艾瑞：制造业企业的数字化转型，路在何方？

核心摘要：

当今时代背景下，数字化转型对制造业企业来说势在必行。从企业外部看，市场需求快速变化、各类跨赛道竞争对手不断涌现，这就要求制造企业摒弃原有的经验主义模式，以数字化乃至智能化的方式，快速洞察市场需求和竞争对手，通过快速准确的决策与行动赢取竞争优势。从企业自身看，业务规模的提升带来的是内外部各类人、财、物资源协作规模及难度的指数级增长，在这一背景下，推动业务、流程、人员的数字化转型成为唯一的破解之道。将数据作为新的生产要素纳入到企业的生产经营活动中，推动企业开展新型业务，通过对已有数据的深入洞察、应用并构建特有的数据壁垒，是建立数字化时代竞争优势的切入点，也制造业企业数字化转型更高层级的要求。

一、制造企业数字化转型难点

（一）有数据，但是不能直接用：制造业企业由生产到销售的链路长、环节多，虽有数据沉淀，但存在分散在不同系统、数据口径不一致、数据颗粒度粗、更新频率低等问题。制造业企业在过往发展的历程中，依据企业价值链各环节的需求，逐步建立起包括企业ERP系统、CRM系统、供应链系统等内部系统；随着互联网经济的快速发展，又对接了包括第三方市场监测系统、电商平台数据系统等外部系统。企业中的数据分散在不同系统中，由于各系统建设目的、使用方式存在不同，导致不同系统间数据统计的口径不一致。业务人员在对数据进行分析时，需要耗费大量的时间对不同系统中的数据进行整合与清洗，甚至出现数据大量缺失的问题。除此之外，为了更好的洞察消费者需求、应对市场及竞争态势的快速变化，业务部门对于内部数据的更新频率要求越来越高，对于外部数据的颗粒度要求越来越精细，但是当前制造业企业的数据现状难以对这些需求进行相应的匹配。较低的数据治理水平及数据质量造成大量数据冗余、系统冗余及手工作业问题，对员工人效提升提升形成阻碍。

（二）知道数据有用，但不知道怎么用：制造业企业数字化起步相对较晚，数据在实际业务中的应用少，业务价值尚未被充分验证。企业内对数据的应用多为简单的数据收集、统计、对比，对数据进行深挖与洞察方面仍存在大量不足，未能将数据分析方法与实际业务场景决策、流程相结合，缺乏数据应用实践案例。以研发及营销为例，研发信息获取仍以传统的问卷调研、入户访谈为主，营销端目前缺乏基于售后数据的分析与运用，数据仍更多的应用于销售达成统计，研发及营销尚未以数据驱动挖掘消费者关注点和使用痛点，构建业务策略的落地应用。数据价值论证的滞后性将降低员工主动推进业务数字化转型的积极性，延缓企业业务整体数字化转型步伐，使得企业难以构建在数字化时代的“先发优势”。

（三）知道怎么用，但是能力达不到：制造业企业人员数字化能力差异大，企业希望通过牵引提升组织和人员的数字化能力来推动数字化转型，但在实施过程缺乏突破点。企业数字化转型最终需要落实到人员的能力提升与转型，而当前制造业企业在此方面虽努力尝试，但整体成效甚微。企业人员数字化能力提升大多停留在培训层面，主要通过开展数据分析课程对业务人员进行赋能，与业务人员的实际工作及业务场景结合度有限，难以让课程参与人员产生共鸣并切实带来业务价值。此外，承担企业数字化赋能的部门多为中后台部门，缺乏足够的话语权，数字化能力的提升尚未与员工的绩效、奖金及晋升相挂钩，导致业务数字化转型的牵引力不足，培训流于表面，业务团队基于数据的创新能力与精细化运营能力难以被充分激活。

二、从数据应用场景出发，寻找破局之法

数据来源于业务，也终将反哺业务，数据应用场景贯穿于市场机会识别环节、产品研发、运营策略优化、营销决策等各个业务环节。以业务应用场景的线上化、数字化、智能化为切入点，基于业务实际需求完善系统建设、沉淀整合数据、搭建数据应用场景并提升人员数字化水平，是推动业务效率提升和业务成果改善的关键破局点。

（一）以数据应用场景需求为导向搭建系统，明确数据需求与数据标准。优化企业数字化转型过程中系统冗余、数据冗余问题，需以业务数字化转型及应用场景推动过程中遇到的实际问题为出发点，推动企业逐步构建信息化系统及数据中台，沉淀内外部数据，并建立统一的数据统计口径和管理规范。与此同时，需要构建业务数字化转型战略思维，对业务数字化转型整体方向、节奏、重点有通盘、前瞻性思考，在系统搭建、数据沉淀及治理过程中少走弯路、回头路。

（二）以数据应用场景落地带动业务效率提升、成果改善及业务数字化转型。数据应用场景是系统及数据价值实现的最终途径，在业务数字化转型过程中，需要以消费需求洞察、销售预测、竞品动态追踪等重点环节、场景的数字化应用及工具开发为撬动点，通过业务经验数字化、模型搭建、工具开发等方式辅助、提升业务人员策略构建的精准度及业务动作实施的及时性，让业务人员充分感受到数字化对自身带来的价值与能量，进而以点带面，推动业务的全面数字化转型，实现数据业务化与业务数据化。

（三）以数据应用场景明确员工数字化能力的要求，并通过实践提升员工数字化能力。在推动组织及人员数字化提升的过程中，一是要通过业务数据应用场景的梳理及落地，明确不同业务线条、不同岗位所需要具备的数字化能力，并通过能力现状调研及评估，识别现阶段数字化能力短板及痛点，有针对性地进行培训课程设计及落地；二是需要以数字化场景的开发及落地为借力点，“干中学、学中干”是最高效、可行的能力提升路径，通过业务人员对数字化应用场景的深度参与加深业务人员对于数据价值的认可，激发业务人员对数据的感知能力及实际使用能力，促进其主动学习数据分析方法和工具来提升业务成果。

应用场景数字化步骤：数据在业务中的应用实践包含四个关键环节：数据业务定义、数据分析与建模、数据业务实施、模型的迭代与优化。其中，第一个环节，数据业务定义是将业务问题定义成数据可分析的问题，这是所有数据应用的起点，也是业务数字化转型的起点。第二个环节，对数据可分析的问题，应用数据分析方法进行建模，将业务逻辑抽象为模型逻辑。第三个环节，通过流程改造、产品设计、标准制定等方式，将其沉淀到实际业务与工具当中，第四个环节：通过业务实践及应用对模型不断进行迭代，实现数据应用价值的螺旋式上升。

以产品退市为例：传统制造业企业为平衡最大化产品收益与最优化工厂产能配置，需要对产品结构进行不断优化、管理SKU数量并基于此进行产品退市决策，而如何准确的做出产品退市决策（退掉真正没有价值的产品）一直以来是都是制造业企业的难题。

在数据驱动业务应用场景提升的条件下，通过以下步骤将数据应用到业务场景中。步骤1：了解实际退市环节涉及到的业务环节，并基于现有的产品退市规范，梳理产品退市的业务逻辑，确定刚性红线指标，如产品质量品质类指标、利润类指标。步骤2：整合并清洗产品销售过程中沉淀的数据，用数据说话，挖掘与产品销售相关联的前置预警指标。从产品流量获取、流量转化等维度，制定产品预警标准，并结合产品退市的红线指标构建产品预警及退市模型，并基于最近留存的数据进行模型的实践，对模型进行验证，并对模型进行参数调优。步骤3：将产品预警及退市模型进行沉淀，更新到产品退市流程中并将模型应用到产品日常的运营监控中。步骤4：在后续使用过程中基于产品退市模型的输出效果，不断进行迭代，完成数据驱动业务应用场景的闭环。

三、业务的数字化转型最终要以人员能力数字化建设及提升为底层支撑

人员数字化能力建设是企业数字化转型和业务数字化转型的基础。数据的最终维护责任方与使用方是业务部门，这就要求业务人员开展数字化能力建设与提升，并通过业务人员数字化能力的建设与提升辅助企业完成系统的规范化建设、扩展更多维度的数据源并进行沉淀、更高效的使用现有的系统和数据并对于目前系统中的存在的问题和缺失的数据进行反馈，实现从业务场景出发，并最终反哺业务的场景的数据应用闭环。

数字化能力模型整体搭建思路：根据数据使用的流程与逻辑，搭建数据获取、数据分析、数据沉淀、数据共享4个一级指标。数据获取是基于业务场景及分析决策需求，明确所需要的数据源、数据指标及数据标准的能力；数据分析是基于业务场景对数据进行分析与应用的能力，如基于数据进行监督、评估、预测、策略构建及优化等方面的能力；数据沉淀是各岗位人员在提升自身数字化能力的同时，能够通过各类方法、工具、系统等方式对数据和分析方法进行沉淀的能力；数据共享是各岗位人员能够在同岗位序列人员间、部门内和部门间进行能力分享，并且积极参与并支撑团队整体数字化能力提升工作的能力。基于数字化能力模型中的4个核心一级能力维度，根据各岗位的工作职责继续拆解划分二级能力项，建立完整的岗位数字化能力模型，并选取量化指标对能力水平进行评估。最终通过将岗位数字化能力要求与人员数字化水平进行匹配，牵引人员数字化能力的提升。

数字化能力模型的落地：一方面通过各类激励、管控方式将人员数字化能力与其职级水平、收入水平等“切身利益”捆绑挂钩，提升员工提升自身数字化能力的紧迫感。另一方面通过数字化能力培训课程体系的建立、各类共创会及分享会的组织、系统及工具的开发来赋能、激发、加速业务人员数字化能力建设的广度与深度，最终实现组织数字化能力的大幅提升。

四：结语

在制造业企业亟需通过数字化转型满足市场需求的快速变化、守住并提升自身市场份额的背景下，需要从企业的实际业务场景出发，通过业务流程中各类数据的沉淀及打通实现市场需求的快速识别、跟进及业务资源的精细化投放。同时，也需要充分认识到人员能力的数字化转型是企业数字化转型的底层支撑，业务的数字化转型最终要通过人员数字化能力的提升与构建来实现。数据应用场景落地及人员数字化能力建设也是打造数字化时代企业新型竞争优势的战略布局点。