1、-StartDT,Research Center 數智時代制造業轉型實踐、”StartDT Research Center 隸屬于國內獨立第三方數據科技集團 StartDT（奇點云集團），由原本的奇點研究院升級而來，旨在通過研究、實踐和交流，探索數據商業的前沿邊界，思考未來世界的堆棧結構，從趨勢中學習、理解、建立認知，進而指導當下的數據實踐。01數據改變制造業隨著科技的飛速發展，全球制造業正面臨前所未有的變革。數字化、智能化、自動化等新興技術已成為推動制造業發展的重要引擎。我國制造業在經歷了高速增長后，也步入了轉型升級的關鍵時期。近年來，我國制造業逐漸呈現出兩大趨勢。一是制造業數字化轉型的步伐

2、加快，企業通過引入先進技術，如云計算、大數據、人工智能等，提升生產效率，優化產業鏈條，實現高質量發展。以東風汽車集團為例，其通過與華為合作，建設云數據中心，推動業務信息化，以應對行業挑戰。二是制造業服務化趨勢日益明顯。在全球市場需求減弱的背景下，我國制造業企業紛紛尋求由生產型向服務型轉型，以滿足消費者多樣化、個性化的需求。例如，通過工業互聯網平臺，企業可以實現產品設計基因化、生產過程智能化，進而提供更具競爭力的產品和服務。面對新的制造業發展趨勢，我國企業應抓住數字化轉型的歷史機遇，積極擁抱新技術，加快創新步伐，提升全球競爭力。本白皮書整理了制造業的 10 個典型案例，旨在分析制造業數字化轉型的

3、現狀、挑戰和機遇，為相關政策制定和企業戰略規劃提供參考。希望通過閱讀本白皮書，您能更好地了解制造業的發展趨勢，把握未來方向，與我們共創美好未來。前 言02數據改變制造業未來，數據智能將為真實的商業需求而設計，構筑企業的公共數據空間，傳遞數據的社區氛圍，最終改變人們的生存空間，解放人們去思考、決策和創新。03數據改變制造業數據改變制造業的 10 個案例0427數智時代的制造業挑戰和應對39數據改變制造業的 6 大產品53數據改變制造業的 4 大行業目 錄CONTENTS04數據改變制造業05數據改變制造業數據改變制造業的10 個案例供應鏈控制塔的 3 個應用平臺化場景建設實時生產監管數據平臺體系

4、化建設高效經營分析實時決策工作臺數據要素資產化可視化流程管理010402050703060806數據改變制造業痛點概述供應鏈控制塔某通信設備制造集團的數字化轉型之道 該客戶是某通信設備制造集團，是全球領先的多品類智能通訊終端研發設計公司（智能通訊終端 ODM），產品涵蓋智能手機、平板電腦、筆記本電腦及 IoT 產品，遠銷亞非拉歐等 100 多個國家和地區，覆蓋全球80 多個運營商，服務全球數億消費者。計劃采用“統一平臺、統一數據、統一運營”的思路，進行數字化運營體系建設?？蛻魺o法評判“產品從下單到客戶交付回款，到底需要多少天？”，核心痛點為如何實現“T+N 天拉通全鏈條業務節點，并做客戶交期的

5、合理應答”。StartDT為該集團搭建統一的數據運營平臺，圍繞營銷、制造、供應鏈和財務等核心場景，輔助決策層、管理層、執行層進行數據分析和決策。并通過“供應鏈控制塔 SCT（Supply-chain Control Tower）”產品打通商務、計劃、采購、倉儲、生產、物流和結算主題全流程數據預警分析體系，實現管理前置，運營改善。產品從下單到客戶交付回款，到底需要多少天？07數據改變制造業實踐過程實踐價值首先，StartDT 團隊著手幫客戶建立一個高效統一的數據平臺，旨在盤點和梳理數據資產，為業務提供可靠支撐。通過搭建大數據平臺，我們將數據資產梳理清晰，并構建了一套完整的數據框架和規范體系，為后

6、續的數據開發奠定了堅實的基礎。其次，針對“T+N 天拉通全鏈條業務節點，并做客戶交期的合理應答”的核心痛點，通過抽取、匯聚和拉通各流程業務數據，建立了一套基于運營流程的業務指標體系和可視化運營沙盤，有效地推動了業務數據的管理和應用。內置分析模型囊括了商務、計劃、采購、倉儲、生產、物流和結算七大領域的 37 個 OTC（Order to Cash）流程節點，可實時監測供應鏈執行情況，預測和識別潛在風險，實現快速響應和高效調度。最后，進行數據運營，建立數據智能應用?；跇I務場景縱向深挖，為質量監控、采購決策、訂單交期、運營閉環等業務場景提供數據可視化和自動化服務，實現數據治理和場景建設的持續發展。

7、這一系列的努力旨在提高數據質量，滿足數據標準化要求，加速供應鏈流程的優化，以及降低成本和提高效率。未來，智能化系統的建設將成為制造業的趨勢，推動生產方式向更高效、更智能、更綠色的方向轉型升級。企業只有持續創新，提升數字化技術和能力，才能響應 DT 時代的需求，贏得更廣闊的發展空間。訂單數據拉通，斷點堵點診斷：以客戶訂單為視角，拉通 OMS、DMS、ERP、SRM、WMS、MES、TMS 等 10 多套核心業務系統數據，治理斷點堵點問題 32 項，實現數據從分散到共享復用。實況沙盤可視，事件智能預警：梳理商務、計劃、采購、倉儲、生產、物流和結算 7 大領域，37 個關鍵流程節點，48 個預警事件

8、指標，通過 100 多人智能推送協同處置，有效降低交付風險。交付瓶頸洞察，交期監控提升：圍繞訂單交付環節，對關鍵材料齊套約束瓶頸洞察、關鍵工序產能約束瓶頸洞察、履約周期分客戶分產品分過程進行監控，最終實現訂單滿足率提升 18%，交期縮短 8%。1.2.3.08數據改變制造業痛點概述某機電設備制造集團是一家蜚聲全球的世界 500 強企業，作為日本電子電器領域的佼佼者，其制造工藝和品質一直處于行業領先地位。多年來，該企業在中國市場深耕細作，建立起了強大的品牌形象和穩固的客戶群體。然而，經過內部評估發現，相較于同行業平均水平，該企業的數字化建設整整滯后了五年。為了在日益激烈的市場競爭中保持領先，企業

9、高層決定加速集團數字化轉型。由于歷史和組織分工原因，IT 部門在數字化轉型領域的認知和能力存在局限性；系統間的數據結構“煙囪式”分布，也導致數據的整合和治理日益困難；加之現有的大數據基礎設施建設不足，以上因素都制約了企業數字化轉型的進程。為了解決這些問題，企業必須借助外部專業力量的幫助，借助其行業經驗洞察和技術產品，共同制定科學、可行的數字化轉型路線圖，才能夠充分盤活數據潛在價值，為業務發展提供有力的支持。平臺化場景建設某機電設備制造集團小步快跑持續轉型如何從戰略舉措到規劃落地，支持業務轉型？09數據改變制造業實踐過程實踐價值在了解該企業的背景和訴求后，StartDT 制定了一項名為“空投部隊

10、”的數字化轉型策略。其核心是先實現各散點的數字化建設，再逐步推動整體的數字化轉型，包括 IT 系統上線、數據團隊建設和管理流程優化等多個方面。首個總部數字化項目以“六加二”模式開啟，通過對六大場景的摸索與實踐，該機電設備制造集團對數字化轉型進行了首次探索：在 StartDT 的幫助下，該企業逐步建立了底層數據基礎和上層數據應用，為各項業務提供及時、全面、準確的經營管理信息。同時，StartDT 也在持續提供該企業在數據治理方面的指導。其次，客戶采用“業務融合、數據融合、持續治理”的建設理念，圍繞銷售、供應鏈、人力、財務等領域，借助大數據技術和智能算法能力，打通各系統數據，沉淀數據資產，實現業務

11、聯動、業財聯動、智能決策分析，并將數據智能應用到企業經營的各個環節，降本增效。例如，企業購買并落地了 BI 數據門戶，整合多渠道數據源，實現統一權限管理，支撐財務人員多維分析財務狀況，通過供應鏈報表，幫助銷售和采購方及時了解訂單交付進度。最后，客戶工廠的首個數字化項目采用了“一加五”模式，持續深化轉型成果?！耙弧敝傅氖沁\營監管，“五”是指五大分析場景：銷售預測、訂單履約、計劃達成與波動、采購執行和庫存與供貨能力分析。六大數字化場景：即經營業績、經銷商畫像、客戶畫像、流通 ISP、員工畫像和件名分析。二大基礎設施：MDM 主數據系統和數據云平臺 DataSimba，作為數字化基礎設施?？偛亢凸S

12、的數字化項目建設，從基礎設施開始，逐步拓展平臺化業務場景和應用功能，在實踐中不斷小步快跑，優化迭代，形成以業務需求為導向的螺旋上升過程，通過數據發現問題、提升效率、改善決策。構建精細化分析能力，降本增效：助力集團管理決策者真正了解訂單、產品、部門的營收、費用情況，實現六大業務場景維度可視化洞察，精細化分析與管控，最終幫助企業制定開源節流方針政策。銷售業務分析輔助市場決策：從客戶、產品類別、業界等維度對銷售收入的趨勢進行分析，進行計劃、預測與實際對比分析，以發現重點客戶、重點商品和重點業界，從而實現精準擴販，贏單率提升 15%。數據推動員工的業務職能轉型：管理層可以實時查看數據，將財務人員的精力

13、從日常的財務報告工作中釋放出來，以便他們能夠更深入地分析業務執行情況并給予業務指導。IT部門也增設了數據分析師，并優化分工，以便能夠快速響應業務訴求。1.2.3.10數據改變制造業痛點概述某光伏制造龍頭企業是全球為數不多的擁有垂直一體化產業鏈的光伏制造商。隨著業務的蓬勃發展，為了給各業務部門提供有力的支持，該企業構建了多個應用系統。然而，在業務部門對數據使用需求日益增長的情況下，分散式數據存儲已無法滿足各事業部門對生產運營管理的需求。因此，該企業急需構建一個統一的數據中臺和實時生產監控平臺，實現生產數據的統一管理、協同運營和高效分析決策，挖掘企業數據價值，為數智化轉型構筑基礎。生產運營管理對于

14、制造企業來說至關重要。良好的生產運營管理不僅能夠幫助企業降低成本、提高效率，還能夠為企業的可持續發展打下堅實的基礎。然而，傳統的生產運營管理在實踐中常常會遇到一些困難和挑戰，例如：如何開展全球化的生產運營管理？人員與物料管理：人力成本逐年上升，人員績效的統計也變得更加復雜，物料成本的管理正在變得越來越重要；設備與設施管理：設備效率的統計變得越來越復雜，設備的故障率也越來越高，同時設備的利用率也存在不均衡的問題；1.2.實時生產監管某光伏制造龍頭企業用數據驅動生產運營管理11數據改變制造業實踐過程實踐價值針對上述痛點，我們結合奇點云在智能制造領域的豐富經驗和深刻的行業理解，使用“實時生產監控平臺

15、（RPI,Real-time Production Index）”的智能化產品為客戶量身打造解決方案。該產品以數據云平臺 DataSimba 為底座，提取全球各個生產基地的數據，通過數據采集、清洗、計算、整合等一系列復雜的處理流程，實現了數據資產的匯聚與聯動分享，形成了具有全局視野的生產統計分析體系。實時生產監控平臺（RPI）從“人機料法環測”六個方面對生產過程進行實時監控，對人員、設備、設施、工藝、質量、物料、安全、環境八大關鍵場景進行實時預警，并支持多級管理駕駛艙聯動下鉆查詢。這一切能夠幫助管理層更好地了解全球各生產基地的生產情況，及時調整生產計劃和資源分配，實現智能化的生產流程管理與信息

16、化協同；同時也幫助該企業有效提高生產效率，降低生產成本，提高產品質量。更安全的生產過程，更高效的生產效率：我們通過將該企業的各類工業設備與互聯網相連，采集其在生產、狀態和質量等方面的全過程數據，并結合傳感器節點的數據進行實時監控，構建起工業物聯網時序數據架構。該架構以流批數據為基礎，綜合采集設備、設施設備和工作關鍵數據，通過數字化洞察，實現設備間的高效協同，并確保產品的穩定生產和質量可控。這一全新的數據架構不僅提高了生產效率，而且有效降低了機器的故障率，使生產更加可靠和有保障。更敏捷的現場決策，更優化的資源利用：借助數字化管理，實現了制造過程的可視化與透明化。通過對設備運行狀態的實時監控，避免

17、了不必要的停產問題，設備的綜合效率得到顯著提升。而對于生產能耗的實時監控，也有效避免了停產時間的不必要資源浪費，從而大幅降低了生產成本。打造“智慧工廠”，增強企業創新力和競爭力：通過數字化轉型的方式構建“智慧工廠”精益產線規劃、智能分析生產數據、優化生產活動現場，實現生產流程的智能化和自主可控，同時令生產效率大幅提升，生產成本不斷降低。這有助于提高企業的創新能力，鞏固行業領先地位，并為企業發展注入源源不斷的動力。1.2.3.3.4.質量與工藝管理：產品的直通率較低，廢品率也比較高，工藝的穩定性也有待提高；環境與安全管理：場內環境的監測比較困難，事故的處理效率也較低，企業的安全隱患處理存在不足。

18、12數據改變制造業場景概述實踐過程某動力電池制造企業成立于 2017 年，是結合其自身豐富的礦產資源在新能源領域進行投資布局的首家企業。主要從事動力/儲能鋰離子電池單體到系統應用的研發、生產、銷售，專注于為新能源汽車動力及智慧電力儲能提供優質解決方案。在業務快速迅猛發展、經營業績每年成倍增長的同時，業務部門對數據使用的需求也在不斷增加。然而，當前的數據僅能滿足基本的業務用途，經營決策數據的獲取效率低下，業務財務一體化數據應用成熟度低。StartDT 團隊從業務和技術的視角幫助企業落地了數據平臺體系的建設，并通過對生產監控閉環管理、工藝數據、供應鏈、生產過程和銷售活動、已有產品實際生產成本的還原

19、與歸集等維度的分析，幫助企業改善了數據管理和應用能力，實現數據的整合、共享和分析，提升了企業信息化水平和決策效能。我需要一個數據平臺，可以從什么場景入手？如何提高生產過程的管理質量和質量管理效率，保證產品的穩定性、一致性、可持續性？如何通過加強工藝管控質量，提高產品的良品率？如何提升業務數據質量、挖掘業務價值，驅動業務快速增長？如何統一數據指標口徑及標準，沉淀企業數據資產，提升數據管理能力和服務能力？如何整合財務數據與業務數據，實現業財一體，從中發現業務增長的機會和潛力？1.2.3.4.5.數據平臺體系化建設某動力電池制造企業 1+4 場景實踐13數據改變制造業實踐價值在企業的數字化轉型過程中

20、，StartDT 幫助企業進行了深入的數據建設，包括：搭建數據框架、制定數據規范和數據開發體系，并為企業的數據架構師進行培訓，建立一套完整的數據資產管理體系；搭建了從生產到結算的端到端數據填報系統，實現了數據的自主填報；同時，實時對接了 MES 系統，實現質量管理鏈路的監控預警；對財務領域進行了洞察分析，全方位了解企業的經營管控情況。項目完成后，該企業在準確、高質量的數據基礎上，數據讀取、匯總效率大幅提升，有效支撐業務經營和管理的需求，企業的數據管理和應用能力得到極大改善。同時，企業供應效率提高、成本降低，盈利能力上升。StartDT 的解決方案為企業提供了洞察商機和優化業務流程的能力，有助于

21、企業實現智能化、創新化的發展目標，進而提升競爭力：公司間業務往來日?？焖俸喜⑴c洞察：拉通集團下 7 家不同分子公司之間的財務系統和業務系統，實現日常往來交易業務的快速合并，及時地洞察集團層面的經營數據，效率提升 70%。加強預算管理，提升管理與決策效率：拉通 ERP、MES、WMS、TMS、SRM 等核心系統，將實際業務產生的財務數據與預算管理數據實時進行對比分析，及時發現問題，糾正業務方向。財報管報線上化，統一化，實現業財一體化：統一財務指標、業務指標的定義，明確 5+分析維度，真正實現業務、財務統一，消除二義性，將財報管報出具的時間從 15 天縮短至 5 天。建設統一數據平臺，沉淀企業資產

22、：StartDT 團隊對企業數據資產進行了盤點和診斷，從業務和技術的視角幫助企業落地了數據中臺體系的建設，提高了數據管理能力和服務能力。進行生產監控閉環管理場景分析，監測生產過程：做好生產監控閉環管理是保障員工與企業安全、優化生產計劃和交貨期的前提。StartDT 圍繞企業生產監控閉環管理的預防、檢測、應急、監督等全場景數據進行了分析，幫助企業監測生產過程。發現生產的異常問題后，StartDT 會提出進一步的改進建議，以幫助企業實現管理質量和質量管理效率的雙重提升。進行工藝數據分析，提高產品質量：工藝數據是產品生產全過程的真實體現，例如：分析生產數據，可以確定最佳的生產策略，檢測生產過程中的偏

23、差或異常，并預測可能發生的問題。StartDT 團隊對企業的工藝數據進行了重點分析，聚焦良品率，通過對機器設定值、產品特性、質量檢測等工藝數據進行挖掘和洞察，在能源消耗、生產安全性、優化制造流程等方面提出了優化策略，以幫助企業提高生產過程的管理質量和質量管理效率。進行全鏈路經營分析，提高企業競爭力：圍繞產品從生產到銷售的全鏈路，StartDT 對供應鏈、生產過程和銷售活動進行了綜合分析，幫助企業了解產品的供需關系、生產效率以及銷售績效，從而優化供應鏈管理、提升整體運營效果，最終實現企業的有效經營管理，提升企業競爭。進行產品還原分析，提高企業成本管控能力：StartDT 團隊對企業已有產品實際生

24、產成本進行了還原與歸集，幫助企業了解和掌握了生產過程中的成本構成和消耗情況，為企業提供準確的成本信息，幫助企業進行資源的優化配置，以提高產品的質量、性能和市場競爭力。1.1.2.2.3.3.4.5.14數據改變制造業痛點概述某小家電企業成立于 2006 年，是一家專業從事創意小家電研發、設計、生產和銷售的企業。企業堅持以用戶為中心，以產品為核心。自公司創建以來，始終保持高速和穩健的發展，過去五年平均營收增速均超過37%。隨著企業業務的快速發展，各項專業的 IT 系統建設也同步推進，在解決業務運營線上化的同時，也產生了相應的數據問題，報表輸出效率低下，無法滿足業務的快速分析需求，嚴重影響了企業的

25、經營決策速度和決策質量。財務分析能力落后于業務分析需求，怎么辦？數據鏈路不通暢：業務系統數據存儲分散，數據沒有完全拉通且數據質量較差，不能直接使用，難以支撐業務進行高效的分析。經營管理數據滯后：數據來源繁雜，缺乏有效的整合拉通分析，導致企業無法快速響應市場變化，缺乏敏捷性，難以支持決策制定。數據服務體驗不佳：報表輸出效率低，數據展現受限，不直觀，不便捷，難以自助應用及賦能業務，無法滿足企業快速變化的業務需求。數據治理及運營缺失：數據質量不高，難以積累數據資產，數據變現不足，難以驅動業務卓越成長。1.2.3.4.高效經營分析某創意小家電企業財務分析統一提效賦能決策15數據改變制造業實踐價值實踐過

26、程StartDT團隊通過整合各系統，標準化數據流程，實現線上化經營分析，企業可以更好地實現經營管理的目標，為企業的可持續發展提供有力支持。與此同時，通過線上化經營分析，StartDT 團隊將經營數據填報、中層數據傳遞和高層戰略審視無縫連接起來，實現了高效傳遞，縮短了數據流程。同時，多維數據分析讓企業能夠更全面、準確地了解自身的經營狀況，及時發現問題，做出正確的決策。StartDT 團隊幫助客戶整合 ERP、營銷系統、WMS 和 IMS 等系統，打通數據鏈路，標準化數據獲取流程，實現高效經營分析。并且基于這些數據，團隊還助其搭建了財務域五大分析場景，包括目標達成與經營分析、利潤分析、費用分析、賬

27、款逾期和庫存分析。這些場景覆蓋了企業經營管理的方方面面，為企業提供了全方位的經營數據支持。數據橫向拉通：拉通 ERP、營銷系統、財務系統等 8 個業務系統數據的 112 個數據斷點。橫向拉通的數據包括來自不同系統的財務、營銷、客戶、銷售等數據，這些數據經過了清洗、標準化、格式轉換等多項數據預處理工作，確保了數據的一致性和準確性。指標體系搭建：在公司范圍內清晰明確了業財一體化指標，賦能業務運營。該指標體系涵蓋了多個方面的指標，能夠清晰明確地反映公司的財務狀況、經營業績以及業務發展情況，為各部門提供了實時的業務數據，以幫助他們更好地掌握公司的整體情況，做出更加科學、精準的決策。通過指標體系的建立，

28、公司內部各業務部門之間的協作得到了更好的協調和優化，實現了業財一體化，進一步提高了公司的運營效率和業務水平。經營決策在線：業務數據及時展示，輔助管理層及時決策，提升決策效率與質量，深入分析和挖掘數據之間的聯系和交互關系，為企業管理和業務決策提供了更加全面和深入的數據支持。規范數據流程：經營分析數據流程體系化、數據規范化，幫助企業縮短數據流程周期 20%以上，在不斷縮短數據流程周期的同時提升經營分析的質量和效率。效率大幅提升：數據收集、處理和分析都在數據中臺實現。原本耗時耗力的數據收集、處理和分析工作，已然實現了跨越式的飛躍。在數據中臺的支持下，原本需要 30 人耗費大量時間完成的工作，現如今已

29、經得到了顯著的優化。更為重要的是，通過智能化技術的運用，數據收集、處理和分析的效率大幅提升，使得約 20 人的工作量得到了釋放。1.2.3.4.5.16數據改變制造業痛點概述實踐過程某汽車集團的乘用車子公司主要負責集團自主品牌汽車的研發、制造和銷售。依托集團 20 多年合資合作所積累的技術、制造、采購、營銷和管理優勢，該乘用車公司從誕生之日起便以國際化的視野、高品質的產品與服務、優秀的國際合作團隊，創造性地集成全球優勢資源，不斷滿足消費者高品位需求，打造出了中國人自己的國際汽車領導品牌。當前，公司需要高可用高并發的實時計算平臺來支持越來越多的實時決策。數據通道、數據計算和數據存儲是實時計算平臺

30、的核心組成部分，這三個組件需要協同工作以確保系統的穩定性和高性能。StartDT 團隊從這三個角度入手，基于 DataSimba 為該企業搭建了高可用、可擴展的實時計算平臺：業務決策對數據實效性要求極高，公司數據及信息系統部需要從 0 到 1 搭建實時計算平臺。為滿足實時計算對平臺性能壓力、斷點拉通、高效運維等要求，還需要設計一套高可用、高并發和可擴展的流計算技術方案，同時，出于降低操作門檻和學習成本的考量，數據開發套件必須具備低代碼、易開發的能力。在合適的時間和地點，實時保障恰當的原料供應，難嗎？數據通道：數據通道是數據傳輸的重要環節，它將實時數據從數據源傳輸到數據處理系統或應用中，同時也負

31、責將處理后的數據發送到目的地的數據存儲設備中。1.實時決策工作臺某汽車整車制造公司搭建高標準實時計算平臺17數據改變制造業實踐價值在前端應用層，這套實時計算平臺在以下 5 方面有效支撐了實時業務決策：賦能產銷協同一體化，聚焦意向訂單管理，提供車輛交付節點實時查詢服務。賦能配置管理全通路業務，促成規劃-工程-營銷-制造等各版塊配置信息的一致性。提高配置發布的工作效率、質量和用戶體驗，并為現有開發決策流程機制提供數據支撐。支持生產制造場景復現，業務場景的實時模擬及計算復盤，方便企業及時調整排產計劃，節約物料及人工成本。數據資源與計算資源的統一管理，可實時監控任務執行與資源使用情況，高效使用硬件資源

32、?？梢暬侠蝿张渲媒缑?，實現低代碼輕量開發和快速業務邏輯驗證?？紤]到良好的數據通道在高吞吐量、低延遲、可擴展、持久性、容錯性等方面的高需求，StartDT團隊為其搭建了獨立可擴展的 Kafka 集群?；?Kafka 訂閱消費架構，可以實現業務過程數據的一源多消費共享使用模式，通過維度表異步加載和緩存定時刷新模式還能實現主數據的全局復用，讓構建實時數據處理和流式分析的系統變得更加簡單和可靠。數據計算：數據計算的結果可以直接用于企業的實時決策、預測和策略優化，也是實現數據存儲的重要依據。為提高數據計算效率和并發處理能力，StartDT 團隊基于分布式系統基礎架構 Hadoop搭建了可擴展的

33、Flink 流處理計算集群，利用 Kafka 本地緩存和 Flink 的任務級緩存，確保數據在處理過程中的高可用。此外，我們還設置了多任務并發和任務內并發線程，以業務主題為單位規劃一組多個實時計算任務，對轉換后的業務結果表進行合并，形成主題分析表，以提高計算效率、增強可擴展性、提高數據準確性、實現數據共享和協同，最終支持業務分析和決策。數據存儲：圍繞數據生命周期，從數據的創建、修改、發布利用到歸檔/銷毀，數據存儲貫穿始終。無論是在線數據、溫數據、冷數據還是冰數據，都需要經過存儲環節，才能確保數據的安全可靠。對處于不同數據生命周期階段的數據，需要有不同的數據存儲策略。StartDT 團隊以時間為

34、界，向企業提供了 3 種不同的數據存儲和消費方式：1）Oracle+定時歸檔：提供 7 天內的數據訪問2）Kudu 可擴展分布式集群存儲:提供 30 天內的數據訪問3）Hive 可擴展分布式集群存儲：提供歷史冷數據訪問這三種方式協同作用，在促進數據生命周期高效靈活管理的同時，最大程度降低了存儲成本、保障數據安全可靠。1.2.3.4.5.2.3.18數據改變制造業痛點概述某大型制藥集團是“世界 500 強”國藥集團有限公司的控投企業，其業務涵蓋醫藥研發、工業生產、醫藥商業、大健康產業等領域。在全社會數字化轉型的大背景下，集團提出了“以數據賦能為主線，以精益管理為基礎，以提質增效為目標，對中藥制造

35、產業鏈的上下游關鍵要素實施數字化升級，加快推進中醫藥現代化”的大數據推動產業發展的目標?？蛻粜枰ㄔO數據資產體系，改變數據分散、缺乏統一治理、存在應用安全風險的現狀。數據分散、缺乏統一治理的現狀如何改變？數據分散：當前集團的數據“割據”在每個業務系統之中，數據無法流動，難以形成“集成”的“大數據”和“數據產品”，存在信息孤島、數據煙囪林立等問題。數據治理不足：缺乏統一的數據治理體系和數據規范標準，導致數據標準規范制約性差，數據質量參差不齊，數據無法沉淀為數據資產。決策數據實時性和準確性差：當前集團決策數據統計以手工數據為主，數據加工處理的頻次和實效性不足，手工數據的質量受到多種主觀因素制約其準

36、確性難以保證。1.2.3.數據要素資產化某大型制藥集團統一開展數據資產體系建設19數據改變制造業實踐價值實踐過程最終幫助客戶實現數據要素資產化及資產服務化：當前集團的數據“割據”在每個業務系統之中，數據無法流動，針對數據管理問題，StartDT 幫助其建設并運用 DataSimba 等平臺工具，制定項目范圍內的數據治理標準及流程確保數據質量，實現集團數據的“看的全、看得透、能治理、能管控”，為企業集約化經營奠定堅實數據基礎。構建集團數據資產：實現集團及子公司多源異構數據的統一匯聚、轉換、存儲、融合、治理、分析、共享，建設數據智能化管理體系，為企業數字化轉型提供堅實的軟件能力和決策支撐。業務財務

37、一體分析：針對目前急需解決的業務數據和財務數據的融合，利用構建的數據中臺軟件體系對集團業財數據進行統一匯聚共享，實現業財數據的一體化。統一數據指標口徑：制定數據治理體系和數據規范標準，將數據指標下沉至集團運營的各個流程節點，實現數據量化管理。提升運營管理效率：通過構建數據融合模型，實現數據的自動化分析，構建自動化的報表體系，解決信息系統間 API 的數據調用等應用，企業運營管理數字化升級。打破數據孤島：依托 StartDT 數據云產品匯聚集團及子公司多源異構系統數據，實現數據的統一匯聚、轉換、存儲、融合。提升數據質量：按照數據標準規范以及數據清洗方案等對進入數據中臺的數據進行數據治理，保證數據

38、的一致性、準確性和可用性。實現數據要素資產化：通過項目完成集團的數據初步治理，讓經營過程中產生的業務數據沉淀為數據資產，為企業集約化經營奠定堅實數據基礎。實現資產服務化：對沉淀的數據資產進行應用，以決策層、管理層、執行層三種角色視角進行了主題規劃和場景設計，建設了采購分析模型，經營規模分析模型、現金流分析模型、資產分析模型等，為集團選擇最優供應商、制定最優備庫產品結構、管控資金風險等提供了數據決策支持，讓數據服務于集團運營。1.1.2.2.3.4.3.4.5.4.數據應用安全問題：目前集團的運營數據大多以手工統計個人管理為主，日常的管理報表均以郵件/微信等發送傳遞為主，無法支撐數據報表進行分部

39、門分角色的應用安全權限管控，導致集團業務指標和關鍵數據有信息泄漏風險。數據產品能力不足：伴隨著集團的存量數據越來越大，目前缺乏可以對大數據進行批量加工處理，并對數據質量進行監控管理的工具和平臺。同時也缺乏對于加工后的數據進行可視化應用的工具和手段。20數據改變制造業痛點概述某乳業集團位居全球乳業五強，連續八年蟬聯亞洲乳業第一，也是中國規模最大、產品品類最全的乳制品企業。該集團通過整合全球優質資源，更好地服務消費者，旗下液奶、奶粉、酸奶、奶酪、冷飲等產品已在全球 60 多個國家和地區上市。集團需要面向未來 10 年構建核心競爭力，充分積累數據，深度利用技術進而升級到數字化業務運營模式，數字化轉型

40、是集團實現 2030 戰略目標的前置條件?？蛻糸_展數字化業務運營，訂單端到端 OTC 流程的數據流存在一定的中斷點，且整個流程缺乏全程可視性，這給管理工作帶來了一定的挑戰。業務部門對更加敏捷、高效的數據交付需求不斷提升，對數據質量、準確性和可靠性的要求也愈發嚴格。不僅如此，集團也面臨著來自組織架構、供應鏈、業務標準等方面的挑戰：以客戶為中心，供應鏈需要有什么改變？供應鏈控制塔某千億規模乳業集團識別供應斷點實現敏捷交付傳統企業數字化轉型的挑戰：員工接受度低和思維固化供應鏈數字化缺失：關鍵業務系統未線上化業務標準化與數據治理的平衡：數據服務于業務規范組織架構優化需求：計劃部門需要供應鏈部門來統籌計

41、劃1.2.3.4.21數據改變制造業實踐價值實踐過程最終幫助客戶實現數據要素資產化及資產服務化：StartDT幫助客戶構建供應鏈全鏈條的“橫向拉通、縱向深挖、執行閉環”能力，推動協同的、一致的、敏捷的、需求驅動的供應鏈體系建設，具體分為：訂單數據斷點診斷：拉通經銷商訂單管理系統、T&W 系統、ERP 系統等全鏈路訂單數據，識別與優化斷點問題。專項主題洞察分析：構建滯留訂單、到貨進度、原奶質量、日配時效、產品差異化策略等分析主題，深入洞察業務異常。數據共享原則優化：信息共享由鏈狀結構向網狀結構轉變，構建以需求為導向的敏捷響應能力與機制。指標體系梳理：梳理和優化 76 個預警指標體系，通過風險預警

42、與處置，將管理干預由業務結果前置到業務過程。數據流斷點診斷及解決：診斷業務流程，識別數據流斷點，拉通系統數據，解決系統煙囪林立帶來的數據孤島問題，實現訂單全鏈路數據拉通。業務管理效率提升：梳理和優化指標體系，通過及時的業務可視、管理可視和風險預警，有效支持業務過程管理和結果管理，基于準實時的全鏈路全景數據和對績效指標的診斷優化，將管理干預由業務結果前置到業務過程。端到端協同效率提升：信息共享由鏈狀結構向網狀結構轉變，構建以需求為導向的敏捷響應能力與機制，助力以客戶為中心的業務改善。1.1.2.2.3.3.4.22數據改變制造業痛點概述對于家紡行業來說，傳統的加盟制或訂貨制下的供應鏈節奏是偏慢的

43、，隨著線上消費的趨勢越來越明顯，電商對于供應鏈的要求越來越高，特別是最近兩年的直播對供應鏈柔性要求特別高。因此，相比較前端消費者運營，家紡企業更關注供應鏈管理，如何把管理周期從十幾天縮短到幾天，這對傳統的供應鏈指標的要求會有一個數量級的提升。在整個供應鏈環節上，打通供需數據實現供需平衡是核心。家紡快銷行業采用新渠道+傳統的自產自運自銷的重資產運營模式，當前供應鏈各項隱形成本不透明、供應鏈整體能力低下與單領域高效之間的矛盾無法解決。訂單太多，庫存太少，原料供不上，怎么辦？供應鏈控制塔某家紡快銷企業實現供需平衡降本提效供應鏈經營費率升高的原因變得異常復雜，企業面臨著如何精細化管控供應鏈成本的挑戰。

44、各垂直領域數據當前狀況多變且不全面，不能及時看清趨勢變化，運營趨勢無法得到全面反映。由于口徑不一致，各部門之間的協同連接常處于無人區，組織之間的協同性存在問題。無法全面掌控調整產銷存平衡：在訂單數量及資源數量等方面，缺乏過程監控。1.2.3.4.23數據改變制造業實踐過程實踐價值StartDT 通過幫助客戶構建數字化供應鏈，搭建經營費率模型、銷售卡點模型、供需匹配模型、內外能力模型快速分析定位供應鏈短板，全面提升降本達成、響應效率、內外協同、供需平衡的能力。通過各業務模塊的深度挖掘和橫向連接，形成基于價值鏈的業務分析體系，StartDT 為客戶公司的經營、供應鏈運營和產銷平衡提供全方位的監控管

45、理，達成精細化管控目標。具體表現如下：全面成本分析，經營費率優化：從最小費用項及科目維度，對采購成本、工費成本、物流成本、生產損耗進行監控與對比分析，預警成本波動異常，為供應鏈經營費率優化提供依據。關鍵節點可視，質量效率提升：拉通銷售、計劃、采購、生產、質量、物流供 6 個領域當中的小閉環與整體大閉環，實現各關鍵節點可視，消除盲區，達成高效協同響應與高質量發展。需求資源對比，產銷兩端平衡：通過對單位時間內銷售需求與近遠期供應資源的整體及分渠道對比，快速發現資源配置及分配上的不合理，實時進行產銷再平衡。全面成本分析，優化經營費率：全面成本分析對企業經營至關重要，其中固定成本和變動成本是需要重點關

46、注的方面。在固定成本分析中，需要從最小費用項及科目維度分析固定成本分攤，結合設備使用效率進行優化，從而提高固定成本產出效益，并降低經營費率。對于變動成本，需要通過對原材料市場價格波動趨勢的研究，提供采購策略支持，并尋找降低物料損耗成本的改善點。此外，在物流作業方面，需要通過分析運營成本，提升物流單位成本效率。通過全面的成本分析，可以深入了解企業的成本結構，制定成本控制措施，實現經營費率的優化，為企業可持續發展提供強有力的保障。識別關鍵指標，搭建數據分析模型，快速識別變化：在快速識別業務變化方面，可以通過確立業務關注的核心指標、基于運營流程進行分層細化落地，形成銷售、計劃、采購、生產、質量、庫存

47、的各垂直業務域指標體系，以及通過對指標的實時數據監控分析來反映各領域的運營健康度和趨勢。關鍵指標體系可以幫助業務及時進行更好的決策。端到端拉通，通過價值鏈分析各業務部門及環節之間的協同質量：在企業的生產經營過程中，價值鏈是一個連續的、由多個環節構成的鏈條。這些環節相互關聯，每個環節都具有特定的功能和價值。通過端到端的價值鏈拉通分析，可以將這些環節有機連接起來，從而形成一個完整的業務閉環，深入挖掘每個環節之間的關系和聯系，還可以發現業務流程中的斷點和瓶頸，從而制定針對性的改善方案，提升各個環節之間的協同緊密性，進一步提高企業的整體價值。需求資源對比，產銷兩端平衡：通過對銷售總量和銷售進度與銷售計

48、劃的對比分析，監控銷售目標達成率，對過程及結果進行管理干預。對生產產出數量和生產節奏與生產計劃進行對比分析，監控生產目標達成率，提升供應保障能力。同時把銷售、生產、庫存三者之間的數量和節奏進行聯動實時監控，為業務提供實時決策依據，具備達成產銷存平衡的能力。1.2.3.2.1.3.4.24數據改變制造業案例概述該客戶是四川省某塑膠包裝材料公司，是國內大型塑膠包裝生產企業之一。公司主要由“智慧包裝”、“功能性材料及深加工”和“家居裝飾”三大產業構成，憑借著強大的研發和配套生產能力，公司已成為核心能力突出、綜合優勢明顯的行業領軍企業，成功賦能消費新升級，引領包裝新潮流。為了應對未來，客戶開展了智慧工

49、廠頂層設計規劃和數字化轉型的工作?？蛻舸嬖诟餍畔⑾到y之間的數據隔閡、數據治理標準缺失、數據資產管理能力薄弱等等常見問題，基于客戶對智慧工廠頂層設計規劃和數字化轉型的需求，StartDT 為其搭建了數據中臺和數據可視化大屏，通過數據的全鏈路拉通、聚合和治理跨域數據，幫客戶將業務信息系統數據進行采集、計算、存儲、清洗治理，形成數據資產，使其具備數據集中處理、數據服務及可視化展示的能力。在這個過程中，我們將以精準的數據治理、深入的數據分析和靈活的數據應用，助力客戶在智慧工廠建設和數字化轉型中獲得更多的成功和價值。過去用人做管理，現在用數據做管理?？梢暬鞒坦芾砟乘苣z包裝企業用數據做管理開啟全面轉型

50、25數據改變制造業實踐過程實踐價值借助 DataSimba、DataKun 和 DataMaleon 等數據平臺產品和實施方法論，StartDT 為客戶建設數據中臺體系，實現數據驅動的全面轉型，并全面提升客戶的數字化運營能力。通過這種方式，我們能夠幫助客戶更高效地賦能業務，實現數據驅動，實現更優異的業務表現。實踐證明，精準數據分析和建模，能夠更好地了解用戶需求，幫助客戶做出更明智的業務決策，提升業務效率和價值創造能力。此項目采用多角度的數據應用場景規劃，深入挖掘客戶企業的市場銷售、采購供應、生產制造、信息中心四大業務板塊，統一業務架構與數據架構，有效整合企業數據資產，并提升數據分析處理能力及服

51、務水平。通過科學合理的業務流程規劃和數據管理方法，使得企業在不同層級、不同崗位、不同視角上均能充分利用數據，實現數據資產的價值最大化。另一方面，在構建企業級的數據資產管理能力方面 StartDT 也做出了重要貢獻。在信息中心的支持下，各業務板塊之間實現了無縫連接，并實現了數據的全流程管理。同時，為深化客戶數據分析處理能力及服務能力，我們還對企業內部的數據處理流程進行了優化和完善，以滿足不同業務場景下的數據分析需求。StartDT 幫助該塑膠包裝材料公司深入挖掘數據價值，全面提升數據治理水平，實現了對業務的全面把控，并為企業未來的發展提供了堅實的數據支撐。完善數據標準：為了提高數據的準確性和可靠

52、性，我們幫助該客戶建立完善的數據標準規范。數據標準化可以確保數據的一致性和可比性，從而幫助該企業更好地進行數據分析和決策。同時，建立數據標準也可以減少數據錯誤和不一致性，提高數據的可靠性和可用性，便于整合各行業數據。數據融合匯聚：該企業數據源包含 ERP、MES、WMS、訪銷系統等等，其中還包含大量手工數據，由不同的部門或業務單元開發和維護，這些系統之間存在極高的數據壁壘。數據融合匯聚可以消除這些壁壘，實現不同系統之間的數據共享和互操作性。通過數據融合匯聚，企業可以更好地利用各個系統的數據，進行更全面、更準確的數據分析，并實現更好的業務決策。提升數據質量：各環節的數據質量是決策的重要基礎。為了

53、提高數據質量，StartDT 幫助其建立數據校驗和數據治理機制，數據校驗可以幫助企業檢查數據的準確性和完整性，及時發現和糾正錯誤。數據治理則可以幫助企業規范數據的采集、存儲、處理和使用，保證數據的一致性和可靠性。優化數據架構：數據架構是企業數據系統的重要組成部分。為了提高應用支撐性能，我們幫助該企業優化數據架構，幫助其實現數據的高效存儲、檢索和管理。拓展數據應用：在場景應用上包含市場及銷售、防偽溯源、采購及供應、生產管理、資產管理、設備管理、質量管理、財務、人力等細分應用場景。數據資產管理平臺建設是實現數據應用拓展的重要手段。通過數據資產管理平臺，企業可以建立數據接入和訪問標準，統一管理和維護

54、各類數據資源。數據可視化大屏建設：有了底層數據的打通和架構優化，通過數據可視化大屏，將數據轉化為圖表、報表等形式，可以幫助企業及管理者更好地理解和分析數據，作出相應決策。2.1.3.4.5.6.26數據改變制造業27數據改變制造業數智時代制造業的挑戰和應對四浪疊加制造業轉型新趨勢六多困局制造業轉型新挑戰四橫十縱制造業轉型新架構01020328數據改變制造業模式進化浪潮出海進化浪潮隨著信息技術和工業技術的發展進步，制造業水平也得到了顯著提升，并逐漸顯示出四大典型的趨勢浪潮。即從產品為中心的制造模式轉向以客戶為中心的服務模式。隨著經濟水平的提高，人們對于產品功能和服務的需求和要求也越來越高，已經不

55、再局限于產品功能，越來越追求產品附加價值。產品的市場模式也從功能定義產品向服務定義產品、軟件定義產品轉變。典型的例子就是智能手機從傳統的電話短信功能轉變為由各種 app 定義手機的功能。這一轉變也要求產品制造不能僅局限于產品本身，更要注重采集客戶使用產品過程中的需求和反饋數據，敏銳捕捉市場變化。即中國制造“走出去”。隨著貿易全球化浪潮，為了更好服務客戶，更快速響應市場，中國制造業企業紛紛在海外市場設置銷售職能機構、物流倉儲點以及生產制造基地。在滿足市場需求的同時，企業也必須滿足海外市場的合法合規要求，圍繞產品交付、訂單履約、財務核算所產生的業務財務數據必須集成拉通，實時可追溯。四浪疊加制造業轉

56、型新趨勢29數據改變制造業智造進化浪潮協同進化浪潮即從傳統制造向智能制造的轉變。車間制造的自動化程度提升只是智能化制造的一部分體現，更重要的是利用數據采集技術將制造過程中所產生的人機料法環測數據進行匯集加工處理，用數據感知企業經營及生產管理的情況；利用數據模型達到數據分析和輔助決策的目的；利用物聯網技術實現萬物互聯，最終利用數據分析的結果和模型發出行動指令、通過 IOT 傳達指令和執行指令、通過數據采集指令執行結果，形成閉環，達到企業經營和生產管理自主行動的目標。即從內部供應鏈向產業供應鏈的轉變。同行業企業的競爭，是在產品質量、服務和交期等方面的競爭，這些方面的競爭都離不開高效協同的供應鏈體系

57、。信息技術的發展使得核心企業與上下游之間的聯系越來越緊密。企業之間的競爭也不僅僅是各自企業內部供應鏈協同的效率和質量方面的競爭，而且逐漸演變為包含上下游企業在內的內外部大供應鏈協同效率和質量的競爭。整個大供應鏈協同高效率一定會帶來內部供應鏈的高質量、高效率。30數據改變制造業一、流程長，系統多二、層級深，數據多三、模式混，維度多中國制造企業非常多，而隨著制造企業在信息化浪潮中不斷發展和進化，從傳統信息化到數字化再到數智化，企業也面臨許多新的挑戰與困境：制造業具有業務覆蓋范圍廣泛、追求精益化生產、高度靈活性要求、高度協同性需求等特點，那么能夠快速適應市場和客戶需求的變化就顯得尤為重要。為了滿足這

58、些要求，企業需要具備快速響應和調整的能力。這需要借助于靈活多變的業務流程和系統，例如可定制化的生產流程、可配置的供應鏈管理等，以便能夠快速適應市場和客戶需求的變化，并且需要借助于各種系統和技術手段，例如自動化、ERP、CRM、WMS、MES系統等，來對業務流程進行管理和優化，業務流程往往又長又復雜。而如何整合異構分散的系統往往是讓 IT 團隊頭疼的事情。制造業有很多不同的業務應用系統、商業分析系統、智能設備系統等，因此在數據應用層級上比較深。從最底層的包括生產車間執行、倉儲物流執行、發運物流執行、計劃排產執行以及不同設備執行在內的智能執行層，到中間包含不同的管理類業務系統（例如：ERP、CRM

59、、SRM 等系統）的管理經營運營層，再到最頂層的以決策分析系統、集團財務管控等決策系統為主的決策管控層，在如此深的數據應用傳遞層級下，每一層都會產生海量數據，如何處理海量的數據存算是現在制造企業的痛點。制造企業為了適應市場需求、提高競爭力、優化資源配置以及降低風險，誕生了不同生產模式，例如MTS（Make to Stock，庫存生產模式）、ATO（Assemble to Order，按單組裝模式）、MTO（Make to Order，按訂單生產模式）、ETO（Engineer to Order，工程制造模式）等等，這些不同的模式在某一家企業中存在不止一種，各種生產模式的混合是非常常見的，而每種

60、業務模式需要在不同維度中應用和分析，因此如何結合業務流程進行有效的數據治理并且進行針對性數據應用也是企業的核心痛點之一。六多困局制造業轉型新挑戰31數據改變制造業四、集團大，主體多五、業務廣，場景多六、資源散，種類多數據的使用主體從最早的單一主體公司，到集團下的多家主體公司；從最早的營銷及銷售領域，拓展到財務、供應鏈、人力資源等企業管理的方方面面，并面臨著海量個性化數據服務的挑戰。數據產品及應用需要擺脫對高級人才的依賴，讓更多的普通開發者能加入研發，開發可用、易用的數據服務和應用，讓業務人員能更靈活地使用數據及 AI 應用，產生業務價值。這需要一個建立在集團架構上且能融合不同主體的數據平臺來滿

61、足多主體個性化服務。數據的使用場景不僅局限于用戶域，而且拓展到了研發、制造、流通等全鏈條；看數據和用數據的人從管理層向經營層和執行層拓展；隨著更多用戶、更多數據、更多場景的不斷出現，一個數據引擎已無法應對所有場景。目前企業存在離線、實時、即席查詢、圖計算和時序五大引擎，未來還有向量引擎，避免引擎煙囪，統一開展多引擎混合部署和調度，成為平臺建設的關鍵難題，也是最重要、最需要解決的問題。使用多家云計算廠商的服務，成為制造企業上云的顯著趨勢。根據 Snowflake 的統計，每個美國客戶平均使用 3.8 朵云；根據字節云的調研，中國的大型客戶平均使用 5 朵云。此外，國內還有大量自建和租用服務器的用

62、戶。與此同時，數據從最早的系統結構化數據，拓展到了更多的非結構化領域，包括 IoT、日志、圖片和視頻等等；數據庫表從早期的 Oracle、MySQL 等少數幾種拓展到近百種自研和市售產品。為應對不同的數據環境，一個強大的數據平臺需要適應不同的部署方式。32數據改變制造業面臨六多的挑戰，開展廣泛且深入的數字化轉型已經成為了行業共識，但是制造業的數字化通常會面臨歷史包袱重、數據質量差、涉及人員廣的問題，想要用數據改變制造業，仍然困難重重。落實到大數據和數據管理團隊，團隊通常會面臨以下問題：如何改變？我們建議以編制、審查、實時監督全流程數據支持為目標，建設制造業統一數據底座，基于“統一平臺、統一數據

63、、統一運營”原則，提供“匯數據、管數據、用數據”的全流程工具，實現制造業全域、全要素的數字化。四橫十縱制造業轉型新架構家底不清：數據分散于多個部門，各部門獨立建庫，缺乏統一盤點；標準不一：數據種類繁多，存儲不一、格式不一、邏輯不一，難以整合；管理不規范：缺乏統一的信息化管理手段，易造成數據丟失、更新不及時等問題，業務工作中經常重復收集數據，費時費力；共享協同難：缺乏便捷的共享方式，針對需要多部門業務協同的問題，以調取檔案、詢問經辦人、人工拷貝等線下方式進行數據共享，工作效率和準確率低；數據資產復用不足：由于上述問題，導致大量數據資產沉睡，難以實現復用、深度挖掘數據價值。數據作用基本限于日常報表

64、、簡單統計分析。1.2.3.4.5.33數據改變制造業以“三統一”為目標開展轉型整體規劃1.統一平臺2.統一數據數據平臺的最初定位是儲存原始格式數據的大數據平臺，隨著大數據技術的融合發展，數據平臺的邊界不斷擴展，內涵也發生了變化，逐步形成了 4 大能力要求：統一平臺后很重要的一步是統一數據，具體是指構建上下結合的數據資源體系和數據標準，以上下結合的原則，構建包括現狀數據、規劃數據和管理數據的各級數據資源體系。在數據標準方面，明確業務標準、命名標準、格式標準、數據關聯標準；制定數據更新機制、數據管理機制；制定全套數據匯聚、管理、更新、運維機制。其中統一數據的整體組件規范對數據平臺項目尤為重要，包

65、括數據資產目錄、數據標準、數據模型和指標體系：多源異構數據整合：數據平臺能夠整合和集成多源異構的海量數據，支持結構化、半結構化、非結構化等各種數據模型；統一存儲和管理：利用分布式存儲技術，將數據在物理上或邏輯上進行統一，基于統一的數據存儲和管理能力，往上對接各種計算引擎和數據管理工具；數據服務：數據服務是銜接數據平臺和業務之間的關鍵要素，是與用戶建立黏性的關鍵介質，因此作為數據平臺產品的各種數據服務也是保證數據平臺成功的關鍵要素，要做到質量高、品類豐富、安全合規和服務方式多樣化；數據應用：衡量一個數據平臺是否成功的最主要的 KPI 指標是“該數據平臺所支撐的數據應用數量及其業務效果”。在統一建

66、設的模式下，企業數據平臺除了為數據應用提供數據資源或數據資產外，還可以為其提供資源調度和生命周期管理能力，使數據應用更加穩健和高效。數據資產目錄：形成完善的企業數據資產地圖，在一定程度上也為企業數據治理、業務變革提供了指引?；跀祿Y產目錄可以識別數據管理責任，解決數據問題爭議，幫助企業更好地對業務變革進行規劃設計；數據標準：定義公司層面需共同遵守的屬性層數據含義和業務規則，形成公司層面對某個數據的共同理解。這些理解一旦確定下來，就應在企業內被共同遵守，作為公司層面的標準；數據模型：從數據視角對現實世界特征的模擬和抽象，根據業務需求抽取信息的主要特征，反映業務對象之間的關聯關系；指標體系：在公

67、司層級拉通指標名稱和定義，將企業整體的發展情況完整地展現在高層管理人員的面前。34數據改變制造業結合實際情況我們發現 IT 做了大量的看板和報表，但它們的使用率并不高，核心原因是業務不相信平臺的數據且沒有養成看數據的習慣。通過之前的統一平臺、統一數據解決準確性問題后，我們建議通過統一運營促進業務更多地使用數據。統一運營通常由業務主導，包含運營組織、制度、執行、管控四部分：根據制造業的行業特性和趨勢判斷，StartDT 提出了制造業數字化轉型的新策略三看三提，即：一、微觀看波動，提升品質實現“人機料法環測”一體化；二、宏觀看流動，提升效率實現“產供銷協同”一體化；三、決策看變動，提防風險實現“業

68、務財務管控決策”一體化。制造業的特性決定了其在數字化轉型過程中，必然涉及制造業的核心六大要素：人機料法環測，因為這是制造業的底層運作邏輯和支撐。同時，制造業的供應鏈往往都處于企業價值鏈的后端，在及時滿足外部客戶交付需求的同時，還需要平衡和協同需求變化與制造資源之間的矛盾，也就是供應鏈管理中常說的“產供銷協同一體化”。在達成以上運作過程管理的基礎上，低成本高效率構成了制造企業的核心競爭力基于制造業“料、工、費”成本的業財一體化快速決策和精準管控能力，越來越成為制造業的核心競爭力之一。運營組織：組建獨立于公司一級部門外的獨立運營團隊，數據運營的第一負責人一定是公司高層，運營組織關系到數據運營是否能

69、有效、持續、高效地運轉；制度：制定數據運營制度，包含“團隊分工、工作內容、運營標準、管理要求、激勵機制”，并正式發文。對數據運營團隊、業務操作層、管理層進行系統知識培訓、操作培訓，并組織考試，頒發“上崗證”。執行：組織各業務領域進行試運作、通報試運營問題，組織解決閉環問題再進行運營執行，按固定頻率（每天、每周、每月）通報結果、分析異常原因；可以按周或月進行業務數據達成排名通報，排名建議以正向激勵為主，鼓勵持續提升；管控：定期對過程中識別的管理問題、業務短板發生原因進行剖析，制定整改方案，形成閉環優化。3.統一運營設定有效策略發掘落地場景35數據改變制造業接下來我們對“三看三提”進行相應的分述：

70、微觀看波動，提升品質。因為在“微觀”的管理層面，特別強調通過消除制造過程的“變差”來提升產品的制程能力和品質。制造的“變差”往往都是由制造的六要素“人機料法環測”帶入的。傳統的管理中，很難精準地獲取到這六要素的數據，并通過建立數據模型來管理制程能力。而伴隨著信息化發展和物聯網的引入，越來越多的制造企業可以采集到“人機料法環測”的底層數據，再通過數據中臺的存算和建模能力，對影響品質提升的“人機料法環測”進行實時監控和管理，從而有效地降低制造過程的“變差”，不斷改進過程管理能力。宏觀看流動，提升效率。傳統的精益生產管理中，非常強調流動的管理，并通過“價值流程圖、看板拉動、快速換產”等工具幫助制造企

71、業不斷提升內部“流動的速率”。而內部信息流、物料流、產品流的高效流轉，說到底仍然是“產供銷協同”的一體化。企業通過打通從“銷售預測”到“需求計劃”再到“生產工單”的全鏈路數據，并通過數據模型管控所有物料、半成品和成品的實物流，打通企業在流動過程中的“斷點”和“堵點”并最終實現產供銷協同的一體化，才能在宏觀層面實現企業運作效率的持續提升和改進。決策看變動，提防風險。制造業的業財一體化融合，往往因為制造業的成本結構復雜，核算口徑多樣化，而導致業財報表存在滯后性。大部分企業通過盤點月結后的業財報表數據進行企業的管控和決策，往往“木已成舟”，只能進行結果的復盤。那如何預見性地提防企業業財風險，從而在運

72、作過程中及時地進行決策？這就需要通過數據中臺對企業的核心業財數據進行相對及時（T+1 天）的模型搭建，再通過數據模型每日演算影響企業業財結果的核心指標，如銷售額、成本、毛利等，通過趨勢觀測和閾值預警等數字化手段，在運作過程中及時糾偏并提防風險，最終實現真正的業財一體化管理。二、一、三、36數據改變制造業制造業從 ERP 時代的信息化到數字化再到現在的數智化，我們看到的是越來越多的系統，甚至越來越多的商業系統以及自己開發的系統不斷涌現，數據分散在各地、分散在各個業務系統中，那么如何用好數據以及用數據為業務賦能呢？數字化場景的應用落地過程往往呈現為螺旋式上升的模式，如何理解“螺旋式上升”？這一輪的

73、轉型過程中，我們將場景分成橫向場景和縱向場景，縱向場景需要單個專項治理、局部切入、縱向深挖。例如：圍繞著制造企業十大業務領域去挖掘里面數據帶來的管理改善與變革，通過分析主題拆解到分析指標，為每個業務域制定對應的指標框架。但一個一個地單點深挖不夠，需要將所有的價值連成網、連成片，就需要以端到端價值鏈路為牽引，進行橫向拉通。正是這一輪的橫向拉通和縱向深挖的場景，使得我們看到了數字化轉型過程中新的實踐路徑，圍繞著橫向與縱向場景迭代往復，不斷螺旋式上升。而基于制造業的最佳實踐與應用，奇點云提出了制造業數字化轉型的新路徑四橫十縱，即：四橫以訂單到回款、產品全生命周期、業財經營一體化、產業鏈外延協同為四條

74、主線的橫向貫通，實現端到端建立分析鏈路并進行橫向拉通；十縱以研發、營銷、運營、供應、生產、物流、質量、售后、人資、財經十個業務域的縱向單點切入，搭建域與域的指標體系并進行縱向深挖。螺旋式上升迭代整體架構37數據改變制造業通過橫向拉通，尋找對應的分析鏈路和價值鏈條。以 OTC 為牽引，拉通訂單到回款鏈路，主要圍繞訂單全流程，實現公司生產、交付以及相關財務回款的過程可視，來對客戶交期做更好的應答，這是訂單到回款拉通；以產品全生命周期管理為主線，從新品研發、試產、上市，到計劃的達成與成本構成的洞察，再到售后服務管理，形成產品管理的閉環體系；通過業務財務的一體化融合，將原來的業務和財務管理口徑的內容統

75、一成數據模型管理并進行聯動分析。這個過程中需要對企業的盈利能力、運營能力、發展能力、資金安全能力、運營效率、成本優勢等進行拉通分析，以提高綜合決策支持、優化資金管理、提升成本控制和效率、管理綜合風險等，我們將這一分析過程稱之為業財經營一體化。目前越來越多的企業不僅僅是關注企業內部的高效以及決策效率，更多地是站在上下游進行協同，但過程中會面臨如何與上游下游的企業進行共享式的統一交互，也會對交易雙方的關聯關系能否追溯、并且是否安全合規提出較高要求。在這樣的前提條件下，企業可以通過平臺去拉通產業數據、上下游訂單在統一的維度下進行建模，去做好產業鏈的數據上下游的協同、融合和追溯，這就是產業鏈外延協同場

76、景。在橫向拉通各價值鏈并形成網連成片后，每個價值鏈上的斷點分析以及想要深挖的問題就變得尤為迫切和重要。而單點突破與問題深挖需要將對應的分析主題映射到每個業務領域，再將對應業務域拆解到分析主題，通過一個一個分析主題的業務流程洞察，下鉆到每個分析指標，將核心分析指標以可視化分析呈現到經營管理分析層或管理決策層，實現 KPI 量化分解，才能不斷推動業務流程的改善與優化。而更優的流程和執行又帶來更準確的分析指標量化，以此不斷循環、迭代，最終實現良性的閉環。在制造的十縱里面，從產品的研發到銷售運營，從采購供應到生產執行，從倉儲物流到質量售后，最后以人資和財經作為決策分析依據，構建每個業務域的核心指標框架

77、，實現域與域的縱向深挖。橫向拉通四橫縱向深挖十縱一.二.38數據改變制造業39數據改變制造業數據改變制造業的6 大產品供應鏈控制塔 SCT實時生產監控平臺 RPI經營決策中心 BDC供應鏈數據平臺 SDP車間域數據平臺 MDP業財域數據平臺 BDP01040205030640數據改變制造業什么是供應鏈控制塔供應鏈控制塔的核心功能供應鏈控制塔 SCT（Supply-chain Control Tower）是專為企業供應鏈領域量身打造的智能數據運營產品，通過 OTC（Order to Cash）全流程端到端拉通，實現客戶導向、訂單牽引的商流、物流、資金流、信息流的統一優化，達成全價值鏈快速響應、及

78、時交付、完美履約，帶動經營思路和經營模式的轉變，引發企業全價值鏈變革。供應鏈控制塔涵蓋了供應鏈從銷售、計劃、采購、生產、質量、物流、倉儲到結算等全職能模塊的數據集成和運營監控，秉承考核各職能領域縱向執行質量、橫向協同效率的理念，搭建執行閉環的供應鏈指標管控體系，推動協同的、一致的、敏捷的、需求驅動的供應鏈體系建設。ORDER TO CASH 全流程端到端打通疏通斷點堵點，保障供應鏈可靠穩定基于供應鏈 SCOR 模型，自研控制塔六步分解法，梳理供應鏈訂單全鏈路，識別斷點堵點問題，借助數字化技術連接供應鏈全量全要素數據，實現數據自治目標下的供應鏈可靠穩定。過程監測洞察，降低供應鏈綜合成本基于成本作

79、業的各業務場景抽象分析模型，通過提高自身成本控制分析監測能力，動態實時監控執行過程中的成本偏差、成本異常等情況，合理降低供應鏈各環節成本，改善企業整體經營狀況?？焖兕A警預判，提升供應鏈運作效率基于業務全流程價值鏈搭建可視化預警沙盤，利用規則預警引擎及智能算法，自動化診斷異常指標，定位異常原因，構建業務運作的預測預警預判能力，用數據驅動制造企業運營。1.2.3.供應鏈控制塔 SCTSUPPLY-CHAIN CONTROL TOWER41數據改變制造業供應鏈控制塔的業務價值供應鏈控制塔 SCT 基于 DataSimba 數據云平臺、DataKun 存算引擎和 DataBlack 安全引擎，幫助企業

80、沉淀數據資產、支持數據多元化應用、保障數據合規安全，集成跨域多云的數據，建立供應鏈各領域的數據模型，形成共享數據資產，通過“縱向深挖、橫向拉通、執行閉環”的價值鏈場景洞察和對訂單、產品、客戶、供應商的畫像分析，全面激活數據價值，為企業提供決策支撐，并持續創造業務價值：數據斷點堵點診斷業務管理效率提升共享協同效率提升診斷業務流程，識別數據流斷點，拉通各業務系統數據，解決系統煙囪林立帶來的數據孤島問題，實現訂單全鏈路數據拉通。梳理和優化指標體系，通過及時的業務可視、管理可視和風險預警，基于準實時的全鏈路全景數據診斷優化，將管理干預由業務結果前置到業務過程。信息共享由鏈狀結構向網狀結構轉變，構建以需

81、求為導向的敏捷響應能力與機制，助力以客戶為中心的業務改善。1.2.3.42數據改變制造業什么是實時生產監控平臺？實時生產監控平臺的核心功能實時生產監控平臺 RPI（Real-time Production Index）是專為制造型企業生產管理領域量身打造的智能數據分析產品，幫助企業快速完成從傳統的報表分析模式到系統性數字化分析的轉變。將企業原本分散割裂的各生產要素數據進行清洗、治理、整合、建模后實現對生產環節全要素的實時監控。工廠的管理人員將實時掌握生產過程情況，以此作為資源分配、計劃調整、質量管控等生產現場管理決策的數據依據，從而提高生產效率、降低生產成本、提高產品質量、增強企業的創新力和競

82、爭力。RPI 覆蓋了生產全要素的數據集成和監控，實時統計展示相關生產數據，提升異常情況數字化程度，及時預警，提高數據統計分析效率，快速響應生產管理人員對數據分析全方位、關聯性、深層次的價值需求。RPI 運用數據進行科學化生產運營管控，使數據真正服務于生產的改進與工廠的運營，實現傳統制造業向全面數字化管理的轉型。實時監控生產環節六要素實時生產過程數據采集與可視生產設備等物聯網采集的數據沉淀在 MES 等業務系統中無法有效利用，通過數據中臺對設備采集的數據進行集成清洗與建模，并輸出到實時生產監控平臺，實現實時生產數據的可視化分析。分層的制造數據應用與監控不斷聚合底層最細顆粒度的數據開展維度建模，實

83、現從集團級到基地級到工廠級再到車間級的數據分層應用和逐級下鉆能力。制造現場管理分析模型的標準化生產基地、工廠、車間的生產現場分析決策模型各異，通過標準化建模逐步規范所有工廠到車間級的分析思路和模型，引導管理人員通過標準化的分析模型不斷追求 Q（質量）C（成本）D（交付）S（安全）的現場改進。1.2.3.實時生產監控平臺 RPIREAL-TIME PRODUCTION INDEX43數據改變制造業實時生產監控平臺的業務價值如圖所示，RPI 以數據云平臺為底座，匯集企業全球各個生產基地的 IT 與 OT 數據，建立生產過程數據統計模型，形成共享數據資產，圍繞“人機料法環測”生產要素，提供人員、設備

84、、設施、工藝、質量、物料、安全、環境的八大實時監控場景。RPI 幫助企業實現如下核心價值：工業數據互聯互通，生產過程透明可視現場決策實時反饋，現場資源最優利用數據監控問題預警，歸因分析管理改善構建工業物聯“流批時序一體”的數據架構體系，連接工業各類生產設備，采集制造設備的生產加工、作業狀態、過程質量等全過程數據，聯網設施設備關鍵工作數據，實現制造過程的可視化、透明化。進行現場實時分析與決策效果驗證，快速部署工作任務。監控設備運行狀態，及時發現設備設施的異常狀況，有效提升工廠核心設備設施的綜合效率。同時可監控生產能耗，避免非必要資源浪費，降低制造成本。通過 RPI 智慧工廠數字化建設，實現工廠在

85、生產管理領域的四大核心宗旨：一是趨勢洞察問題發現，二是生產數據智能分析，三是生產活動現場優化，四是問題歸因及時改善，實現生產全流程的優化與自主可控，進而推動企業從自動化邁向智能化。1.2.3.44數據改變制造業什么是經營決策中心經營決策中心的核心功能經營決策中心BDC（Business Decision Center）核心是幫助企業從傳統粗放式經營管理向精細化經營管理轉型，全面洞察分析企業的經營效率、經營成本和經營風險，并解決原來口徑不一致、時效慢、效率低、不聯動問題，實現一致性、時效快、效率高、聯動強，幫助企業經營管理者快速決策、準確決策、智慧決策。精細化經營決策管理經營效率分析從三流合一的

86、角度，即企業的資金流、信息流、物流，看資產、現金、存貨等方面的周轉質量、周轉效率和周轉收益，其優勢在于可以及時暴露經營效率問題和快速準確定位問題。經營成本分析從主營業務成本、管理費、差旅費、薪資、水電燃氣公共費用等各種成本費用類型，看企業經營成本的結構比率，其優勢在于以阿米巴的思想更精細化地看企業各個經營管理對象的收入、成本、利潤情況。經營風險分析從企業的資產負債、收支平衡、現金支出情況，看企業的償債能力、持續經營能力，其優勢在于不僅看歷史經營風險結果數據，更是結合預算情況預測未來的持續經營風險。1.2.3.經營決策中心 BDCBUSINESS DECISION CENTER45數據改變制造業

87、經營決策中心的業務價值經營決策中心以 DataKun 存算引擎，幫助企業構建智能化、輕量級的大數據基礎平臺，快速建立其自有的經營管理大數據分析處理能力；以 DataBlack 數據安全引擎，確保企業的經營管理數據權限清晰，數據安全穩定；以 DataSimba 數據云平臺，幫助企業持續沉淀經營管理數據資產，激活數據價值。經營決策中心以頂層的業財一體化數據拉通后的應用為目標，經營管理數據全面可視、賦能業務、智能預警，持續推動企業走向精細化經營決策：價值 1：企業經營快速決策，管報財報洞察分析價值 2：企業經營準確決策，分析直達業務深處價值 3：企業經營智慧決策，數據驅動業財場景以數字化經營分析為突

88、破口，不僅解決經營分析和管理報告中存在的不可視、不可知、不閉環、無預測等痛點，還能讓經營決策更科學，實現決策快速落地，加速企業 PDCA 經營循環?？蓪洜I指標進行動態監控與預警，實時生成多維度的經營分析報表，讓財務分析直達業務深處，為決策者提供更直觀準確的公司經營情況，更好地進行管理決策。以客戶為中心，以業務財務融合數據驅動，總結規律形成智能模型，及時作出智慧決策，并快速落地執行，最終提煉決策和行動的數據化反饋，從客戶需求出發鏈接到各經營決策場景。46數據改變制造業什么是供應鏈數據平臺供應鏈數據平臺的核心功能基于以上問題，我們建立了供應鏈數據平臺 SDP（Supply-chain Data

89、Platform），平臺包含了供應鏈數據資產管理中的供應鏈指標、業務數據、詞素以及公共層數據模型，實現對企業數據資產的統一管理以及實現數據的集中整合、共享和管理，以提供準確、一致和可靠的數據服務，支持企業的決策和運營活動。同時通過對供應鏈各系統數據集成、打通和解耦，圍繞銷售、采購、生產、物流、計劃、倉儲、質量、結算八大數據域，構建企業級通用數據模型，助力供應鏈數據分析高效，挖掘業務問題。供應鏈數據統一管理和使用打破多系統數據孤島，全面集成供應鏈數據支持各種數據源的快速集成和數據質量校驗，形成數據資產，打破多業務數據數據不集成、不融合、不應用的狀況。提高異構數據質量，保障數據分析穩定可靠基于供應

90、鏈業務流程所產生核心業務對象進行梳理，規范多系統數據不標準不統一的情況，發現和改善流程上的數據問題，對數據分析質量起到保駕護航作用。適配多變企業狀況，降低數據開發應用成本基于對各業務場景抽象分析，建立 3O（Sales Order、Purchase Order、Work Order）通用模型，靈活適配不同各種定制化系統，減少數據重復開發工作，降低開發成本。1.2.3.供應鏈數據平臺 SDPSUPPLY-CHAIN DATA PLATFORM企業未建立起統一的數據平臺時往往會出現：數據分散在不同的系統中，涉及跨庫數據分析效率低。指標定義和供應鏈領域的業務對象未形成數據資產，造成 IT 和業務對現

91、有數據模型和指標難以理解溝通、維護困難的問題。1.2.47數據改變制造業供應鏈數據平臺的業務價值SDP 基于 DataSimba 構建統一的供應鏈數據平臺，實現各種數據源的接入、存儲、計算、分析。SDP 將供應鏈領域所涉及的銷售、采購、生產、物流、計劃、倉儲、質量、結算等子主題的業務對象進行了模型抽象和通用設計，保證數據模型層的復用、拉通，做到業務系統和分析場景有有變更時，通用模型不受影響。開發標準的拉通，以及數據平臺數據架構的統一規劃，可以幫助制造企業構建供應鏈領域通用數據模型，設計一致的事實表和維度表，確保數據質量和一致性，降低開發和維護的難度，從而統一供應鏈領域數據模型與架構設計，夯實大

92、數據平臺底座，形成數據資產：從客戶出發，拉通訂單、產品、項目全域數據和信息，拉通需求與計劃，采購與生產執行，倉儲物流結算等各流程節點所產生的數據，保證數據模型的通用和數據的準確性。數據資產統一沉淀和統一管理，包括指標、數據模型和數據標準等。1.2.48數據改變制造業什么是車間域數據平臺車間域數據平臺的核心功能數據是連接每一個生產環節的關鍵，車間域數據平臺MDP（Manufacture Data Platform）囊括了車間的人員、設備、物料、工藝、品質、設施、安全和環境八大核心領域的數據，旨在提供一個全面、精確和易于操作的通用數據模型，幫助企業更好地捕捉信息、提高效率，確保生產的順暢與產品的高

93、質量。車間域數據平臺 MDP 內置結合業務知識的制造數據模型架構，這種通用模型，既穩定，又具有靈活、可擴展的特性。車間域數據統一管理和使用實時監控生產核心，分析物料投入成本在制造業，每一個零件、每一個產品都是由工人通過設備加工物料而成。模型詳盡地記錄了員工的信息、培訓記錄、考勤情況等，同時也完整記錄了設備維護和運行記錄等相關數據，以及物料在生產過程中的投入產出。讓管理者能夠一目了然地掌握車間的執行情況，更好地進行調度和管理。全面管控生產過程，促進交付質量工藝是生產的藍圖，品質是產品的生命。模型為工藝流程、生產訂單提供了清晰的數據結構，使其與相關的設備和物料緊密相連。同時，通過詳細的品質檢驗記錄

94、，確保每一個生產環節的準確無誤，每一個產品的完美交付。守護現場安全，助力綠色生產在快速發展的制造業中，安全和環保是不能忽視的話題。模型記錄了每一個安全事故，每一次安全培訓，幫助企業時刻警醒，采取預防措施。同時，環境檢測和影響評估的數據結構，旨在助力企業達到更高的環保標準，為綠色生產做出貢獻。1.2.3.車間域數據平臺 MDPMANUFACTURE DATA PLATFORM49數據改變制造業車間域數據平臺的業務價值MDP 是基于 DataSimba 構建的面向關鍵主題域的平臺，在 MDP 之上可以構建面向分析主題的通用模型，快速響應生產管理需求。當面向分析主題的業務發生變化時，底層 MDP 不

95、需要進行變化，因為所有數據都是按照關鍵主題域進行建模，所以當底層數據源改造，只需修改映射邏輯即可。MDP 通用模型通過對車間現場人員、設備、物料、工藝、品質、設施、安全和環境八大領域的數據進行了抽象建模，做到數據模型的通用，不受分析場景、業務系統的變更而影響。通過對業務系統元數據進行采集，監控元數據的變更情況；通過數據標準體系建設，對數據標準進行管理，同時支持將自建的數據標準引用至數據質量模塊進行探查，從而對平臺內數據進行數據質量監控并生成數據質量報告；通過調度及依賴關系配置，查看 DAG 圖，支持節點重跑、重跑下游、置成功、殺實例、重跑并恢復調度等功能，同時支持對任務實例和補數據實例運行狀態

96、進行監控告警。1.2.50數據改變制造業什么是業財域數據平臺業財域數據平臺的核心功能各企業內部財務管報和財報都是常見的數據分析需求，而這些分析場景所涉及的底層數據基本一致，離不開應收、應付、存貨、成本、資金和資產的范疇。業財域數據平臺 BDP（Business Data Platform），旨在將財務領域所涉及的數據對象集成并抽象成面向分析場景的通用數據模型，同時將財務領域的核心指標進行統一定義和標準化管理，從而解決財務領域取數難、計算難、應用難的問題，讓業務同學思考更有價值的業務問題，促使經營決策數據更加及時、透明和精確。業財域數據平臺（BDP），能快速集成財務領域的 ERP、預算、資金、成

97、本等多系統數據，同時建立對應數據標準，對進入平臺的數據質量進行校驗，確保數據的質量?；谪攧粘Ｒ娭黝}包括應收、應付、存貨、成本、資金和資產等構建通用數據模型，可快速適配各種主流財務系統，并滿足常見的財務數據分析場景。業財域數據統一管理和使用數據集成：平臺可快速支持多種數據源數據的采集、計算、存儲和消費。數據質量：平臺內置了一套數據標準，可根據各自實際情況靈活調整，以保證進入平臺數據的質量。標準模型：將常見主題分析的模型進行了統一的建模設計，以滿足不同的分析場景，以及各系統中數據的不同結構。1.2.3.業財域數據平臺 BDPB U S I N E S S D ATA P L AT F O R M

98、51數據改變制造業業財域數據平臺的業務價值BDP 是基于 DataSimba 構建的面向關鍵主題域的平臺，在 BDP 之上可以構建面向分析主題的通用模型，快速響應客戶需求。當面向分析主題的業務發生變化時，底層數據無需調整，因為所有數據都是按照關鍵主題域進行建模，所以如果底層數據源改變，也只需修改映射邏輯即可，便于企業統一開展業財域數據模型與架構設計，夯實大數據平臺底座，形成數據資產。通用模型的抽象，統一沉淀和管理數據資產，包括指標、數據模型和數據標準等。通過 BDP，實現財務數據分析需求的快速落地，支撐經營決策，提高管理效率。1.2.52數據改變制造業53數據改變制造業數據改變制造業的4 大行

99、業電子及半導體制造行業光伏制造行業鋰電池制造行業醫藥制造行業0104020354數據改變制造業國民經濟行業分類：3972/3973電子及半導體制造行業產業現狀數據應對半導體行業實現了全球產業分工，產業鏈分工的精細化加劇了半導體行業的“牛鞭效應”；智能化研發，實現研發與生產數據的互聯互通，監控研發過程，以降低研發成本、縮短研發周期；絕大部分專利技術依然被美歐日韓壟斷，行業存在大量專利壁壘，國家政策持續大力支持硬科技創新；打造數字化工廠，通過對生產環節“人機料法環測”六要素的實時監控，及時調配資源、調整計劃；生產工藝的復雜性和精確性要求非常高，生產過程需要更加精細化的管理，才能提升良品率降低成本。

100、實現自主化、智能化的生產管理與協同，從而提高生產效率，降低生產成本，提升產品質量。1.1.2.2.3.3.上游主要是各類金屬及相關化學用品行業，包括但不限于金屬、合金、碳化硅、氮化鎵/砷化鎵、陶瓷、化學溶劑、樹脂、光引 1 發劑、塑料和玻璃等中游是半導體材料加工制造，主要包含三大類，基體材料、制造材料、封裝材料下游是半導體材料主要應用方向，包括集成電路、分立器件、光電子器件、傳感器等半導體產業鏈分為上游原材料供應、中游半導體制造和下游半導體器件環節55數據改變制造業國民經濟行業分類：3825光伏制造行業產業現狀數據應對全球一體化布局更加明顯，近兩年大規模產能擴建，如何用數據整合上下游資源及提高

101、協同能力成為關鍵；訂單到交付數據橫向拉通，前端與營銷、后端與供應商打通，實現業財一體化，降低供應鏈運營成本；垂直一體化趨勢下，光伏制造企業走向全產業鏈整合運營，從硅料到組件需要進行產業鏈計劃和追溯；業務運營層到底層設備層的數據縱向集成，降低產品不良率，優化生產工藝，降本增效；面對客戶大量的非標產品需求，交期應答難，訂單交付周期長，OTD 供應鏈整體可視性不足。建立數據分析平臺，賦能研發創新和工藝改進，掌握生產運營各項 KPI 指標狀況，提供決策支持。1.1.2.2.3.3.上游包括原料高純度多晶硅材料的生產，單晶硅和多晶硅的制造，硅片的生產中游包括光伏電池，光伏組件（玻璃，支架等）以及逆變電器

102、環節下游是光伏發電的應用端，包括光伏電站和分布式發電光伏產業鏈可分為硅料、硅片、光伏電池片、光伏組件、光伏系統五個環節56數據改變制造業國民經濟行業分類：3841鋰電池制造業產業現狀數據應對圍繞著產品技術創新、制造規模經濟性、供應鏈管控等等核心能力，電池制造企業的競爭未來會更加激烈；精細化成本控制，解決經營分析和管理報告中存在的不可視、不可知、不閉環、無預測等痛點，并對經營指標進行動態監控與預警；企業正在持續擴大規?；a，推動海外建廠及產能爬坡，乃至提升自動化水平、降低成本，如何提升經營效率成為關鍵競爭要素；打造智慧、協同高效的供應鏈體系，以數據指導生產，在微觀層面上降低生產“波動”，保持有

103、序生產；在宏觀層面上加快企業生產“流動”，保持持續生產，減少庫存，加快回款。隨著競爭加劇，動力電池價格持續走低，需要企業注重產品追溯和電池回收，具備數據溯源管理能力的企業未來將具備競爭優勢。1.1.2.2.3.57數據改變制造業國民經濟行業分類：3825醫藥制造行業產業現狀數據應對醫藥行業鏈路長，從藥品研發到最終銷售的整個過程中涉及的環節較多，監管復雜；活用醫藥研發數據，如電子實驗記錄、儀器原始數據、樣品數據等，通過匯聚整合與共享數據，提高實驗效率；為確保藥品的質量和安全性，滿足 GMP 標準，對生產制造過程和環境要求高；活用藥品生產數據，形成基于大數據分析與反饋的工藝優化、流程優化、設備維護

104、與事故風險預警能力；藥品研發周期長，研發成本高，風險高，對藥企運營與成本控制提出高要求和挑戰?；钣闷髽I運營數據，實現研發、生產、營銷、服務、企業運營管理相關數據的融合貫通和業財一體。1.1.2.2.3.3.58數據改變制造業免責聲明本文檔僅代表 StartDT Research Center 的觀察和建議，內容來源于奇點云集團核心團隊的實踐經驗，所有文案、圖表均為原創，包括但不限于定義、方法論、發展階段、建設內容和實施方式。由于實踐過程中存在不確定因素，可能導致實際過程和本指南有較大出入。因此，本指南信息僅供參考，不構成任何要約或承諾。StartDT 可能不經通知修改上述信息，恕不另行通知。非經杭州比智科技有限公司同意，任何單位和個人不得擅自摘抄、復制本指南內容的部分或全部，并不得以任何形式傳播。版權所有 杭州比智科技有限公司 保留一切權利著者航宇 寧辰 火箭 星海 恒一 正陽 石昊 德衡 天霽 靈雨 穆青 弎弎 澄芷 空間編者何夕 一噠 西州 貝吉