《传统产业数字化转型,面临哪些困难?》

  • 来源专题:数控机床——战略政策
  • 编译者: icad
  • 发布时间:2019-06-17
  • 传统产业进行数字化转型,是实现新旧动能转换的重要途径,但数字化过程中的网络安全问题、“数据孤岛”问题、生态圈融入问题等,是传统产业亟待突破的现实难题。数字经济是亚太乃至全球未来的发展方向。数字经济是伴随着信息技术兴起而发展起来的经济业态,它构成了当前全球经济转型升级的核心内容,是世界经济发展的未来,并且与传统产业发生了深度融合,逐步推动着产业与全社会的数字化进程。

    随着信息化与工业化不断融合,在我国逐步发展成为制造强国的背景下,传统产业亟须加快数字化转型,加强各个行业之间的融合发展,突破传统模式的局限性,加速实现新旧动能转换。当前,传统产业的数字化转型,仍面临着如下瓶颈:网络安全问题还有待解决网络安全问题是企业数字化发展过程中面临的主要问题。

    其根本原因可概括为四点:在云化以后,数据集中化程度不高,造成数据安全性得不到保障,数据非法访问风险加剧;原先的应用服务器是独立的,但上了云系统以后,应用服务器的安全边界越来越小,甚至还会出现很多漏洞,虚拟机和虚拟机保护机制不完善;从应用层面看,企业也希望扩大数字应用范围,但安全匹配落后;从管理层面来看,企业都希望运行速度更快,这也是云计算的明显优势,但授权也会呈现静态变化,从而导致匹配难度较大。数据流量处理面临压力现阶段数据中心主要以传统架构的方式为主。

    这一网络结构,按照现阶段的能力,仅仅支持百兆比特/秒级的容量,单点故障风险较高,且功耗较大。对于庞大的数据量,维护几十万对的光纤难度较大。在数字经济发展过程中,这并非企业面对庞大的数据流量以及储存数据中心所能具备的能力。但如果能够将云的理念与这一架构相结合,并将纵向扩展转变为横向扩展,就能够实现超大容量,并减少大量的光纤使用。尽管这一方案还处于设想阶段,但利用这一理念来建立一个分布式的架构,替代传统数据中心架构有利于解决数据储存风险较高的问题,也能够加快数据传输效率。“数据孤岛”尚未打通由于开发时间与部门的差异,从而导致异构以及多个软硬件平台的信息系统同时运行,但这些系统数据相互独立、隔离,无法实现数据共享,由此就产生了“数据孤岛”。随着数字化进入到全新的发展阶段,企业对外部信息需求呈现不断上升的发展趋势,包括产业链上下游企业信息等,需要将这些资源进行整合,实现行业信息共享。

    云化过程中数据迁移带宽问题亟待解决如何解决云化过程中的数据转移以及私有云和公有云带宽问题是数字化转型过程中的主要问题。亚马逊主要以特快专递的方式让企业将所有数据传递到亚马逊,按照每50TB(兆)收费200美金的标准进行收费。如果从云端拷贝这份数据,那么收费为1000到2000美金,但靠盒子运输的安全性不佳。因此,就企业层面来看,首先要运营商按需提供带宽,才能加快云端公有云和私有云之间庞大的数据传输。生态圈建设需加强为了适应数字化转型发展,大部分企业都建立了相应的生态圈,但现阶段存在的主要问题在于参与企业数量不足。根本原因是大部分企业建立的生态圈以自身发展为核心,从而造成多个企业生态圈矛盾冲突加剧。

    实际上,企业的经济实力决定了谁融入谁的生态圈。现阶段,加快传统产业数字化转型,首先要为其创造良好的发展环境,并制订数字化转型战略,将多种技术相结合来推动产业转型升级,为传统产业发展提供指导。具体说来,应在如下几个方面重点发力:加快信息化基础设施建设,将云计算、大数据技术结合起来制订科学发展规划,确定云计算数据中心地理位置,并制订发展计划,建立完善的跨区域信息共享机制;加快“云制造”发展,将云计算技术应用到企业生产过程中,通过完善商业模式推动城乡工业网络转型升级,加强基础设施建设,创造良好的软硬件环境。

    同时,将信息传输、存储等技术相结合,来推动企业数字化转型升级,建立全面的数字化发展平台,及时更新数据库,为一些数字化安全技术产品的研发提供支持,开展多种形式的应用示范活动,提高安全技术支撑和服务能力。不断完善有关法律法规,作为数字化领域法律法规的补充同时,有关部门针对数字化发展制定基本规章制度。尤其是人工智能、区块链等领域,为全球数字贸易发展提供支持,在此基础上制定相应的数字经济法律,建立完善的数字化转型整体系统。不断完善管理体制机制,各地区政府首先要按照数字化转型发展需求来转变自身职能,根据实际情况,明确数字化转型管理与服务的重要组成部分。

    建议省级政府加大数字经济宏观调控力度,减少管理事宜,将大部分精力放在完善法律法规上,稳定市场秩序。打造具有自主知识产权的数字化赋能平台按照数字闭环、业务闭环等发展战略来推动数字化转型升级,建立以有关部门为指导,将多种技术相结合,以产业为基础的数字化赋能平台。

    以大型项目工程为核心,扩大投资规模,加快数字化平台建设。并建立舆情监控平台、网络监测平台、提高社会治理能力,解决数字化转型过程中行业发展的普遍性问题,为数字化转型创造良好的发展环境。塑造促进产业数字化转型的创新体系从促进行业发展的角度来推动企业数字化转型升级,让数字化为企业发展提供重要指导,加快技术创新,推动产业发展,加强企业管理。提高创新主体活力以及主体参与积极性,并建立完善的开放创新网络,将线上线下渠道相结合。加快创新、完善科技基础设施,并提高创新资源利用效率。

    建立资源共享平台,提高数字创新成果利用转化效率,并进行合理分配。从行业层面来看,要建造多个制造业创新中心,将企业产品划分为多个类型,扩大企业市场份额,建立行业数据库,提高行业数据利用效率,建立完善的售后服务链。构建数字化的生态体系随着行业数字化转型进入全新的发展阶段,云计算、大数据技术等在加强基础设施建设,以及行业划分中起到重要作用,在各个领域的影响力、应用范围不断扩大。这些技术有利于促进我国交通运输、医疗卫生、文化教育、新能源等产业进一步发展,也能够建立各个产业相互融合、协调发展的全新数字化生态体系。

相关报告
  • 《全面解读数据中台,让企业实现数字化转型》

    • 来源专题:数控机床——战略政策
    • 编译者:杨芳
    • 发布时间:2018-12-04
    • 伴随着云计算、大数据、人工智能等IT技术迅速发展及与传统行业实现快速融合,一场由数字化和智能化转型带来的产业变革正在孕育。   伴随着云计算、大数据、人工智能等IT技术迅速发展及与传统行业实现快速融合,一场由数字化和智能化转型带来的产业变革正在孕育。  随着企业规模不断扩大、业务多元化——中台服务架构的应运而生。“中台”早期是由美军的作战体系演化而来的,技术上说的“中台”主要是指学习这种高效、灵活和强大的指挥作战体系。阿里在今年发布“双中台+ET”数字化转型方法论,“双中台”指的是数字中台和业务中台。  数据中台是什么  数据中台是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径。数据中台把数据统一之后,会形成标准数据,再进行存储,形成大数据资产层,进而为客户提供高效服务。这些服务跟企业的业务有较强的关联性,是这个企业独有的且能复用的,它是企业业务和数据的沉淀,其不仅能降低重复建设、减少烟囱式协作的成本,也是差异化竞争优势所在。  广义的数据中台包括了数据技术,比如对海量数据进行采集、计算、存储、加工的一系列技术集合,今天谈到的数据中台包括数据模型,算法服务,数据产品,数据管理等等,和企业的业务有较强的关联性,是企业独有的且能复用的,比如企业自建的2000个基础模型,300个融合模型,5万个标签。它是企业业务和数据的沉淀,其不仅能降低重复建设,减少烟囱式协作的成本,也是差异化竞争优势所在。  建立数据中台的原因  数据中台和业务中台相比,面临的情况可能会更加复杂一点。建立数据中台的原因:  大数据可以告诉决策者一些潜在的规律,以数据来证明或判断决策。以往我们会用数据来证明我们的决策对错,现在我们用数据来引导我们做出对的决策。在大数据时代,样本就是全体,大数据可以防止伪造和偏差。  数据催生人工智能。数据是人工智能的根基,并且可以进行融合形成新的数据。数据给我们无限的创新,让我们不停去尝试。  数据是机器人的指令,我们形成数据服务思维。数据是不断变化的,让机器智能成为决策环节,运营就可以智能化。  中台的目标是提升效能、数据化运营、更好支持业务发展和创新,是多领域、多BU、多系统的负责协同。中台是平台化的自然演进,这种演进带来“去中心化“的组织模式,突出对能力复用、协调控制的能力,以及业务创新的差异化构建能力。为什么数据中台如此重要呢,大致有以下四个原因:  1、回归服务的本质-数据重用  浙江移动已经将2000个基础模型作为所有数据服务开发的基础,这些基础模型做到了“书同文,车同轨”,无论应用的 数据模型有多复杂,总是能溯源到2000张基础表,这奠定了数据核对和认知的基础,最大程度的避免了“重复数据抽取和维护带来的成本浪费。”  曾经企业的数据抽取就有多份,报表一份,数据仓库一份,地市集市一份,无论是抽取压力、维护难度及数据一致性要求都很高。同时,统一的基础模型将相关业务领域的数据做了很好的汇聚,解决了数据互通的诉求,这点的意义巨大,谁都知道数据1+1>2的意思。  2、数据中台需要不断的业务滋养  在企业内,无论是专题、报表或取数,当前基本是烟囱式数据生产模式或者是项目制建设方式,必然导致数据知识得不到沉淀和持续发展,从而造成模型不能真正成为可重用的组件,无法支撑数据分析的快速响应和创新。其实,业务最不需要的就是模型的稳定,一个数据模型如果一味追求稳定不变,一定程度就是故步自封,这样的做法必然导致其他的新的类似的数据模型产生。  数据模型不需要“稳定”,而需要不断的滋养,只有在滋养中才能从最初的字段单一到逐渐成长为企业最为宝贵的模型资产。  以报表为例,企业报表成千上万的原因往往也是没有沉淀造成的,针对一个业务报表,由于不同的业务人员提出的角度不同,会幻化出成百上千的报表,如果有报表中台的概念,就可以提出一些基准报表的原则,比如一个业务一张报表,已经有的业务报表只允许修改而不允许新增,自然老报表就会由于新的需求而不断完善,从而能演化成企业的基础报表目录,否则就是一堆报表的堆砌,后续的数据一致性问题层出不穷,管理成本急剧增加,人力投入越来越多,这样的事情在每个企业都在发生。  3、数据中台是培育业务创新的土壤  企业的数据创新一定要站在巨人的肩膀上,即从数据中台开始,不能总是从基础做起,数据中台是数据创新效率的保障。研究过机器学习的都知道,没有好的规整数据,数据准备的过程极其冗长,这也是数据仓库模型的一个核心价值所在,比如运营商中要获取3个月的ARPU数据,如果没有融合模型的支撑,得自己从账单一层层汇总及关联,速度可想而知。  在如今的互联网时代,企业都在全力谋求转型,转型的关键是要具备跟互联网公司一样的快速创新能力,大数据是其中一个核心驱动力,但拥有大数据还是不够的,数据中台的能力往往最终决定速度,拥有速度意味着试错成本很低,意味着可以再来一次。  4、数据中台是人才成长的摇篮  原来新员工入职要获得成长,一是靠人带,二是找人问,三是自己登陆各种系统去看源代码,这样的学习比较支离破碎,其实很难了解全貌,无法知道什么东西对于企业是最重要的,获得的文档资料也往往也是过了时的。  现在有了数据中台,很多成长问题就能解决,有了基础模型,新人可以系统的学习企业有哪些基本数据能力,O域数据的增加更是让其有更广阔的视野,有了融合模型,新人可以知道有哪些主题域,从主题域切入去全局的理解公司的业务概念,有了标签库,新人可以获得前人的所有智慧结晶,有了数据管理平台,新人能清晰的追溯数据、标签和应用的来龙去脉,所有的知识都是在线的,最新的,意味着新人的高起点。  更为关键的是,数据中台让新人摆脱了在起步阶段对于导师的过渡依赖,能快速的融入团队,在前人的基础上进行创新。数据中台天然的统一,集成的特性,有可能让新人打破点线的束缚,快速构筑起自己的知识体系,成为企业数据领域的专家。  当然,数据中台的建立不是一蹴而就的,每个企业都应该基于实际打造独有的中台能力,在这个过程中,需要遵循一些原则:  首先,企业的组织架构及机制需要顺势而变。比如以前负责数据的部门或团队往往缺乏话语权,面对业务需求往往是被动的接受的角色,这让一切数据中台的想法化为泡影,需要为数据中台团队授权。  其次,要改变工作方式。现在很多企业的数据团队的主要工作内容就是项目管理、需求管理等等,当一个项目完成后又投入到下一个项目,做好一个需求后又开始负责下一个需求,这样的工作确实非常锻炼人的组织、协调能力,但这样能力的提升与工作时间的长短并不是呈线性增长的,虽然增加了项目和需求管理经验,但并不能在某一个专业领域得到知识和经验的沉淀,随着时间的流逝,越来越多的人会失去最初的工作积极性和创造性,事实上,数据人员只有深入的研究业务、数据和模型,端到端的去实践,打造出数据中台,才是最大的价值创造,才能使得持续创新成为可能。  第三,数据中台的团队要从传统的支撑角色逐步向运营角色转变。不仅在数据上,在业务上也要努力赶超业务人员,中台人员要逐步建立起对于业务的话语权,不仅仅是接受需求的角色,更要能提出合理的建议,能为业务带来新的增长点,比如精确营销。  最后,中台是适合公司特点的。最合适的中台是当你深入了解业务、产品、系统、组织,而且不仅了解今天在哪里,还要了解过去是怎么演变而来,未来又会怎么演化。只有当了解所有的东西之后,才能做出较好的中台架构设计。 相关热词搜索:数字化 智能化 数据中台 .
  • 《装备制造业智能化升级与数字化转型路径研究》

    • 来源专题:数控机床——战略政策
    • 编译者:icad
    • 发布时间:2020-07-08
    • 装备制造业为实现产业升级,需要产品与运营两手抓。一方面通过研发的资源投入和产品的服务化拓展实现产品本身的迭代升级;另一方面,需要借力数字化、网络化和物联化等技术的发展,实现内部数字化运营能力和产业协同运营能力的阶段性提升。 综述 作为机械工业的核心部分,装备制造业是先进生产力的代表和竞争力的关键,其发展程度已成为体现国家综合国力的重要因素。 根据《中国制造2025》的“三步走”战略目标:到2020年,基本实现工业化,制造业大国地位进一步巩固,制造业信息化水平大幅提升。掌握一批重点领域关键核心技术,优势领域竞争力进一步增强,产品质量有较大提高。制造业数字化、网络化、智能化取得明显进展。 基于这一战略目标,装备制造业为实现产业升级,需要产品与运营两手抓。一方面通过研发的资源投入和产品的服务化拓展实现产品本身的迭代升级;另一方面,需要借力数字化、网络化和物联化等技术的发展,实现内部数字化运营能力和产业协同运营能力的阶段性提升。 智能化产品升级 1研发先行 现状: 作为集资金、技术和劳动为一体的密集型产业,装备制造业在研发领域普遍具有专业性强、技术含量高的特点。从全球来看,装备制造业相关的创新技术研究活动较为频繁;并且,随着大量新技术、新工艺的渗入应用,装备制造业对研发的要求将不断被强化。 借助人口红利带来的低劳动成本,我国装备制造业在生产规模和速度上一度处于全球先进水平。但目前来看,我国的装备制造水平仍旧处于“大”而不“强”的阶段,低成本的比较优势也正在逐渐消失,发达国家和新兴经济体正纷纷抢占制造业发展先机。究其根本,我国装备制造业在部分关键领域和关键零部件的核心技术上受制于人的现象较为普遍(表一),依靠设备进口和技术引进的发展模式势必会受到国际贸易环境的牵绊。因此,提高关键技术的研发水平和创新能力是我国装备制造业形成国际竞争优势的必要要求。 措施: 根据2019年10月工信部等十三个部门联合印发的《关于印发制造业设计能力提升专项行为计划(2019-2022)的通知》,“强化高端装备制造业的关键设计”被作为重点设计突破工程的首要任务(表二)。 一方面,以市场机制为纽带,推动“产、学、研、用”一体化发展,是坚持创新驱动发展、加强创新体系和创新能力建设的一项重要内容。装备制造业产业链长,各环节关联性强,利用“产、学、研、用”的协同力量促进研发创新是必然选择。在“产”的环节,企业应主动担起主要行动者和执行者的角色;在“学”和“研”的环节,创新人才和研发能力的培养是重要推动力,推动从源头上补足装备制造业人才短板;在“用”的环节,通过有效的市场反馈、体验参与和局部微创等方式,拉动创新系统的前进。 另一方面,装备制造业应借力数字孪生、3D打印等技术,实现在产品设计、建模仿真、样机制造和设计反馈等阶段的数字化转型。通过实现产品全三维数字化设计,建立产品工艺布局、加工流程、装备和实验等环节的虚拟仿真;通过五维仿真技术,补足传统三维模型无法承载的作业环境的信息和时间维度信息,实现不同时间不同地理环境与产品的耦合动态。 2服务共赢 现状: 消费升级的大背景下,中国社会的经济形态正在经历从“工业经济”到“服务经济”的转型更迭。作为制造业与服务业深度融合的重点发展领域,装备制造业不断在探索“服务化”的发展路径模式。但由于其所涉及到的设备复杂度和多元性,装备制造业产业服务化的进程相对于其他产业较慢,行业内厂商更多的仅是将服务作为后市场层面“附加价值”的载体,还未实现“产品服务化”,甚至“活产品”的产业模式。 对于传统的大型复杂装备制造领域,例如轨道交通、航天航空以及船舶海工等,核心设备的检维修都已逐步产业化,形成完整的后市场服务产业链,但这样的服务更多是以针对特定产品的故障维修工作和定期的预防性维护工作为主,从而导致成本虚高、服务不及时性等多种问题的出现,整体后市场的服务质量和收益情况并不乐观。 从市场需求来看,“成果性经济”盛行的时代即将来临,实体产品越来越无法满足客户的需求,除了单纯的硬件产品,对产品相关的信息和数字化服务已经逐步从后市场步入前端需求;从产品的生命周期来看,装备制造业产品由于其产品复杂度,在其工艺设计、加工制造过程、部件装配过程、维护维修过程到再制造过程都需要产品制造商提供大量支持。因此,提供“成果”而非单纯产品是装备制造业“产品及服务”这一转型路径的重中之重。 措施: 随着以传感、识别、通信以及物联技术为基础的智能装备制造业的大力发展,设备状态的实时监控与数据采集逐渐成为可能。智能产品与平台服务的连接,将实现以数据为核心的泛力生态系统。在“成果经济”的推动下,数据和基于数据的洞察与决策将成为工业的价值驱动力,而作为企业能融入这一生态系统,将是立足数字化市场的根本。 例如,在产品使用过程中,装备制造厂商可利用产品回传的数据,有针对性地实现设备状态信息、环境信息等各种数据的实时监控,再通过机器学习和大数据分析的推演,建立数理模型,对设备的健康状况做出评估,并对可预测性故障发生频次、程度等进行提前预测分析。 这些分析数据一方面可以提高内部运营的效率,增强市场响应能力,在指导产品备件的及时采购和产品可靠性的优化升级等方面均能产生决策性影响。 另一方面,也是更重要的,数字化价值链的形成需要各环节企业共同参与与决策制定,快速实现外部变化的根本是在专注自身核心竞争力的同时,开展并引导彼此的合作,而物联生态系统则是促成合作的桥梁。设备数据的积累将逐步加速产品数据的资产化进程,利用设备监测与机器学习带来的大数据资产,制造厂商可研制出设备全生命周期管理等服务方案,实现从设备产品提供商到 “活产品”提供商的转型升级,成为可为客户提供设备状态监测、大数据分析等配套服务的合作伙伴。 数字化运营转型 现状: 高新技术的突破,促进装备制造业发展提速。传统装备制造业的数字化改造是重中之重,这决定着中国制造业的整体价值。 大数据产业的快速发展,为装备制造业注入新的生产源动力。一方面,大到全球性互联网巨头、咨询公司,小到科技类创业公司,都在不断探索“大数据+”等相关新兴技术在制造行业中的数字化转型解决方案;另一方面,工业巨头也立足于深耕多年的产业链,拥抱新技术为生产运营带来的红利。在此格局下,“新制造”已经成为不可阻挡的未来。 相较于数字化发展如火如荼的零售业,装备制造业在数据管理和分析能力上一直存在短板。因运营资本较重、运营流程复杂等原因,行业内企业信息系统众多,系统管理相互独立,数据存储分散。因此,在运营的数字化发展上,装备制造业仍然沉浸在将数据作为管理辅助工具的阶段。 措施: 借鉴其他行业的先进管理模式,我们认为企业数据运营往往需要经历三大阶段(表三)。而作为数据化程度相对较弱的装备制造业,需要通过前、中、后端的变革逐步实现阶段性突破。 1后端:全量化大数据挖掘 所谓全量化大数据,则是相较于传统的局部性小数据,综合了图像、音频等非结构化数据,综合了企业内外部不同来源数据的数据集合总称。上一个十年,随着ERP、CRM等企业系统应用的兴起,装备制造业的信息化水平大幅度提升,“业务数据化”的工作已逐步完善。虽然业务人员对数据有了一定的认识,但这种认识大多数仅停留在对业务系统中简单结构化的理解上。因此,从两个方向上拓展多元化大数据是企业数字化决策实现的基础。 一方面,通过网页和社交媒体等相关平台中的数据获取,可以帮助装备制造企业打破2B局限,直面最终用户。数字时代下,企业讲求“以人为本”,客户作为有温度的个体,需求应当得到察觉并给予充分响应;装备生产也一样,最终落地的体验还是在人身上。但相较于2C行业,装备制造业很难直接获取到较为明确的2C端市场用户意愿。在全量化大数据的思路下,越过2B的屏障,直接通过人产生的数据理解群体思想,能更好地帮助装备制造企业跳出2B的局限。 另一方面,装备制造业涉及较多传感技术与物联设备,高效利用机器生成的数据,可以大大提升装备制造业生产能力。智能化时代下,多种设备前端的数据收集系统已逐步自动化,加上物联与互联网的发展,庞大而丰富的数据源有待被开采。行业特点决定了行业优势,通过采集设备的第一手数据抢占先机,将是装备制造业智能化路径的重要里程碑。 2中端:战略性数据中台 从数据处理层来看,以BW/BO系统为主的企业数据分析工具已在各行业被广泛使用;但就实现情况而言,在装备制造业,大部分的BW/BO应用仅能基于以ERP为主的业务系统数据,提供事后分析报表,这些报表大多强调业务的标准化和规范性。但由于市场需求多样化和生产模式多元化的快速发展,这类标准报表已无法满足企业发展所需的数据支持。在装备制造业,系统数据各自独立、数据服务效率不高以及业务诉求不匹配等问题成为常态。 随着数字产业化逐步从C端走向B端市场,以Hadoop、Spark等分布式技术和组件为核心的“计算&存储混搭”的数据处理架构为主体的数据中台战略,将在制造业兴起并日渐成熟。数据中台的出现使得企业对于多源异构数据的预测性分析、实时性分析和主动性分析成为可能。 3前端:场景化数据决策 在数据的前端展现层面,传统的单一报表或简单图表输出模式已无法满足目前企业的业务决策。 在硬件与软件的优化升级中,多样化的数据展示应用已逐步形成,管理驾驶舱、即席分析、生产看板、自助报告、数据大屏、预警通知等,企业可以根据不同的使用场景,例如高管办公室、会议室、生产车间等,选择适当的数据展示方式。除了展示方式的场景化,数据决策过程的场景化更重要,不再是传统的基于单向流程的基础性数据展示,而是双向的使用和反馈,并通过闭环的场景化过程形成新一轮的业务数据化,从而实现不断优化的智能模式。 对于零售业和服务业等第三产业,往往更注重满足“千人千面”的用户个性化需求;但对装备制造业来说,需要清晰地认识到,场景化数据决策的建立不仅仅取决于技术的发展,更重要的是需要对业务场景的明确把握。一方面,决策者应该明确将数据决策的过程嵌入运营环节,深入现场,而非闭门造车;另一方面,也需要在必要的时候借助业务专家对发展趋势和业务重点给予专业的建议,从而真正实现从“数据辅助业务”向“数据驱动业务”的转变。