流程驱动管理 vs 数据驱动管理

智能工厂三大服务：

整体解决方案 |智能制造资源匹配 | 数字化运营

流程驱动不能说不重视数据，但数据还是作为流程的输入输出来考虑，与之对应的IT系统的出发点还是流程。非小微制造企业大多都上了ERP系统，不少也上了MES系统，但有几个现象是普遍存在的：

1.销售计划和预测无法实现，只好是人工录入结果

2.跑完MRP后的生产计划时间却是不准确的

3.产能数据不准确，无法预测准确未来的产能占用情况

4.事后的成本核算和统计，过程中成本控制和成本预测无法实现

…

上信息化系统前，市场宣传和售前顾问都给了企业一个美好的愿景：财务业务一体化、三流合一、生产透明可视、合纵连横的管控体系，可系统一上线，落地的内容只剩下基于流程的业务处理。即使上了商业智能BI，做出了一些看起来很炫的报表，尽管可以看到一些数据，可是数据的解读、深入挖掘和预测还是无法实现。

在多数企业都可发现，数据分析的终极手段还是依靠Excel，业务人员在系统中各种查询，最终还是讲数据导入到Excel中，进行数据的分析。遗憾的是，分析的过程和结果就很难被固化和复用。

由此可见，流程驱动管理遇到了瓶颈......

数据驱动管理

21世纪第二个十年，伴随着移动互联网、云计算、大数据、物联网和社交化技术的发展，一切皆可数据化，全球正逐步进入数据社会阶段，企业也存储了海量的数据。

在各种新技术的影响下，数据的特性已经发生了很大的变化，数据的价值已经从原来只是流程的输入/输出，已经转变为直接驱动企业的经营、生产和管理运营。互联网公司率先采用基于数据驱动的运营模式，并获得领先优势，已经证明了数据驱动管理的价值。

在这样的环境之下，传统的经营管理模式都将发生改变：以数据为中心，由数据驱动管理。数据驱动的企业，这实际上是技术对商业界，对企业界的一个改变。

企业也越来越重视数据的价值，希望挖掘数据宝藏来提升企业价值。但也要看到，当前在传统制造业，工业大数据的实际应用范围还比较小，带来的价值还远未呈现出来。当然这与企业是靠业务流程驱动运营，还未建立数据驱动的企业文化以及对应的组织、绩效、流程有着密切关系。

流程驱动管理VS数据驱动管理

流程驱动管理和数据驱动管理的主要区别在于：

流程驱动管理，流程是主体，数据是附属；

数据驱动管理，数据是主体，流程是附属。

数据驱动管理需要构建统一的数据管理平台，来满足与不同业务场景的数据需求，这是对传统的、数据割裂式的、单一场景的、单一功能的软件套件的巨大飞越；而对企业而言，也是传统企业管理的巨大挑战。

流程驱动+数据驱动助力智能制造

流程驱动可以说管理智慧的结晶，也是企业信息化提升的有力抓手。企业目前的经营模式还是主要依赖于流程和专家，重在因果分析，能够快速有力地解决看得见的问题。传统生产依靠人的知识和经验驱动生产系统，这种方式遇到了瓶颈：

1.系统愈加复杂，人的学习愈加缓慢

2.人不擅长多维信息的精确量化分析

3.人的知识和经验很难被高效和规模化利用

以物联网和工业大数据为代表的的CPS技术赋能传统生产，使工业系统具备描述、诊断、预测、决策、控制等智能化功能，能够解决看不见的问题，使得工业系统以更加优化的方式释放更大的产能，实现价值创造的突破：

精确的状态评估

实时的决策优化

高效的协同执行

但两者之间应该紧密融合，才能实现企业管理的提升。如下图所示，左侧的三层架构与物联网、工业大数据的融合；传统三层架构和物联网为工业大数据提供数据源，通过数据挖掘、机器学习等技术手段可以反哺业务系统，实现对传统业务管理的智能化提升。

总而言之，流程驱动还是非常快速有力的管理驱动，而数据驱动作为另一项强有力工具可以弥补传统制造业的短板，助力企业迈向更高的发展阶段——智能制造。

随着科学技术的发展，人类进入大数据时代，全世界每时每刻产生海量信息数据，这些数据从各方面完整记录了人类的社会活动。与此同时，人们又可以通过各类工具和平台，从不同的层面、维度和目标对数据进行分析，进而改变了人类对世界的认知。公共管理是指政府公共管理部门整合各类社会力量，通过政治、经济、法律、管理等手段，提升政府绩效、治理能力和公共服务品质。如何运用大数据技术，有效分析并解决当前公共管理中面临的诸多问题和挑战，是公共管理部门探索科学发展、提升治理绩效的重要课题。

1大数据的内涵与特点

深层次意义上的大数据，由Google公司在2008年十周年庆祝大会上提出。传统的数据处理方式更多是基于算法，通常需要预设数据分布和误差结构。而大数据的独特之处在于其不局限于算法和数据本身，在运算前无需假设，以挖掘隐藏在背后的数据价值为核心，数据的运算结果更为精密和准确，并且能从各类型数据中获得有价值的信息。大数据的特点主要表现在：一是数据量大。如今，各类终端设备都已成为数据获取和采集的来源，这些设备随时随地产生大量的原始数据，而这些数据又通过各种通信方式连接并汇聚到各类数据平台。因此，大数据最明显的特征是涵盖了全体数据，且数据体量特别大，其计量单位至少是PB，有些达到EB甚至ZB。二是种类多样。大数据一方面存在着数据获取渠道的多样性，将不同来源的数据进行跨界整合与分析。另一方面存在着数据类型的多样性，在处理各类信息系统所产生的结构化数据的同时，也分析图片、视频、音频、地理位置、网络日志等非结构化数据。三是低价值密度。大数据的大体量造成了数据高度分散，使得单位密度的数据价值较低，如何通过数据挖掘工作，更快速高效地完成信息筛选，发现隐藏在数据关联关系和因果关系之间的客观规律，并将该规律转化为有价值的信息和策略，是大数据的重要使命。四是高速流动。随着数据获取采集能力的提升，快速的数据流动和加载成为常态，人们对实时数据处理的需求也逐渐增多，进而对大数据的高速分析整合能力带来挑战。

2大数据时代公共管理的机遇

作为社会管理的重要范畴，公共管理水平及质量的提升，对全社会的效率提高和治理进步有重要意义，大数据技术为公共管理的发展带来了新机遇。一是使得公共利益各相关方的诉求能够充分表达和交互。公共事物管理的目标是追求公共利益的不断提升，公共利益的满足有赖于各相关方的利益诉求表达。公共利益是民意的反应，民众通过公共利益表达能够对政府的决策行为产生影响。传统的公共管理模式下，社会组织和公民的参与度较低，导致政府在公共资源配置过程中出现权力寻租。大数据提供多样化的信息渠道，使全体公民利益诉求的收集成为现实，可以从满足社会公众利益诉求的角度，形成解决方案的制定和监督。二是提升社会公共管理决策的科学性。决策在公共政策管理中具有重要意义，需要遵循科学、民主、依法和健全的机制和程序。由于缺乏全面性基础性的工作，长期以来在社会管理的决策过程中，普遍存在科学性缺乏的问题，从而导致公共管理政策的绩效水平总体不高。大数据避免了传统方式的弊端，数据的获取更为全面准确，并在数据的基础上，通过人工智能、数据挖掘和建模技术实现动态监测、趋势判断、融合仿真等任务，在最大程度上还原了相关真实信息，使决策部门能够对方案进行有针对性的改进和完善。

3大数据时代公共管理的挑战

大数据为公共管理带来了诸多新机遇的同时，也产生了部分不确定因素，带来了新的挑战。一是管理理念和运作模式还不能适应大数据时代的要求。传统的公共管理模式对数据的应用较少，许多管理部门在事情处理过程中依靠直觉和经验，缺乏数据管理的理念。大数据对公共管理的体制、结构、职能、流程和方式都提出了新要求，要改变传统封闭思维，转变管理人员的思维方式。二是在数据安全层面存在一定隐患。大数据时代的信息开放与隐私保护之间存在矛盾，也是公共管理数据化进程所面临的难题之一。大数据收集和产生的各类数据，可能由于技术原因被人非法获取，也可能由于内部人员受利益驱使，出现信息对外泄露，从而出现对个人隐私的暴露和窥探，同时也对国家信息安全带来一定的风险和隐患。

4以大数据为基础的公共管理创新

综合上述，大数据在公共管理所面临的机遇和挑战，进行以下公共管理创新分析：一是加强公共管理数据平台建设，完善数据共享机制。政府数据作为公共资源，理应做到开放共享，但在传统公共管理模式下，公众无法获取更多的政府数据。因此要实现数据共享，首先要能够提供更多的原始数据，只要不涉及隐私和国家安全，政府都应主动公布相关数据，并做到信息公开和数据开放。除了对公众开放之外，还应实现各管理部门之间的信息共享和数据交换，并将相关通用信息系统形成部门能共同使用的公共服务平台。二是公共管理部门应形成数据管理思维和科学的管理决策能力。需要建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，不断提升政府的现代化数据治理能力。公共管理面临的外部环境愈加复杂，需要处理的数据也越来越多，基于数字化的管理应通过数据发现问题、分析问题、解决问题、跟踪问题，缺乏数据思维的管理者在面对事实和数据时会感到失落，同时自身的权威也会受到挑战。所以管理者需要顺应趋势，积极培养自身的数据管理思维，努力使决策和管理更为科学。

原文来源：互联网，由河南智能制造共享创新中心重新编辑整理发布，转载请注明出处。