阿里巴巴用了13年時間使零售平臺上實現了3萬億元年銷售額，而沃爾瑪花了54年，這個對比的背后，是DT時代的技術基礎設施與IT技術支撐的零售信息化的差異。

云網端的迅速發展帶來了數據量的激增，根據IDC數字宇宙報告顯示，全球自從2010年進入ZB時代以來，由于物聯網設備發展速度遠超過智能手機的發展，因此由物聯網所產生的數據增量將會驅動著全球數據量在2020年達到44ZB。

去年我們國家發布了《促進大數據發展行動綱要》，這個綱要成為指導我們國家從數據大國到數據強國之路一個關鍵指導性的文件。而制造業的升級轉型是國家供給側改革的重中之重，也是提升滿足內需與外貿供給能力的基礎。在這個文件中，國家也明確提出“發展工業大數據，推動大數據在工業研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，分析感知用戶需求，提升產品附加價值，打造智能工廠。建立面向不同行業、不同環節的工業大數據資源聚合和分析應用平臺。”

我們也看到，在工業化與信息化融合的過程之中，在實現中國制造2025的過程之中，數據如何賦能傳統產業的升級轉型，成為備受關注的焦點。

今年五月份貴陽的大數據會議上，李克強總理的發言非常值得思考：“以大數據為代表的創新意識和傳統產業長期孕育的工匠精神相結合，使新舊動能融合發展，并帶動改造和提升傳統產業，有力推動虛擬世界和現實世界融合發展，打造中國經濟發展的‘雙引擎’。”

大數據+工匠精神的結合對于制造業的轉型升級至關重要。而大數據的實時、感知和預測等特點確實可以為制造企業在降低成本，縮短生產周期，提升效率，細分產品定位，優化流程和決策等方面扮演重要角色。

一、數據賦能制造業的全流程

我們國家的制造業企業之間在信息化建設和數據化程度方面相差很大，但總體上由于距離消費者相對較遠，因此互聯網化與數據化程度和對大數據的認識相對金融、電信、政府等行業相差比較遠。

當然，其中也有不少領先的代表企業，比如海爾，比較早就部署相對完善的內部的信息系統，涵蓋了主要的業務流程，并且比較早地就將社交數據中獲得的客戶反饋融入到新產品研發之中，結合了內部和外部數據的能力。

但是，大部分制造企業依然還是處在信息化比較起步的階段，由于人才以及技術能力的欠缺，對于大數據的意義和價值認識比較弱。

我們看到對于制造業來說，如果把數據分為內部和外部兩大類的話，內部數據主要包括經營及運營數據、客戶數據、產品相關的設計、研發和生產數據、機器設備數據等，傳統的信息系統處理比較多的是內部數據為主，圍繞著業務流程改進和提升為主要目標，而且對于機器設備運行的日志數據相對利用較少;外部數據包括社交數據、合作伙伴數據、電商數據以及宏觀數據等這方面數據的開發和利用相對較少。大部分企業不僅內外部數據尚未打通，自己內部的數據也還沒有實現整合和標準化，信息孤島現象也是屢見不鮮。

我們的觀點是數據對于制造企業的全流程來說都可以起到非常積極的作用，比如從產品設計和研發開始，如果能夠非常直接地對接到消費者，依據對消費者的行為和消費數據分析，定位相應的產品設計和研發。同時也能夠依據消費者對產品的喜好和需求量，進行定向精準的市場營銷，進行產品的計劃和生產的排產，減少相應的庫存。同時，數據對于線上線下銷售的協同，對于供應鏈優化和管理也可以起到重要的作用，在提升對客戶的服務水平方面，如何針對不同細分市場需求，進行全渠道銷售的設計規劃等方面都會起到重要的作用。

雖然阿里巴巴是互聯網企業，但其大數據應用的發展之路是值得制造企業去借鑒和學習的。

總體上來說，阿里巴巴也是在經歷著從業務數據化到數據業務化的過程，業務數據化還是圍繞傳統電商業務來提升整個流程相關的數據，服務業務部門和管理層為主，總的目標也是為了降低成本，提高營運效率和質量為主。比如個性化推薦、搜索優化等。

現在阿里巴巴在數據數據業務化方面進行了很多有益的探索，總結起來就是“阿里的數據+外部數據+大數據技術能力”的輸出，產生很多新的商業模式，不僅服務于阿里生態，逐漸賦能和服務于越來越多的各行業用戶，比如螞蟻微貸是基于商家的信用數據提供貸款服務，芝麻信用是基于個人的消費、理財以及社交等數據提供個人信用服務。在整個探索的過程中，我們看到數據的在線性保證了數據實時都會更新，數據的外部性通過數據共享、融合體現了數據的價值。

二、數據驅動生產和制造柔性化趨勢

電子商務以及互聯網所帶來的用戶需求呈現實時、少量、碎片化、快速翻新等特點，對于傳統制造商來說，滿足這種長尾需求難度很大，因此生產制造的柔性化變得重要。

比如淘工廠把工廠的生產能力通過互聯網實現了與商家需求的快速對接，通過數據聯通把需求與供應之間的信息對稱化，減少了中間商環節，縮短了生產周期，降低交易成本，并加快周轉速度。

ZARA這個快時尚品牌也是利用數據實現智慧供應鏈的例子，我們看到大量服裝企業都面臨生存的壓力，而ZARA母公司銷售額在2015年依然保持了15.4%的增長。其中很重要的原因就是ZARA以數據為核心打造的極速供應鏈系統，實現了新產品的柔性化生產。相對競爭對手來說，ZARA可以通過數據的聯通和協同更快更好的控制從市場調研、到設計、打版、制作樣衣、批量生產、運輸和零售整個環節。雖然ZARA不是互聯網企業，但是它對用戶需求的響應是完全互聯網思維的方式，滿足的也是快速翻新、少量、快速響應和生產的類似于消費者在互聯網上的需求特點，比如一般的國際大品牌的前導時間是120天左右，而ZARA可以實現15天的新品供應過程。在整個過程中，它使用線下線上的數據融合，利用電商平臺的銷售數據以及對用戶消費者的線上調研數據，同時也會利用線下每個門店的銷售數據實時反饋到公司總部，實現產品的快速迭代，它一年設計的服裝款式達到12000多款。這種基于數據的協同和流動實現的供應鏈帶動了ZARA總體效率的提升和庫存的大幅降低。

三、利用大數據創新商業模式

以消費者數據為基礎的消費者喜好和需求畫像倒逼到產品的設計、研發、生產、供應鏈、營銷等制造業供給側的多個環節，這就是C2B的本質。

索菲亞衣柜是C2B模式創新的代表，2015年的營收達到31.9億元。索菲亞在探索C2B的實踐過程中，數據對于其規模化和個性化的平衡起到關鍵作用。索菲亞認為自己不是家具制造企業，而是一家大數據企業。在調研時我們發現，索菲亞有強大的科技團隊，超過400多人，而其中300多人是在做數據加工。索菲亞利用大數據提升客戶體驗，提高交付效率，減少差錯和庫存，基本可以做到零庫存水平。在索菲亞的前端需求到后端的生產系統中，數據的共享、聯通和流動是實現訂單準確地從需求端傳遞到生產制造和采購端的關鍵。正是這種技術基礎保障了索菲亞每天索菲亞目前通過打通線上線下數據，基于用戶交易數據，用戶行為和特征數據，以及產品和渠道數據，搭了一個大數據平臺。基于用戶畫像的數據化，他們也比較好地實現了研發精準化。在研發精準化基礎上，營銷的精準化也通過線上線下數據的融合分析獲得了很好的實現。

四、學習國際上工業大數據應用的實踐

對于傳統的大型制造企業來說，轉型的挑戰巨大，制造企業所搭建的內部信息系統比如ERP、CRM和SCM等收集處理的數據還是交易類結構化數據為主，對生產設備數據、機器數據以及日志數據的收集及關注比較低。而工業大數據應用未來很重要的一個方向就是如何能將這些實時產生的機器數據更好地用起來，尤其是在預測性維修類應用方面。

以美國通用集團為例，它的董事長伊梅爾特說到“我們昨天還是一家制造型企業，今天已經成為一家軟件和數據公司了。”這家制造業巨頭希望借助工業大數據平臺實現制造業服務化的方向和目標。GE的工業大數據平臺Predix的主要功能就是將各類數據按照統一的標準進行規范化地梳理，并提供隨時調取和分析的能力。基于Predix目前已經推出了很多工業互聯網應用，并且向合作伙伴和客戶進行了開放。根據GE的資料顯示，GE在2015年底把最后一批發動機數據上傳到Predix平臺上，已經開始接收并處理GE公司龐大的發動機機隊所產生的上億條數據，對這些數據進行分析，并按照數據異常情況確定發出警告的等級，目前準確率接近90%。伴隨著大數據與機器學習能力的加強，準確率也會逐漸提升。這是典型的利用設備數據進行預測性維修的例子，會成為工業大數據很重要的應用方向。GE希望通過這個工業大數據平臺樹立工業大數據領域的標準，使Predix平臺成為像Andriod系統一樣成為工業互聯網領域的操作系統。

阿里巴巴目前也已經和徐工集團開始合作，希望利用阿里云上面的大數據能力，協助徐工建成中國工業大數據平臺，實現“阿里云+徐工=中國Predix”的目標，在工業大數據平臺、應用及生態建設方面探索一條新路。

五、從數據化到智慧化要循序漸進

正如前面所說，大部分中國制造企業依然還處在數據化和信息化的初級階段，甚至有很多企業還沒有建立內部的業務系統，因此業務數據化基礎還尚未準備好。

以ERP、CRM、SCM、PLM等系統為代表的基本業務應用會是必備選項，只是在互聯網+時代，有些應用可以使用云端應用進行創新，不必和以前一樣再花費巨額的License費用。

在這個過程中，進一步加強數據的沉淀，通過云平臺實現數據的共享、流動、整合，實現數據的價值最大化，推動智能制造目標的實現。

其實，真正的智能制造或工業4.0不只是指工業制造的某個環節的智能化，而是從用戶需求端到產品供給端的全鏈條的智慧化，涵蓋產品設計、研發、生產、供應、倉儲、配送、財務、客戶關系管理、營銷等多個環節，而這種智慧化的基礎要素就是實現數據的全流程打通，這其中云計算、物聯網、移動互聯網、人工智能、機器人等都成為數據共享、流動和融合的關鍵技術。