装备制造企业的数据驱动创新

黄 音

(中南林业科技大学物流与交通学院,湖南 长沙 410004)

0 引言

互联网+时代，无论是处于转型升级阶段的传统企业，还是基于新一代信息技术的新兴企业，都必须从顶层设计开始，构建数据战略，并打造推动企业不断发展的数据飞轮。所谓数据飞轮是指能够利用客户行为数据为第三方开发出增值服务，能持续地、免费地为客户提供更多服务；而更多的服务将产生更多的客户行为数据，利用这些新产生的数据又能为第三方提供新的增值服务，这个正向反馈的循环，如同巨大的数据飞轮，产生飞轮效应[1]。传统的管理模式一直围绕的主题是“职能驱动转为流程驱动”，随着互联网+时代的到来和大数据技术的不断发展，数据驱动已逐渐替代了传统的驱动方式，成为中国企业发展的新方向。因此，在互联网+时代如何通过数据驱动成就商业模式的创新就成为具有现实意义的问题。

依据数据类型的不同，将数据驱动创新分为四类：①价值数据驱动创新，数据主要包括客户反馈数据，新产品/新服务模式的研发及改进数据，其主要创新对象为产品或服务；②关系数据驱动创新，数据主要包括全渠道营销和品牌管理数据，其主要创新对象为渠道；③平台数据驱动创新，数据主要包括企业的生产平台数据(例如众包、众筹等相关数据)、合作伙伴平台数据(例如供应商合作伙伴、技术合作伙伴等)，其主要创新对象为支持生产的基础设施(包括网络平台)；④盈利模式驱动创新，数据主要包括交易渠道/方式、付账方式、盈利方式等，其主要创新对象为企业获取收入的来源与方式，以及交易付款方式等[1]。数据驱动创新的主要流程如图1所示。

图1 数据驱动创新的主要流程

本文对不同装备制造企业数据驱动的类型和特点进行分析，并对其数据驱动的规律及应用范围进行深入探讨。同时基于多案例研究，运用数据飞轮的原理和规律，为不同装备制造企业的创新模式提供指导，分析数据驱动型装备制造企业创新模式的演化与发展趋势。

由于当前数据驱动的创新模式在实践中运用较少，飞轮效应在企业创新实践中的运行规律尚不清晰，采取统计抽样的方法很难获取样本，很难对数据驱动创新的动态演化过程进行准确描述，也很难对飞轮效应原理和规律在企业实践中的具体运用予以详细描述。相比之下，案例研究更适合数据驱动创新的研究对象和研究目的。为了更加深入地揭示装备制造企业数据驱动创新的演化过程及运行规律，选择多案例研究作为研究方法，在有效性方面具有较强的优势[2]。

1 文献综述

互联网+时代，创新型的商业模式是以满足客户个性化需求为导向，以大数据为核心资源，以互联网为基础平台，完成价值创造与传递的核心逻辑[3]。Kusiak 提出了一种基于数据驱动的产品创新方法，分析了该产品创新方法的基本流程及开发模式[4]。Chien等对笔记本电脑的形象设计进行实证研究，以挖掘客户经验产品设计的数据驱动型创新模式为例，对以笔记本电脑为代表的电子产品数据驱动创新模式进行分析[5]。陈以增等提出了数据驱动下顾客参与产品开发模式及其关键实施流程，分析了产品开发模式的演化路径，构建了数据驱动下顾客参与的产品开发模式三阶段实施流程[6]。周文辉等基于价值共创的理论视角，采用案例研究方法，揭示了互联网+时代，基于数据驱动的大规模定制演化的诱因、过程与结果[7]。陈凌峰等运用实证研究分析表明，互联网+时代，基于数据驱动的供应商学习对大规模定制能力建设的作用远超过客户学习的作用[8]。以上研究中的数据驱动创新主要以价值数据驱动及关系数据驱动创新为主，主要聚焦于产品研发、设计及渠道营销，对于平台数据和盈利模式驱动创新的研究尚少，尚未发现对四种数据驱动创新的综合性研究。当前研究多以信息产业为研究对象，对于制造产业如装备制造企业缺乏学术关怀，其创新模式多聚焦于产品研发，对产品和服务模式创新的综合研究尚不多见。

2 研究设计

2.1 变量定义

本研究通过如下变量对不同装备制造企业数据驱动的类型、特点、规律及应用范围进行深入探讨。

(1)数据驱动创新。评估一个企业是否为数据驱动创新型企业有以下三种方式：①企业产生的数据量；②使用数据的程度和有效性；③内化数据的过程。其中②是评估的关键。数据驱动创新在新兴产业如信息产业中较为常见，如小米手机、戴尔电脑等，其数据驱动的创新决策已基本替代传统的组织层级决策，所有创新实践已逐渐由数据驱动完成。

(2)数据飞轮。数据飞轮即企业在创新演化的各个环节都有数据支撑，而判断一个企业是否形成了数据飞轮，主要是看企业在创新演化的进程中，每个基本模块是否都有数据支持。数据飞轮的动力源可能是一个，也可能是多个。依据数据类型及数据驱动创新的类型，将企业运行的基本模块划分为产品/服务、渠道、基础设施及盈利模式四块：在产品/服务模块，主要是“价值数据飞轮”；在渠道模块，主要是“关系数据飞轮”；在基础设施模块，主要是“平台数据飞轮”；在盈利模块，主要是“盈利模式飞轮”[9]。

(3)飞轮效应。不同企业在数据驱动创新演化过程中表现方式、特点、规律及应用范围各不相同，四个数据飞轮在创新演化过程中发挥作用的特征及影响程度也各不相同。依据飞轮效应的四个基本规律，即原点定律(数据驱动创新模式的起点与演化)、阻力定律(数据飞轮运转的阻碍因素)、加速定律(企业数据飞轮效应的加速度=(企业动力-企业阻力)/非数据化业务规模)与惯性定律(实现企业大数据的自动巡航)[1]，对不同数据驱动型装备制造企业创新演化的表现方式、特点、规律及应用范围进行分析。

2.2 研究方法

由于从数据驱动的角度，研究企业创新的文献尚不多见，已有研究及案例中也缺乏对装备制造企业数据驱动创新的完整描述，因此无法从现有文献和访谈中直接获取研究所需的案例。依据多案例研究方法[2]，通过资料收集获得零散的装备制造企业数据驱动创新的片段，然后依据互联网+时代的特点及数据驱动创新的表现方式及规律进行筛选和拼接而成。针对每一个拼接得到的案例(见表1)，均包含两个以上不同的数据来源，包括学术论文、专著、公司网站、行业资讯等，获取与该案例相关的信息，并通过各种大数据峰会、机械信息化、装备制造等会议听取案例企业的报告，并搜集案例资料，以确保案例的真实性，因此案例的质量可以得到保证。研究尽可能多地采集更典型的装备制造企业案例，以满足研究所需。中国装备制造企业中数据驱动创新的成功案例较少，然而这种数量上的缺乏也更加突显了数据驱动创新研究的重要性。如果数据驱动是装备制造企业创新的重要源泉，数据驱动创新是装备制造企业的重要创新模式，那么装备制造企业及其他制造企业就应该有目的地将数据驱动及其创新模式作为其创新引导，并从中得到经验、借鉴与指导，以尽快实现装备制造企业信息化与工业化“两化融合”的进程。

2.3 案例介绍

案例研究所需的案例一般以4～10个为宜，案例选取需要具有较大的典型性，同时要具有独特的研究和现实意义[10]。当前数据驱动创新的案例多以国外企业为例，如戴尔电脑，或是以电子产品(如小米手机)等信息企业为研究对象。对于中国制造企业，尤其是装备制造企业鲜有涉及。然而，在供给侧改革背景之下，像装备制造企业这种迫切需要转型的制造企业才是互联网+时代急需寻求创新突破的行业焦点。

通过相关文献的整理分析，查阅相关企业资料，并结合对装备制造、大数据技术及技术创新等领域专家的访谈，选择表1中的五个典型案例作为研究对象。案例选择主要基于三个标准：第一，鉴于案例的可获得性，研究以通用类装备和基础类装备作为主，这类装备制造企业主要生产工程机械、农业装备、专用车辆、机床、工装等设备，生产的装备在工业、农业等领域运用广泛；第二，涉及的装备制造企业尽量涵盖知名、典型企业(如三一重工、徐工集团等)，以提高研究案例的代表性和典型性；第三，尽可能选择当前学术研究中鲜有涉及的创新模式进行研究，以提高研究的创新性，填补装备制造企业创新及数据驱动创新中案例研究的不足。

表1 典型案例描述

3 中国装备制造企业数据驱动创新分析

通过对案例进行归纳、整理、分析，发现一些装备制造企业也在相当程度上遵循数据驱动的创新模式，但在多个方面均表现出与已有研究中信息产业案例不同的特点。

3.1 范围、主体与类型

(1)发生范围。几乎所有成功的信息化产品都是数据驱动创新的结果，许多成功的信息企业就是围绕数据驱动创新组织生产的，例如小米、联想、戴尔等，这与数据驱动创新的信息化手段高度相关。但数据驱动创新只是装备制造企业重要的创新模式之一，目前也只有少数装备制造企业开始实行数据驱动创新，且以通用类装备和基础类装备为主。这主要是由于这类装备制造企业存在大量的定制化设计、定制化采购模式、定制化装配工作、定制化生产组织，以及装备制造过程的生产计划、技术工艺等流程息息相关。这些生产工艺流程极其复杂，其产生的数据也是海量、复杂、多源且多维。这些数据本身具有自己独特的工程机理，对数据数量、质量的要求也各不相同，这一方面促使这些装备制造企业开启数据驱动创新模式，另一方面也加大了装备制造企业数据驱动创新模式的实施难度。

(2)参与创新的主体。与信息企业不同的是，装备制造企业数据驱动创新的主体不仅限于企业本身，更多的是与合作伙伴一同参与创新。例如，三一重工与中国移动就“三一工程机械设备智能服务系统”项目开展合作，探索建立基于物联网技术的“M2M远程数据采集与监控平台”，并将这一平台实现规模化、商业化应用，建成了中国首家工程机械物联网企业控制中心。徐工集团与阿里云共同搭建云管端一体化的解决方案，并共同搭建了徐工工业云，共同开发具有公有云和私有云的整体服务模式。徐工集团更是尝试“云上众包众筹众创”，进一步通过推进工业云平台建设和开放共享，通过不断开放覆盖研发、生产、供应链及销售服务平台的制造与产品大数据，通过第三方企业、科研机构及社会开发者直接参与的开放式创新模式，实现国际领先的工业互联网技术众筹，以及全球范围内的大众创新模式。装备制造企业与第三方企业、科研机构及社会开发者合作的过程实质上是一个数据分享的过程，同时也是一种知识的众筹过程。在数据创新过程，以三一重工和徐工集团为代表的装备制造企业扮演着数据分享者的角色，第三方企业、科研机构及社会开发者扮演着服务匹配者的角色，双方共同进行数据挖掘，并最终实现装备制造企业的数据驱动创新。

(3)创新类型。信息企业的数据驱动创新多以自主研发为主，开发的大多是“数据的产品”。而装备制造企业采用的数据驱动创新包括两种类型：一种是装备制造企业提供创意和技术，大学/专业技术型企业承接、利用装备制造企业的创意和技术，并进一步实现商业化应用。表1中的高圣就是如此。高圣所生产的带锯机床产品主要用于对金属物料的粗加工切削，并为精加工做准备。高圣在生产实践中发现带锯寿命的管理具有很大的不确定性，工件材料、工件形状、加工参数、润滑情况等都会对带锯的磨耗速度产生影响，因此很难预测带锯的使用寿命，从而影响切削质量。基于工况状态数据，高圣创新性地提出了“自省性”智能化升级，并将这一创意提供给专业技术型企业，开发了为客户提供定制化机床健康与生产力管理服务的智慧云服务平台。另一种是装备制造企业提供数据，大学/专业技术型企业承接装备制造企业的数据来开发产品和服务，进而实现商业应用，三一重工与清华大学合作研制的装备工况大数据平台就属于这种类型。装备制造企业提供的往往是“产品的数据”，但表1中的装备制造企业也开始逐渐从大数据技术的引进、吸收与转化，过渡到大数据技术的创新与发展，将“产品的数据”逐渐转化为“数据的产品”。例如，高圣生产的智慧带锯机床和“自省性”升级系统就被认为是智能装备中“数据产品”的杰出典范，而广受青睐。

3.2 数据驱动关系

装备制造企业接力创新生态系统中的主要数据驱动关系与信息企业具有一定的相似度，但也存在较大差异。

首先，金融支撑在装备制造企业的数据驱动创新过程中不像信息企业那样漫长复杂，装备制造企业大多依靠企业本身的资金完成整个创新过程，例如三一重工；也有少数依靠自身资金与政府财政，例如福田雷沃重工与国家农业部的合作；或者以企业本身的资金为主，政府财政、风险投资、资本市场等为辅,这与装备制造企业本身资金较为雄厚有关。

其次，装备制造企业多为离散型制造，且多为混线生产，任务节点要求严苛，生产过程更为复杂，数据驱动创新环节也更多，相对信息企业来说，数据驱动的过程也更为复杂。往往需要借助专业性企业或科研机构的技术与信息化平台，其驱动的过程也与数据驱动创新的信息化技术手段与信息化平台息息相关。数据驱动创新所需的大数据技术、互联网+平台均是以信息化手段为依托的，信息企业在这方面具有得天独厚的优势。而装备制造企业在数据创新过程中，作为创新的核心企业，与专业性企业、科研机构在创新过程中为共同打造一个数据驱动产品/服务，甚至一个数据驱动平台而努力，从而形成典型的基于数据驱动平台的共生式发展模式。

最后，相较于信息企业的数据驱动创新，装备制造企业的数据驱动创新虽然起步较晚，但发展很快，在效益提升方面也成效显著。以三一重工为例，2015年三一重工营收已从2011年的507.7亿元跌至233.6亿元人民币。2016年，三一重工通过深度剖析小米等企业，并结合公司内部业务，在低潮中积极推动数据驱动创新。一年时间里，三一重工有多个拳头产品，例如混凝土机械、挖掘机等，都跃居全国销量冠军。

3.3 数据飞轮与飞轮效应

客户、产品/核心服务、合作伙伴、盈利模式等在数据驱动创新中都有可能扮演着飞轮起点的作用。依据飞轮效应的原点定律，以价值链中某一优势模块为中心，统筹其他一个或多个模块。装备制造企业的创新原点可分为两类：一是以价值链中的客户为中心，拓展新的盈利模式。例如，三一重工的全球客户门户系统能够提供十分详尽的客户信息，包括客户使用设备的状态、位置、工作时长等。设备一旦出现异常，客户将第一时间得到全球客户门户系统提供的警报与维修服务。设备回传的数据除了能让企业和客户了解设备工况，并根据情况给用户发送预防性维护的通知，主动为用户提供预防性维护建议，触发主动服务，还能拓展新的盈利模式。三一重工依据全球客户门户系统每月提供的开工率及作业时间的监测数据，运用大数据挖掘技术对每种产品的关联行业进行关联分析，以为企业确定投资目标提供决策支持。负责数据分析的市场计划部副部长贺前龙表示，设备作业时间可以印证(我们)在某个下游行业的投资是否已经产生效益。设备作业时间作为一个先行性指标，直接反映经济是处于底部还是有所回升，从而帮助企业开拓新的投资市场。二是以价值链中的产品为中心，开展平台数据驱动创新，例如福田雷沃重工。福田雷沃重工针对全国夏粮的不同特点，设计了25万台雷沃谷神系列收割机。2013年，福田雷沃重工依托现代农业化社会服务组织——农机合作社这一基础平台，通过雷沃谷神系列收割机，搭建引导农民进行土地流转集中，“耕种管收运”全程机械化作业的规模化雷沃示范农场。在农场里，开展以土地流转经营、托管经营、农机作业服务租赁为主的经营模式[11]。

阻力定律被用于分析装备制造企业中飞轮运转的阻碍因素。装备制造企业属于传统制造企业，信息化是其变革的关键所在。这种变革也促使装备制造企业不断推进服务型制造的进程，由传统装备制造向服务研发装备制造业转变。在这一进程中，互联网相关的技术和平台都是传统装备制造企业成功转型必要的转型工具和手段。例如，中联重科通过自建电商平台、独立开发设备应用APP、搭建营销服务大数据平台，并逐步实现设备管理与客户管理、销售服务相关业务、全产业价值链的互联网化。然而，这种平台大数据的采集和兼容又成为装备制造企业数据驱动的主要障碍。由于装备制造企业的数据复杂多源。针对这些复杂的数据，装备制造企业需要综合运用从数据采集、数据统一描述、数据预处理到可靠性存储的一整套数据融合核心技术，即采用基于统一元数据的异构数据进行统一描述，真正实现不同形态、类型数据，以及不同软件、语言及程序的元数据集成，以实现装备制造企业的全局共享，这也是装备制造企业实现数据驱动创新的关键步骤。

依据飞轮效应的加速定律，装备制造企业的动力主要来自两个方面，一是市场需求，二是社会需求。鉴于装备制造企业本身的工程特性，装备制造企业的市场需求往往植根于工程难题，这也是数据驱动型装备制造企业区别于传统装备制造企业的主要特点。数据飞轮的飞速运转不仅满足了市场需求，更解决了学界与业界的许多工程难题，这些工程难题的解决也推动了中国装备制造业的发展进程。三一重工曾有一批泵车出现液压系统故障的异常情况。液压系统是工程机械领域的核心系统之一，导致故障的原因多种多样，如何发现设备故障的深层次原因一直是一个工程难题。三一重工在大数据分析搜集到的工况大数据的基础之上，通过引入近年来高铁建设数据和行政区划数据，发现故障均发生在2012—2013年在建重大工程“杭深铁路”的沿线，可见其故障发生与“杭深高铁”建设工程息息相关。运用大数据技术进行深度挖掘，发现沿海地区的盐雾环境和水质导致油缸密封体腐蚀，这是导致其液压系统故障的根本原因[11-12]。

社会需求是数据驱动型装备制造企业与其他数据驱动型企业在数据飞轮运行过程中的主要区别之一，这也与装备制造企业在农业、工业等领域的广泛运用息息相关。以福田雷沃重工为例，该企业与国家农业部合作建立全国“三夏”跨区作业信息服务中心，并搭建了农机跨区作业信息服务网和“雷沃示范农场”平台。通过服务网和平台，引导农民进行土地流转集中，将农机社会化服务组织与农场生产组织形式深度融合，解决了“谁来种地”的农村社会问题。从一定程度上整合了农村社会资源，满足了农村特定的社会需求，实现了农村一定程度的社会协同。

惯性定律被用于分析数据驱动型装备制造企业的发展过程。在这个过程中，可以看到数据飞轮是如何一圈接着一圈运转，并通过数据驱动的决策来提高装备制造企业的竞争力。典型代表就是福田雷沃重工，它是中国最大的农业装备生产企业。该企业自2006年起，与国家农业部合作建立全国“三夏”跨区作业信息服务中心，该中心承担着全国“三夏”跨区作业信息服务和调度职能。福田雷沃重工依据夏粮作物成熟规律，将全国夏粮主产区划分为“一横二纵三片区”，并针对不同片区的特点，设计、投入收割机25万台、服务工程车2768辆、服务工程师5972名，形成了产品与服务创新的价值数据飞轮。并基于此，搭建了农机跨区作业信息服务网和“雷沃示范农场”平台，形成了平台数据飞轮。通过服务网和平台，引导农民进行土地流转集中，以农机合作社为基础平台搭建起规模化经营的农场，开辟出一条建设新型农业经营体系的新模式，也开拓出了新的关系数据飞轮。在农机合作社的基础上，以经济手段吸引和引导农民加入其服务网和平台，最后形成了以土地流转经营、托管经营、农机作业服务租赁为主的经营模式，从而开拓出了新的盈利模式飞轮[11-12]。这从另一个侧面反映了数据驱动型装备制造企业数据飞轮的产生、发展、演变过程，也反映了装备制造企业数据驱动创新的演化过程。在这一过程中，福田雷沃重工通过大数据自动巡航体系，在数据飞轮运行的各个阶段及供应链管理的各个环节设置数据探头，用来感知企业内外部数据的变化情况，通过实时探知企业内外部的动力和阻力，对企业的生产/服务型决策进行适时调整，确保数据飞轮的稳定、可持续运转。

4 数据驱动型装备制造企业创新模式的演化与发展趋势

新一代装备制造企业中数据飞轮的形成，及其表现出的与信息企业等新兴企业不同的特征，预示着其新的创新模式演化与发展趋势。

4.1 数据飞轮为创新演化过程提供“数据驱动决策”

互联网+时代，数据驱动型装备制造企业的转型和发展宛如一辆正在行驶的汽车，研究所描述的四种数据飞轮如同汽车的四个轮子，促使企业不断改进企业策略，加快企业的更新迭代。当前装备制造企业中，数据驱动型装备制造企业不多。要实现装备制造企业真正的革新与蜕变，促使传统环境下的“组织层级决策”完全转型为“数据驱动决策”，就必须实现企业的“四轮数据驱动”。在这一进程中，四种数据飞轮扮演着不同的角色，提供四种不同类型的驱动决策。新一代装备制造企业中的数据飞轮，在数据驱动型装备制造企业创新模式演化与发展中展现着不同的特点，四种不同的数据飞轮为创新演化过程提供四种不同的决策支持，即竞争型决策、生产/服务型决策、判断型决策以及开拓型决策。四种飞轮提供的四种数据驱动决策的产生与发展过程如图2所示。

4.2 服务型制造与制造即服务的融合发展

服务型制造是基于制造的服务和面向服务的制造，是通过产品和服务的融合、合作伙伴和客户的全程参与、企业相互提供生产性服务和服务型生产，实现分散化制造资源的整合和协调，从而达到更为高效的创新。其主要模式有二：①数据驱动的制造+服务延伸。运用大数据预测技术进行市场需求预测，实现业务服务化延伸，在制造并销售的同时提供多种技术服务。表1中的所有企业都已实现数据驱动的制造+服务延伸。通过大数据的实时监控与设备故障预测功能，为客户提供全程技术服务。②数据驱动的制造+服务融合。大数据技术的运用实现了具备关联的海量数据的存储，促进了新的知识与技能的产生，也推动了研发模式和技术创新。表1中的所有企业都已实现数据驱动的制造+服务融合。通过基于大数据的技术创新，从低技术资源消耗型企业升级为高技术创新型企业，从生产型向技术创新型转型[13]。

图2 数据驱动决策的产生与发展

表1中所有数据驱动型装备制造企业都将重心已开始由装备产品制造转移到修理(包括维护、维修和大修)及主要相关核心配套业务。数据驱动型装备制造企业通过大数据技术，对不同形式的数据进行收集和整理，发现潜在的规律与问题，并对客户行为、设备状态和企业运营提供科学预测，以做出更为优化决策。这不仅仅改善了企业的运营决策，也创立了一种新的决策模式——数据驱动的决策，并逐步替代组织层级决策，构建了一个典型的数据生态圈。在数据生态圈中，精确的数据配合精准的智能生产控制系统和实时监测网络，就可以把产品变成服务。例如，装备制造企业与客户签订一个服务合同，根据客户对装备的实际需求，按需提供租赁服务。福田雷沃重工更是基于制造即服务的模式，开发出一个以数据为核心的服务生态圈，即数字生态圈。在数据生态圈中，数据支持的产品即是服务。

4.3 从被动服务向主动服务转型

数据驱动型装备制造企业可以通过智能传感器，采集产品运行情况的数据，并根据情况发出预防性维护的通知，主动为客户提供预防性维护建议。而这些建议往往能够在故障发生的第一时间发出“指令”，更早地提供主动服务，获得市场先机。表1中的所有企业都已实现从被动服务向主动服务转型。当前装备制造企业的核心业务是装备制造、修理(包括维护、维修和大修)及主要相关核心配套业务。数据驱动创新为这三大核心业务提供三大决策支持。一为产品结构分析，通过基于大数据分析的研发模式，可以发现哪种型号的产品更受欢迎，对于基于市场定位的产品研发具有较强的参考价值。二为预测设备故障。在设备出现故障征兆时提前进行维护。通过故障设备的事先预测，为客户提供故障预警和事前维修服务，从而提高提高服务质量，大大减少客户的流失。三为预测配件需求。基于数据驱动创新，运用大数据技术，通过设备运行状况研究设备与配件、配件与配件消耗之间的关联，建立需求预测模型，在吸引新客户，开发新市场的同时，可以大大降低装备制造企业的生产成本。

4.4 从传统制造系统向服务生态系统转型

现代装备制造系统的技术、材料变得日益复杂，装备制造企业各种业务的利润空间竞争激烈。这也促使装备制造企业不断“裂变”专业优势，通过业务流程再造，面向其他行业提供社会化、专业化服务发展的新模式，构筑新的服务生态系统，实现从传统制造系统向服务生态系统的转型。福田雷沃重工就是其中的典型代表，它与农业部合作，打造农业装备—示范农场—新型农业经营体系三位一体的服务生态系统。

4.5 从精益工厂到智能工厂的转型

在相当长的一段时间，装备制造企业推行的精益制造在生产过程管理和设备使用维护方面都具有严格的执行规范，并且在生产流程监控和质量管理方面使用了大量的统计分析工具，确保在质量发生偏差时能够及时予以纠正。但精益制造推行到一定程度之后，许多装备制造企业发现精益制造所带来的提升空间日趋缩小，特别是一些设备的停机和产品的质量问题无法得到持续改进。这也触发了大规模应用在线预测分析工具——大数据技术的产生，促进了数据驱动创新的发展，将传统的静态六西格玛管理模型改进为动态的大数据预测模型。精益工厂逐渐向智能工厂转型，最典型的代表是以高圣为代表的自省性生产系统的产生与发展。高圣在实现锯机床“自省性”智能化升级，将机床采集的状态数据传至智慧云服务平台进行分析。每一个机床的运行状态参数都被定量化和透明化。客户可以通过这个平台管理自己的生产计划，并根据生产任务的不同要求匹配合适的机床和带锯，使机床和带锯的质量可以进行定量化和透明化的管理。

4.6 数据驱动传统装备制造企业向互联网+工业转型

从以上案例中，不难发现，互联网+工业至少有三个不可或缺的条件。一是网络信息化平台，即将研发、生产、物流、销售紧密衔接，实现以满足个性化、专业化需求为导向的全价值协同供应链。二是智能工厂，将人与人、人与机器、机器与机器、机器与服务、服务与服务、服务与人、联系起来，实现纵向、横向和端对端的高度集成，为客户提供高品质的定制化产品和服务。三是自主创新，不仅限于产品和技术，还包括业态和管理等多层面的创新。没有自主创新技术支撑的装备制造企业转型，没有核心技术支持的装备制造产业变革终将是昙花一现，而这三个条件的核心就是数据。数据将三个条件有机联系起来，并形成数据飞轮，互相融合，互相促进，共同发展。表1中的数据驱动型装备制造企业都在逐步推进互联网+工业的转型。通过大数据技术，将所有客户需求转变为数据模型。通过数据驱动创新，制造数据化的产品，在数据化平台的支撑下，实现网络研发、生产、物流、销售的全过程协同。因此，数据驱动才是互联网+工业的根本所在。

虽然装备制造企业的数据驱动创新具有其独特的演化特征和运行轨迹，但与信息企业的数据驱动创新在数据驱动的类型、特点、驱动关系、规律及应用范围上仍具有一定的共性。这预示着装备制造企业的数据驱动创新拥有与信息企业一样的活力和创造力，其创新潜力也有待进一步发掘，也为供给侧改革背景下其他制造企业的创新提供了借鉴与参考。