万物智联
作为全球制造业大国，中国正面临来自国内和国际的双重挑战。从国内来看，人口红利消失、劳动力成本上涨，主要依靠资源要素投入、规模扩张的粗放发展模式已经难以为继，产业结构亟待转型；从国际来看，以德国、美国等为代表的欧美发达国家相继推出工业4.0和工业互联网计划，全世界的制造业强国正在开启“第四次工业革命”。
挑战也是机遇。“第四次工业革命”以物联网、大数据、人工智能、新能源、3D打印、区块链、生物技术等为驱动，正在以难以置信的速度改造世界。其中，尤以大数据为代表的新技术应用对整个社会影响显著而深刻。凭借大数据，用户需求与资源供给被更加有效率地匹配，互联网和服务业等行业也经历了一个高速发展阶段。随着5G时代逐渐到来，互联网将进化为智联网，而网络升维之后的新形态，可称之为“万物智联”。麦肯锡报告《大数据：下一个创新、竞争和生产力的前沿》显示，制造业产生的数据量远远超过其他行业，且可被接入的设备数量也远超移动互联网，加之工业大数据刚刚起步，其应用远不及在社交网络、医疗和商务等方面那样普及和深入，所蕴含的价值还有待于充分挖掘，从而拥有巨大的机会与潜力。
进入“万物智联”的数字经济时代，变革和创新成为制造业的中心词。变革体现在产业的全生命周期，创新贯穿于设计、生产、供应链、研发、营销、服务等各个环节。与传统生产要素相比，大数据是未来制造业举足轻重的新生产要素，从大规模定制到智能化服务，其应用及影响无远弗届。抓住这轮新机遇，中国制造业将大有可为。
设计环节：大规模定制
1970年，美国未来学家阿尔文·托夫(Alvin Toffler)在《Future Shock》一书中最早畅想大规模定制这种全新生产方式：“以类似于标准化和大规模生产的成本和时间，提供客户特定需求的产品和服务”；1987年，斯坦·戴维斯(Start Davis)在《Future Perfect》一书中首次将这种全新生产方式命名为“大规模定制”；而在众多学者中，对于大规模定制的含义理解较为全面和准确的学者是B·约瑟夫·派恩(B·Joseph Pine II)，他认为大规模定制的核心是产品品种的多样化和定制化急剧增加，而不相应增加成本，其最大优点是提供战略优势和经济价值。
大规模定制的基本思想在于通过对产品结构和制造流程的重新构建，运用现代化的技术手段，以大规模生产的成本和速度，为单个客户或小批量多品种市场定制任意数量的产品。由此可见，大规模定制不仅追求低成本、高效率，还要兼顾高质量和个性化，这在传统工业社会是难以想象的。大规模定制的要义在于，以满足客户需求为核心，创造出一系列运作模式、技术支持、销售方式、反应机制。这将会给企业的组织和运营带来冲击与困扰，企业生产、服务和销售环节都需要随之进行转变。如果说在工业化条件下，大规模定制的思想对绝大多数企业而言都无以落地，那么在大数据条件下，“一切皆有可能”就有了现实基础。
大数据是制造业大规模定制的关键，其应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等。当定制数据达到一定量级，通过对这些数据的挖掘、分析，能够实现精准匹配、营销推送、流行预测等更高级的功能，可以帮助制造企业降低物流和库存成本、增加产品的用户匹配度，减少生产资源投入的风险。
当前，包括青岛酷特集团、英沃电梯公司在内的众多企业，正在积极谋求智能化转型和升级，拥抱如潮而至的大数据时代，而这对传统制造业提出了更高要求。制造企业满足消费者个性化需求，一方面，在生产端，要提高供给能力，提供多样性的产品或服务满足消费者个性偏好；另一方面，在需求端，要通过互联网了解消费者个性化定制需求。由于消费者众多，需求各不相同，而需求又处于无时无刻的变化中，由此构成了产品需求的大数据。制造企业对这些数据进行处理，进而传递给智能设备，完成数据挖掘、设备调整、原材料准备等步骤，最终生产出符合个性化需求的定制产品。
案例1
青岛酷特：大数据驱动的个性化大规模定制模式
在大数据时代，大规模定制正悄然改变着整个行业。在2015年，中国的纺织服装出口行业压力巨大，出口额为2837.8亿美元，同比下降4.9%，而在服装行业普遍寒冬的大背景下，位于青岛的一家纺织服装企业却在2012年至2015年连续四年利润增长100%以上，利润率达到25%，它的名字是酷特集团（原红领集团）。经过13年的内部流程改造，从过去传统的规模量产模式，转变为现在更加聚焦消费者的C2M（客户对工厂）模式，成为中国制造业转型的一个典范。
酷特集团自主研发了电子商务定制平台——C2M平台，消费者可以在线定制，选择自己喜欢的款型和板式，最后订单直接提交给工厂，订单数据会进入酷特自主研发的版型数据库、工艺数据库、款式数据库和原料数据库进行自动匹配。这其中没有中间商赚取差价、没有原材料和产成品挤压，从下单、支付到产品制造的全过程都是数字化和网络化运作，这种“按需生产”的零库存模式一方面让企业生产成本大大降低，另一方面也使消费者不必承担传统零售模式下的流通、店面、人工和库存等成本，直接提高了消费者剩余，达到了双赢的局面。
除了成本优势之外，C2M模式在大数据的助力下也大大提高了生产效率。在过去传统的制造模式下，定制成本居高不下，而且生产过程往往超过一个月，难以量产。而酷特集团通过C2M平台，打破了消费者和生产者、设计者之间的藩篱，让需求能以最快的速度直达工厂，与传统服装定制相比，酷特集团已将定制生产周期降到7个工作日以内。
酷特集团打造的大数据平台促进企业向高端制造转型，不仅让企业利润倍增，也让消费者享受到制造升级红利，个性需求得到满足。
案例2
英沃电梯：C2M电梯个性化定制智能平台
英沃电梯有限公司是一家集电梯、自动扶梯及关键零部件的设计、研发、制造、销售、安装、维保为一体的现代化专业电梯企业。随着行业竞争的不断加剧，电梯市场不断走向客户定制化、交货期短及产品多样化的柔性生产模式，管理难度大。
英沃C2M电梯个性化定制智能平台，采用流量分成模式、云计算和物联网方法，实现从报价、设计、制造、服务全流程的智能化、自动化、数据化、网络化的处理，完成面向电梯终端客户的个性化定制生产和服务。引入数字化工厂智能制造的解决方案，借助于信息化和数字化技术，利用集成、仿真、分析、控制等手段，通过ERP系统与二维和三维仿真系统、PLM系统、MES系统、SCM系统、数控加工中心等系统的集成，推动实现制造过程的自动化和智能化。
C2M电梯个性化定制智能平台通过持续的数据积累，形成研发、生产、质量、服务、运营大数据，构建电梯行业数据中心，最终实现企业研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化。
案例3
北科亿力：大数据助力智能炼钢
钢铁是国家战略性支柱行业，连续多年占全国GDP总值的10%以上，在去产能背景下其体量依然巨大。作为占据钢铁企业约70%的成本和能耗的炼铁厂，2016年中国铁水产量约7亿吨，产值约1.5万亿元，其生产过程的数字化和智能化水平相比于钢轧工序依然较低。
北科亿力作为由国内知名大学专家和钢铁企业专业人才组建的企业，一直致力于炼铁数字化及智能化技术的研发，已获得炼铁大数据及数字化监测方面的软件著作权21项、专利11项，其最新的研究成果是炼铁大数据互联平台：将无线传输、三维激光雷达、热成像技术应用于高炉“自感知”工业传感及物联网开发；建立了数据源、整合、传输、管理、持久、分析、接口、应用的大数据处理中心；开发高炉专家系统实现自诊断和自决策；建立行业级炼铁大数据平台实现企业端和行业端数据互联互通及智能对标；开发云平台实现移动终端服务。广泛应用于河钢、首钢、中信特钢、沙钢、山钢、酒钢等中国近百家和海外伊朗、越南、印尼等200多座高炉，在实际应用中对炼铁长寿、高效、优质、低耗、清洁生产起到了至关重要的作用。
通过炼铁大数据平台和智能化系统的建设，降低炼铁异常工况及燃料消耗，不但能为炼铁厂带来巨大的经济效益，还可以直接降低炼铁燃耗及CO2排放，实现节能减排和绿色冶金。
生产环节：智能制造
智能制造是《中国制造2025》最重要的目标之一，其实现基础是大数据，实现途径是CPS系统。CPS（信息物理系统）的概念最早在美国被提出，被视为新一代技术革命的突破点。与此同时，德国工业4.0也将CPS作为生产系统中的核心技术。
CPS不是一个简单的技术，而是一个架构和流程清晰的技术体系。其主要应用过程包括数据的搜集、汇总、分析、预测、决策和信息发送，能够让制造业数据像流水线一般的处理、分析，并在这个过程中充分考虑机理逻辑、流程关系、活动目标、商业活动等特征和要求。作为工业大数据分析中智能制造的重中之重，CPS系统让制造业融入互联网之中，包含两个层面：一是将产品通过硬件设备（如智能家居设备、智能制造设备等）接入互联网，在互联网上传输数据，实现产品生产的智慧化；二是将企业接入互联网，加速企业的网络化、智能化改造进程。
目前，大数据已经成为智慧制造云或智能制造系统建设和运营的战略资源，也是智慧制造云实现智慧化的重要基础。从技术来看，基于大数据的智慧制造系统具备多元复合模态，拥有高度实时性和不确定性等特征；从应用来看，智慧制造云大数据的价值在于：通过采集管理分析服务，能够精准、高效、智能地促进云制造的智慧化，实现以“产品+服务”为主导、随时随地随需的个性化和社会化制造，进而提升企业竞争力。
供应链环节：优化与提速
随着供应链复杂程度的不断提高，企业对于更有效率的供应链管理方式的需求也随之增长。而大数据的出现，则使供应链全局优化成为可能。
大数据优化供应链的核心，在于精准的需求预测。作为整个供应链循环的第一步，需求预测的准确与否直接关系到库存策略、生产安排是否成功，预测一旦失准，将会导致产品的缺货或脱销，二者都将使企业蒙受巨大损失。但在大数据的支持下，通过对供应链上的海量数据进行搜集、分析，不仅可以勾勒出包括消费者的消费习惯、消费能力等维度的用户画像，反映出市场的真实需求，又能够使物流企业依据数据分析结果，了解到供应链每个环节的运作情况，从而找出业务赢利点或低效率的地方，然后有针对性地进行业务调整，优化资源配置，以提升供应链的协同效应，实现效率和利润的最大化。
大数据在供应链环节的应用，通常表现在供应链配送体系优化、用户需求快速响应等两个方面。
供应链配送体系优化。主要是通过 RFID等产品电子标签技术、物联网技术以及移动互联网技术，帮助制造企业获得完整的产品供应链的大数据。利用销售数据、产品的传感器数据和出自供应商数据库的数据，制造企业可准确地分析和预测全球不同区域的需求，从而提高配送和仓储效能；利用产品中传感器所产生的数据，分析产品故障部分，确认配件需求，可预测何处以及何时需要零配件。这将极大地提高产品的时效性，减少库存，优化供应链。
用户需求快速响应。主要是利用先进的数据分析和预测工具，预测与分析实时需求，增强商业运营及用户体验。例如，京东运用大数据提前分析和预测各地商品需求量，从而提前配货，提高配送、仓储和投递效能，保证了到货及时的用户体验。
案例4
McKesson：动态供应链
美国最大的医药贸易商McKesson公司将先进的分析能力融合到每天处理200万个订单的供应链业务中，并且监督超过80亿美元的存货。对于在途存货的管理，McKesson 开发了一种供应链模型，它根据产品线、运输费用甚至碳排放量而提供了极为准确的维护成本视图。这些详细信息使公司能够更加真实地了解任意时间点的运营情况。McKesson利用先进分析技术的另一个领域是对配送中心内的物理存货配置进行模拟和自动化处理。评估政策和供应链变化的能力帮助公司增强了对客户的响应能力，同时减少了流动资金。供应链转型使McKesson公司节省了超过1亿美元的流动资金。
案例5
同方知网：大数据知识管理创新
同方知网一直专注于知识资源的大规模集成整合和增值利用服务，在大数据知识管理和创新服务方面积累了较为丰富的经验。
2015年，基于自身海量的知识资源优势和全国各行各业创新发展的知识需求，同方知网积极探索协同创新的新体制、新机制、新模式，提出了面向各行业创新服务的“机构知识管理与协同创新平台整体解决方案”（OKMS）。OKMS利用大数据、云计算等先进技术，围绕机构决策与创新业务全流程，提供更加符合各级领导、科研专家以及机构个人实际业务需求与工作应用的知识服务和战略决策服务，并通过机构知识管理系统规划与设计的整个过程。目前，OKMS已成功应用于京津冀大数据产业协同创新平台前期筹建工作，有效解决了京津冀协同发展的时空限制，助推了三地协同工作的高效运转。
OKMS协同创新平台重点包含“协同研究”与“协同创作”两大模块，主要是面向管理人员、研究人员以及工程技术人员提供计算机辅助创新工具和基于网络的文档协同编辑创作系统。平台目前已经在交通、旅游、环保、建材、通信、能源等多个领域应用，打造了“互联网+大数据”的全新行业生态，为各行业的创新发展提供了决策支撑和关键信息服务。
研发环节：协同创新
除了设计、生产、供应链环节，大数据及其相关应用的触角同样也延伸到了企业的研发环节。
以制药企业为例，麦肯锡全球研究院估计，在美国医疗保健系统中，应用大数据服务战略决策制定将能产生多达每年1000亿美元的价值。通过优化创新，提高研究和临床试验效率，给医生、患者、保险和监管者提供新工具，以实现更加个性化的治疗方式。
以飞机制造业为例，可建立针对产品或工艺的数字化模型，用于产品、工艺的设计和优化。数字化模型作为量化、可计算的知识载体，可提高企业的知识复用水平并促进其持续优化。将大数据技术与数字化建模相结合，可以提供更好的设计工具，缩短产品交付周期。例如，波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从 2005 年的 11 次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。
大数据助力研发环节实现协同创新，从应用场景来看主要通过以下三种方式。
一是数据整合。海量数据是建立高附加值数据分析能力的基础，大数据技术使端对端数据整合更有效，并精确关联性质完全不同的数据，包括内部数据、外部数据、公开数据和自有数据。
二是内外协作。许多制造企业的研发部门保持高度的封闭性，而大数据打破了企业内部各职能部门之间的信息壁垒，并加强了企业跟外部合作伙伴的协作。
三是决策支持。大数据可以代替人进行较为复杂的决策，如项目的分析、商业开发机会、预测等相关决策都可以借助大数据快速作出。
营销环节：精准推送
营销无疑是受大数据潮流中影响最大的行业之一。美国著名公司Adobe对1000名营销从业者的调研显示，2010年以来，短短几年的变化要比过去50年还大。最近几年，搜索营销、程序化购买等技术已经渗透到互联网生活的每一个角落，其发展速度之快令人咂舌。
在制造业领域，利用大数据，可以实现分区域对市场波动、宏观经济、气象条件、营销活动、季节周期等多种数据进行融合分析，对产品需求、产品价格等进行定量预测。同时，可结合用户当前对产品使用的工况数据，对零部件坏损程度进行预判，进而对零部件库存进行准确调整。此外，通过对智能产品和互联网数据的采集，针对用户使用行为、偏好、负面评价进行精准分析，有助于对客户群体进行分类画像，可在营销策略、渠道选择等环节提高产品的渗透率。更重要的是，可结合用户分群实现产品的个性化设计与精准定位，即针对不同群体，通过对用户精准画像、精准推送等，实现产品从设计到交易的完整营销环节精准化。
案例6
今日头条：精准营销的逻辑
自2013年世界大数据元年开启以来，各类信息实现爆炸式增长，并且随着人们生活水平的提高，消费者的需求目前已呈现出多样化、碎片化的特点。在这样的时代背景下，各个企业都面临着如何对庞大数据加以利用从而满足消费者需求的严峻挑战。今日头条是基于数据挖掘的推荐引擎产品，主要推荐对客户有价值的新闻、电影、购物等信息，于2016年末完成D轮融资，投后估值110亿美元，成为移动互联网领域的独角兽。
今日头条迅速成为移动互联新贵的重要原因之一，在于精准营销。具体而言，今日头条实践的正是“现代营销学之父”菲利普·科特勒的这一理论：精准营销（precision marketing）使得营销沟通更加精确、可衡量以及较高的投资回报，重点强调精准营销需要借助信息技术，对顾客采取有针对性的信息传递。其基本流程是这样的：首先，获取消费者的基本信息、社交行为等信息，通过数据挖掘技术寻找出消费者的兴趣爱好；然后将基本信息、兴趣爱好相似的那些消费者归为一类，总结出每类消费者的特点，为这些用户绘制“画像”；最后结合每类用户的特点以及兴趣爱好为这些用户进行新闻、购物等信息以及广告的精准推荐。
基于数据挖掘技术，对用户的兴趣爱好进行分析，最终将那些与消费者兴趣相匹配的信息推荐给相应的用户，今日头条正是凭借大数据实施精准营销，取得了可观的商业回报。
案例7
中兴通讯：大数据运维支撑平台
中兴通讯是全球领先的综合通信解决方案提供商，中国最大的通信设备上市公司。多年来积极面对技术变革带来的挑战，尝试各种路线的转型。在这一过程中，中兴通讯推出了智能运营解决方案，其自主研发的NetNumen OSS运维支撑平台，实现了数据共享、融合创新。
中兴通讯基于先进的运维模式，通过自研、与业界一流厂家联合开发的方式打造出全网络全业务运营支撑系统。NetNumen OSS面向运维未来需求，通过最佳运维实践、胶囊原型组件、云环境部署，充分发挥BI的数据关联和分析能力，并能根据运营商实际运营场景需求定制最佳解决方案，标准化原型让零代码开发进入实用阶段，打造易用、智能、开放的可视化运营支持系统。
中兴通讯的整体工具方案NetNumen OSS套件由各工具模块组成，覆盖管理服务的全过程：AOS 提供统一访问门户，FMS提供全面告警监控，PMS提供性能管理，eFlow（包括SPM、WFM等模块）撑起完整电子运维流程，SLM完成服务质量管理，NIM和ITNMS等提供完善的网络资产管理及IT网元综合管理。在挖掘运维数据的活动中，NetNumen OSS 各工具模块共同发挥作用，通过这些套件的协同工作，运营商能在运维过程中把握全局，运筹帷幄。
中兴通讯服务工具平台为故障处理提供更高效的数据支撑，具备基于业务级和用户级的端到端实时多维视图和分析能力，采用导向式的查询及挖掘视图帮助运维人员快速获取数据、保障业务、决策支撑，深度挖掘的运维数据将真正成为运营商发展的新引擎。
服务环节：运维与预测
运维服务是提升用户体验的关键环节，也是制造业产业链中高附加值的环节，对制造业升级转型同样至关重要。
目前大部分运维工具仅能呈现故障，并不能有效找出和分析原因，或者只能提供单个子系统的解决建议，真正排除故障需要人工参与。而借助大数据，一方面，可利用海量数据库对信息、数据、资源、终端进行关联分析，包括触发智能终端进行数据搜集、自动查找故障根节点；另一方面，还可以对问题分类统计，为运维人员和客户中心提供及时的分析数据。
除了更实用的智能分析，借助于大数据的机器学习技术，通过从数据中梳理出具有规律性的事件模型，进而对未来不确定性事件进行有效预测。
此外，大数据可以实现主动运维。通过数据深度挖掘和离线分析，运维由传统事件驱动向业务质量驱动转变，最终实现自动的自我修复、优化配置，解决潜在的网络故障，保障基础设施的健康与质量。
结论与启示
第一，大数据成为未来制造业不可或缺的新生产要素。目前实体经济之所以利润薄、效率低，一方面，很大程度上是由于制造业传统生产要素（劳动力、资金、土地、能源原材料、物流等）供应增长受限导致成本居高不下；另一方面，整体营商环境等外部交易成本较高也强化了传统动能减弱趋势，迫切要求生产要素升级与革新。对企业而言，大规模运用大数据，能极大地放大生产力乘数，加速流程再造、降低运营成本、提升生产效率；对政府而言，运用大数据构建信息共享和信用体系可望改善营商环境，帮助企业进一步实现降本增效和效率提升。在实践中，不少企业已建立起融合于各个应用环节的大数据平台，并不同程度地快速形成了对其中所产生海量数据的挖掘能力、计算能力和分析能力，率先分享到了大数据等新生产要素带来的红利。
第二，大数据为发展新经济培育新动能提供基础性应用。《中国制造2025》明确提出，工业大数据是我国制造业转型升级的重要战略资源。随着制造强国战略的全面推进实施，工业大数据、云平台、移动互联网和物联网在技术、产品和商业模式方面不断探索，制造企业智能化服务发展已逐渐从概念萌发向实际应用期过渡。基于大数据应用，以智能生产、智慧服务等为特色的智能化制造服务企业脱颖而出，制造业与服务业融合步伐不断加快：一是以工业大数据技术体系开发为龙头的生产性服务带动制造业发展；二是以工业大数据的智能化服务延伸企业价值链，提升市场竞争力；三是以工业大数据等信息服务为代表的制造企业转型升级成效显著，加速“制造 + 服务”融合趋势。这些积极因素都在助推新旧动能传导转换，进而有力促进新经济发展。
第三，大数据提高产业链协同效率并催生组织变革。从微观视角看，大数据实现供需匹配，打通生产与服务全流程，提高产业链协同效率，催生内部生产组织和外部产业组织变革。传统的大规模生产模式已不适应当今的个性化制造，粗放型决策和撒网式营销等传统运行模式也已不适应新经济环境下的企业发展，如何通过大数据等新一代信息技术的融合创新促进企业转型，实现个性化定制、智能决策、精准营销和全业务流程协同，成为企业面临的全新课题和必然选择。随着大数据应用的日益深入，智能化生产、网络协同、个性化定制等多种服务化延伸模式日渐清晰，呈现研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化等态势，带动制造业技术进步、效率提升与组织变革，加快产业迭代兴替。
第四，大数据成为引领高质量发展和创新驱动的新兴力量。进入新时代，中国经济由高速增长转向高质量发展，必须抢抓新一轮科技革命和产业变革的难得机遇，以供给侧结构性改革为主线，推动互联网、大数据、人工智能与实体经济深度融合，通过“大数据+智能制造”“大数据+智能终端”“大数据+现代物流”等新业态、新模式，助推产业、产品向价值链中高端跃升。加强大数据在重点行业和领域的应用，促进大数据引领的智能产业发展，打造具有竞争力的产业集群，推动智能技术转化应用和产品创新，加速制造业向数字化、网络化、智能化发展，提高全要素生产率、产品附加值和市场占有率。此外，在“万物智联”的数字经济时代，强化大数据在政务体系的应用，推进跨领域、跨平台、跨部门的数据共享，提升政府决策科学化、公共服务高效化、治理能力现代化水平，进一步改善营商环境及生态环境，更好地服务民生和社会事业。