我们90%的制造型企业都该思考 “怎么进行数字化转型？”
我们制造业数字化的水平在国际上是很低的。欧洲大概有40%的企业搞了工业互联网，我们大概不到20%。
为什么会出现这样的情况？
一是成本太高。 中国最多的就是小企业，小本经营，没什么利润，没什么投入。搞数字化不是领导动动嘴皮子拉通一下就行了，得真金白银往里面砸，小企业哪来这个钱。
二是领导层对数字化转型的认知不够。 数字化转型不是从底层开始的，是要领导层有足够的远见，能够提出长期的战略规划，自上至下、从点到面去开展的。
上面两个问题，不是单个小企业靠自己就能解决的，得靠大环境的改变，但小企业要有转型意识，至少要有想法吧。 制造业数字化转型是必然趋势，不是遇到问题就能不做的，落后就要挨打啊。
就像徐工信息化总监所说的那样：“工程机械行业属于典型的‘多品种、小批量、定制化’离散型制造业，面对激烈的全球市场竞争环境、 不断提升的制造及劳动力成本、以及高度的柔性生产要求，加快业务流程数字化、智能化改造提升是必由之路。” 企业有了数字化转型的想法之后，接下来的“坑”是一个接着一个，一不小心就花钱干坏事了。
接触过不少制造企业，和企业的CIO们也聊过，下面就笼统地给大家讲一讲制造业数字化转型的注意点和步骤。
首先，要诊断一下自己公司的数据建设成熟度情况，不同阶段的制造企业在数据建设方面的行动方案是不一样的。 下面这张评估模型是参考国家发布的《制造业信息化评估体系》、《数据管理能力成熟度评估模型》之后建立的，不知道怎么评估企业数据建设情况的朋友，可以从这几个角度去思考。
一般来说，企业的数据建设情况分为下面五个阶段： 传统阶段→起步阶段→加速阶段→成熟阶段→智慧阶段 。
大部分制造业都在传统阶段，怎么识别这个公司是否处于传统阶段呢？
你走进他们的办公室，第一看电脑桌面上Excel多不多，第二看桌子上纸质文件多不多，第三看有没有人拿着纸质文件四处找领导签字。这三点都中的话，基本就是在传统阶段了。
针对处于传统阶段的制造型企业，要先做的是 “业务数据化” ，把业务活动过程中产生的数据记录下来。比如利用ERP/CRM/SRM/报表工具，以业务流程的信息记录为核心，把企业的生产、采购、销售过程，以及客户服务、现金流动等业务活动和过程用基础系统储存下来。有了有序的数据，才能够进一步发挥数据的价值。
在有了数据之后，就可以进行 “数据业务化” ，用已累积的业务数据去反哺业务流程。一般会利用智能分析平台，算法平台，数据资产管理平台等，以数据分析为核心，把信息化阶段收集的信息利用起来，通过数据发现问题、解决问题，用数据优化业务流程和经营模式。
等把基础的数据都搞明白之后，再去接入人工智能、超级自动化、数字孪生等先进的数字技术，这时候就能朝着智能感知、全流程自动处理、全业务线智能决策的智能工厂发展了。
下面就用几个实际案例的例子，跟大家分享一下不同阶段是怎么做数字化转型的。
背景：
某汽配企业产品销量快速增长 , 但公司还处于业务系统 0 部署的状态，人为收集、统计、 分析各业务数据的方式已无法迅速响应管理需要。
解决办法：
该汽配企业从核心业务入手，梳理仓储业务流程和系统逻辑架构，部署了仓库管理系统（WMS）。系统上线后，实现了货品扫码入库、出库管理，出入库数据被实时采集至系统中，公司达到产量翻番的同时，存货下降了 50%。
此外，该汽配企业还通过 WMS 系统整合了采购、配送、生产等流程管理，促进了整体生产效率和业务配合速度的提升。
背景：
某头部机械重工企业在数据建设过程中，先后部署了 ERP、PDM、MES、SRM、CRM 等几十项核心信息系统，实现了研发设计、生产制造、采购物流、营销服务等诸多业务环节的数字化覆盖。但随着信息系统数量增多，出现了业务数据体量大但质量差和业务数据存在壁垒的情况。
解决办法：
该企业与 帆软公司 联合，成立专项，对关键核心业务应用和数据现状进行调研，并对每项核心业务数据分析的可行性进行了评估，最后做出了涉及生产、设备、营销、人力资源等多个业务的数据分析运行平台，贯穿公司、分厂及区域。
同时，搭建统一的数据仓库，实现对不同源头、标准的业务数据进行集中的管控与处理，保证数据的质量与安全。
背景：
汽车行业进入存量竞争时代，某头部车企想要打造“以终端用户体验为核心”的数字化顶层设计，包括全生命周期管理和全场景生态服务。
解决办法：
建立企业级中台，打通业务间的数据壁垒，对企业内部数据和老旧数据、用户线上（抖音、微博、优酷、淘宝）线下（商圈影院、交通枢纽、4S 店）触点数据进行整合、拉通、治理， 面向集团用户提供统一的数据存储中心及数据服务，通过数字技术重塑商业模式。
实现这个阶段的企业比较少，我这边给大家提供几个行动方向： 数据挖掘和人工智能、数字孪生、工业元宇宙、区块链、超级自动化、VMI管理策略等。
