大数据时代传统工业企业的转型之路

发布时间:2019.03.27来源:亿信华辰浏览量:37次标签:数据治理

基于互联网与大数据的企业商业模式创新,使得传统的生产、流通和消费等环节呈现出前所未有的“信息化”、“扁平化”和“无界化”。借助于大数据的分析与研究,对消费者行为规律、需求内容、结构、方式及其发展变化的预测更趋科学性。我们认为传统工业企业可以借此契机向新型工业发展。

 
传统工业企业的严峻挑战与战略机遇
 
如前所述,网络化供给方式主要利用模块的层层分解实现规模经济,而异质性需求供给能力和敏捷程度的提升主要通过模块组合来实现。因此,为敏捷、高效地应对大数据时代日益攀升且复杂多变的异质性需求,网络化组织的当务之急是尽可能地直接与异质性需求,特别是与消费群体最终的异质产品需求相联结。但是,由于距离市场中最终异质产品需求相对较远,如何高效率、低成本地获取快速变化的数据资源,并通过在网络组织中建立信息沟通机制来完成敏捷生产与协同供给,成为传统工业企业面临的严峻挑战。
 
与此同时,网络组织的深化发展使数据大量产生,但大数据并非杂乱无章,而是有着与网络化生产系统有机结合的必要性和规律性。海量数据的采集、加工和应用技术使数据成为企业生产经营服务的专门化资产,即数据资产的“服务化”,继而数据资产进入生产性服务业。网络化生产系统的内在联结性,要求数据资产与其它分工环节密切协同,从而转向生产制造与数据服务业的协同演进。因此,需要建立数据驱动创新的生产制造企业,协同应对生产与消费的现代性矛盾,并由此改造升级传统的生产制造系统。
 
据羿戓设计所了解,网络组织的自我累积强化使异质性需求迅猛攀升,并在大数据时代得到准确表征,同时构成网络化供给机制不可或缺且日趋重要的组成部分。一方面,面对基于互联网和大数据等商业模式提出的大规模异质性需求和敏捷响应压力等苛刻要求时,传统工业企业自身的生产资源储备、产品开发周期、生产运营成本、产能利用率、个性化水平等将很难应对;另一方面,以数字化、个性化和智能化为特征的网络化制造范式快速兴起,为大数据时代的中国传统工业企业提供了转型发展的战略机遇,同时为推进“信息化”与“工业化”的深度融合,以及实现新型工业化提供了根本动力。
 
大数据时代传统工业企业的转型路径
 
异质性需求与网络化供给的内在协同,演化出需求大数据、合作大数据和生产大数据,从而为传统工业企业融入智慧型网络组织,并向数字化生存企业转型提供了战略机遇和全新路径。因此,大数据时代传统工业企业应通过“数据驱动型—开放式创新—网络化协同”三维视角构建转型路径,具体来说,包括以下方面:
 
1.累积数据资产,构建“数据驱动型”企业
 
大数据时代,数据成为资产,并演变为相对独立的生产要素,参与企业价值创造过程。以消费者需求为导向的“拉式”生产方式回归本位,凸显出数据资产的战略价值。数据资产相对丰裕、数据价值应用较高的企业将更加贴近复杂易变的市场前沿,因而能够快速准确地应对消费群体的异质性需求。因此,通过直接或间接获取和累积数据资产,构建“数据驱动”型制造企业,是传统工业企业转型的必由之路。具体而言,主要包括以下方面:
 
一是构建数据聚合与分享平台。
 
实力较强的企业为消费者提供产品并进行数据资源积累,通过数据存储、挖掘和应用为产业链各环节提供数据增值服务,向产业链的上下游垂直整合,而实力较弱的中小企业可以融入平台实现数据资源的间接使用和共享。
 
二是实施数据驱动创新战略。
 
将大数据采集和应用技术渗透至产品设计研发、生产制造、质量控制、供应链管理、售后服务等价值创新的各个环节,缩短产品开发周期,优化生产过程、增加附加值,提升企业竞争力。
 
三是发挥大数据的“正反馈效应”。
 
企业通过获取消费者需求数据,为其提供产品的同时,又产生更大规模消费者的需求数据,从而激励企业创造更优质的产品,形成良性循环的正反馈效应。
 
四是探索“制造即服务”的云制造模式。
 
企业以云计算、物联网、智能化等技术为支撑,将软硬件、企业、知识等数据资源存放于云制造服务平台,消费者创造性地使用云制造满足异质性需求,真正实现消费者主导制造过程和数据资产服务于制造业。
 
2.实施开放式创新战略,重构工业企业竞争力
 
网络化供给机制不仅促进了全球制造网络的形成,而且形成了全球创新网络。大数据时代,一方面传统制造企业必须面对不断攀升的异质性需求和激烈的市场竞争,能否随时直接或间接地获取数据资源,对生产流程和决策管理进行优化和再造,成为企业赢得市场的核心竞争力;另一方面,制造企业产品的供给越来越需要跨领域合作,即设计研发、机械制造、软件开发、供应链管理等跨专业和跨国界团队的协同配合。
 
随着互联网、云计算、大数据等信息技术快速兴起,技术和知识的溢出速度加快、技术生命周期缩短、利用专业知识创新和获利的能力降低、企业研发风险加大等,使得企业内部与外部的创新和商业化推广变得同等重要。与注重企业内部研发“良性循环”的封闭式创新范式不同,开放式创新更加注重组织内外创新资源的双向流动。
 
因此,有必要通过开放式创新范式实现协同创新效应,在利用传统创新模式的同时,注重寻求外部成本更低、效率更高的理念、资本和技术,如采用合作研发、技术许可授权、业务众包、产学研合作、供应商与用户创新等。以开放、共享、平等的理念打造全球化制造网络组织,特别是在网络化和信息化的创新体系下寻求全球价值链整合,提升中国制造业附加值,由此重构中国工业企业国际竞争力。
 
3.融入智慧型网络化组织,实现企业协同转型
 
互联网、云计算、大数据等信息科技革命推动人与人、人与组织、组织与组织关系快速重构,消费者与生产者之间形成了不断累积强化的网络组织,这必然要求传统企业,特别是工业企业进行结构性变革,融入智慧型网络组织,实现企业协同转型。具体而言,工业企业构建和融入智慧型网络组织主要体现在以下层面:
 
一是形式层面
 
采用泛互联网范式,即传统工业企业与拥有移动终端、网络平台、软件应用、数据资产的企业构建一体化网络组织,形成企业累积数据资产并发挥其价值的最佳范式。
 
二是内容层面
 
联结工业互联网,即利用互联网和大数据改造传统工业制造,突破物理距离、时间成本及信息不对称的约束,改造传统企业生产组织方式和空间组织方式,将物理资源优势转化为数据资源优势,使制造高度数字化、网络化和智能化,更加适应大数据时代的异质性需求。
 
三是本质层面
 
通过组织协同创新来驱动成员提高生产和创新效率、保持组织活力、协调生产关系、利用内外部资源等,促进传统工业企业自身产业融合,以及与其它产业的跨界融合,同时也实现与外部复杂易变的环境动态匹配和整合创新。
 
四是结果层面
 
以信息化带动传统工业企业转型升级,通过融入智慧型网络生产组织,促进信息产业与工业产业的渗透、交叉和重组等深度融合,在提高新的竞争力的同时,实现新型工业化的转型发展。
 
以解析大数据时代传统企业转型急需破解的核心问题——异质性需求与网络化供给的内在逻辑入手,在分析大数据特征及思维转型的基础上,为传统工业企业提供了发展思路。更多大数据应用资讯,欢迎关注微信公众号成都科多大数据,我们将在第一时间与你分享。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据治理—各种规模银行的增长之路

    数据治理—各种规模银行的增长之路

    银行看到修复数据问题的成本显着上升。无论是建立集成能力以应对老化技术的直接费用,还是监管机构或审计师发现数据问题和评估民事罚款的间接费用……查看详情

    发布时间:2019.03.27来源:亿信华辰浏览量:22次

  • 新的独立全球分析师研究强调数据治理挑战

    新的独立全球分析师研究强调数据治理挑战

    佛罗里达州奥兰多,10月14日-交付 分析的未来,Pentaho的,一个日立数据系统公司今天宣布,由Forrester咨询公司进行的2……查看详情

    发布时间:2019.03.05来源:亿信华辰浏览量:33次

  • 不要欺骗自己关于数据管理

    不要欺骗自己关于数据管理

    采用数据战略的早期阶段通常涉及数据管理的临时方法。企业不是投资于一套新工具,而是倾向于使用已经完成的工作,从小规模开始并最终形成方法。……查看详情

    发布时间:2019.02.25来源:亿信华辰浏览量:44次

  • 企业的数据标准管理包括什么?

    企业的数据标准管理包括什么?

    数据标准(Data Standards)是保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理是规范数据标准的制定和实施……查看详情

    发布时间:2020.05.08来源:知乎浏览量:35次

  • 企业如何实现成功的数据治理

    企业如何实现成功的数据治理

    如今,大数据正在社会的各行各业发挥着越来越重要的作用,数据已成为企业的核心资产和重要战略资源,是重要的生产因素。但是数据中存在着各种各样……查看详情

    发布时间:2019.09.09来源:知乎浏览量:33次

  • 数据标准管理体系-数据治理基础

    数据标准管理体系-数据治理基础

    目前企业缺乏专业化的信息标准管理流程,部门间缺乏沟通的统一渠道,导致标准变更和发布缺乏制度化要求,容易形成难以清理的问题数据。在短期规划……查看详情

    发布时间:2019.12.25来源:知乎浏览量:37次

  • 数据治理的未来:平衡数据治理和数据管理

    数据治理的未来:平衡数据治理和数据管理

    如何通过快速访问高质量数据,灌输信心并支持数据驱动的决策,为业务合作伙伴创造竞争优势?” Citizens Bank首席数据官(CDO)……查看详情

    发布时间:2018.11.14来源:Michelle Knight浏览量:35次

  • 数据治理没有权威定义

    数据治理没有权威定义

    数据治理没有权威定义,但在实践中,它要么是管理数据资产以确保可信度和责任的首要过程,要么是所述流程的最高级别,即制定决策和制定策略的流程……查看详情

    发布时间:2018.12.04来源:Daniel Howard,Philip Howard浏览量:31次

  • 为什么我们需要数据仓库

    为什么我们需要数据仓库

    如果直接从业务数据库取数据没有数据仓库时,我们需要直接从业务数据库中取数据来做分析。业务数据库主要是为业务操作服务,虽然可以用于分析,但……查看详情

    发布时间:2019.01.07来源:LongFei浏览量:27次

  • 政府数据治理的国际经验与启示

    政府数据治理的国际经验与启示

    政府数据治理是当前政府信息管理研究的热点问题,对发达国家政府数据治理经验的总结有助于把握政府数据治理的普遍规律,推动我国政府数据的开发利……查看详情

    发布时间:2018.10.23来源:信息资源管理学报浏览量:46次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议