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