制造业企业数字化转型难点剖析及解决之法

导语

全球正在由工业经济向数字经济转型过渡，制造业正在且并将长期处于数字化转型发展阶段，并沿着数字化、网络化、智能化阶段不断跃升。但如何找准数字化转型的切入点，以低耗能、低成本、高效率的方式加快制造业转型升级的步伐，仍然是众多制造企业面临的难题。本期艾瑞微课堂带领大家从制造企业数字化转型实践与难点、制造企业数字化转型思路、破局点之高价值场景示例等方面剖析制造业企业数字化转型的难点与解决之法。

制造企业数字化转型实践与难点

制造行业的数字化驱动因素

从推动力来看，线上渠道业务模式的成熟，消费者更加个性化，更倚重线上购物和互动体验，竞争对手的全产业链布局，以及5G、人工智能、VR/AR、云、物联网数据等技术的发展，疫情对消费习惯的重塑等因素都倒逼制造业企业从生产到营销到服务整体链条上寻求能力的提升。

从拉动力来看，数字化赋能的最终目的是推动业务增长、提升业务能力、实现企业战略升级。对数据价值的发掘与应用一是能够通过降低运营成本、提高企业业务效率，实现对企业核心业务管理效能的提升；二是能够通过助力产品研发创新、加快市场需求识别与响应等方式，推动实现部分关键业务的数字化转型；三是能够通过构建生活场景产品与生态资源平台、全面识别消费需求并匹配构建套系化产品，助力企业发现新的业务增长点并实现产品生态建设战略升级。

从具体实践来看，制造业中多家千亿业务量级的龙头企业皆以业务数字化转型为重点，通过全业务流程的线上化、数字化、智能化，实现制造企业的零售化转型，给予消费者ROADS用户体验标准，即：实时(Real-time)、按需(On-demand)、全在线(All-online)、服务自助(DIY)和社交化(Social)。

制造业企业数字化转型中遇到的挑战

在制造业企业进行数字化转型的过程中，从规划与落地衔接角度看，业务部门与数据部门之间跨部门协同机制缺失、数据从获取到应用流程相关分工不明确等问题普遍存在，使得企业层面的数字化战略规划难以落地到具体的业务中；从数据与应用角度看，在研发端、营销端及售后端对具体数据应用场景的理解与应用实践往往难以实现，已有数据的价值难以被充分挖掘，也难以真正实现对消费者产品需求及售后服务需求快速、准确的识别及营销内容的精准投放；从系统支撑角度看，由于过往系统过多，往往存在数据口径多、数据缺失、大量报表需要手工化处理等问题，对人力造成消耗与浪费；从人员数字化能力看，对需要各类人员具备的数字化能力认识仍然不足，对数字化能力的培育与提升体系仍有待构建，难以实现已有人力资源价值的充分挖掘。

制造业企业数字化转型思路

制造业企业数字化转型挑战归因

企业在当前数字化转型中面临的各类挑战本质上是规划与落地衔接、数据与应用、系统支撑、人员数字化能力等方面的原因。规划与落地衔接存在问题：有集团或业务整体数字化转型战略，但缺乏细分部门数字化战略规划；没有对数字化战略进行任务的拆解与分工，数字化战略的制定及落地存在较大差距；数字化战略的落地缺乏业务流程、体制机制、激励等方面的细化与实施方案。数据难以向实际应用转化：没有基于业务团队实际需求系统化梳理应用场景库；未在内部树立数据应用的标杆案例，以点带面推动业务的数字化转型。系统支撑问题：已有系统的建立是基于各个部门的过往业务流程需求，难以直接“适配”数据使用场景；需要基于数据应用、价值实现、数据提升业务效率等场景，构建“数据中台”，并基于需求进行数据对接、数据治理与应用落地。人员数字化能力较为薄弱：部分人员对数字化能力及价值缺乏理解和认可；内部未构建基于数字化能力提升的配套课程体系及培训机制；没有将数字化能力与人员晋升、任职资格等员工“切身利益”挂钩。

制造业企业数字化转型应对思路

数字化战略与落地衔接方面，应该从将数字化工作逐级分解到具体业务单元，构建各个业务部门的数字化对业务的驱动链路，实现业绩和效率的提升。数字化战略的落地，需要从企业价值链各环节的业务出发，包括企业的原材料采购、工厂的生产制造、产品研发创新、营销数字化和供应链，品牌各产品的生态搭建等方面，最终通过企业各业务线数字化能力的提升，实现数字化战略规划的落地。数字化战略的衔接，也要从数据治理、系统建设、人员数字化能力提升、组织架构调整与流程机制完善等方面构建支撑能力。

数据向实际应用转化方面，需要构建企业数字化转型的数据应用场景库，通过数据驱动实现业务场景的降本增效，实现数据价值的显性化。数据应用场景是企业数字化转型的核心，从数据应用场景出发能够（1）了解目前系统建设情况和数据沉淀情况，建立数据标准并进行相关的系统优化建设；（2）基于场景库梳理构建过程中暴露的问题，调整企业内部数据流程及应用相关的体制机制；（3）明确组织协同分工及员工数字化能力的要求，并通过数据应用实践提升员工数字化能力。

系统建设支撑方面，需要搭建基于场景的数据中台，对各系统中沉淀的数据进行归集与治理，实现数据对全业务流程的支撑。

人员数字化能力建设方面，需构建基于岗位工作职责及业务场景的的数字化能力模型，提升场景落地人员及组织能力支撑。在构建及提升人员数字化能力的过程中，一方面关注对各业务线条、各层级人员共性的数字化能力要求；另一方面关注在各岗位业务场景中，能够通过数据运用或数字化能力提升带来价值贡献的环节或决策点，以及背后的基于岗位自身工作内容及场景的个性数字化能力。

破局点之高价值场景示例

数据应用场景是企业数字化转型的核心，制造业企业可基于高价值场景的发掘及应用，发挥数据对业务的赋能效用。高价值场景也是以点带面，通过示范作用的发挥，推动业务部门由“被动”数字化转向“主动”数字化的关键破局点。以下为部分可供参考的高价值场景。

基于研发数字化导向的消费者触点建立与需求洞察

制造业企业正在经历从传统的经销模式向零售模式的转型，现阶段研发人员仍依赖传统的用户调研方式，缺少与消费者之间的直接触点，需要通过数字化触点的建立，实现对消费者需求准确、快速的识别与反馈。通过社交触点、电商触点、内容触点、营销触点等数字化触点的建立，实现研发和消费者的直接对接，推动研发人员更好的进行用户洞察；同时基于数字化触点沉淀相关数据，将数字触点获取的数据和信息有效应用到产品研发场景中，提升产品企划成功率。

产品生命周期管理之产品退市决策自动化

通过搭建产品退市与预警模型，实现产品全生命周期的精细化管理与产品退市的准确判断。在线上销售渠道，各品牌商沉淀了大量销售过程数据、销售数据、财务数据及售后服务数据，基于不同SKU产品指标表现的差异，可构建产品退市与预警模型，对产品运营过程进行预警并指导产品退市决策，进而实现产品全生命周期的精细化管理及产品结构的优化。将数据模型嵌套至业务流程中，在构建产品退市与预警模型的基础上，将模型差异化结果与后续业务行为动作进行匹配，并将数据的应用嵌套至业务流程与环节中，实现数据对业务的支撑作用。以模型的持续运用及数据的不断积累推动模型迭代优化，通过模型具体的使用、业务人员持续的反馈及数据的不断积累，实现模型的不断进化。