世界一流企业对数据思维的认识和运用

◎中国航天系统科学与工程研究院 张辉 盛威 石胜友

随着物联网、大数据、人工智能等技术发展与应用，社会的全面数据化已成为互联网时代的必然趋势，数据科学与数据思维在各行各业中的应用更加广泛深入。世界一流企业运用数据思维开展精准管理与决策的成功案例，能够为企业数字化转型提供重要启示。本文概述了目前对于数据思维的认识，介绍了数据思维在部分知名企业中的应用案例，并分析了对于企业数字化转型升级的相关启示。

数字化、网络化、智能化是新一轮科技革命的突出特征，也是新一代信息技术的核心，社会的全面数据化已成为互联网时代的必然趋势。随着物联网、大数据、人工智能等技术逐步成熟与发展，数据科学与数据思维在各行各业中的应用更加广泛深入。世界一流企业在数字化转型过程中运用数据思维进行数据的采集、分析，开展基于数据的精准管理与决策的成功案例，为企业数字化转型升级提供了重要启示。

一、对数据思维的认识

在企业中，数据思维是用数据科学分析与解决实际业务问题的思维方式，可以将其定义为把实际问题转化成数据可分析问题，再进行数据分析解决实际问题的过程[2]。具体的做法就是在复杂的业务问题中，准确定位业务的核心诉求，并找到影响核心诉求的相关因素，然后利用各种数据分析工具进一步研究，最后将分析结果应用到实际业务问题中。托马斯·达文波特在《成为数据分析师》中将数据思维归纳为三个阶段[3]：构建问题、解决问题、传达结果并执行。具体而言，构建问题又可细分为识别问题与回顾之前发现两个步骤，解决问题则可分为建立模型、收集数据、数据分析共三个步骤。

（一）大数据思维强调发现和挖掘潜在价值

受2012 年美国政府启动“大数据研究和发展倡议”的影响，部分国家将大数据上升为国家战略，大数据由技术热点变成社会焦点，开始被视为重要的生产因素[1]。庞大的数据来源所带来的量变将引发一场革命，大数据时代就此开幕。

舍恩伯格的《大数据时代》一书将大数据思维视为大数据发展的重要前提和基础。数据、技术和思维是大数据价值链的主要构成要素，大数据思维是其中的一个要素，可以直接创造价值。该书对“大数据思维”作了一个比较简单的描述：“所谓大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案。”[4]将这个描述归纳后，可以对“大数据思维”概念作出如下界定：所谓大数据思维，就是在大数据应用过程中，以大数据为视角分析问题、解决问题而形成的思维。本质上，大数据思维是数据思维在大数据时代的升华与进化，继承了数据思维的基本特征，但又产生了一些新特征。

《大数据时代》将大数据思维的特征归结为三个方面[4]：不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。这一表述影响极大，后来有关大数据思维的研究基本上是在此基础上发展而来。有文献将大数据思维与数据密集型科学的特点总结为[5,6]：不在意数据的杂乱，但强调数据的量；不要求数据精准，但看重其代表性；不刻意追求因果关系，但重视规律总结。此外，大数据思维还具有整体性与涌现性、多样性与非线性、相关性与不确定性、并行性与实时性等特征。最后，大数据思维应实现四个转变[1,4,7]：从定量思维向总体思维的转变，从精确思维向容错思维的转变，从因果思维向相关思维的转变，从人工思维向智能思维的转变。

大数据思维的核心意义在于发现和挖掘潜在价值，而不在于发现现实价值。实验科学、理论科学和计算科学都是在已知规律的情况下发现新的规律，而大数据则是在规律未知的情形下，运用计算能力从大数据中发现规律并运用规律。因此，图灵奖得主吉姆·格雷将伴随大数据产生数据密集型科学称为继实验科学、理论科学和计算科学之后的第四种科学研究范式[6,7]。大科学思维不仅可用于科学研究，也将在各行各业运用，成为从复杂现象中透视本质的有力工具。

（二）数据思维与新技术推动企业数字化转型

数字经济如今已成为全球经济增长的重要驱动力。互联网企业通过新一代信息技术的深入应用，提升产品和服务竞争力，实现了企业自身的跨越式发展。传统企业在宏观经济增长放缓的趋势下，面临着比以往更激烈的市场竞争；利用新一代信息技术，实施数字化转型是传统企业转型升级的重要途径。2011 年美国麻省理工斯隆管理学院和凯捷咨询联合发布的研究报告认为，数字化转型是指使用数字化技术从根本上提高企业的绩效或提高企业绩效可以达到的高度。2018 年，美国国防部发布“国防部数字工程战略”[8]。旨在推进国防部的数字工程转型，将以文档为中心的线性办公流程转变为以模型和数据为中心的动态数字化决策系统。2019 年，美国国防部发布“国防部数字现代化战略”[9]，认为数据是战略资产，应当建设具备计算、存储和智能功能的企业云平台，优化数据中心，进而推进国防部数字现代化，提升信息优势。

数字化转型通过新一代数字技术的深入运用，构建一个全感知、全联接、全场景、全智能的数字世界，进而优化再造物理世界中的业务，对传统管理模式、业务模式、商业模式进行创新和重塑，使企业从流程优先走向数据优先。传统的企业信息化建设是用软件工程技术局部支撑和改良业务，而数字化转型是用新一代信息技术作为新的生产要素，叠加到企业原有的生产要素中，从而实现业务本身的创新、重构[10]。数字化转型不只是将技术在企业生产和运营中的直接运用，更注重转型过程中数字资产的形成和积累，而数据则是构成数字化业务世界的原子材料。数据是企业运营变革和竞争优势的核心动力，是实现数字化转型的坚实基础。通过恰当的连接和分析，内部和外部生态系统的结构化和非结构化数据能够为企业提供突破性的可改善业绩的洞察。因此，企业亟需实现思维转型，坚持以数据为中心，充分挖掘数据的价值。

数字化转型的本质，是新技术驱动下的一场业务、管理和商业模式的深度变革重构[10]。在数字化转型过程中，企业的海量数据成为价值创造的新源泉，为企业构建新的竞争力。应用新技术只是数字化转型的手段而非目的，转型的根本目标是提升企业产品、运营和服务等方面的竞争力。

二、数据思维在世界一流企业中的运用

从支撑业务精细化管控、支撑跨部门业务协同、优化产品研发生产、促进大数据应用等角度，介绍数据思维在国内外知名企业数字化转型中的应用案例。

智能家居无线能耗监控系统主要由以太网数据交互模块、能耗监测远程开关模块组成.系统框架如图1所示，系统的硬件电路与程序开发主要基于Arduino开源平台，在局域网内部各模块通过Xbee无线通讯模块进行自组网及数据交互，在协调器终端通过W5100以太网模块将采集数据传送给LEWEI50物联网开放云平台，用户可通过网页、微信获取能耗传感器实时数据，还可通过互网页、微信客户端等实现远程开关的控制.

（一）集中统一管理数据，支撑业务精细化管控

为加强集中管控，德国西门子公司提出ONE SIMENS 的目标，采用集中统一的建设与应用模式，基于西门子私有云集中部署实施了SAP 产品，是世界上最大的SAP 用户之一，人力资源管理、财务管理、物资管理、销售管理等核心业务应用统一使用SAP 产品。数据管理方面，西门子建立了西门子数据湖（D ata lake），将原有的500 个数据扩充至目前的1500 万数据，将全集团的1000 个数据库集中至目前的2、3 个数据库，将原有的几百种工具统一至每个专业一种工具，将4000 亿行数据统一至集中的数据湖进行管理。通过此一系列措施，西门子实现以数据集中化、流程和谐化、应用精简化为目标的全集团精细化管理。

（二）链接数据孤岛，支撑跨部门业务协同

丰田集团以产品实现为导向统一部署信息化建设，通过定货登记系统、生产管理系统和供应商管理系统等3个系统实现集团内外业务信息的实时共享，以及产品的准时生产。大数据方面，丰田集团于2016 年成立大数据公司——丰田互联，以此作为“丰田全球业务的数据中心”，实现对集团全球业务数据的管理。丰田重视管理变革对信息化建设效果的作用，在每个业务部门派驻信息官的形式，实现信息化和业务的深度融合。

施耐德电气[11,12]在印尼巴淡岛的工厂创建了一个单一的通信门户平台，供各大供应商监控和应对制造流程中的异常情况，交换运营经验，从而实现更好的供应链规划。数字化技术加强了整个价值链的互通性，各大组织能够共享信息，最小化生产偏差产生的影响。由于上述举措，其总体管理时间减少了85%。该平台的成功得益于几项关键特性。工业物联网平台能为供应商监控和传输实时数据，助其实时了解所有生产变动。此平台能提供实时需求预测，帮助供应商实现高效的智能库存管理，供应商的服务率也因此提高了70%。最后，该公司还采用基于二维码的智能跟踪系统，高效地跟踪整个价值链中的库存，使准时交货率提高了40%。

（三）应用工业大数据，优化产品研发生产

雷诺集团[11,12]于2016 年开始数字化转型。法国克里昂工厂通过数据管理系统实现跨部门数据共享，加快了决策和协作速度，还将车间运营效率提升了12.5%，能源管理系统部署后将能耗降低了5.8%。巴西库里蒂巴工厂改进了生产指标，用端到端的方式将供应链与客户连接起来。工厂使用射频识别（RFID）追踪每年29 万辆车的交付过程，运输时间因此减少了30%，准时交付率提高至95.4%。此外，工厂的在线数字销售平台实现了1 万多台的销量，订单数据与采供和生产部门实时共享。在试点成功的基础上，雷诺集团在其全球制造网络中借助敏捷工作方式，发挥大数据分析的全部潜力，将海量数据转换为服务企业运营的有效信息。

（四）打造云计算平台，支撑大数据应用

UPS 旗下的美国增材制造公司Fast Radius[12]通过所有工厂传感器之间的开放通信协议和中央数据存储构建云计算平台。该平台能够收集整个制造过程的数据信息，并利用多种机器学习算法来为价值链的所有环节提供特定反馈，从而寻找并解决不同职能部门的问题。这种数据反馈回路能够促进设计方案的改进，进而逐步减少质量问题和返工次数。此外，数字孪生技术的运用让远程生产成为现实，其覆盖面已经扩展到所有工厂。这有助于为特定的工厂分配特定的任务，同时优化物流和产能。自实施以来，Fast Radius 的库存下降了36%，产品上市时间缩短了90%。

德国汉高公司[12]开发了基于先进云技术的数字化办公平台，实时连接世界各地的数据，将全球所有工厂和分销中心的数据与中央数据库相连接，实时输入能耗数据，奠定了数据中心的框架，目前已经实现实时分析、基准测试和机器学习功能。在数字化后台办公的支持下，汉高得以对全球数据进行收集、存储和虚拟化，打通单一数据源与各现有系统的接口，让全部员工分享跨领域的知识信息。通过云计算和系统化的数字技能提升计划，汉高成功实施了数据驱动的企业转型，实现了高质量、低成本的可持续发展，工厂能耗降低了38%，耗水量降低28%，同时加工成本和物流成本分别降低了10%和25%。

三、数据思维对企业数字化转型升级的启示

（一）数据统一管理支撑数字化转型顶层设计

数据对企业而言是资源和价值载体，但如何利用海量数据仍是挑战。如果企业可以将内外部数据纳入统一的管理，保证数据在相关环节内无缝流动、智能筛选和智能呈现，则可以最大化挖掘数据价值。而做好数字化转型的顶层设计是企业运用数据思维，挖掘数据价值的基本前提。数字化转型的总体规划工作需要与企业的战略规划论证同步进行，详细开展总体方案论证、业务流程规划、数据标准规划、信息平台建设等工作，并发布企业数字化转型的能力成熟度模型和数字化转型路线图。

（二）跨部门数据沟通实现经营管理效能提升

借助新型基础设施建设，大数据管理平台和数据深度挖掘利用，可以打破数据孤岛，支撑跨部门业务，为企业带来更大程度的管理效能提升。利用经营管控平台，能够实现数据实时获取，使企业内部的沟通变得更加高效和透明，提升组织管理效率。通过大数据智能化决策分析模型应用，实现基于大数据的企业运行综合分析、运营状态实时感知、经营风险预测预警和可视化展示。企业与供应商、合作伙伴和客户交换的海量大数据，能够与关键客户、供应商在产品研发、相关服务上进行更紧密地协作和信息互通，有助于提升服务水平和市场竞争优势。

（三）大数据技术驱动企业研发制造效率升级

在制造企业数字化转型过程中，产品研发制造的高效化、定制化、自动化、智能化是总体发展趋势。以大数据应用为基础，构建模块化、标准化的研发模式，更快地完成从产品概念到产品原型的设计、测试、量产全过程，能够提高企业开发效率，协助企业灵活高效地布置供应链和生产线，打造信息化的供应链、自动化的生产线、数字化的管理系统、智能化的监测控制系统，减少人为失误，降低人力成本，提高生产效率，协助企业更快更好地响应快速变化的市场需求，进而提升产品的质量和利润，争取市场优势。其中，大数据技术是制造企业利用数据价值，实现产品研制数字化转型的核心动力。

（四）新型基础设施建设保障数据思维应用

国家提出加快工业互联网、数据中心等新型基础设施建设，国家级信息化基础设施的完善无疑将促进传统企业加速完成数字化转型升级，工业互联网、数据中心为代表的数字化平台建设对于有条件的大型企业已经不可或缺。要进一步完善数字化“新基建”，加强数字化转型基础保障能力建设，统筹建设开放、高效和安全的网络环境与大数据中心，支持企业管理业务的一体化应用，提升信息化基础设施自主可控水平。建设新型基础设施和数字化平台，并以此为基础实现企业数据的集中管理分析，是企业应用数据思维，实现数字化转型的重要保障。

（五）新一代信息技术赋能企业大数据决策

随着5G、区块链、物联网、人工智能等新一代信息技术趋向成熟，新技术应用将全面推动企业实现业务运营革新和转型。例如：物联网技术成熟，能够大规模、低成本在工厂实施，提升了制造企业现场节点的互联性，突破了传统制造业数据采集困难的瓶颈。人工智能产业应用发展迅速，模式识别、机器学习等用于大数据分析与决策的技术进一步成熟，使得企业能够使用计算机辅助进行灵活的自动化决策。物联网、人工智能等新一代信息技术的高速发展，为企业应用数据思维实现大数据决策，提供了信息基础和有力的工具。