过去十年，对于中国制造业来说无疑是值得骄傲的，年中国制造业占全球比重达19.8%，高于美国的19.4%成为世界第一。到了年，这一比重达到了30%以上，中国进一步坐稳了“世界工厂”的位置。

而如今中国人口红利逐渐消退，劳动力成本不断上升，土地资源日趋紧俏，这使得“中国制造”也愈发昂贵起来。与此同时，印度、越南、印度尼西亚等成本更为低廉的市场正在崛起，这无疑加剧了中国制造业的转型压力。

伴随着中国“智能制造”国家战略的实施，如何利用自动化、信息化以及大数据技术，在各项成本持续上升的大背景下降本增效，提高产品的竞争力，是制造企业在过去几年持续探索的问题。今天小亿就来说说制造企业该如何做好数字化转型？

一、制造企业做好数字化转型的意义

众所周知，中国是世界上制造行业最完备的国家，大体上，制造行业分为离散制造业和流程制造业两大类。

离散制造业，主要有汽车加工、3C电子组装、服装制造等，都是一个工位做完再做下一个工位，要经过一连串可中断的工序进行连接，实现一个产品的输出。

而流程制造业，比如石油化工、煤化工、盐化工、制药、炼钢、发电、水泥、造纸等，他们的生产过程的特色是当把原材料投入到生产设备中以后，要经过一连串的物理化学反应，最后才能够成为一个产品，生产过程是不可中断的。对于化工企业来讲，尤其面临着安全的问题、环保的问题、节能降耗的问题、减人增效的问题。

一方面我国人力、土地、能源等资源价格持续上升，传统工业企业的经营压力越来越大，需要减少对这些资源的依赖。另一方面，中国的人口红利在消失，近10年我国的人力成本上涨了近10倍，平均CAGR高达13%。还有成本控制不易，传统工业企业经营管理模式也相对比较落后，效率低下，难以适应当前快速变化的市场需求，迫切需要新的组织形式和新的技术要素来改善，因此数据成为提升制造业生产力、创造力的关键。

二、当前，制造企业面临的数字化转型挑战

1.有数据，但不能直接用

制造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。

与此同时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。

因此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，为了更好地洞察消费者需求、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。

2.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