背景
随着大数据技术发展以及数字化转型概念的普及,传统企业特别是制造业,也开始投入人力、资金,建立自己的数据分析团队,期望通过数据分析赋能企业的发展/转型。尽管,国内华为、美的、海尔、三一、徐工等制造业龙头企业分享了一些数据技术赋能企业发展/转型的案例,但是中小型制造企业,想要通过数据分析技术驱动企业发展/转型,依旧是一件复杂、长期、探索的事情。笔者在 制造业的数据困境中 记录了自己在电子制造业工作两年的感受。最近也一直在思考:
- 制造行业应该如何搭建企业级数据分析的框架?
- 如何建立数据管理组织?需要建立什么样的数据管理组织?
- 如何做数据治理?
- 如何实现数据驱动业务价值?
企业级数据分析框架
集团已建立较完整的数字化供应链数据分析指标体系、卓越智慧工厂数据分析指标体系、数字化营销数据分析指标体系。研发、制造、财务、售后等业务领域的数据分析指标体系也在陆续建立中。供应链数据分析指标体系部分截图如下:
数字化供应链数据分析指标体系建立者,基于德勤的EVM股东价值地图分析框架以及供应链SCOR框架,从0到1搭建并推动数字化供应链数据分析指标体系在集团落地实施。
具体的设计思路,有兴趣的朋友可以参考文章:https://blog.csdn.net/weixin_43727334/article/details/123772717
企业级数据分析思考
笔者在应用数据分析同事搭建的数据分析体系时,也一直在思考:
- 供应链领域的数据分析框架,可以基于EVM以及SOCR模型模型;
- 制造领域的数据分析框架可以基于六西格玛及精益生产理论。
那么,如何进一步简化数据分析的框架呢?
笔者总结:
- 根据企业战略、企业管理、企业经营三个层级的运行逻辑,自上而下的拆解、自下而上的汇总,持续迭代,反复分析。
- 企业战略,就是确保企业盈利,有利润。通过愿景、价值观、企业文化构建持续、长期盈利的企业基因;通过产品、服务作为手段,实现企业盈利。
- 企业管理,承接企业战略。建立合理、高效的流程,管理生产产品、服务需要的一系列活动和参与这些活动的组织。通过信息化手段和技术,将企业流程及管理经验,沉淀为一系列的信息化系统。
- 企业经营,对信息化系统产生的数据深入分析挖掘,实现数据驱动企业管理:
- 增收降本
- 提效保质
- 防止风险
企业数据分析的框架,就是:
- 用数据不断完善、迭代企业信息化系统;
- 用数据挖掘流程价值,驱动流程再造;
- 用数据优化企业活动,推动组织重构与业务变革
- 用数据驱动产品创新,实现服务增值
- 最终,实现通过数据增加企业利润