大数据分析智能制造业

　　尽管Made in China的标志性导致了制造业正在成为中国走向世界的一张名片，然而随着人口红利拐点的临近以及土地成本的上升，中国制造业最根本的成本优势逐渐不复存在，制造业需要实现更加高效的信息化转型。然而在这一过程中，中国制造业正在面临前所未有的挑战。

　　中国政府也已经意识到了制造业竞争力的逐渐下滑，也在积极推进信息化与工业化的深度融合以实现可持续的工业发展。今年五月国务院正式印发了《中国制造2025》，部署全面推进实施制造强国战略，旨在通过重点推进创新驱动、智能转型、强化基础、绿色发展，推动中国从制造业大国跻身世界制造强国之列。

　　然而，不论是中国制造2025，还是所谓的工业4.0，概念阐述虽有所不同，但其本质趋于同归，制造业是中国经济不断增长的强心剂，“互联网+”的深入推进，同时与制造业深入融合，早就更加智能的制造，势必会引发一场全新的工业革命。

　　制造业大数据浪潮

　　正如麦肯锡所述“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。”对于制造业而言，数据一直被奉为生命之血。如果说制造业信息化的最初阶段是企业资源计划(ERP)、产品生命周期管理(PLM)等应用系统实施的话，那么接下来对数据的掌控将成为未来发展的重点。

　　对于中国的制造型企业来说，最初是从粗放式的管理向精细化转型;然而市场竞争非常严苛，制造业需要在这样的环境下不断优化生产工艺、加速业务流程，实现更加科学的决策分析。通过驾驭大数据无疑会让制造企业变得更智慧，在竞争日益激烈的市场中就会获得更高的竞争力。

　　新层次的大数据分析为制造业研究市场和趋势分析带来新的维度。这些数据被用于预测未来、规避风险、理解价值链并优化客户体验的重要工具，为制造业未来业务的增长指明方向。

　　此外，越来越多复杂查询的处理带来了各种不同的数据集，其中有可能包含来自企业资源计划(ERP)系统和客户关系管理(CRM)系统交易数据、社交媒介和地理空间数据，还有内部文档和其它格式信息等等。

　　现在企业存储的信息量即便不是PB级，起码也有TB量级。这些企业可能希望每天能分析几次关键数据，甚至是实现实时分析;而传统BI流程对历史数据进行分析的频率是以周或月为单位的。

　　摆脱制造业困境

　　实际上，企业如果要进行大数据分析实践，选择合适的技术是规划的第一部分，企业选择了数据库软件、分析工具以及相关的技术架构后，才可以进行下一步并开发一个真正成功的大数据平台。

　　数据收集仅仅是个开始，这些数据必须能够转化为实际的行动，从而指导企业运营。要实现这一点就必须注意数据的细节，正确理解数据的相关性。比如，企业所拥有的各种数据源需要与数据关联性和业务规则复杂度进行链接，以获得一个包含企业绩效、销售机会、客户行为、风险因素和其它业务指标的全面视图。由于对于数据分析的需要，历史数据的数量也需考虑在内。

　　如果企业需要五年的数据，而一个数据源只包含两年的信息，那么该怎么办呢?这些因素并不能从根本上影响需求的规划，但是它们可以帮助企业部署大数据分析系统、选择最为合适的技术。

　　对于垂直市场而言，现成的分析应用程序都是专门为其定制的，当公司管理人员和业务经理需要查看大数据分析查询结果时，数据可视化工具可以简化其流程。

　　企业在在制定实施方案、对大数据分析解决方案进行选型之前，还需要考虑一些问题。智能化的大数据分析解决方案可为企业提供精准的趋势预测。一方面可以深刻理解市场需求和用户的痛点，从而做到真正的产品创新;另一方面对库存、物料、人员等资源进行更优化的计划和协调。

　　在制造业领域有着多年最佳实践的Infor公司提供了一系列协同商务应用软件及其相关服务，这些解决方案帮助制造商为高速的企业发展打下了必要而扎实的基础，在全球市场中竞争，并在外包业务中获利。

　　此外，大数据分析的实践与云计算也有着密切的关系。In for Cloud Suite是第一个通过亚马逊网络服务(Amazon Web Services，AWS)云提供的针对特定行业的应用套件，是拥有深厚行业功能性和灵活性、基于订阅、交付模式，可显著降低前端IT支出的出色软件，在大数据分析解决方案上面也将起到重要作用。

　　大数据正在以稳定的步伐渗透到各行各业，未来我们的生活中大数据的应用会越来越多，而对于制造业而言，需要化被动为主动，因为信息质量会变得更好，而且信息能够更高效的得到利用，从而充分享受到大数据分析所带来的红利。