2022年，陈炎拜访一家世界500强车企的研发中心，其研发负责人告诉陈炎：“帆软的产品解决了他们过去20年都没有解决的一个业务痛点！”

坚持深入一线、得到越来越多客户的肯定，让陈炎意识到帆软一直以来的使命可能有些抽象——“健康成长为世界一流的百年企业”，2022年以前，陈炎对它的理解是长期主义、坚持做稳定且正确的事。在2023帆软智数大会上，陈炎将其公司使命升维至——“成长为全球第一的数据公司”。

帆软创始人陈炎

如这家世界500强车企一样，全球范围内还有很多制造企业亟待释放数据的潜能。如何提高经营效率、辅助领导决策？如何在市场竞争中最大化经营目标？在这个进程中，BI几乎是一条绕不开的路，甚至是贯穿式的存在。

如今，超过60%的中国制造企业500强与帆软建立了合作，对帆软而言，深耕制造业已成为公司行业战略的重要构成。之于制造业而言，帮助它们判断当前数据建设所处阶段，并针对每一阶段给出如何迈向下一阶段的行动方案，为它们指明数据建设的方向，是时代赋予帆软的使命。

制造业数字化转型势在必行

不管是基于中国市场，还是从全球范围来看，加速数字产业与制造业的相互渗透，推动制造业的数字化发展，是加快数字经济建设的关键一环，也是促进经济蓬勃发展的重要举措。
过去几年，包括美国、德国、日本等国家先后提出与制造业相关的领导力战略，在所有政策中，“发展数据、数字化技术、数字化转型、数据人才建设”等字样反复被提及。而在中国十四五规划中，其中的“加快数字化发展，建设数字中国”专篇专章中，“数字”被提及了80次，“数字化”被提及25处，“大数据”10处，“数字化转型”5处。可以说，充分利用数字化技术的发展优势，推进智能制造，是顺应时代发展的走向。

但同时，相当一部分制造业的数据建设情况并不乐观。所谓数据建设，是指依托于企业的信息化基础设施，通过部署一系列软件，完成数据采集、数据处理、数据分析、数据呈现等过程，充分挖掘、应用数据价值，从而使企业达到并维持高效、有序的发展态势，并最终实现从传统经营模式到智能商业模式的转变。

在帆软的一项调研中，仅有3.42%的制造企业在内部形成了良好的数据应用氛围，企业自上而下的管理都依靠数据支撑；而仍有39.32%的制造企业表示内部只是有数据应用的初步想法。
更进一步来看，规模越大的企业数据建设的成熟度越高，而规模越小的企业成熟度越低。因此，对于中小型制造企业来说，需要快速推进数据建设，缩小与业内头部企业的差距；而对于数据建设相对成熟的大型企业来说，需要紧跟前沿技术发展，持续升级优化数据部署与应用。

全面诊断企业数据难题

基于这些调研结论和洞察，以及在制造业多年沉淀的实践，帆软提出了一套制造业数据建设的方法论，以更好地指导制造业数据应用落地、跨越数据鸿沟。在帆软2023智数大会智能制造分论坛上，帆软大制造事业部解决方案顾问孙前分享了这一方法论与应用实践。

针对制造型企业在数据建设中遇到的诸多难题，帆软数据应用研究院和帆软数字制造事业部综合行业洞察、市场调研及客户实践，构建了“数据诊断-行动方案”的制造业数据建设思路和方案，结合企业实际建设旅程，创新性地提出了《数据建设成熟度评估模型》。

帆软《数据建设成熟度评估模型》

孙前介绍，帆软将制造业数据建设分为传统、起步、加速、成熟和智慧五个阶段，同时从九大维度（企业文化、企业投入、组织人才、基础设施、业务管理、组织协同、规范体系、数据质量及数据安全）判断企业当前数据建设所处阶段，并针对每一阶段给出企业如何迈向下一阶段的行动方案，旨在帮助企业进行数据建设规划，指明数据建设的方向。

首先是传统阶段，也是信息碎片化的阶段。信息碎片化是传统阶段的典型特征。信息零散分布于企业经营的各个环节，由于缺少信息系统的支持，制造企业主要依赖人力和纸质表单进行信息收集管理工作，实行以人为中心的粗放型管理模式和以纸质表单为载体的运营机制。

其次是起步阶段，也是业务数字化的阶段。这一阶段的制造企业通过部署信息系统，对业务流程进行线上的标准化、体系化、规范化管理，实现了从粗放式管理到用数据流推动业务流的转变。这一阶段是对数据资产的原始积累，也是制造业企业数据建设的基础和开端。

第三是加速阶段，即数据价值化阶段。通过对企业生产经营活动所产生的数据进行灵活调用、有序整合、多维分析、场景化应用、可视化呈现，数据的价值得到大幅释放，企业的数据建设与业务管理实现了更紧密的融合，正式迈入加速阶段,"依赖数据力量，科学理性决策”的现代管理模式成为主流。

第四是成熟阶段，即数字平台化阶段。进入成熟阶段，制造企业以消除内部数据壁垒、促进生产经营效率最大化为目标，利用数字平台对所有数据资产进行统一管理和规划，减少数据建设的冗余部署。数据实现了跨部门、跨业务、跨系统的无障碍流动，数据效能贯穿于企业日常运营、管理决策、战略制定全过程。企业甚至开始以内部数据资源为依托，向外进行能力辐射。

第五是智慧阶段，即智能生态化阶段。制造业企业将人工智能等先进的数字技术与业务发展进行了更深层次的融合，在企业内部建设了涵盖智能生产、智能营销、智能运维、智能预测等全方位智能管理模式；于外部则建设了智能共享、高效流通、可持续利用的数据资源体系，从而打造了彼此信任、互惠互利、价值共创、和谐共生的智慧产业生态。

四大数据建设行动方案

对于从传统阶段向起步阶段过渡的企业来说，首要任务是夯实基础，部署业务系统。

孙前指出，传统阶段企业通常采取手工记录业务信息，甚至利用Excel/Word建立电子台账、通过纸质表单推动流程运转等是很常见的现象。对这一类制造企业而言，可以通过业务系统、流程系统、基础设施的构建，实现对业务对象、业务过程和业务规则的数字化，构建起良好的数字化基础，这也是业务运作模式重构的起点。

在具体操作时，根据行业特性和需求，制造企业在有限的资源中可以优先选择ERP、OA等系统，而WMS、SRM、MES、QMS、TPM、HR、APS等系统则依据当前影响业务的紧急重要程度通过逐步实施的方式进行上线。多个系统可以同时推进，由各业务部门牵头，信息部门辅助，同时进行数据标准规范建设，尤其是主要业务的数据标准及流程，以便后期的管理和维护。

对于从起步阶段向加速阶段过渡的企业来说，则应拓展业务应用，发展商业智能。

 起步阶段的制造企业通常经历了初步的业务数字化和业务管理模式重构后，开始逐步积累数据资产，并获得了一定的效率提升。在孙前看来，这一阶段的制造企业要想转变为以数据为决策依据的现代、科学管理模式，就必须进一步完善基础信息系统部署，对数据进行体系化管理与场景化应用，同时建立起涵盖宏观与微观的可视化数据分析体系，以实现业数融合、满足高层与基层的差异化需求。

针对这一类企业，帆软给出了具体四个行动项举措，包括填补业务系统、支撑精细管理；打造从核心到边缘的全场景分析体系；构建企业级数仓，数据管理体系化；数据人才培育，业数融合加速等。

对于从加速阶段向成熟阶段过渡的企业来说，需要进行全局规划，合理统筹，平台化发展。

整体来看，企业数据建设经过前面几个阶段的发展，已经有了比较全面的应用落地和价值体现。但是“数据孤岛”现象仍然存在，各业务系统彼此分散、独立，数据无法在业务系统间畅通流动。这一阶段的制造企业应对所有业务数据进行平台化管理，实现业务系统的集成与贯通，增强组织协同能力。

帆软给出的具体举措则包括：建设面向业务的企业级数据平台；由战略出发，建立覆盖全员的绩效协同考核体系；提高组织管理水平，完善数据人才梯队；拓展数据应用边界，探索业务新发展等。对于从成熟阶段向智慧阶段过渡的企业来说，应注重智能化发展与数据边界的全新定义。

孙前认为，根据数字技术发展现状，依托人工智能、数字孪生等技术构建企业级数字大脑，以整体数字能力的提升推动实现智能制造，是制造企业数据建设的最终阶段。这一阶段的企业应充分、广泛应用机器人技术，以此代替人去做一些机械性、危险性工作，同时提高自动化生产水平与实现智能化决策；实现智能制造不仅要关注内部的智能程度，还要求企业整合外部数据资源，建设生态合作体系，打造利益共同体。包括通过生态内的数字共享与数据智能处理促进上下游敏捷协同，最大程度上减少企业之间的协作障碍，从而使企业能够更专注于业务创新。

助力企业数据建设落地

基于帆软系列产品和服务体系，以及在制造业积累的数据建设经验，帆软已帮助越来越多的制造企业享受到数据带来的裨益。在帆软2023智数大会智能制造分论坛上，来自东莞新能德、赛力斯等企业一线实践者现身说法，分享了他们推动数据建设落地的实践与洞察。

在东莞新能德，随着数据量逐步增多，多个业务系统内数据分散、繁杂，信息数据实时采集较为困难。东莞新能德IT总监张勇刚接受e-works记者采访时介绍，为了解决上述问题，东莞新能德基于帆软FineBI建立了公司统一的数据分析一站式平台，并搭建相应的数据仓库，在此基础上进行后续数据加工处理，查询分析各口径下的指标完成情况，提供生产、销售等数据来辅助不同层面的管理层包括公司高层，业务部门等进行决策分析。

在赛力斯汽车，其在制造经验、工厂设施、供应链把控、成本控制等消费者“看不见”的技术环节同样有着坚实的基础。在搭建数据分析平台前，赛力斯已落地了ERP、MES、MOM、DCS、SCM、PLM、车联网等十余个核心系统，大部分经营指标需要从多个系统取数。如质量数据需要从PLM、MES获取，实时库存数据需要从ERP、MES、SCM获取，加上MES系统中，生产相关数据量都是千万、亿级别，处理起来耗时耗力，企业缺乏统一透明的可视化平台。

在梳理完需求后，赛力斯和帆软合作了从生产——销售——售后全链路数据展示分析项目。以生产管理环节为例，基于帆软的BI系统赛力斯完成了产线现场看板、驾驶舱建设，结合KPI考核，5分钟刷新一次，生产人员会实时关注当天的任务进度达成情况，促进生产效率的提高；在营销环节，赛力斯借助帆软BI工具打通了SCM与营销系统，将线索、订单、客户类数据抽取整合到分布式数仓，并建立销售机会漏斗模型，实现售前——售中——售后全流程数据透明化管理，决策层能及时发现机会转化过程中异常环节和客户售后满意度问题，并及时督促改善。

后记：

伴随着新一轮科技革命和产业变革的深入推进，越来越多的制造企业正享受到数据带来的价值与赋能，帆软也正在以数据为企业“智造”美好的未来。值得一提的是，帆软专门成立了行业化团队和专家团队，目前已完成制造、金融、央国企、消费零售等在内的十大行业解决方案和24个细分行业解决方案，通过大数据信息的分析、传递和透明去支撑企业运营管理和业财经营活动。

以此为基础，帆软也正在发力场景化应用和AI技术。依托于26000家客户的信息化建设项目，帆软下一步将重点进行业场景应用的打造；同时，积极跟进AI技术，进一步降低产品操作门槛，在合适阶段开放客户共创。