當今時代背景下，數字化轉型對制造業企業來說勢在必行。從企業外部看，市場需求快速變化、各類跨賽道競爭對手不斷涌現，這就要求制造企業摒棄原有的經驗主義模式，以數字化乃至智能化的方式，快速洞察市場需求和競爭對手，通過快速準確的決策與行動贏取競爭優勢。從企業自身看，業務規模的提升帶來的是內外部各類人、財、物資源協作規模及難度的指數級增長，在這一背景下，推動業務、流程、人員的數字化轉型成為唯一的破解之道。將數據作為新的生產要素納入到企業的生產經營活動中，推動企業開展新型業務，通過對已有數據的深入洞察、應用并構建特有的數據壁壘，是建立數字化時代競爭優勢的切入點，也制造業企業數字化轉型更高層級的要求。
一、制造企業數字化轉型難點
（一）有數據，但是不能直接用：制造業企業由生產到銷售的鏈路長、環節多，雖有數據沉淀，但存在分散在不同系統、數據口徑不一致、數據顆粒度粗、更新頻率低等問題。制造業企業在過往發展的歷程中，依據企業價值鏈各環節的需求，逐步建立起包括企業ERP系統、CRM系統、供應鏈系統等內部系統；隨著互聯網經濟的快速發展，又對接了包括第三方市場監測系統、電商平臺數據系統等外部系統。企業中的數據分散在不同系統中，由于各系統建設目的、使用方式存在不同，導致不同系統間數據統計的口徑不一致。業務人員在對數據進行分析時，需要耗費大量的時間對不同系統中的數據進行整合與清洗，甚至出現數據大量缺失的問題。除此之外，為了更好的洞察消費者需求、應對市場及競爭態勢的快速變化，業務部門對于內部數據的更新頻率要求越來越高，對于外部數據的顆粒度要求越來越精細，但是當前制造業企業的數據現狀難以對這些需求進行相應的匹配。較低的數據治理水平及數據質量造成大量數據冗余、系統冗余及手工作業問題，對員工人效提升提升形成阻礙。
（二）知道數據有用，但不知道怎么用：制造業企業數字化起步相對較晚，數據在實際業務中的應用少，業務價值尚未被充分驗證。企業內對數據的應用多為簡單的數據收集、統計、對比，對數據進行深挖與洞察方面仍存在大量不足，未能將數據分析方法與實際業務場景決策、流程相結合，缺乏數據應用實踐案例。以研發及營銷為例，研發信息獲取仍以傳統的問卷調研、入戶訪談為主，營銷端目前缺乏基于售后數據的分析與運用，數據仍更多的應用于銷售達成統計，研發及營銷尚未以數據驅動挖掘消費者關注點和使用痛點，構建業務策略的落地應用。數據價值論證的滯后性將降低員工主動推進業務數字化轉型的積極性，延緩企業業務整體數字化轉型步伐，使得企業難以構建在數字化時代的“先發優勢”。
（三）知道怎么用，但是能力達不到：制造業企業人員數字化能力差異大，企業希望通過牽引提升組織和人員的數字化能力來推動數字化轉型，但在實施過程缺乏突破點。企業數字化轉型最終需要落實到人員的能力提升與轉型，而當前制造業企業在此方面雖努力嘗試，但整體成效甚微。企業人員數字化能力提升大多停留在培訓層面，主要通過開展數據分析課程對業務人員進行賦能，與業務人員的實際工作及業務場景結合度有限，難以讓課程參與人員產生共鳴并切實帶來業務價值。此外，承擔企業數字化賦能的部門多為中后臺部門，缺乏足夠的話語權，數字化能力的提升尚未與員工的績效、獎金及晉升相掛鉤，導致業務數字化轉型的牽引力不足，培訓流于表面，業務團隊基于數據的創新能力與精細化運營能力難以被充分激活。
二、從數據應用場景出發，尋找破局之法
數據來源于業務，也終將反哺業務，數據應用場景貫穿于市場機會識別環節、產品研發、運營策略優化、營銷決策等各個業務環節。以業務應用場景的線上化、數字化、智能化為切入點，基于業務實際需求完善系統建設、沉淀整合數據、搭建數據應用場景并提升人員數字化水平，是推動業務效率提升和業務成果改善的關鍵破局點。
（一）以數據應用場景需求為導向搭建系統，明確數據需求與數據標準。優化企業數字化轉型過程中系統冗余、數據冗余問題，需以業務數字化轉型及應用場景推動過程中遇到的實際問題為出發點，推動企業逐步構建信息化系統及數據中臺，沉淀內外部數據，并建立統一的數據統計口徑和管理規范。與此同時，需要構建業務數字化轉型戰略思維，對業務數字化轉型整體方向、節奏、重點有通盤、前瞻性思考，在系統搭建、數據沉淀及治理過程中少走彎路、回頭路。
（二）以數據應用場景落地帶動業務效率提升、成果改善及業務數字化轉型。數據應用場景是系統及數據價值實現的最終途徑，在業務數字化轉型過程中，需要以消費需求洞察、銷售預測、競品動態追蹤等重點環節、場景的數字化應用及工具開發為撬動點，通過業務經驗數字化、模型搭建、工具開發等方式輔助、提升業務人員策略構建的精準度及業務動作實施的及時性，讓業務人員充分感受到數字化對自身帶來的價值與能量，進而以點帶面，推動業務的全面數字化轉型，實現數據業務化與業務數據化。
（三）以數據應用場景明確員工數字化能力的要求，并通過實踐提升員工數字化能力。在推動組織及人員數字化提升的過程中，一是要通過業務數據應用場景的梳理及落地，明確不同業務線條、不同崗位所需要具備的數字化能力，并通過能力現狀調研及評估，識別現階段數字化能力短板及痛點，有針對性地進行培訓課程設計及落地；二是需要以數字化場景的開發及落地為借力點，“干中學、學中干”是最高效、可行的能力提升路徑，通過業務人員對數字化應用場景的深度參與加深業務人員對于數據價值的認可，激發業務人員對數據的感知能力及實際使用能力，促進其主動學習數據分析方法和工具來提升業務成果。
應用場景數字化步驟：數據在業務中的應用實踐包含四個關鍵環節：數據業務定義、數據分析與建模、數據業務實施、模型的迭代與優化。其中，第一個環節，數據業務定義是將業務問題定義成數據可分析的問題，這是所有數據應用的起點，也是業務數字化轉型的起點。第二個環節，對數據可分析的問題，應用數據分析方法進行建模，將業務邏輯抽象為模型邏輯。第三個環節，通過流程改造、產品設計、標準制定等方式，將其沉淀到實際業務與工具當中，第四個環節：通過業務實踐及應用對模型不斷進行迭代，實現數據應用價值的螺旋式上升。
以產品退市為例：傳統制造業企業為平衡最大化產品收益與最優化工廠產能配置，需要對產品結構進行不斷優化、管理SKU數量并基于此進行產品退市決策，而如何準確的做出產品退市決策（退掉真正沒有價值的產品）一直以來是都是制造業企業的難題。
在數據驅動業務應用場景提升的條件下，通過以下步驟將數據應用到業務場景中。步驟1：了解實際退市環節涉及到的業務環節，并基于現有的產品退市規范，梳理產品退市的業務邏輯，確定剛性紅線指標，如產品質量品質類指標、利潤類指標。步驟2：整合并清洗產品銷售過程中沉淀的數據，用數據說話，挖掘與產品銷售相關聯的前置預警指標。從產品流量獲取、流量轉化等維度，制定產品預警標準，并結合產品退市的紅線指標構建產品預警及退市模型，并基于最近留存的數據進行模型的實踐，對模型進行驗證，并對模型進行參數調優。步驟3：將產品預警及退市模型進行沉淀，更新到產品退市流程中并將模型應用到產品日常的運營監控中。步驟4：在后續使用過程中基于產品退市模型的輸出效果，不斷進行迭代，完成數據驅動業務應用場景的閉環。
三、業務的數字化轉型最終要以人員能力數字化建設及提升為底層支撐
人員數字化能力建設是企業數字化轉型和業務數字化轉型的基礎。數據的最終維護責任方與使用方是業務部門，這就要求業務人員開展數字化能力建設與提升，并通過業務人員數字化能力的建設與提升輔助企業完成系統的規范化建設、擴展更多維度的數據源并進行沉淀、更高效的使用現有的系統和數據并對于目前系統中的存在的問題和缺失的數據進行反饋，實現從業務場景出發，并最終反哺業務的場景的數據應用閉環。
數字化能力模型整體搭建思路：根據數據使用的流程與邏輯，搭建數據獲取、數據分析、數據沉淀、數據共享4個一級指標。數據獲取是基于業務場景及分析決策需求，明確所需要的數據源、數據指標及數據標準的能力；數據分析是基于業務場景對數據進行分析與應用的能力，如基于數據進行監督、評估、預測、策略構建及優化等方面的能力；數據沉淀是各崗位人員在提升自身數字化能力的同時，能夠通過各類方法、工具、系統等方式對數據和分析方法進行沉淀的能力；數據共享是各崗位人員能夠在同崗位序列人員間、部門內和部門間進行能力分享，并且積極參與并支撐團隊整體數字化能力提升工作的能力。基于數字化能力模型中的4個核心一級能力維度，根據各崗位的工作職責繼續拆解劃分二級能力項，建立完整的崗位數字化能力模型，并選取量化指標對能力水平進行評估。最終通過將崗位數字化能力要求與人員數字化水平進行匹配，牽引人員數字化能力的提升。
數字化能力模型的落地：一方面通過各類激勵、管控方式將人員數字化能力與其職級水平、收入水平等“切身利益”捆綁掛鉤，提升員工提升自身數字化能力的緊迫感。另一方面通過數字化能力培訓課程體系的建立、各類共創會及分享會的組織、系統及工具的開發來賦能、激發、加速業務人員數字化能力建設的廣度與深度，最終實現組織數字化能力的大幅提升。
四：結語
在制造業企業亟需通過數字化轉型滿足市場需求的快速變化、守住并提升自身市場份額的背景下，需要從企業的實際業務場景出發，通過業務流程中各類數據的沉淀及打通實現市場需求的快速識別、跟進及業務資源的精細化投放。同時，也需要充分認識到人員能力的數字化轉型是企業數字化轉型的底層支撐，業務的數字化轉型最終要通過人員數字化能力的提升與構建來實現。數據應用場景落地及人員數字化能力建設也是打造數字化時代企業新型競爭優勢的戰略布局點。
