管控，導致集團業務指標當前集團的數據“割據”在每個業務系統之中，數據無法流動，針對數據管理問題，StartDT幫助其建設并運用DataSimba等平臺工具，制定項目范圍內的數據治理標準及流程確保數據質量，實現集團數據的“看實現集團及子公司多源異構數據的統一匯聚、轉換、存儲、融合、治理、分析、4.提升運營管理效率：通過構建數據融合模型，實現數據的自動化分析，構建自動化的報表體系，解決通過項目完成集團的數據初步治理，讓經營過程中產生的業務數據沉淀為數據規劃和場景設計，建設了采購分析模型，經營規模分析模型、現金流分析模型、資產分集團選擇最優供應商、制定最優備庫產品結構、管控資金風險等提供了數據決策支持，讓數據服務于/某乳業集團位居全球乳業五強，連續八年蟬聯亞洲乳業第一，也是中國規模最大、產品品類最全的乳制品企業。該集團通過整合全球優質資源，更好地服務消費者，旗下液奶、奶粉、酸奶、奶酪、冷飲等產品已在全這給管理工作帶來了一定的挑戰。業務部門對更加敏捷、高效的數據交付需求不斷提升，對數據質量、準確4.組織架構優化需求：計劃部門/2.專項主題洞察分析：構建滯留訂單、到2.業務管理效率提升：梳理和優化指標體系，通過及時的業務可視、管理可視和風險預務過程管理和結果管理，基于準實時的全鏈路全景數據和對績效指標的診斷優化，將管理干預由業務3.端到端協同效率提升：信息共享由鏈狀結構向網狀結構轉變，構建以需求為導向的敏捷響應能力與機/對于家紡行業來說，傳統的加盟制或訂貨制下的供應鏈節奏是偏慢的，隨著線上消費的趨勢越來越明顯，電商對于供應鏈的要求越來越高，特別是最近兩年的直播對供應鏈柔性要求特別高。因此，相比較前端消費者運營，家紡企業更關注供應鏈管理，如何把管理周期從十幾天縮短到幾天，這對傳統的供應鏈指標的要求會/StartDT通過幫助客戶構建數字化供應鏈，搭建經營費率模型、銷售卡點模型、供需匹配模型、內外能力模1.全面成本分析，優化經營費率：全面成本分析對企業經營至關重要，其中固定重點關注的方面。在固定成本分析中，需要從最小費用項及科目維度分析固定成本分攤，結合設備使用效率進行優化，從而提高固定成本產出效益，并降低經營費率。對于變動成本，需要通過對原材料市場價格波動趨勢的研究，提供采購策略支持，并尋找降低物料損耗成本的改善點。此外，在物流作業方面，需要通過分析運營成本，提升物流單位成本效率。通過全面的成本分析，可以深入了解企業注的核心指標、基于運營流程進行分層細化落地，形成銷售、計劃、采購、生產、質量、庫存的各垂直業務域指標體系，以及通過對指標的實時數據監控分析來反映各領域的運營健康度和趨勢。關鍵指3.端到端拉通，通過價值鏈分析各業務部門及環節之間的協同質量：在企業的生產經營過程中，價值鏈是一個連續的、由多個環節構成的鏈條。這些環節相互關聯，每個環節都具有特定的功能和價值。通過端到端的價值鏈拉通分析，可以將這些環節有機連接起來，從而形成一個完整的業務閉環，深入挖掘每個環節之間的關系和聯系，還可以發現業務流程中的成率，對過程及結果進行管理干預。對生產產出數量和生產節奏與生產計劃通過各業務模塊的深度挖掘和橫向連接，形成基于價值鏈的業務分析體系，StartDT為客戶公司的經營、供1.全面成本分析，經營費率優化：從最小費用項及科目維度，對采購成2.關鍵節點可視，質量效率提升：拉通銷售、計劃、/該客戶是四川省某塑膠包裝材料公司，是國內大型塑膠包裝生產企業之一。公司主要由“智慧包裝”、“功能性材料及深加工”和“家居裝飾”三大產業構成，憑借著強大的研發和配套生產能力，公司已成為核心能力突出、綜合優勢明顯的行業領軍企業，成功賦能消費新升級，引領包裝新潮流。為了應對未來，客戶開展客戶存在各信息系統之間的數據隔閡、數據治理標準缺失、數據資產管理能力對智慧工廠頂層設計規劃和數字化轉型的需求，StartDT為其搭建了數據中臺和數據可視化大屏，通過數據的全鏈路拉通、聚合和治理跨域數據，幫客戶將業務信息系統數據進行采集、計算、存儲、清洗治理，形成數據資產，使其具備數據集中處理、數據服務及可視化展示的能力。在這個過程中，我們將以精準的數據治/借助DataSimba、DataKun和DataMaleon等數據平臺產品體系，實現數據驅動的全面轉型，并全面提升客戶的數字化運營能力。通過這種方式，我們能夠幫助客戶更高效地賦能業務，實現數據驅動，實現更優異的業務表現。實踐證明，精準數據分析和建模，能夠更好地了準化可以確保數據的一致性和可比性，從而幫助該企業更好地進行數據分析和決策。同時，建立數據由不同的部門或業務單元開發和維護，這些系統之間存在極高的數據壁壘。數據融些壁壘，實現不同系統之間的數據共享和互操作性。通過數據融合匯聚，企業可以更好地利用各個系校驗和數據治理機制，數據校驗可以幫助企業檢查數據的準確性和完整性，及時發現和糾正錯誤。數在場景應用上包含市場及銷售、防偽溯源、采購及供應、生產管理、資產管理、設備管理、質量管理、財務、人力等細分應用場景。數據資產管理平臺建設是實現數據應用拓展的重要手有了底層數據的打通和架構優化，通過數據可視化大屏，將數據轉化為圖表、此項目采用多角度的數據應用場景規劃，深入挖掘客戶企業的市場銷售、采購供應、生產制造、信大業務板塊，統一業務架構與數據架構，有效整合企業數據資產，并提升數據分析處理能力及服務水平。通過科學合理的業務流程規劃和數據管理方法，使得企業在不同層級、不同崗位、不同視角上均能充分利用數另一方面，在構建企業級的數據資產管理能力方面StartDT也做出了StartDT幫助該塑膠包裝材料公司深入挖掘數據價值，全面提升數據治理水平，實現了對業務的全面把控，挑戰和應對/隨著經濟水平的提高，人們對于產品功能和服務的越來越追求產品附加價值。產品的市場模式也從功能定義產品向服務定義產品、軟件定義產品轉變。典型的例子就是智能手機從傳統的電話短信功能轉變為由各種app定義手機的功能。這一轉變也要求產品制造不能僅局限于產品本身，更要注重采集客戶使用產品過程中的需求和反饋數據，敏銳捕捉隨著貿易全球化浪潮，為了更好服務客戶，更快速響應市場，中國制造業企業紛紛在海外市場設置銷售職能機構、物流倉儲點以及生產制造基地。在滿足市場需求的同時，企業也必須滿足海外市場的合法合規要求，圍繞產品交付、訂單履約、財務核算/車間制造的自動化程度提升只是智能化制造的一部分體現，更重要的是利用數據采集技術將制造過程中所產生的人機料法環測數據進行匯集加工處理，用數據感知企業經營及生產管理的情況；利用數據模型達到數據分析和輔助決策的目的；利用物聯網技術實現萬物互聯，最終利用數據分析的結果和模型發出行動指令、通過IOT傳達指令和執行指令、通過數據采集指令執行結果，形成閉環，達到企業同行業企業的競爭，是在產品質量、服務和交期等方面的競爭，這些方面的競爭都離不開高效協同的供應鏈體系。信息技術的發展使得核心企業與上下游之間的聯系越來越緊密。企業之間的競爭也不僅僅是各自企業內部供應鏈協同的效率和質量方面的競爭，而且逐漸演變為包含上下游企業在內的內外部大供應鏈協同效率和質量的競爭。整個大供應鏈協同高效率一定會帶來內部供應鏈的高質量、高效率。/中國制造企業非常多，而隨著制造企業在信息化浪潮中不斷發展和進化，從傳統信息化到數字化再到數智化，企制造業具有業務覆蓋范圍廣泛、追求精益化生產、高度靈活性要求、高度協同性需求等特點，那么能夠快速適應市場和客戶需求的變化就顯得尤為重要。為了滿足這些要求，企業需要具備快速響應和調整的能力。這需要借助于靈活多變的業務流程和系統，例如可定制化的生產流程、可配置的供應鏈管理等，以便能夠快速系統等，來對業務流程進行管理和優化，業務流程往往又長又復雜。而制造業有很多不同的業務應用系統、商業分析系統、智能設備系統等，因此在數據應用層級上比較深。從最底層的包括生產車間執行、倉儲物流執行、發運物流執行、計劃排產執行以及不同設備執行在內的智能執行的以決策分析系統、集團財務管控等決策系統為主的決策管控層，在如此深的數據應用傳遞層級下，每一層制造企業為了適應市場需求、提高競爭力、優化資源配置以及降低風險，誕生了不同生產模式，例如此如何結合業務流程進行有效的數據治理并且進行針對性數據應用也是企業的核心痛點之一。/供應鏈、人力資源等企業管理的方方面面，并面臨著海量個性化數據服務的挑戰。數據產品及應用需要擺脫對高級人才的依賴，讓更多的普通開發者能加入研發，開發可用、易用的數據服務和應用，讓業務人員能更靈活地使用數據及AI應用，產生業務價值。這需要一個建立在集團架構上且能融合不同主體的數據平臺來數據的使用場景不僅局限于用戶域，而且拓展到了研發、制造、流通等全鏈條；看數據和用數據的人從管理層向經營層和執行層拓展；隨著更多用戶、更多數據、更多場景的不斷出現，一個數據引擎已無法應對所有場景。目前企業存在離線、實時、即席查詢、圖計算和時序五大引使用多家云計算廠商的服務，成為制造企業上云的顯著趨勢。根據Snowflake的統計，每個美國客戶平均使用3.8朵云；根據字節云的調研，中國的大型客戶平均使用5朵器的用戶。與此同時，數據從最早的系統結構化數據，拓展到了更多的非結構化領域，包括IoT、日志、圖/數據質量差、涉及人員廣的問題，想要用數據改變制造業，仍然困難重重。落實到大數據和數據管理團隊，團隊3.管理不規范：缺乏統一的信息化管理手段，易造成數據丟失、更新不及時等問題，業務工4.共享協同難：缺乏便捷的共享方式，針對需要多部門業務協同的問題，以調取檔案、詢問經辦人、人5.數據資產復用不足：由于上述問題，導致大量數據資產沉睡，難以實現復用、深度挖掘數據價值。數/數據平臺的最初定位是儲存原始格式數據的大數據平臺，隨著大數據技術的融合發展，數據平臺的邊界不斷···為數據平臺產品的各種數據服務也是保證數據平臺成功的關鍵要素，要做到質量高、品類豐富、安全·其業務效果”。在統一建設的模式下，企業數據平臺除了為數據應用提供數據資源或數據資產外，還統一平臺后很重要的一步是統一數據，具體是指構建上下結合的數據資源體系和數據標準，以上下結則，構建包括現狀數據、規劃數據和管理數據的各級數據資源體系。在數標準、格式標準、數據關聯標準；制定數據更新機制、數據管理機制；制定全套數據匯聚、管理、更新、運維機制。其中統一數據的整體組件規范對數據平臺項目尤為重要，包括數據資產目錄、數據標準、數據模型·形成完善的企業數據資產地圖，在一定程度上也為企業數據治理、業務變革提供了指引?；跀祿Y產目錄可以識別數據管理責任，解決數據問題爭議，幫助企業更好地對業務變革·同理解。這些理解一旦確定下來，就應在企業內被共同遵守，作為公司層面的標準；··/結合實際情況我們發現IT做了大量的看板和報表，但它們的使用率并不高，核心原因是業務不相信平臺的數據且沒有養成看數據的習慣。通過之前的統一平臺、統一數據解決準確性問題后，我們建議通過統一運營·運營組織：組建獨立于公司一級部門外的獨立運營團隊，數據運營的第一負責人一定是公司高層，運營組織關系到數據運營是否能有效、持續、高效地運轉；·制度：制定數據運營制度，包含“團隊分工、工作內容、運營標準、管理要求、激勵機制”，并正式發文。對數據運營團隊、業務操作層、管理層進行系統知識培訓、操作培訓，并組織考試，頒發“上崗證”?！绦校航M織各業務領域進行試運作、通報試運營問題，組織解決閉環問題再進行運營執行，按固排名建議以正向激勵為主，鼓勵持續提升；制造業的特性決定了其在數字化轉型過程中，必然涉及制造業的核心六大要素：人機料法環測，因為這是制造業的底層運作邏輯和支撐。同時，制造業的供應鏈往往都處于企業價值鏈的后端，在及時滿足外部客戶交付需求的同時，還需要平衡和協同需求變化與制造資源之間的矛盾，也就是供應鏈管理中常說的“產供銷協同一體化”。在達成以上運作過程管理的基礎上，低成本高效率構成了制造企業的核心競爭力——基于制造業“料、工、費”成本的業財一體化快速決策和精準管控能力，越來越成為制造業的/一、微觀看波動，提升品質。因為在“微觀”的管理層面，特別強調通過消除制造過程的“變差”來提升產很難精準地獲取到這六要素的數據，并通過建立數據模型來管理制程能力。而伴隨著信息化發展和物聯網的引入，越來越多的制造企業可以采集到“人機料法環測”的底層數據，再通過數據中臺的存算和建說到底仍然是“產供銷協同”的一體化。企業通過打通從“銷售預測”到“需求計劃”再到“生產工單”這就需要通過數據中臺對企業的核心業財數據進行相對及時（T+1天）的模型搭建，再通過數據模型每/制造業從ERP時代的信息化到數字化再到現在的數智化，我們看到的是越來越多的系統，甚至越來越多的商業系統以及自己開發的系統不斷涌現，數據分散在各地、分散在各個業務系統中，那么如何用好數據以及用數據為業數字化場景的應用落地過程往往呈現為螺旋式上升的模式，如何理解“螺旋式上升”？這一輪的轉型過程中，我們將場景分成橫向場景和縱向場景，縱向場景需要單個專項治理、局部切入、縱向深挖。例如：圍繞著制造企業十大業務領域去挖掘里面數據帶來的管理改善與變革，通過分析主題拆解到分析指標，為每個業務域制定對應的指標框架。但一個一個地單點深挖不夠，需要將所有的價值連成網、連成片，就需要以端到端價值鏈路為牽引，進行橫向拉通。正是這一輪的橫向拉通和縱向深挖的場景，使得我們看到了數字化轉型過程中新的實踐路徑，圍·+縱——以研發、營銷、運營、供應、生產、物流、質量、售后、人資、財經十個業務域的縱向單點/以OTC為牽引，拉通訂單到回款鏈路，主要圍繞訂單全流程，實現公司生產、交付以及相關財務回款的過程可視，來對客戶交期做更好的再到售后服務管理，形成產品管理的閉環體系；通過這個過程中需要對企業的盈利能力、運營能目前越來越多的企業不僅僅是關注企業內部的高效以及決進行協同，但過程中會面臨如何與上游下游的企業進行共享式的統一交互，也會對交易雙方的關聯關系能否追溯、并且是否安全合規提出較高要求。在這樣的前提條件下，企業可以通過平臺去拉通產業數據、上下游訂單在統一的維度下進行建模，去做好產業鏈在橫向拉通各價值鏈并形成網連成片后，每個價值鏈上的斷點分析以及想要深挖的問題就變得尤為迫切和重要。而單點突破與問題深挖需要將對應的分析主題映射到每個業務領域，再將對應業務域拆解到分析主題，通過一個一個分析主題的業務流程洞察，下鉆到每個分析指標，將核心分析指標以可視化分析呈現到經營管理分析層或管理決策層，在制造的十縱里面，從產品的研發到銷售運營，從采購供應到生產執行質量售后，最后以人資和財經作為決策分析依據，構建每個業務域的核心指標框40/的統一優化，達成全價值鏈快速響應、及時交付、完美履約，帶動經營思路和經營模式的轉變，引發企業全供應鏈控制塔涵蓋了供應鏈從銷售、計劃、采購、生產、質量、物流、倉儲到結算等全職能模塊的數據集成和運營監控，秉承考核各職能領域縱向執行質量、橫向協同效率的理念，搭建執行閉環的供應鏈指標管控體梳理供應鏈訂單全鏈路，識別斷點堵點問題，借助數字化技術連接供應鏈全量全要素數據，實現基于成本作業的各業務場景抽象分析模型，通過提高自身成本控制分析監測能力，動態實時監控執行過程中的成本偏差、成本異常等情況，合理基于業務全流程價值鏈搭建可視化預警沙盤，利用規則預警引擎及智能算法，自動化診斷異常指標，定位異常原因，構建業務運作的預測預警預41/資產、支持數據多元化應用、保障數據合規安全，集成跨域多云的數據，建立供應鏈各領域的數據模型，形成共享數據資產，通過“縱向深挖、橫向拉通、執行閉環”的價值鏈場景洞察和對訂單、產品、客戶、供應商的畫像診斷業務流程，識別數據流斷點，拉通各業務系統數據，解決系統煙囪林立帶來的數據孤島問題，實現訂信息共享由鏈狀結構向網狀結構轉變，構建以需求為導向的敏捷響應能力與機制，助力以客戶為中心的業42/REAL-TIMEPRODUCTIONINDEX分析產品，幫助企業快速完成從傳統的報表分析模式到系統性數字化分析的轉變。將企業原本分散割裂的各生產要素數據進行清洗、治理、整合、建模后實現對生產環節全要素的實時監控。工廠的管理人員將實時掌握生產過程情況，以此作為資源分配、計劃調整、質量管控等生產現場管理決策的數據依據，從而提高生產提高數據統計分析效率，快速響應生產管理人員對數據分析全方位、關聯性、深層次的價值需求。RPI運用數據進行科學化生產運營管控，使數據真正服務于生產的改進與工廠的運營，實現傳統制造業向全面數字化生產設備等物聯網采集的數據沉淀在MES等業務系統中無法有效利用，通過數據中臺對設備采集的數據進行集成清洗與建模，并輸出到實時生不斷聚合底層最細顆粒度的數據開展維度建模，實現從集團級到基地級到工廠級再到車間級的數生產基地、工廠、車間的生產現場分析決策模型各異，通過標準化建模逐步規范所有工廠到車間級的分析思路和模型，引導管理人員通過標準化43/形成共享數據資產，圍繞“人機料法環測”生產要素，提供人員、設備、設施、工藝、質量、物料、安全、環境構建工業物聯“流批時序一體”的數據架構體系，連接工業各類生產設備，采集制造設備的生產加工、作通過RPI智慧工廠數字化建設，實現工廠在生產管理領域的四大核心宗旨：一是趨勢洞44/BUSINESSDECISIONCENTER從三流合一的角度，即企業的資金流、信息流、物流，看資產、現金、存貨等方面的周轉質量、周轉效率和周轉收益，其優勢在于可以及時暴露從主營業務成本、管理費、差旅費、薪資、水電燃氣公共費用等各種成本費用類型，看企業經營成本的結構比率，其優勢在于以阿米巴的思想更從企業的資產負債、收支平衡、現金支出情況，看企業的償債能力、持續經營能力，其優勢在于不僅看歷史經營風險結果數據，更是結合預算情45/經營決策中心以DataKun存算引擎，幫助企業構建智能化、輕量級的大數據基礎平臺，快速建立其自有的經營管理大數據分析處理能力；以DataBlack數據安全引擎，確保企業的經營管理數據權限清晰，數據安全穩定；以DataSimba數據云平臺，幫助企業持續沉淀經營管理數據資經營決策中心以頂層的業財一體化數據拉通后的應用為目標，經營管理數據全面可視、賦能業務、智能預警，持以數字化經營分析為突破口，不僅解決經營分析和管理報告中存在的不可視、不可知、不閉環、無預測等痛點，可對經營指標進行動態監控與預警，實時生成多維度的經營分析報表，讓財務分析直達業務深處，為決策者提供以客戶為中心，以業務財務融合數據驅動，總結規律形成智能模型，及時作出智慧決策，并快速落地執行，最終46/2.指標定義和供應鏈領域的業務對象未形成數據資產，造成IT和業務對現有數據模型和指標難以理解支持各種數據源的快速集成和數據質量校驗，形基于供應鏈業務流程所產生核心業務對象進行梳理，規范多系統數據不標準不統一的情況，發現和改善流程上的數據問題，對數據分析質量起到基于對各業務場景抽象分析，建立3O（Sales靈活適配不同各種定制化系統，減少數據重復開47/SDP基于DataSimba構建統一的供應鏈數據平臺，實現各種數據源的接入、存儲、計算、分析。SDP將供應鏈開發標準的拉通，以及數據平臺數據架構的統一規劃，可以幫助制造企業構建供應鏈領域通用數據模型，設計一1.從客戶出發，拉通訂單、產品、項目全域數據和信息，拉通需求與計劃，采購與生產執行，倉儲物流結算48/工藝是生產的藍圖，品質是產品的生命。模型為工藝流程、生產訂單提供了清晰的數據結構，使其與相關的設備和物料緊密相連。同時，通過詳細的品質檢驗記錄，確保每一個生產環節的準確在快速發展的制造業中，安全和環保是不能忽視的話題。模型記錄了每一個安全事故，每一次安環境檢測和影響評估的數據結構，旨在助力企業49/應生產管理需求。當面向分析主題的業務發生變化時，底層MDP不需要進行變化，因為所有數據都是按照關鍵主2.通過對業務系統元數據進行采集，監控元數據的變同時支持將自建的數據標準引用至數據質量模塊進行探查，從而對平臺內數據進行數據質量監控并生成數據質