自“智能制造2025”、工业互联网等提出以来，我国制造业数字化水平不断提高，开辟了一条以新一代信息技术与制造业融合发展的路径，推动制造业数字化、网络化、智能化发展。
如何找准数字化转型的切入点，以低耗能、低成本、高效率的方式加快制造业转型升级的步伐，仍然是众多制造企业需要解决的问题。
本文以某电器企业为例，总结出实践经验，形成可落地的体系，为制造企业提供参考。
永洪BI制造行业Demo数字化转型的战略规划
围绕该企业的实际情况和业务需求，提出了以下4个重点战略：
1、建立企业级数据自助式分析平台
数字化转型的成功，关键在于让每个人都具备数据分析的能力，这是当前数字经济时代下的要求。因此，首先要构建一个具备企业级数据准备功能的自助式分析平台，让业务人员可以简单、易用、高效的使用起来，实现全员数据能力的提升，推动实现整体的数字化转型。
2、行业数据应用咨询提供
实现业务人员的自助分析，就要深入了解业务人员在实际工作中的需求。一方面，要培养数据分析人员建立数据分析思维和数据决策意识，改变传统的工作方式，用数据提升工作效果。另一方面，数据分析工具还要帮助业务人员发现数据中的异常问题，而不是简单的对数据结果进行展示，让数据能真正支撑业务。
3、管理“用数据说话”
随着企业的管理模式逐渐走向成熟，管理决策的依据从“直觉”变成了“数据”。因此，要构建及时、准确、完整的360°统一数据视图，实现对标分析、数据间挖掘钻取，整合内外部数据，最终达到信息透明，及时发现和处理问题。
4、决策者的管理可视化平台
决策者的管理可视化平台与传统的企业资源管理系统不同之处在于，其具有更加直观的可视化效果，最终结果并非是资源统计，而是定位于决策、管理和分析，管理者快速了解整个企业的经营情况，以提高管理决策的准确性和时效性。
永洪BI制造行业Demo四个阶段逐步完成数字化转型
根据该企业的大数据战略规划，设立了四个阶段，解决每个阶段的重点问题，逐步完成数据分析体系的部署。
阶段一：结合现有系统搭建分析平台
该企业的数据分析平台，并非是从零开始，而是已经有了一定的数据资产。因此，结合原有系统，基于BI系统进行优化，可以降低成本，提高部署效率。这一阶段的主要工作为：
1、搭建MPP可横向扩展集群架构，数仓分层DM层数据入MPP集群，减少数仓Oracle读写压力；
2、搭建BI高可用架构集群，用于支持PC端报表自助分析功能，大屏看板及报表迁移；
3、支持CRM一期项目集成报表开发工作。
阶段二：重点实现质量追溯管理
作为制造企业，该企业最关注的，是通过数据来保障和提升产品质量。因此，阶段二以质量追溯管理为建设主题，利用BI系统 原有数据库的投资，选用Informatica为ETL工具，以较小代价完成质量追溯的数据集成和模型建立，实现质量追溯的多维度分析，帮助业务人员发现质量管理中异常情况，减少业务人员工作量同时，优化质量全生命周期的管理。这一阶段的主要工作为：
1、数据集成：包括SRM、WMS原材、IQC、APS、MES、SAP、抽检、巡检、ITS、IMS、WMS成品、出货检、TMS系统内质量追溯领域的数据集成；
2、数据治理：对上述各个系统数据规则进行治理，优化数据整体质量；
3、数据应用：在数据仓库基础上建立基于BI的数据查询页面，为用户提供数据检索功能，实现产品质量追溯全局流程状态。
阶段三：以数据可视化报表支撑业务人员为重点
阶段三，则是将数据的分析应用，从重点工作普及到整个企业中，尤其是提升业务人员运用数据的效果。因此，根据不同部门制作不同报表，使不同业务人员可以直观、准确的查看自己所需的数据。对此，BI简洁易用的特征发挥出了最大的价值，不仅可以快速为该企业搭建出符合业务需要、可以提供业务依据的结果性可视化报表，还可以使业务人员快速制作个性化报表。只需点击拖曳几下分析指标，系统就自动生成了所需报表。这极大地方便了没有技术背景的业务人员和运营人员独立自主地完成大数据分析操作。
阶段四：纵深管理，实现“五看”
“五看”，即作为营销数字化决策平台提供看业绩、看历史、看未来、看效率、看机会五大板块，分别从大区维度、行业维度纵深管理营销核心业务数据，针对客户、线索、项目、储备、预测、订单、销货、回款、人效等关键指标进行多维度数据建模、分析。这一阶段的主要工作为：
1、产品线维度看板：通过产品维度打开大区行业业务组合结构、快速识别新品是否上市即上量、提前N 3预测产品订单、指导采购生产提升交付；
2、平台维度看板：深入打开协同部门设计院、行销、盘厂PB等角色的项目、订单、转化率等维度贡献值，通过数字指标精准衡量；
3、全流程项目&评审项目看板，牵引项目看护、项目推进、项目多维度分析；
4、异常监控管理机制：实现事前预警、事中报警、事后复盘的闭环。
项目成果
通过建设，取得了以下成果：
1、建设了BI标准化实施体系,搭建BI数据分析平台支持企业数据分析场景迭代；
2、在公司内部建立一套完善而有效的数据需求支撑体系，分类处理各种数据需求，实现从需求提出、需求拆解、方案设计、应用开发到上线解决各环节的有效监督；
3、建设数据团队，培养团队理解业务、理解数据、使用数据解决业务问题的分析能力，促进数据团队利用技术能力实现对业务部门的有效支持； 4、以数据团队为核心，以结果方式向其他部门输出数据应用能力，帮助全公司建立和提高数据应用认识。
