传统制造企业数字化转型应该怎么做？

在这个充满变化的时代，仿佛一年比一年更难。很多企业在时代的洪流中逐渐退出舞台，但也有企业在每一次挑战后变得更加有韧性。特别是传统制造业企业如何提升效益呢?不落后于时代?数字化成为一条必经之路。但是传统中小型制造企业由于技术资金等各方面限制，往往处于被动状态。想做，但又不知道该怎么做，面对市场上五花八门的系统、方案，更是一头雾水。那传统制造企业数字化转型到底应该怎么做呢?

传统制造企业想要提高自身核心竞争力，实现数字化转型升级，就需要找到自身企业数字化转型的突破点，简单、快速地构建符合企业自身特性的数字化体系。可以通过下面五个阶段进而帮助制造企业实现数字化转型。

一、第一阶段:数据连接、采集、整理

数据是数字化的基础，数字化转型的第一步往往都是先进行数据连接。要分析什么业务， 分析的指标有哪些，需要的数据有哪些，当下已有哪些数据，哪些数据不足需要定向收集。比如生产可以通过智能设备收集生产环节的数据，库存可以通过扫码等手段来收集，以及后续物流运输数据。销售可以通过改进业务流程，设置数据采集环节来收集数据。数据采集的成本比较高，而且往往大动干戈。建议先做好数字化路线和场景的规划，尽量自上而下推导到哪些数据及采集技术。

采集到数据为第一步， 后续需要大量的工作保证数据质量，数据有问题分析再严谨都是空谈，建议在数字化规划阶段，需要对全数据链路进行详细设计:争取做到以下几点:

1、多个系统相通，最好是一体化系统，保证数据一致连接

2、通过数据链路设计使得相邻环节的数据可相互校收。

3、数据质量需融入日常运营管理流程

最后是数据的整合。采集到的数据往往都分布在各业务系统内，但后续分析的时候往往会涉及多种业务的数据，比如财务+销售，所以系统之间的数据壁垒要打通，避免数据孤岛。从系统来看，就是从数据分析出发，向上要保证口径的统一，避免数据对不上， 向下要以分析为主来搭建数仓和数据中心，让数据整合数据清洗数据分析可视化都在一个平台上进行。企业可以借助一体化企业管理系统来搭建数据平台。

二、第二阶段:数据分析及可视化

数据连接完成后，下一 步是基于业务需求分析和可视化展示，分析成为历史和当下数据按指标、业务归类展示，生成报表、可视化报告。涉及到具体问题，则需要数据挖掘技术来追踪定位，数字化成熟到一定程度， 各个业务都应该有相应的可视化模块。像海客宝ERP系统中，就有生产看板管控，帮助制造企业可视化生产现场，是企业实现数字可视化的重要工具。

三、第三阶段:精益分析

在第一阶段和第二阶段进行一段时间之后，企业多数已经具备自动化和信息化的基础，往往这时候企业会开始思考:“我有这么多数据，能看到这么多报表， 我怎么提升效率，降低成本呢?”因此， 进入数字化转型的第三阶段精益分析。

传统企业一般通过现场诊断分析来发现企业生产运营管理问题，所以绝大部分生产制造企业在精益化方面相对落后，而精益分析的阶段需要企业利用数字化软硬件技术和工具，来固化、简化并优化精益化的过程，将原来经验驱动的现场诊断，逐步转化并结合实时数据驱动的数字化诊断，更客观、更及时、 更全面， 更智能地去发现企业生产系统中存在的浪费和问题，这也是智能制造中所谓“智能” 的第一小步。

四、第四阶段:高阶分析

基于第三阶段精益分析的成果，企业及其管理者被赋能，能够更简单、更准确、更及时地发现企业的生产运营问题后，就面临到如何分析问题产生原因并提供问题解决方案的挑战。这时候就该是大数据和人工智能技术的用武之地，通过机器学习等技术对最佳历史实践进行提炼并预测，通过APS等技术为企业的计划排程提供智能决策，通过知识图谱等技术构建企业的知识库，通过计算机视觉听觉等技术替代现场枯燥无聊的重复劳动工位等。针对于每一种行业、每一道工艺、每一个流程节点、都可能有一些工业应用场景需要大数据和人工智能技术，来辅助管理人员进行快速决策，乃至解放管理人员进行自动决策，从而真正实现企业智能制造，是为高阶分析。

第五阶段：全面转型

当企业推进内部的智能高阶分析至一定阶段之后，必然需要与全供应链的其他智能企业进行连接，实现制造企业的全面数字化转型升级。