06-02

    制造業企業數字化轉型難點剖析及解決之法

    瀏覽次數:

    導語

    全球正在由工業經濟向數字經濟轉型過渡,制造業正在且并將長期處于數字化轉型發展階段,并沿著數字化、網絡化、智能化階段不斷躍升。但如何找準數字化轉型的切入點,以低耗能、低成本、高效率的方式加快制造業轉型升級的步伐,仍然是眾多制造企業面臨的難題。本期艾瑞微課堂帶領大家從制造企業數字化轉型實踐與難點、制造企業數字化轉型思路、破局點之高價值場景示例等方面剖析制造業企業數字化轉型的難點與解決之法。

    制造企業數字化轉型實踐與難點

    制造行業的數字化驅動因素

    從推動力來看,線上渠道業務模式的成熟,消費者更加個性化,更倚重線上購物和互動體驗,競爭對手的全產業鏈布局,以及5G、人工智能、VR/AR、云、物聯網數據等技術的發展,疫情對消費習慣的重塑等因素都倒逼制造業企業從生產到營銷到服務整體鏈條上尋求能力的提升。

    1.jpg

    從拉動力來看,數字化賦能的最終目的是推動業務增長、提升業務能力、實現企業戰略升級。對數據價值的發掘與應用一是能夠通過降低運營成本、提高企業業務效率,實現對企業核心業務管理效能的提升;二是能夠通過助力產品研發創新、加快市場需求識別與響應等方式,推動實現部分關鍵業務的數字化轉型;三是能夠通過構建生活場景產品與生態資源平臺、全面識別消費需求并匹配構建套系化產品,助力企業發現新的業務增長點并實現產品生態建設戰略升級。

    2.jpg

    從具體實踐來看,制造業中多家千億業務量級的龍頭企業皆以業務數字化轉型為重點,通過全業務流程的線上化、數字化、智能化,實現制造企業的零售化轉型,給予消費者ROADS用戶體驗標準,即:實時(Real-time)、按需(On-demand)、全在線(All-online)、服務自助(DIY)和社交化(Social)。

    3.jpg

    制造業企業數字化轉型中遇到的挑戰

    在制造業企業進行數字化轉型的過程中,從規劃與落地銜接角度看,業務部門與數據部門之間跨部門協同機制缺失、數據從獲取到應用流程相關分工不明確等問題普遍存在,使得企業層面的數字化戰略規劃難以落地到具體的業務中;從數據與應用角度看,在研發端、營銷端及售后端對具體數據應用場景的理解與應用實踐往往難以實現,已有數據的價值難以被充分挖掘,也難以真正實現對消費者產品需求及售后服務需求快速、準確的識別及營銷內容的精準投放;從系統支撐角度看,由于過往系統過多,往往存在數據口徑多、數據缺失、大量報表需要手工化處理等問題,對人力造成消耗與浪費;從人員數字化能力看,對需要各類人員具備的數字化能力認識仍然不足,對數字化能力的培育與提升體系仍有待構建,難以實現已有人力資源價值的充分挖掘。

    4.jpg

    制造業企業數字化轉型思路

    制造業企業數字化轉型挑戰歸因

    企業在當前數字化轉型中面臨的各類挑戰本質上是規劃與落地銜接、數據與應用、系統支撐、人員數字化能力等方面的原因。規劃與落地銜接存在問題:有集團或業務整體數字化轉型戰略,但缺乏細分部門數字化戰略規劃;沒有對數字化戰略進行任務的拆解與分工,數字化戰略的制定及落地存在較大差距;數字化戰略的落地缺乏業務流程、體制機制、激勵等方面的細化與實施方案。數據難以向實際應用轉化:沒有基于業務團隊實際需求系統化梳理應用場景庫;未在內部樹立數據應用的標桿案例,以點帶面推動業務的數字化轉型。系統支撐問題:已有系統的建立是基于各個部門的過往業務流程需求,難以直接“適配”數據使用場景;需要基于數據應用、價值實現、數據提升業務效率等場景,構建“數據中臺”,并基于需求進行數據對接、數據治理與應用落地。人員數字化能力較為薄弱:部分人員對數字化能力及價值缺乏理解和認可;內部未構建基于數字化能力提升的配套課程體系及培訓機制;沒有將數字化能力與人員晉升、任職資格等員工“切身利益”掛鉤。

    5.jpg

    制造業企業數字化轉型應對思路

    數字化戰略與落地銜接方面,應該從將數字化工作逐級分解到具體業務單元,構建各個業務部門的數字化對業務的驅動鏈路,實現業績和效率的提升。數字化戰略的落地,需要從企業價值鏈各環節的業務出發,包括企業的原材料采購、工廠的生產制造、產品研發創新、營銷數字化和供應鏈,品牌各產品的生態搭建等方面,最終通過企業各業務線數字化能力的提升,實現數字化戰略規劃的落地。數字化戰略的銜接,也要從數據治理、系統建設、人員數字化能力提升、組織架構調整與流程機制完善等方面構建支撐能力。

    6.jpg

    數據向實際應用轉化方面,需要構建企業數字化轉型的數據應用場景庫,通過數據驅動實現業務場景的降本增效,實現數據價值的顯性化。數據應用場景是企業數字化轉型的核心,從數據應用場景出發能夠(1)了解目前系統建設情況和數據沉淀情況,建立數據標準并進行相關的系統優化建設;(2)基于場景庫梳理構建過程中暴露的問題,調整企業內部數據流程及應用相關的體制機制;(3)明確組織協同分工及員工數字化能力的要求,并通過數據應用實踐提升員工數字化能力。

    7.jpg

    系統建設支撐方面,需要搭建基于場景的數據中臺,對各系統中沉淀的數據進行歸集與治理,實現數據對全業務流程的支撐。

    8.jpg

    人員數字化能力建設方面,需構建基于崗位工作職責及業務場景的的數字化能力模型,提升場景落地人員及組織能力支撐。在構建及提升人員數字化能力的過程中,一方面關注對各業務線條、各層級人員共性的數字化能力要求;另一方面關注在各崗位業務場景中,能夠通過數據運用或數字化能力提升帶來價值貢獻的環節或決策點,以及背后的基于崗位自身工作內容及場景的個性數字化能力。

    9.jpg

    破局點之高價值場景示例

    數據應用場景是企業數字化轉型的核心,制造業企業可基于高價值場景的發掘及應用,發揮數據對業務的賦能效用。高價值場景也是以點帶面,通過示范作用的發揮,推動業務部門由“被動”數字化轉向“主動”數字化的關鍵破局點。以下為部分可供參考的高價值場景。

    基于研發數字化導向的消費者觸點建立與需求洞察制造業企業正在經歷從傳統的經銷模式向零售模式的轉型,現階段研發人員仍依賴傳統的用戶調研方式,缺少與消費者之間的直接觸點,需要通過數字化觸點的建立,實現對消費者需求準確、快速的識別與反饋。通過社交觸點、電商觸點、內容觸點、營銷觸點等數字化觸點的建立,實現研發和消費者的直接對接,推動研發人員更好的進行用戶洞察;同時基于數字化觸點沉淀相關數據,將數字觸點獲取的數據和信息有效應用到產品研發場景中,提升產品企劃成功率。

    11.jpg

    產品生命周期管理之產品退市決策自動化

    通過搭建產品退市與預警模型,實現產品全生命周期的精細化管理與產品退市的準確判斷。在線上銷售渠道,各品牌商沉淀了大量銷售過程數據、銷售數據、財務數據及售后服務數據,基于不同SKU產品指標表現的差異,可構建產品退市與預警模型,對產品運營過程進行預警并指導產品退市決策,進而實現產品全生命周期的精細化管理及產品結構的優化。將數據模型嵌套至業務流程中,在構建產品退市與預警模型的基礎上,將模型差異化結果與后續業務行為動作進行匹配,并將數據的應用嵌套至業務流程與環節中,實現數據對業務的支撐作用。以模型的持續運用及數據的不斷積累推動模型迭代優化,通過模型具體的使用、業務人員持續的反饋及數據的不斷積累,實現模型的不斷進化。

    12.jpg

    內容投放追蹤評價體系

    通過數據驅動,搭建內容投放追蹤評價體系,將站內外內容投放效果進行量化追蹤,從而優化提升企業內容投放效果。根據站內外點贊評等數據,分別構建站內及站外投放效果評估模型,并通過對“內容”標簽化方式,指導后續內容投放行為與動作,實現達人選擇、渠道選擇、內容文案制定等策略的優化與提升。

    (文章為作者獨立觀點,不代表艾瑞網立場)

    一级毛片一级毛片一级毛片看一下