在清华大学经济管理学院30周年院庆之际,清华大学经济管理学院举办了“思想•引领”院庆系列学术论坛系列活动,鼎捷软件股份有限公司(原神州数码管理系统有限公司)副总裁周增瑞先生在“大数据时代的商务与管理变革”论坛上发表了“掌控数据,“智”造未来”的演讲。以下是演讲实录。

各位老师、各位校友下午好,非常高兴能够有机会回到经管学院做这样的交流。因为这样的交流让大家很放松,我最近20年做的事情基本上和制造业相关,以制造业为流通的行业。回到学校有一些思路,一些想法可以随便讲,在座很多都是老师和同学,可以做一个比较放松的交流。

我刚才说我一直在制造业和制造业相关的行业混,在座有没有人希望从业之后向这方面发展,或者对这个行业感兴趣?这是我们的现状,上学时候的现状,几乎没有人对这个行业感兴趣,以为实在没办法,不能出国,不能读研,不能去研究所,不能去事业单位等等可能才会去,都不会去制造业,但是很不幸的是,我每周接触的企业家当中,来自清华的应该占绝大多数,绝大多数不是绝对比重,是所有学校的比例当中是最多的,而且是远远超过后面学校的。为什么呢?

一方面大家认为制造业很土,工资很低,机会不是很多,但是另一方面也许真正的机会都还在制造业,当你在社会走很长时间之后发现真正的机会在制造业。为什么这么讲,因为制造业是需要扎扎实实很长时间积累的行业,在这个行业当中,很多技术,很多方法,很多思维都不是最新的,但是一定是相对成熟的,一定是相对稳健的。

    我上周五见了清华的校友,他做一家公司叫海蓝信,做潜艇、军舰、海监、海景、渔船的黑匣子、通讯等等分析,他面临的问题是什么?造船业整体低迷,他是给造船业提供这样设备的公司,这样的公司如何生存,如何发展,我们在讨论中讲,我会知道用我设备的每一条船的所有数据,造船业整体处于低谷的情况下不可能卖很多新设备,这个时候这个企业又要生存。如何发展,如何生存,必须应用这样的数据。所以我说不管讲多少大数据的概念,如果不能够被制造业应用起来,我想跟制造业是没有意义的。制造业大数据应用和传统业务大数据不同。

首先在我看来什么是大数据,这个图应该是60年代美国航空管理部门的数据,通过那么多数据去监测飞机运行状况,同样的情况在当时看来是非常庞大的并不是关系型的一组数据,同样现在你可以随时去查询,所以说如果40年前、50年代是大数据的概念,今天在我们看来微乎其微。

一样,我在20年前上大学的时候,我看过磁带,我自己用的是5寸盘,应该是1.2兆,我玩一个游戏可能拿一盒5寸盘才有可能装,但是在这之前是装都没处装的,因为没有硬盘,玩一些游戏是很小很小。那个时候玩超级玛丽等等那样的游戏。

20年的时间,当时的大数据对今天是微乎其微。对制造业是什么概念呢?随着时间改变会造成两种变化,第一种变化是传统的商业模式,或者商业逻辑可能会被改变,第二个是传统的处理手段会完全不同。

我今天讲三个部分,第一部分是大数据在制造业应用的现状,第二是企业常用大数据处理系统与方法,第三个大数据在制造业带来的改变以及我们如何应对,或者对于在座的,也许未来想去制造业同学们的方向和机会。

谈到制造业很多人都很崇拜德国,因为德国的制造业,尤其装备制造业的确是非常非常的领先,管理水平非常的严谨、先进。在之前国内比较流行的说法是说,我作为一个制造业它的利润来源是什么,是微笑曲线,设计创新,你的通路等等。在那个逻辑当中我们都认为创新、设计非常重要,但是2010年的时候,这是德国的200家装备制造业营收与获利状况。200家装备制造业整个的营收总额434个亿,利润28个亿,大约跟国内相差不大,但是28亿欧的利润当中有80%来自于45%的销售额,只有20%来自于传统上大家认为非常重要的新产品的设计、制造、销售这个环节。而在那25%的销售额创造80%的营收当中,大体上有为别人提供备品备件。第二是咨询和改进,为他提供使用改进、应用体验的改变,第三对于修理维护,你会发现这三个都和客户服务相关,而这三个同事又和自身的制造相关,二手设备、金融服务和其它占一部分,这个原数据是2007、2008年的数据,发布出来是2010年,国内制造业大约比德国差5到10年的样子,管理的状况和应用的技术。

在未来,也许制造业的主要利润不再来自于传统认为的设计、创新、研发、通路等等等等,可能来自于为你的客户持续不断的提供这样的服务。

我们如何从这些新的数据上找到利润增长点呢?实际上现在所讲的大数据,在企业当中,在制造业当中是随处可见的。我一直在讲,我说制造业永远不缺数据,因为制造业有海量的数据,缺的是如何用这些数据,用这些数据做什么。

比如说传统上我们可能会管理员工的情绪,这种事情是30年代就在搞,但是今天为止在制造业应用场景不多,只是前段时间听说有人把facebook人的情绪和美国股市的走势关联起来作为一种大数据研究在应用,实际是情绪管理,看facebook人的情绪,看有没有正相关,如果正相关就预测,据说这个东西相对比较靠谱。

在企业当中我们知道研究人的情绪和产出的相关性,企业实际可以通过这种情绪的管理提高人均单产,这种情绪从何而来?企业有自己的门户,有自己的社区,有业务体系和客户,和外界沟通信息的采集,我有车间的请假,车间管理一系列相关内容,这些东西如何被管理起来。

目前应该还没有特别好的方法,其次我们可能会排好,因为制造业当中等待时间是很恐怖的时间,所谓等待时间可能换刀具,换线,生产不同的工单等等要停下来等待,这个对制造业的消耗是非常非常巨大的。

我如何通过采集之前讲的所有信息,工单信息、设备信息、设备运转时间、辅料库的状况等等,我会提前预知什么时候检修,什么时候要换线等等,从而降低等待时间,对企业利润增长是非常非常可观的。

其次是的优化,内部的风险控制,现在做的比较多的基于单件的物流跟踪,从最早七、八年前RFID或者条码系统在整个制造业应用状况,实际到今天为止RFID还没有普遍在制造业中应用,但是基于条码单品的跟踪,实际已经对企业的资源控制,以及物流跟踪起到非常大的作用。

我的客户是做高铁轮对的,他每年有20-30个亿营业额,高铁上每一个零件从下工单开始到最后运行到每一列高铁上都有实时的数据。高铁发射间隔设计非常短,其次质量稳定要求非常高,随时了解每一个零件的运转状况,同时安排好非常准确的换轮对计划,这些应用已经开始被制造业所应用。

另外包括像个性化的车型的维系,包括产品的推介,包括动态实时的供应和销售计划的预测,生产销售计划的预测等等,尤其是这个预测,这个实际是传统MRP和ERP系统关注的东西,应用还算相对比较成熟。

    所以我说我们制造业面对是海量庞大的数据,刚才讲,未来希望通过传感器,通过设备上一台一台装一些东西,去实现智慧城市或者智慧城市等等这样的愿景,所有都靠一台一台设备,一个一个传感器,传感器要放在设备上,所以在我看来未来也许非常美好的智慧城市、智慧国家、智慧社会的愿景,但是这些实现都最后要到智慧设备上,这个设备如果没有智慧,他不能够实时、准确、动态的提供你所提供的数据,大数据将没有来源。

    我们有那么多的数据可以对我们最后的利润造成贡献,我想有一个前提,就是我们必须在制造业当中推崇一种基于数据的决策文化,在这个过程当中,不管是ALAP也好,数据挖掘等等、财务的数据等等和其他的数据,从我们的决策层到管理层到执行层应该有一个相对的对应关系,同时制定相关的规则,最后基于数据挖掘产生的建议,相关商业智能,指导整个企业去运营,所以整个的决策系统实际应该基于大数据的分析与挖掘。

通常情况下,目前在制造业当中被应用的,和大数据相关的一些功能或者系统大约有这些。比如说包括研发与生产协同设计的问题。你知道小米的设计是谁设计的吗?或者小米到底在做什么,它的营销对象到底是谁,实际小米的很多功能是那帮米粉们设计的,小米学谁呢?实际上乔布斯曾经讲过,第一他认为他的用户使命是设计,一个理想主义者可以设计出真正好用的东西,小米他认为我是消费者,我要什么东西能够体现,亲和度、可接纳性非常高。

所以现在应用在很多制造业中体现,其次是价值的设计和快速实验的模拟。这三个部分基本现在在国内,我们设计的系统或者设计的部分都涵盖它。

对于企业的内部东西我们讲需求的预测和供应的计划,这块我们传统上有很搞笑的说法是所谓偷看和偷跑。

前几天有一个很有意思的事情,一个美国的零售商,接到一个女儿父亲的投诉,17岁的女儿是他的用户,给的赠品是尿不湿和避孕产品,这个父亲要求零售商道歉,为什么送这个赠品,但是过几天之后他向零售商道歉了,因为他女儿真的怀孕了。这个零售商怎么知道的呢?他根据网站的消费内容和消费活动分析有这样的结果。

实际制造业也是这样,如果我知道我的客户在什么时候需要什么样的东西,我就会提前等着给他,如果我的供应商需要什么时候知道要这个东西,会把东西送过来。你发现制造业当中库存的等待时间,不管产成品、半成品,库存情况时间是远远高于制造设计的,是巨大成本的沉默,库存绝对是成本,是费用,是一个资产解项,放的时间越长沉默资产越高,消耗的成本越高。之前用什么方法解决这个问题,靠主机厂的强势地位,比如一汽很牛,对不起,所有零部件供应商建仓库,要放这,用一个给你一个钱,这是传统上解决的问题。

但是如果我们通过我客户的订单和供应商的状况分析出未来他要什么,这种情况下我几乎可以不需要这样的情况。传统我们也做,但是对于客户供应商的行为研究比较少,包括制造部分。传感器的生产和驱动作业等等这些国内已经开始应用,电器电子设备行业已经开始应用。

市场营销方面是客户数据的进阶应用,客户相关性的研究,客户族群的管理。上周接待北京美容设备的企业。他跟我讲,传统上,因为美容设备供给美容院和医院,所以不接触最终客户。所以你发现设备供应商是极其低端的,因为第一渠道为王,第二客户为王,供应商只有被压榨的份,所以做下来很痛苦。现在基于大数据的研究,基于客户行为的研究,基于客户的消费心理的研究,有一种趋势,美容店为什么用某一种产品,于是把客户定位不是美容店,而是那些需要做美容的人,他开始影响这帮人,当他影响这帮人之后,他会发现这帮人去店里的时候他如何影响这帮人,他做的不是产品推介,是做的美容专栏,美容的社区,把族群人分出来,通过大数据的研究找到这批人,通过相关的行为和兴趣研究,推送他相关知识,形成关联性和忠诚的,然后这帮人去美容店会提起,一个人提,两个人提,很多人跟美容店提这个设备,提这个厂家,这些美容店就会找他去买设备,所以你会发现颠覆传统供应商、使用者之间的商业关系。如何做到?通过创业及时和客户数据做这样的研究。当然,还有售后服务的部分。

具体的应用实例可以看一下。传统上一般讲制造业非常非常严重的问题,是不能按时达交。生产的延期和不能安时达交是永恒的问题,你不要抱怨在京东也好,国美也好,买的东西不能送达,很正常。制造业尤其是这个样子,所以如果制造业都是这个样子,你认为流通业能够真的百分之百按时吗?一定有一部分是不能的。

制造业如何解决这个问题?传统上去看这个月有多少订单不能按时达交,分析多少因为产能不足,多少因为什么,我去做调度会,做统一研究。

但是如果从大数据角度看这个事情,因为所有订单数据以及不能按时达交的原因分析,你会看到如果这是我所有的数据,那么对这个数据进行族群的分析,我把它分成不同的类。

第一类当中可能我的量非常大,需求波动非常小,这部分显然是我最容易满足的,不应该让他确定,不应该让他不能按时达交。这一部分生产量大,稳定性高,怎么保证,可能就去按照库存补货。还有一部分需求量虽然不大,但是相当稳定,利润也还不错,这部分我可能要用按订单组装的方法去满足。第三部分虽然批量很大,但是需求不稳定,而且利润相对较高,但是总额不高,这种状况下可能我们真的是接单生产的考虑,因为的确不多,没有必要跟他费很大力气。第四方面生产需求小,不稳定,需求量也不高,延期就延期。

所以,你发现制造业当中永远不可能全部满足所有客户的需求,因为资源是有限的,而且很多资源是不可掌控的,如果从大数据视角,进行族群分析,不同的族群采用不同的应对策略,也许你做的会更少,而你利润率会更高。

应用实例部分是BI的情况,这个应用比较多,不用说明太多。现在成熟稳定的企业BI是目前相对应用程序的系统。企业用相对比较成熟稳定的平台是IBM大数据平台,这个过程当中核心是四个部分,一个是所谓的基于P级数据的处理系统,现在大数据最起码要从P级开始,T已经不可以了。第二个是云处理,第三个是数据仓库,第四个是数据的整合和管理,这几个是核心部分,技术部分不再详细的讲。

在制造业当中用的比较多的分析方法和信息挖掘的算法有族群分析,你总会看到海量的数据,因为制造业的客户也是海量的,订单是海量的,用户是海量的,产品结构当中涉及整件、部件、零件、工单、工序等等,是非常非常庞大的数据。如何分析?族群分析,客户的分析,客户销售额的角度分析比较多。同时关联分析、加权表法,预测用回归分析、遗传算法和决策树的方法,看这个东西我基本想说这都是大学里面的课程。

最后讲一下在制造业当中可能会面对的未来。大数据给我们带来很多很多的改变,首先数据从少量、因果关系,不透明变成海量,变成相关和共享。这使我想到了很有意思的事情。

15年前这个行业,企业用什么是BPR,对企业进行重组,重组的核心是管理的扁平化,我们发现用10年的时间做扁平化这件事情做的不太好,所以最近几年很少有人谈BPR的事情。但是当你面对大数据的时候,面对一个透明,面对信息共享而没有信息不对称状态的时候,也许扁平化真的会实现。

传统企业管理,我经常讲我为什么是一个主管,因为我的领导不可能看到每一张具体业务单子的状况,我的部属不可能知道每一个管理层面的问题,但是当大数据到来的时候,获取这些信息变的非常容易。所以企业当中可能不会再有生产调度会,企业当中可能不会有订单协调会,企业当中可能不会再有总经理办公会,为什么?因为这些会议所解决的所有问题都不再是问题,因为原因和情况不需要再由不同的人汇报和反映。我们所要做的是基于这样数据结果的决策,而当我不需要这么多人过滤加工的时候,管理的扁平化有可能真的实现。这要求我们将来想做这个行业的人,既然你没有办法靠信息不对称和信息不透明做管理,你到底做什么,传统理科生强调逻辑关系,因为那个东西没有,所以导致这个缺件,因为这个缺件所以导致那个订单的问题,这种逻辑关系不会变的更强,而相关性研究变的很重要。因为15个订单有5个客户抱怨某个事情,基本这个产品某个部分有问题,所以要进行某一个质量的控制,所以这个可能是比较大的思维的变化。

    第二个营销对象从客户变成人,以客户为中心的营销,这是传统上最核心的东西,因为你要找到客户去影响他。但是在未来,也许这个人可能是族群的那个人,能够形成和你是客户一类的人,所以这个可能需要被关注的部分。

    第三个管理的内容从产品质量到应用的体验。刚才说如何去营销,营销的对象是说你要不断的给他一个话题,你不能再说我是卖什么产品的,什么产品好,有什么案例,你可能更多的是要应用体验。关注产品质量这是不言而喻的,除了关注产品质量而言,营销的重点或者管理的重点应该是客户的应用体验,我用这个东西有什么感觉,只有好的应用体验才会是大数据当中这个族群内部的影响,或者是相关性,我用这个产品不足以成为营销的管理重点,我应用它之后有什么样的感觉,哪怕这个感觉是不好的,是不完美的,这才是重要的,这才是在自媒体时代很重要的内容。而制造业要关注这样的东西,才能够改善你的营销,所以应该从案例客户到客户口碑。

    第四个传播的内容应该从规模到数据转变。可能在座的人也许有人记得,90年代时候的标王,可能花几十个亿做标王,现在做这样事情的人可能变的很少,甚至一些很好的产品,你几乎看不到公共平面广告,他们的广告用在什么地方,实际上是在做一种客户品牌的营销,通过大量的数据,这种数据可能是应用体验,可能是数据指标,可能是改善指标,所以在这方面制造业面临客户的时候也要做很大量的调整,也许未来的制造业我们会面临这样的改变。

基于此,未来的制造业当中一个行业产生,或者会变的非常非常热门,这个行业叫数据科学家,制造业缺什么样的人?制造业显然不缺理论研究的人,因为没有用,用不起来,制造业毕竟不是科研院所,需要理论和实践相结合的人。这个相结合,也就是刚才我讲为什么我接触所有的企业家当中,清华的人排在第一,排在最多的位置,因为清华的人动手能力比较强。

数据科学家需要什么样的素质,第一有深厚统计学和数学的背景,知道这些数据怎么搞大,怎么分析,第二需要有开发软件的能力,或者设计的思维,第三个他应该对某一个领域,或者这个行业有相对深入的研究,如果涉及到这三方面结合的人才,是企业非常非常缺少的人才,而且几乎没有竞争。

上周我去跟工信部,如何改善和提升CIO,十年前做过劳动和社会保障部所谓CIO的认证,企业的CIO在过去的十年几乎没有什么发展,没有应有的定位和作用。但是最近国家又在研究这件事情,这件事情可能会大幅的改善CIO在企业当中的现状和应有的作用,而且这个问题的切入点和我们讨论大数据有很大相关性。

    大数据可能向我们展示非常美好的未来,在这个状况下我们客观生活,整个社会,整个企业生态都会有非常大的改变,这个改变当然是美好的。但是对制造业来讲,在我看来没有到封口的时候。制造业从数据化、信息化到未来的智能化,可能也许我们刚刚走完数据化这个阶段,如何让企业能够利用好这些数据,这是眼前必须要解决的问题。企业永远不缺数据,企业缺的是一群有思想,能够知道企业要做什么的人,只要你知道做什么,那个数据模型和应用场景,只要知道这些东西,制造业有无限的利润空间和发展空间。未来很美好,但是我们还是要先穿越眼前的沙漠。谢谢各位!