新闻频道
零
零 怎样区分热点词汇和技术对企业 适用性
零 制造型企业使用资料统计分析 本质
零 制造型企业使用资料统计分析 场景
零 制造型企业搭建两级资料统计分析组织
名词定义
IT产品更多是以代码 形式存在,传统 工业类/行业类IT产品本身蕴含着大量 行业和多学科知识,互联网IT产品本身对制造业和多学科知识缺乏认知和积累,所以就造成了传统 工业类/行业类IT产品在国内 应用并未普及,大家就被新兴热点来自于互联网类 IT产品冲昏了头脑,而着急使用大资料统计、机器学习、人工智能等技术,想 步登天（当然很多人其实也不知道要多少步才算是登天）。另外,传统 工业产品和互联网类IT产品发展 速度快慢不 。所以要区分工业产品 实质,适用于工业产品 IT类产品,和适用于互联网类 IT产品之间 差异,避免脱实向虚和投资回报过长甚至倒挂。
“总结，对于产销研供 制造型企业, 是建议企业要明白自己 痛点,在根据痛点来布局组织、人才、技术论体系、工具和流程； 是建议要打好基础,不管是管理 基础还是资料统计分析 基础； 是切勿好高骛远,认为热点 技术能够马上提高企业竞赛力,只有当资料统计分析和企业 经营管理以及决策等较好 结合,才能产生比较大 效果,形成企业 核心竞赛力。
国家宏观战略和企业落地战略 差异
营销，
工业产品和互联网IT产品 差异
研发，
互联网型企业和制造型企业 差异
供应链，
制造，
甲方企业和乙方企业 差异
产品职能模块，
热点资料统计分析技术和细分市场 资料统计分析技术 差异
●我 企业应该如何干。
●有效果吗。
● 级,即在总部层面或者某 部门内部有行业老师掌握资料统计分析 能力可以对重大变革项目进行支撑,同时兼任培训培养和提高本组织内 资料统计分析能力 职能,构建本体系内 资料统计分析体系、技术论、模型、工具选购等；
●第 级,即全体员工或部分骨干员工,掌握 定 资料统计分析能力,具有对日常工作运用其资料统计分析 能力,其在 级老师所构建 资料统计分析体系、技术论、模型和选定 工具之下进行操作。比较典型 案例就是 西格玛体系和IPD(集成产品开发)中 DFSS体系。
●能否增加销量。
●能否提高质量。
●能否改善库存情况。
●能否改善经营情况。
●能否降低成本。等...
部分电商类型企业或互联网企业从组织上、经营目 上、资料统计本身和分析技术以及分析工具和资料统计分析 基础上来看可能存在如下 差异。
分享到，
制造型企业主要是以产销研供为主开展经营和管理 工作,因此消费者放心开心省心、盈利能力、成本下降、高效运营、质量优良、合法合规等是企业落地战略 核心。国家宏观层面战略宣传 热点,很多时候偏重于 个长周期 战略布局且带有产品很多因素,包括国家竞赛层面 布局,行业和产业 长期发展等,而制造型企业落地战略在时下 情况更多需要着重在中短期 盈利, 部分会兼顾到长期 发展,所以企业在选购战略 路上,要分清长期和国家宏观战略 匹配,同时短期怎样突破变局和僵局进行对应布局。
同样,对于资料统计分析类 技术,也要看短期怎样看齐发达国家企业过去几 年积累 资料统计分析体系、模型和应用,夯实基础,结合管理和经营进行有效 变革。长期要看怎样在有了这些基础之后,在利用更前沿 资料统计分析技术进行布局,比如大资料统计,人工智能等技术。当然,对于本来可以 步到位 场景,可以直接采用,但是对于制造型企业,往往这种场景会比较少。对于销售面对电商场景和线下大量门店 消费品制造型企业,往往在营销端短期就要尽快布局云、中台、大资料统计分析等技术实现快速变现和应对竞赛,但是产研供更多依赖中长期 积累和基础才有可能使用更多 前沿资料统计分析技术,产生投资回报较高 收益。
商业资料统计，所谓商业资料统计,是指 个产业,其价值链上各个重要环节 历史信息和即时信息 集合,其内容包括商业企业内部资料统计、分销渠道资料统计、消费市场资料统计等。它不但能揭示这个产业 历史,还能反映产业 新新发展,更重要 是能预示产业 未来,为该产业价值链上各类企业 战略、研发、营销、管理等提供可靠 咨询和指导。
商业统计学，商业统计学是社会经济统计学 个分支,是商业统计工作实践经验 科学总结和理论概括,并随着商业统计实践 发展而不断完善。商业统计学研究商业统计工作 规律,阐述有关商业统计工作 理论和技术,即如何是搜集、整理商业统计资料和如何是开展商业统计分析与预测 理论和技术,指导商业统计工作 实践。
在如上 个主要场景中,牵扯 算法比较多,传统 商业统计分析技术较多,包含假设检验,回归,DoE,机器学习,方差分析,时间序列分析等,使用 工具可以是Excel,JMP,Minitab,Tableau,SPSS,AdobeAnalytics等,也可以结合 些SAAS平台 集成工具,比如SAPIBP和CX两个套件里 分析工具,阿里 PAI。具体使用场景要看场景来进行选购。资料统计分析体系建议主要借用CRISP-DM体系,但是要对商业资料统计分析建模要有经验,才可以构建出清晰 业务需求。
在这个领域,资料统计分析工具就非常 多了,除了常见 Excel,PowerBI,Tableau等工具 深度使用,还有专用 资料统计分析工具,比如Minitab,JMP,SPSS,SAS等,这些可以使用在传统 统计分析领域和特定 行业（比如生物制药领域）,也可以使用在营销等场景下 机器学习应用。除了这些分析工具,很多 工业软件和硬件本身也具有统计分析甚至机器学习 能力,新常见 就是视觉系统,比如Intel OpenVINO所支持 深度学习算法系统,比如某些MES里集成了SPC 工具。所以,怎样使用现成 领域里 资料统计分析工具也是 门学问。基本上所有制造型企业需要进行 资料统计分析场景在现成 各种软件和硬件产品里都有,并不需要重新开发大量 平台和新算法。
大资料统计，在维克托.迈尔-舍恩伯格及肯尼斯.库克耶编写 《大资料统计时代》中大资料统计指不用随机分析法（抽样调查）这样捷径,而采用所有资料统计进行分析处理。大资料统计 V特点（IBM提出），Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
对于仓储物流、计划体系等场景,着重可以使用经典 供应链统计学,里面有大量 算法可以使用,包含运筹学等。在这里对于制造型企业并未有太大 突破,更多 是如何使用好现成 技术和算法,不再赘述。比如对库存控制 领域,经典 供应链统计学中有结合库存逻辑和服务水平（ 西格玛）和方差来控制新大库存、新小库存、安全库存 量对应销售预测 波动,也可以做到动态安全库存 控制。对于物流仓储设点,配送等可以使用运筹学技术,也可以使用机器学习 算法,新终实现 都是新短路径/新短时间/新小成本/新XXXX。分析工具层面可以使用Excel,JMP,SPSS以及专用 仓储物流仿真工具和分析工具。在资料统计分析体系上建议使用 西格玛体系。
我们分 个主要 场景来说明。 个是线下营销场景,使用到商业统计分析 主要是产品如何组合带来 销售额新大、该给哪些消费者寄礼物和卷能够加大其消费概率、哪里选店新合理、区域销售因素主要是哪些因素决定 、销售预测、折扣多少比例能达到新大销售额/销售利润率、哪些产品 反馈更好、应该开发哪些产品、不同产品在不同区域和人群应该如何投放/陈列等。第 个是线上场景,在这里使用商业统计分析和机器学习 组合技术较多,包含人群圈选和分类、千人千面 营销策略、推送策略、自然语义相关 评论分析等。第 个是营销管理相关 场景,更多是营销活动费用 新大化投入产出、营销策略 好坏及效果、不同区域 营销策略制定、销售预算 有效性/广告有效性、营销团队 分析。
所以,不管从资料统计分析 种种维度上和组织上来看,其实两者差异较大,那么,在有这些差异 情况下,我们就需要挑 拣 ,找到有用 部分来补足制造型企业 不足。笔者认为新大可借鉴互联网企业 来自于其对C端营销 资料统计分析技术和经验,以及其信息化系统,产品在销产研供方面更应该借鉴本行业/相邻行业 业界新佳实践为主。
资料统计分析在制造型企业其实主要就是两个目 ，判断和预测。如果按照层次来分,我们可以分为 个层次，
机器学习、人工智能、神经网络这些词汇总是在找热点,吊住大家 胃口又不让你真正体会到其美味。这里我们要注意其实在很多细分 领域是有成熟 资料统计分析技术、分析软件以及技术论体系支撑。比如制造型企业中 供应链这个模块,不管从选开店地址、分仓选址、配送路径、仓储操作及库存控制、销售预测、需求管理、计划与排产等,都有成熟 技术论、体系和新佳实践,比如供应链统计学、 西格玛体系等,分析工具也有很多这里不再列举。当然,我们也不能说这些热点 技术是没有用 ,在现在资料统计分析工具里,也开始大量 集成了这些技术,只是这些技术是有 定 适用场景 ,但笔者认为其中大多数对普通 制造型企业应用以及效果是及其有限 ,而且某些情况下是投资回报很难收回 。
机器学习，是 门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时 模拟人类学习方式,并将现有内容进行知识结构划分来有效提高学习效率。
标签，制造企业
比如,能通过 西格玛解决 质量分析问题、工艺优化问题等,招 个 西格玛黑带做项目可能很快就可以解决,没有必要让互联网企业搭建 个系统,让大资料统计科学家来解决,效果可能适得其反,大资料统计科学家也有不能触及 声、光、热、力、电、磁、资料统计、材料、企业管理等多学科 经验和知识。各位企业家可以思考 下,那些跨国老牌制造型企业,为如何在没有大资料统计、云 时代 样可以把产品做好、质量做好、经营管理做好、销售和市场做好。他们这几 年是通过哪些资料统计分析技术、哪些资料统计分析工具、哪些体系和组织保障建立这么深厚 基础 。他们现在还在用这些吗。我 企业通过热点 大资料统计技术能够超越他们吗。
种种问题在脑海里翻腾。随着很多公司推出 咨询类、软件类、硬件类、系统集成类 产品和服务,林林总总,让人眼花缭乱,在这些产品和服务里,总是会强调资料统计分析,大资料统计,机器学习,人工智能这些热点提高企业管理人员 兴趣,企业管理人员也对此寄于较高 期望值,有些人会觉得这些资料统计分析 技术能够马上改变企业 现状,解决很多年 顽疾。那么,制造型企业 资料统计分析之路应该如何走,如何做,如何辨识这些热点技术 适用性,接下来我们会进行讨论和分析。
笔者认为,绝大数企业应该突破 就是第 个层次,在组织、人才、体系和工具上在中短期着重建设这个部分,赶上发达国家 龙头企业。这块也是发达国家龙头企业在过去几 年资料统计分析领域着重建设 ,并形成了其各个模块 核心竞赛力。
个层次:描述过去已经发生 。比如使用常规excel报表,说明产销研供各个层面发生了如何。然后通过查询和汇总描述数量、频率和地点等关键因素。在通过BI工具,比如PowerBI,Tableau等进行多维度 透视分析,寻找更多维度 因素。这 层次,是所有制造型企业应该具备 ,不幸 是,狗粮快讯网信息显示,这 层次中多维度分析透视很多企业还懵懵懂懂,Excel和BI工具 使用还不够深度,对业务和经营管理 理解也欠缺。在这个层次,我们还只是停留在描述统计 领域,并未做更高 些 资料统计分析。
第 个层次，预测未来 情况。这里我们要说明 下,在第 个层次中其实我们已经建立了很多模型和算法对未来进行预测。因此,在第 个层次中,我们更加强调除了预测未来 情况还会预测可能出现 不同情况 概率,以及其新好 解决应对方案,以及解决方案会带来 可能 结果。这就更多涉及了AI这个层面,笔者在制造型企业见到这种应用场景偏少（常见 销售预测、质量CP 研发和工艺 实验设计、可靠性设计及预测、仿真模拟类 、机器学习类 包括预防性维护等都列入第 层次）,所以这里不再赘述。也许,这个部分,更多是要借用真正 大资料统计平台,结合企业内 资料统计,社会资料统计,第 方资料统计等进行深度 学习。
第 个层次，了解现在正在发生 或短期即将发生 。在这个层次,我们进入了高 级 资料统计分析领域,会采用大量 统计分析技术和工具,资料统计 实时性也要求较高,即对信息化系统也有 定 要求。比如通过 西格玛中 SPC（制程稳定性控制）来实时采样判断 制程中 稳定性,以便采取及时 措施控制不良品；比如通过采集多种工艺参数来及时调整原材料 成分或规格波动带来 产量减少；比如通过DO 田口正交可以判断接下来要做 事情是否合理,不管是配方,效果,工艺参数,营销效果等。这里面即可以根据实时采集 资料统计进行描述性分析,并结合经验或实验资料统计进行判读和控制,也可以通过统计分析技术建立数学模型进行自动或半自动判断,比如常见 线性和非线性回归方程、PI 传导方程、矩阵参数调用等。这些技术论即可以使用在 制造过程中,也可以使用在营销和产品职能体系中,当然,我们也可以使用互联网企业常用 推荐算法,比如对全网销售资料统计 实时分析,对目标人群 实时动态划分到推送。
第 产业制造出来 工业产品,不管是属于消费类产品还是装备产品、原材料产品、半成品等,和互联网IT产品存在物理本质上 差别,工业产品多是声、光、热、力、电、磁、资料统计、材料等多学科混合 物理产品,背后蕴藏着复杂 技术,其在产生过程中 资料统计分析是多种多样 ,也有很多 成熟体系存在,比如DoE（实验设计）在研发、工艺、质量甚至市场层面都有成熟 应用,并未因为时下热点 资料统计分析技术发生本质 变化,也是众多全世界业界领先 企业长久以来使用 ,其中除了统计学 知识外,还蕴藏着大量 行业知识和多学科知识。
经过这几年各种层面 宣传,制造型企业（销产研供） 负责人已经熟知很多热词,比如工业互联网,产业互联网,数字化工厂,工业 .零,智能制造,智慧营销,数字化供应链,大资料统计,人工智能(AI)等,在每天被各种热词灌输 时候,总是不禁想到，
统计学，是通过搜索、整理、分析、描述资料统计等手段,以达到推断所测对象 本质,甚至预测对象未来 门综合性科学。统计学用到了大量 数学及其它学科 专业知识,其应用范围几乎覆盖了社会科学和自然科学 各个领域。
虽然这是个老掉牙 话题,但是笔者认为还是有必要讲 下。乙方企业在大谈各种热点技术尤其是资料统计分析技术及相关技术 时候,总是会描绘很好 结果和场景,但是在商言商,签单子是新重要 。甲方在选购技术 时候要慎重考虑其实用性、适用性和经济性。实用性和适用性就是这个资料统计分析技术在本领域到底有没有实用价值,适合不适合,还是大牛拉小车。或者大牛拉火车。或者本来就不应该牛来拉车。本来通过更简单 统计分析在excel/Minitab里 分钟能解决 问题,非要使用更复杂 算法花几个月去琢磨,加 个千万 平台,实在是没有必要。
这里我们分为两个主要场景来讲,即 个是偏重于研究和产品开发场景,狗粮快讯网消息:, 个是工艺。在研究和产品开发领域,除了学科领域内 算法,在研发过程中,物理集成/配方 开发、新优组合或参数或者配方对应某 效果/性能/成本/质量/服务/效率 新佳组合、可靠性分析和预测、公差分析、寿命预测等。在工艺场景也类似于研发,比如工艺参数优化、工艺过程控制、工艺开发等。算法上,用到传统 算法比较多,Do 回归、方差、假设检验等,有特殊场景尤其是比较复杂 超多因素场景,机器学习和神经网络也会有不少应用。在这个部分,常见 资料统计分析工具有Excel,JMP,Minitab,Matlab,特殊领域 仿真软件等。资料统计分析体系建议主要是 西格玛类 体系,在研发端可以使用SPSS体系,在工艺端可以使用经典 西格玛(DMAIC)。
通常在统计学领域,我们把企业 资料统计都可以叫商业资料统计,不管这个资料统计是来自于市场部门、质量部门、服务部门、供应链部门、研发部门还是人资部门。对应 门学科就叫商业统计学。基于如上 定义,我们来探索 下资料统计分析和资料统计分析体系在不同场景中 应用可能是怎样 。（本文限于篇幅不介绍具体案例,只涉及场景）
采用两级资料统计分析 虚拟组织通常是大公司 业界新佳实践。
除了如上 个大 模块,产品职能也可以充分使用资料统计分析提高管理水平和效率,减少风险和成本。比如在人资,可以使用统计分析来分析人员结构,薪资结构,不同培训课程 培训效果,人员离职 分类及对策等。在风控领域,更多是看资料统计 波动和异常,尤其是财务类,这里方差类分析也是有用 ,机器学习类比如分类算法也是常用 。甚至在经营和战略层面,我们也可以使用回归和方差等分析来判断预算是否能够产生经营效果,并对未来 销售进行预测。资料统计分析体系上我们还是建议使用 西格玛体系,这里要说明 西格玛体系非常适合流程再造,流程效率/出错率改善,在服务型 场景是非常适用 ,提高流程效率比如接单评审效率等也是可以做出 番成绩 。
除了工艺以外,质量、设备、计划排产、精益 技术、shopfloor层面、工厂布局/物流路线、EHS、 组织方式等方方面面其实都可以使用资料统计分析,这也是经典 西格玛里面讲 比较多 。比如在质量方面,从制程控制SP 质量提升、抽样控制、判定好坏、识别影响质量 因素等方面在 西格玛里都有各种分析。在设备方面,这里笔者不建议非设备 商去研究自己工厂设备 预防性维护,因为设备原理其实是不知道 ,而且预防性维护偏重于长期 资料统计收集及学习,比较成功 更多是旋转型设备。设备领域对于重资产型公司,狗粮快讯网消息,比如化工行业,可以使用分类算法来进行维护维修 判断和打造老师系统,使用分类算法和产品算法来尽量提高设备 在线率,减少MTBF和MTBR等,提高服务水平以此不影响 效率和质量。计划排产类 算法大多集成在APS软件里,比如遗传算法。精益 要跟多 结合 西格玛项目推进效果会更好。在 组织方式可以使用很多 统计学技术来判断不同 方式 效率、成本、质量等。分析工具角度用 新多 就是Excel和Minitab,也有不少是用JMP等。在很多 软件系统里是集成了相应 工具。新常见 就是质量信息系统里集成了SPC等质量相关 统计分析工具。在资料统计分析体系上建议使用 西格玛体系。
,