中国大数据应用发展动态
目 录
总报告
第一章 “数字中国”背景下2018年大数据应用热点与发展趋势
行业报告
案例报告
中国大数据应用发展动态
总报告
第一章 “数字中国”背景下2018年大数据应用热点与发展趋势
一、“数字中国”发展历程与进展
自1998年美国在国际上首次提出“数字地球”概念以来,以美国为代表的发达国家借助地理空间信息、计算机网络通信等技术与地球科学高度综合集成,实现仿真地球发展变化、服务政府决策、数据融合共享等目标。此轮信息化浪潮推动全球大数据进入快速发展期,大数据研究也日益成为经济、科技、互联网等领域关注的“香饽饽”。越来越多的国家将大数据研究及应用纳入国家发展战略,中国也不例外。大数据正成为继海防、空防、边防之后,另一个大国博弈的空间。随着新时代下大数据的不断发展和研究、应用的逐步深入,大数据必将为服务全球气候变化、防灾减灾、低碳发展等方面做出积极贡献。
党中央审时度势,在十九大报告中明确提出了建设“数字中国”的宏伟目标,这是我党在系统总结以往数字技术在中国的实践经验、科学认识和把握其发展规律基础上做出的最新国家战略部署。所谓“数字中国”,通俗地讲,就是数字技术在中国经济社会各领域广泛应用及其发挥的作用。与21世纪末美国提出基于GIS技术的“数字地球”概念相比,“数字中国”更像一个社会学概念,是以政府为主要推动力,不断深化其内涵和外延,并在更大范围、更多领域发展与实践;关注的是在经济社会各领域中如何应用数字技术及其带来什么样的影响,其站位更高、内涵更为丰富、目标更加宏大。
“数字中国”国家战略的适时提出,是在经历数字技术应用三个阶段的基础上水到渠成的,具体见表1。当然,数字技术应用是一个不断发展的动态过程,由于行业发展不均衡现象突出,不同阶段的划分具有一定的相对性。
表1.1 数字技术应用发展的三个阶段
阶段 | 推动力量 | 关注领域 | 发展方式 |
第一阶段 (2005年前) | 政府 | 政务、民生 | 自上而下 |
第二阶段 (2006~2017年) | 政府、技术提供方 | 经济发展、社会管理 | 自上而下、自下而上 |
第三阶段 (2018年至今) | 政府的行政力量、提供侧的市场力量、需求侧的内生驱动力量共同推动 | 政务、民生、经济、社会、人民生活、企业成产等 | 高度融合,全社会主动拥抱信息技术 |
“数字中国”是以习近平同志为核心的党中央的国家发展战略选择,承载着十四亿中国人的美好愿景。在“数字中国”建设中,大数据不仅是核心支撑,更是关键性生产要素,是推动产业转型升级、社会治理重构、发展换道超车,践行质量变革、效率变革、动能变革的关键。自十九大报告提出建设“数字中国”以来,国家围绕重大战略需求,凝心聚力,不断推进改革和创新,取得了一系列进展和成绩。
(1)2017年12月,国家标准化管理委员会发布了由全国信息技术标准化技术委员会大数据工作组组织制定的GB/T 35295-2017《信息技术大数据术语》、GB/T 35589-2017《信息技术大数据技术参考模型》和GB/T 35294-017《信息技术科学数据引用》三项大数据国家标准。三项标准助力“数字中国”建设的意义十分深远。
(2)2018年4月,国家信息中心正式组建数字中国研究院,致力于助力全面提升现代政府治理、数字经济发展和智慧社会建设水平。数字中国研究院的主要使命:一是共迎数字中国新时代;二是共造数字创新新生态;三是共创数字中国新未来。其核心工作可以概括为“六个一”,即构建一个数据平台、形成一套开放体系、开发一组智库产品、成立一批区域分院、组建一支发展基金、培养一批创新人才。
(3)2018年4月,全国网络安全和信息化工作会议在北京召开。习近平总书记作为中央网络安全和信息化委员会主任出席会议并发表重要讲话,对下一阶段做好国家网络安全工作提出明确要求。这为筑牢国家网络安全屏障、推进网络强国建设提供了根本保证。
(4)2018年4月,以“以信息化驱动现代化,加快建设数字中国”为主题的首届数字中国建设峰会在福建召开。习近平总书记在贺信中强调,加快数字中国建设,就是要适应我国发展新的历史方位,全面贯彻新发展理念,以信息化培育新动能,用新动能推动新发展,以新发展创造新辉煌。这必将有力地加速推动信息领域核心技术突破,打造开放合作共赢的数字生态体系,推动信息化更好地造福社会、造福人民。
(5)2018年5月,国家互联网信息办公室公布了《数字中国建设发展报告(2017年)》。报告全面阐述了党的十八大以来我国数字中国建设领域取得的成果,包括信息基础设施全面提升、数字经济蓬勃发展、电子政务深入推进、信息惠民便民服务加快、信息化助力生态文明建设、健康中国信息服务体系基本形成等方面。报告也提出了下一步数字中国建设发展需要努力的方向。
(6)2018年5月,中国国际大数据产业博览会组委会在贵阳主办主题为“数字中国:新时代新动能新体制”的论坛。论坛从不同视角分析了“数字中国”建设的风险和挑战,共同探讨了“数字中国”建设对国家治理、体制改革的意义和应用前景,提高对风险的感知预测和防范能力。
当今世界,信息化发展很快,不进则退,慢进亦退。技术是关键,信息是灵魂。信息化正成为地方经济与社会发展的新引擎、实现跨越式发展的新支柱,也是新型“四化”同步发展的加速器、催化剂;信息技术已成为与经济发展密不可分的关键技术,也必将不断提升国家治理现代化水平。大数据已成为新时代国家基础性和战略性资源,也是促进社会进步的先进生产力。国家大数据战略的发布和实施,为我国大数据产业发展指明了方向。
近年来,随着我国大数据产业生态体系不断发展与完善、管理服务应用不断创新,在国民经济中已涌现了一批新服务、新模式、新业态。主要包括以下三个方面。
(1)大数据推动了产业数字化转型,促进了产业发展模式创新与新型信息服务业态的孵化,推动了产业升级和提质增效;大数据迫使信息通信技术不断创新发展,为我国信息通信产业实现跨越式发展注入了源源不断的新活力。
(2)大数据构建了数字化的社会治理模式,促进了社会治理模式创新,加速了国家治理能力与体系现代化。大数据为社会治理模式、民生服务模式创新提供了新手段和新方案,必将大大提升民生保障便民、利民和惠民水平。
(3)大数据成为落实“创新、协调、绿色、开放、共享”五大发展理念的又一重要抓手,必将大大促进产业创新、管理创新、服务创新和治理创新,必将成为进一步推动“数字中国”建设的新的“牛鼻子”。
二、“数字中国”背景下大数据的发展状况
大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据产业是指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动,包括大数据核心产业、大数据关联产业、大数据融合产业等不同产业业态。运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力正备受世界各国的青睐,一些发达经济体抢占先机,布局大数据发展战略,不遗余力地推动大数据发展和应用。我国互联网、移动互联网用户规模均居全球第一位,有着丰富的数据资源和应用市场的优势,大数据战略打造“数字中国”正成为经济社会发展的新引擎,受到全社会的广泛关注。
目前,我国大数据产业发展已步入行业规模快速增长时期。从大数据产业规模来看,预计未来三年增速有望保持在30%以上。从大数据产业分布看,我国大数据产业集聚发展效应开始显现,出现京津冀区域、长三角地区、珠三角地区和中西部地区四个集聚发展区,各具发展特色。
大数据正成为推动我国经济转型发展的新引擎、重塑国家竞争优势的新机遇、提升政府治理能力的新途径。与此同时,诸如政府数据开放共享不足、产业基础薄弱、缺乏顶层设计和统筹规划、法律法规建设跟不上、创新应用领域狭窄等问题亟待解决。
首先,从国家层面,先后出台了大数据发展的系列文件,主要包括以下四个方面。
(1)2015年8月国务院印发《促进大数据发展行动纲要》,指出数据是国家基础性战略资源。该纲要明确指出大数据发展将作为国家优先发展的战略,并将其定位为新一代信息技术和服务业态,成为推动经济转型发展、重塑国家竞争优势、提升政府治理能力的新方略。
(2)2016年4月,国家发展与改革委员会出台了《促进大数据发展三年工作方案(2016—2018)》。该工作方案一方面要求我们深刻领会实施国家大数据战略的重大意义,抢抓从数据大国向数据强国转变的新机遇;另一方面要求各级政府在数据共享开放、推动产业创新发展和科学规范利用数据等方面主动作为、精准发力。
(3)2016年12月,工业和信息化部出台了《大数据产业发展规划(2016—2020年)》,有力地推动我国大数据产业持续健康发展,深入贯彻十八届五中全会精神,实施国家大数据战略,全面落实好国务院《促进大数据发展行动纲要》的总体部署。
(4)2017年12月,习近平总书记在中共中央政治局第二次集体学习时强调,大数据发展日新月异,我们要审时度势、精心谋划、超前布局、力争主动,推动实施国家大数据战略,加快建设数字中国,更好服务我国经济社会发展和人民生活改善。习总书记的讲话清晰地诠释了我国发展大数据的路径、要求和目标。
其次,各省(自治区、直辖市)为加快该省大数据产业发展,贯彻落实好《国务院关于印发促进大数据发展行动纲要的通知》等系列文件,进一步推动政府治理和公共服务能力现代化,促进经济社会转型升级,先后出台了大数据发展的相关政策和文件。借助网络,截至2018年7月份,共收集以下相关政策与文件(见表2,或有尚未收集的,此表仅供参考)。
表1.2 全国各省(自治区、直辖市)出台的大数据发展相关政策与文件一览
发布时间 | 省(自治区、直辖市) | 文件名称 | 发布单位 |
2013年7月30日 | 重庆市 | 《重庆市大数据行动计划》 | 重庆市人民政府 |
2014年2月25日 | 贵州省 | 《关于加快大数据产业发展应用若干政策的意见》《贵州省大数据产业发展应用规划纲要(2014-2020年)》 |
贵州省人民政府 |
2016年1月23日 | 江西省 | 《促进大数据发展实施方案》 | 江西省人民政府 |
2016年2月18日 | 浙江省 | 《浙江省促进大数据发展实施计划》 | 浙江省人民政府 |
2016年4月22日 | 广东省 | 《广东省促进大数据发展行动计划(2016-2020年)》 | 广东省人民政府 |
2016年6月15日 | 青海省 | 《青海省大数据产业发展规划》 | 青海省人民政府 |
2016年6月17日 | 陕西省 | 《山西省大数据与云计算产业示范工程实施方案》 | 陕西省人民政府 |
2016年6月18日 | 福建省 | 《福建省促进大数据发展实施方案(2016-2020年)》 | 福建省人民政府 |
2016年8月3日 | 北京市 | 《北京市大数据和云计算发展行动计划(2016-2020年)》 | 北京市人民政府 |
2016年8月19日 | 江苏省 | 《江苏省大数据发展行动计划》 | 江苏省人民政府 |
2016年9月14日 | 湖北省 | 《湖北省大数据发展行动计划(2016-2020年)》 | 湖北省人民政府 |
2016年9月15日 | 上海市 | 《上海市大数据发展实施意见》 | 上海市人民政府 |
2016年10月24日 | 山东省 | 《关于促进大数据发展的意见》 | 山东省人民政府 |
2016年11月2日 | 宁夏回族自治区 | 《宁夏信息化“十三五”发展规划》 | 宁夏回族自治区人民政府 |
2016年11月11日 | 广西壮族自治区 | 《促进大数据发展的行动方案》 | 广西壮族自治区人民政府 |
2016年11月25日 | 海南省 | 《海南省促进大数据发展实施方案》 | 海南省人民政府 |
2016年12月8日 | 新疆维吾尔自治区 | 《新疆维吾尔自治区云计算与大数据产业“十三五”发展规划》 | 新疆维吾尔自治区经济和信息化委员会 |
2017年2月14日 | 安徽省 | 《安徽省“十三五”软件和大数据产业发展规划》 | 安徽省经济和信息化委员会 |
2017年3月30日 | 山西省 | 《山西省大数据发展规划(2017-2020年)》 | 山西省人民政府 |
2017年6月30日 | 云南省 | 《云南省人民政府办公厅关于重点行业和领域大数据开放开发工作的指导意见》 | 云南省人民政府 |
2017年7月10日 | 西藏自治区 | 《西藏自治区人民政府关于推动云计算应用大数据发展培育经济发展新动力的意见》 | 西藏自治区人民政府 |
2017年8月28日 | 黑龙江省 | 《黑龙江省国民经济和社会发展信息化“十三五”规划》 | 黑龙江人民政府 |
2017年10月24日 | 甘肃省 | 《甘肃省促进大数据发展三年行动计划(2017-2019年)》 | 甘肃省工业和信息化委员会、甘肃省发展和改革委员会、中共甘肃省网络安全和信息化领导小组办公室 |
2017年12月28日 | 内蒙古自治区 | 《内蒙古自治区大数据发展总体规划(2017-2020年)》 | 内蒙古自治区人民政府 |
2018年3月22日 | 河北省 | 《河北省大数据产业创新发展三年行动计划(2018-2020年)》 | 河北省“大智慧移云”发展领导小组办公室 |
2018年5月9日 | 河南省 | 《河南省大数据产业发展三年行动计划(2018-2020年)》 | 河南省人民政府 |
与此同时,各省(自治区、直辖市)为落实好该省大数据产业发展的相关政策和文件,做大做强该地区的大数据产业,协同管理机构促进政府部门之间的数据共享,促进部门之间打破信息壁垒,最大限度地共享各项经济与社会发展数据,先后成立了大数据发展管理的机构和部门。截止到2018年7月,通过网络共收集以下设置大数据专门管理机构(见表3,或有尚未收集的,此表仅供参考)。
表1.3 全国设置大数据专门管理机构一览
设置时间 | 省份/地市 | 机构名称 | 机构级别 |
2014年2月 | 广东省 | 广东省大数据管理局 | 厅级 |
2014年7月 | 广东省/东莞市 | 东莞市大数据管理科 | 处级 |
2014年10月 | 广东省/惠州市 | 惠州市大数据管理科 | 处级 |
2015年5月 | 广东省/广州市 | 广州市大数据管理局 | 处级 |
2015年6月 | 辽宁省/沈阳市 | 沈阳市大数据管理局 | 处级 |
2015年9月 | 甘肃省/兰州市 | 兰州市大数据管理局 | 厅级 |
2015年9月 | 四川省/成都市 | 成都市大数据管理局 | 处级 |
2015年10月 | 贵州省 | 贵州省大数据局 | 厅级 |
2015年10月 | 浙江省 | 浙江省数据管理中心 | 厅级 |
2015年11月 | 湖北省/黄石市 | 黄石市大数据管理局 | 处级 |
2015年11月 | 云南省/保山市 | 保山市大数据管理局 | 处级 |
2015年12月 | 贵州省/贵阳市 | 贵阳市大数据发展管理委员会 | 处级 |
2016年5月 | 广东省/江门市 | 江门市网络信息统筹局 | 处级 |
2016年6月 | 浙江省/宁波市 | 宁波市大数据管理局 | 处级 |
2016年7月 | 陕西省/咸阳市 | 咸阳市大数据管理局 | 厅级 |
2016年8月 | 安徽省/合肥市 | 合肥市数据资源局 | 处级 |
2016年11月 | 内蒙古自治区 | 内蒙古大数据发展管理局 | 厅级 |
2016年11月 | 宁夏回族自治区/银川市 | 银川市大数据管理服务局 | 处级 |
2016年12月 | 山东省/青岛市 | 青岛市大数据发展促进局 | 处级 |
2017年3月 | 云南省/昆明市 | 昆明市大数据管理局 | 处级 |
2017年6月 | 广东省/阳江市 | 阳江市大数据发展局 | 处级 |
2017年6月 | 宁夏回族自治区/中卫市 | 中卫市云计算和大数据发展服务局 | 处级 |
2017年6月 | 浙江省/杭州市 | 杭州市数据资源管理局 | 处级 |
2017年8月 | 甘肃省/酒泉市 | 酒泉市大数据管理局 | 处级 |
2017年12月 | 广东省/佛山市 | 佛山市数字政府建设管理局 | 处级 |
再者,为切实贯彻好、落实好国务院《促进大数据发展行动纲要》的国家战略,各地围绕大数据产权与交易、大数据中心建设、大数据资源应用、大数据产业集聚、大数据国际合作、大数据制度创新等主题开展先行先试。2016年2月,国家发展和改革委员会、工业和信息化部、中央网信办专门发函批复,同意贵州省建设首个国家级大数据综合试验区。截至目前,国家先后共批复了两批8个国家级大数据综合试验区(具体如表4所示),旨在通过不断地试点创新,总结可借鉴、可复制、可推广的实践经验,最终形成试验区的辐射带动和示范引领效应。
表1.4 国家大数据综合试验区批复建设一览
批次 | 批复时间 | 试验区名称 | 试验区类别 |
1 | 2016年2月 | 国家大数据(贵州)综合试验区 | 示范类 |
2 | 2016年10月 | 国家大数据(上海)综合试验区 | 示范类 |
2 | 2016年10月 | 国家大数据(河南)综合试验区 | 示范类 |
2 | 2016年10月 | 国家大数据(重庆)综合试验区 | 示范类 |
2 | 2016年10月 | 国家大数据(沈阳)综合试验区 | 示范类 |
2 | 2016年10月 | 国家大数据(内蒙古)综合试验区 | 统筹发展类 |
2 | 2016年10月 | 国家大数据(京津冀)综合试验区 | 跨区域类 |
2 | 2016年10月 | 国家大数据(珠江三角洲)综合试验区 | 跨区域类 |
以上批复的8个国家大数据综合试验区中,跨区域类综合试验区重点落实国家区域发展战略;示范类综合试验区重点引领东部、中部、西部、东北“四大板块”发展;统筹发展类综合试验区重点加大资源整合力度,强化绿色集约发展。工业和信息化部发布的《大数据产业发展规划(2016—2020年)》明确指出,到2020年,我国将建设10到15个大数据综合试验区。因此,国家将在两批国家大数据综合试验区试点的基础上总结经验,近期有望再扩容。与此同时,各地抢抓机遇,纷纷出台促进大数据发展的政策和文件,成立相关的大数据管理部门,大力发展大数据等相关产业以及应用,争抢数字经济“蛋糕”,服务数字中国建设。
当社会为大数据蓬勃发展感到欢欣鼓舞时,也要清醒地看到制约大数据进一步快速发展的诸多瓶颈和改进方向,主要包括以下四个方面。
(1)要因地制宜,确定本区域大数据产业发展的战略规划和产业领域。大数据产业作为一种对区域全局具有重大影响的新兴战略性产业,政府的引导与扶持至关重要。各级政府应该在充分调查研究的基础上,确定其为战略性、支柱性产业并加以积极推进;政府主管部门要组织产学研的力量,相互协同制定出产业发展战略规划和产业领域,引领本区域大数据产业的发展。
(2)进一步深化政府数据共享交换体制和机制。统筹规划建设国家部委、省和市级电子政务内外网,完善各级政府数据共享交换平台,建立政府数据开放平台和标准体系、信息资源共享体制和机制,加强政府数据与社会大数据的汇聚整合。
(3)抓紧构建大数据产业交易平台。大数据产业服务必须依靠市场交易来实现,当前我国大数据产业交易的产业链支撑尚未形成,数据安全成为大数据相关企业数据交易的顾虑之一。数据交易的数据价值链条正处于发展期,亟待完善,数据价值仍体现在较低层次,与大数据在国家治理和经济发展中应发挥的高层次作用相去甚远。
(4)大数据安全监管亟待加强。应加强大数据安全专家队伍、专业骨干队伍和应急技术支撑队伍建设,提升各类突发事件处置能力。建立健全大数据安全信息通报机制,加大对违法犯罪活动的打击力度。
三、中国大数据应用热点聚焦
大数据发展态势不仅离不开大数据应用,还依赖大数据应用创造的价值程度。除了加强大数据基础研究和关键技术研发力度外,推动大数据技术产品、应用模式、商业模式创新发展,培育和挖掘大数据应用新业态、新模式更是迫在眉睫。
大数据应用经历了应用初探期和市场试探期,现已进入市场的快速发展期。各级政府通过不断地完善大数据产业生态系统,特别是在数据采集、整理、分析、发掘、展现、应用等领域实现技术突破,以及制定发布一批大数据技术标准和应用规范,积极引导建立政、产、学、研、金、用联动机制,大中小企业协调发展的大数据产业体系和公共服务支撑体系带动了相关产业快速增长。在发展过程中,以应用需求为导向,借助大数据与经济社会各领域深度融合,催生了一批满足市场需求的各类大数据开发利用项目,正逐步形成一批大数据应用的特色产业和示范工程。
中国大数据应用涉及经济与社会发展的方方面面,按应用领域划分,包括工业大数据、互联网金融大数据、电商大数据、物流大数据、现代农业大数据、经济运行大数据、健康医疗大数据、交通旅游大数据、教育服务大数据、信用大数据、食品药品大数据、环境保护大数据、国土资源大数据、大数据安全大数据等。本报告重点围绕应用热点和行业进行深入分析。应用的热点包括互联网金融、大数据交易、电商大数据2018年热点问题;而行业篇围绕智慧交通进行深入分析,涉及航运、铁路等方面。
(一)应用热点
1.大数据+金融:让金融服务更精准
如何实现互联网金融健康可持续发展?处理好数据且确保数据真实有效是必要条件。通过大数据技术获得高精度分析结果,能够精准、有效地服务于行业发展。互联网金融的一大特点是产生海量的数据和大数据处理需求。大数据技术不仅提高了互联网金融效率,还推动了互联网金融发展模式的创新。据统计,当下我国互联网金融行业规模已经超过17.8万亿元,同时,预计2020年我国大数据产业将突破万亿元。随着2018年互联网金融连续五年被写入政府工作报告,互联网金融进入快速发展期,与大数据的融合程度也越来越高,两个万亿元级市场将会碰撞出更多的火花。后续分报告较为全面研究和分析了互联网金融发展与大数据应用的现状与挑战,并展望了未来互联网金融发展大数据技术深度结合的趋势。
案例篇中的小赢科技针对传统金融的效率低和体验一直相对落后的问题,借助普惠金融领域的快速发展时机,通过金融科技的普及和发展来改变金融服务的面貌。小赢科技将大数据创新应用在风险控制、安全保障、服务效率和体验上,大大提升了金融服务的水平,有效地解决了普惠金融发展的痛点。通过用大数据对旗下的产品布局,小赢科技构建了一个新的智慧金融生态环境。
2.大数据交易是数据商业化的命脉
大数据交易不仅是底层数据,而且是通过清洗、分析、建模之后的各类大数据深加工产品。清洗过的数据价值需要通过应用才能体现出来,因此,大数据清洗业务首先要加强标准化,源源不断地为数据交易提供丰富的各类数据产品。同时,随着数据清洗标准化的不断深入,大数据变成资源,只要按照规则行事,就能轻松实现二次产品研发,这为依托大数据的创业者们提供了千载难逢的好机遇。
目前,金融、医疗、能源、交通和物流是大数据交易市场最为看好的领域。大数据交易有效促进了数据的流通和价值体现,是大数据价值与红利的释放手段和过程。分报告梳理了大数据交易的发展背景和市场现状,发展迹象表明,我国大数据交易产业已整体进入蜕变期。在对目前大数据交易的市场特点、发展难点与竞争策略进一步分析的基础上,本书从政策、技术、产业等多个角度展望了大数据交易未来的发展趋势。
数据资源流通交易是推动大数据产业快速发展的重要手段。自2017年以来,我国数据交易市场非常活跃,已建成及正在筹建的地方数据交易机构达几十家。上海、武汉、贵阳、广州、西安等地均开展大数据交易平台建设,大数据交易变现能力有所提升(见表5)。
表1.5 部分大数据交易机构建设情况一览
交易机构名称 | 成立时间 | 业务指导单位 | 经营范围 | 业务模式 |
贵阳大数据交易所 | 2014年12月 | 贵阳市大数据办、贵阳市经信委 | 政府数据、金融数据、征信数据 | 产权交易、线下交易为主 |
武汉长江大数据交易所 | 2015年7月 | 武汉市经信委 | 数据存储服务、数据交易服务、数据处理分析服务 | 使用权交易等 |
陕西大数据交易所 | 2015年8月 | 陕西省工信厅 | 政府数据、工业数据、个人数据等 | 使用权交易等 |
上海数据交易所 | 2016年4月 | 上海市人民政府 | 商业公司互联网数据产品 | 使用权交易,多源数据聚合,实时在线交易 |
3.大数据+电商:让零售更智慧
当人工智能、大数据出现在第四次零售革命时代,零售行业正在以最富想象力的革新方式改变着成本、效率、体验这三个零售的本质属性。而大数据也在这种变革下,被逐渐提炼为价值更高的应用。这些应用不仅改变着传统产业的发展,也为行业提供了解决问题的新方法。同时它也将引发人们生活的迭代升级。
电商大数据产业与一般的服务企业和制造业不同,它的数据来源日益多样,信息数量的增长速度具有爆炸性特色。如何应用好电商大数据已成为当下热点问题:比如,如何在海量的数据源中收集、甄别真实有用的信息,如何分析与加工海量的数据源等。再比如,如何挖掘这些数据的最大价值,如何通过对历史数据的分析,建立预测模型,分析用户的购买偏好,预测用户购买行为,调整销售策略,实现精准化智慧营销,这些都是电商们一直追求的目标。
以人人车二手车电商为例,二手车电商平台正在利用互联网技术对传统二手车交易进行重构,对大数据的处理能力直接影响到我国二手车产业转型升级的进度。汽车交易服务平台人人车专门成立大数据研究院,致力于技术创新、交易赋能及决策支撑,实现了全产业链的智能化覆盖,极大地提升了二手车的流通效率。
除了以上热点应用外,蓝皮书也关注到新兴的传媒大数据领域。随着“媒体融合”“全媒体”概念的提出,一大批新兴传媒公司不断涌现,如泽传媒、“云策”全媒体等。其中,泽传媒一直致力于探索研发符合国家及行业发展大势,在推动媒体融合发展方面表现卓越的全媒体传播指数产品。“云策”全媒体大数据平台通过数据获取、存储、分析、挖掘以及可视化等方式,从基础平台建设、内容生产、渠道发布、传播分析、用户数据五大环节重构新闻生产链,成为媒体深度融合发展的成功范例。另外,分报告还从教育行业现状、核心技术、产品逻辑、代表性案例几个角度切入,深入剖析了大数据赋能下,以“流利说”为代表的“AI+教育”科技公司异军突起的原因。同时从医疗数据来源、技术人才储备、发展模式弊端三个角度剖析了目前我国医疗大数据应用存在的核心问题,帮助我们了解大数据在医药行业的发展现状及未来更加个性化的发展方向。
(二)应用行业——智慧交通
大数据在不断地影响着传统航母级交通行业与企业的变革。众所周知,在大数据时代,数据已成为企业的核心资产和持续发展的原动力,将大数据技术应用于新一代铁路建设中,对于推进中国铁路转型升级、创造新的利润增长点具有重要意义。分报告从铁路大数据的来源、构成和特点出发,分析了国外铁路大数据的研究与应用现状,结合中国铁路的特性,提出了中国铁路大数据的顶层设计、应用体系和安全保障体系,并介绍了铁路大数据的典型应用案例。航运作为一个既古老又现代、既高技术又重资产的传统行业,随着信息技术互联网的应用与发展,正面临大数据、人工智能等新兴技术的冲击与洗礼。正确应对大数据的影响,利用大数据提升和发展高效智能的航运业是目前航运领域的重要课题,对我们建设社会主义强国具有重要的意义。
在智慧交通的背后,离不开地图数据的支撑,这好比智慧大交通的地基。在国内也涌现包括高德地图在内的一批领先的数字地图内容、导航和位置服务解决方案提供商。高德一直处于国内同行的领先地位,尤其在基础地图数据、高精地图采集、专业导航、大数据能力以及智慧城市交通领域。企业致力于为百姓提供更好更多出行服务、为政府提供辅助智能交通决策、为企业构建数据平台,发挥其大数据优势,做到交通数据采集与分析的快速性、安全性及高效性。高德的未来交通与城市计算联合实验室已成立,力求将高德出行行业科技的基础设施、产业中的未来交通产业变量与实验室中的未来交通科研基础设施相结合,以智能驾驶调度、城市“CT”、智慧交通、城市交通大脑和交通需求管理五大前沿课题为研究对象,将科研机构与自身企业特性相融合,力图充分发挥互联网地图企业在大数据上的优势,为政府机构和城市人民提供更加完善的数据支持与服务。
四、中国大数据应用发展趋势
结合一年来对中国大数据发展与应用的分析和研究,特别是大数据管理专业委员会专家们的集体智慧贡献,本报告从不同的视角对2019年及未来一段时间里大数据发展趋势进行了预判。
(一)从区域大数据、行业大数据应用发展、大数据企业发展角度看趋势
(1)区域大数据应用发展趋势
预计到2019年,国家将新增国家大数据综合试验区继续引领产业发展,大数据应用发展速度将高于全国平均水平。大数据产业集聚发展效应将进一步凸显,并形成长三角地区、珠三角地区、中西部地区和东北地区大数据产业集聚发展格局。北京、江苏、广东、浙江、上海等省市正成为大数据产业发展第一梯队,我国东部、西部、中部、东北四个分区产业发展差异化愈加明显。
(2)行业大数据应用发展趋势
受各行业前期信息化程度、大数据发展水平、行业重视程度与整合力度、技术与资金投入等因素影响,我国各行业大数据发展水平整体呈现差异化态势,由高至低依次为金融、电商、电信、政务、交通、工业、医疗、教育、旅游、农业等。
(3)大数据企业发展趋势
与其他类型企业类似,我国大数据企业实力分布依旧整体呈现金字塔形。在互联网的时代:一方面涌现出许多“独角兽”公司与企业,成为大数据应用领域的新宠儿和中流砥柱;另一方面随着新晋企业数量增多、初创企业发展活力不断提升,“金字塔”根基更趋稳固。大数据企业尤其是骨干企业发展集聚态势进一步凸显,绝大多数企业集聚在北京、贵州、上海、广东、江苏、浙江、福建等信息技术产业基础较好和数据开放程度较高的省市。
(二)从大数据应用的技术角度看趋势
综观大数据应用的技术发展状态,未来我国大数据应用技术的发展将涉及以下五个热点领域。
(1)机器学习、人工智能继续成为大数据智能分析的核心技术,大数据预测和决策支持仍是主要应用。在学术上,深度分析继续扮演技术主角,推动整个大数据智能的应用。通过神经网络模型,计算机自动学习产生特征的方法,并将特征学习融入建立模型的过程,增加设计特征的完备性。深度学习将在图像分类、语音识别、问答系统等应用取得重大突破,并有望成功应用于商业。
(2)数据科学带动多学科融合。大数据技术融合了计算机类技术、数据分析学、管理类等多学科多技术,大数据应用更是与多领域产生交叉,形成了数据学科。随着社会的数字化程度逐步加深,更为宽泛、更为包容大数据的边界不断完善,越来越多的学科在数据层面趋于一致,为类比科学研究创造了条件。“数据科学”的基础研究与成果将源源不断地注入技术研究和应用范畴。
(3)开源是主流技术,公测促良好研发生态。大数据的处理模式更加多样化,Hadoop不再成为构建大数据平台的唯一选择。开源项目Spark不断被大规模应用,正成为大数据领域最大的开源社区。开源系统将成为大数据领域的主流技术和系统选择,并将引领大数据生态系统的发展。各类大数据应用公测将促进大数据技术取得突破性进展。
(4)基于知识图谱的大数据应用成为热门应用场景。近年来,大数据成为大众媒体的热词,大众需要可视化的大数据,背后是基于知识图谱的大数据应用。可视化是通过把复杂的数据转化为可以交互的图形,帮助用户更好地理解分析数据对象,发现、洞察其内在规律,让对信息技术不熟悉的普通民众和非技术专业的常规决策者也能够更好地理解大数据及其分析的效果和价值,进而从国计、民生两方面都充分发挥大数据的作用。
(5)数据立法正加紧推动,愈加重视数据安全。大数据带来的安全与隐私问题包括有价值的大数据成为被攻击的目标,大数据的过度滥用带来隐私、机密泄露等。目前中国大数据产业快速发展缺乏较为统一的标准和规则,缺少完善的法律支撑,因此,国家将从数据的流动、交易、安全应用等问题着手,进行国家层面的立法规范和保障,助力大数据产业持续健康发展。区块链技术在大数据的存储及安全性方面发挥着越来越重要的作用,从技术上保障着大数据安全。
(三)从大数据应用发展的政策环境角度看趋势
大数据对未来社会变革和经济发展产生重大影响已形成共识,虽然我国大数据发展的宏观政策环境不断完善,但针对大数据发展政策和配套环境面临的诸多挑战和问题,社会各方一定会大有可为、大有作为。具体来说有以下四个方面。
一是大数据应用发展相关的统计标准和相应的指标体系建设会得到前所未有的重视,将有助于更为客观地反映实际应用发展水平,也将有助于对大数据应用发展进行更为科学的指导和统筹规划。
二是政府数据开放相关标准规范和法律法规完善进程将会提速。国家层面及各级政府将围绕各地区信息化建设的不平衡和发展不协调、数据交换标准不统一等问题进行体制和机制研究,促进政府间数据共享流通和开放,让“信息孤岛”问题得到有效缓解。
三是大数据应用安全管理手段和敏感信息保护机制会得到进一步加强。随着数据存储量和流动性的增加,数据防护难度逐步加大,大规模数据泄露或损坏时有发生。政府、企业及个人的数据安全意识也会得到进一步提高,并会适时出台相关的管理文件与推动数据安全立法的进程,并有实质性的进展,将有效地保护数据使用中涉及的个人隐私、企业商业秘密、国家安全等敏感信息。
四是大数据相关技术、人才等配套激励手段的力度会进一步加大。“重建设、轻研发”的问题在大数据应用发展中仍然存在,但通过各地区大数据技术中心或工程中心建设,阻碍地区大数据应用发展的技术落后、专业人才缺乏等瓶颈问题会逐步得到缓解。
行业报告
第二章 工业大数据应用发展研究报告
一、工业大数据应用现状分析
该报告旨在描述我国当前大数据相关技术在工业行业及代表企业典型应用状况,分析当前工业大数据应用中亟待解决的问题以及发展制约因素,并对其未来发展趋势做出研判。
2013年7月,习近平视察中国科学院时指出:“大数据是工业社会的‘自由’资源,谁掌握了数据,谁就掌握了主动权。”以工业大数据技术为核心,综合利用云计算、人工智能、物联网、AR/VR/MR、NB-IoT等新兴工业网络、智能设备、各种传感器、工业控制系统等构建人机物共融协同的互联感知、集成协同、自决策执行的新型交互式工业生产环境,提升工业企业应对需求变化的响应速度,以更柔性的生产组织方式,变革制造企业的研发、生产、运营、营销和管理模式,实现制造企业智能化制造和智慧化服务,催生制造业新业态,必将给全球工业带来深刻的变革。
(一)国内外发展现状
1.国外发展现状
美国2012年3月发布了“大数据研究发展创新计划”,投资2亿美元启动大数据技术研发;英国2013年初注资6亿英镑发展8类高新技术,其中对大数据的投资达1.89亿英镑;法国政府2013年2月发布了《数字化路线图》,明确将大数据作为未来大力支持的战略性高新技术;日本2013年6月发布名为“创建最尖端IT国家宣言”的IT战略,将大数据作为其IT战略的重要组成部分。
自2011年起,GE公司已经开始进行工业大数据平台(Predix)的布局。2015年,GE公司宣布Predix大数据云平台开放计划,为其他厂家的智能机器提供云服务接口接入,引领工业互联网发展;德国安贝格西门子电子制造工厂,每条生产线拥有超过1000个数据采集点,实现了统一的数据标准和整体集成,以及基于此的有效监控和分析管理,其核心是工业大数据的采集、分析和综合应用;丹麦风力涡轮机制造商维斯塔斯(Vestas)对天气数据及风力涡轮运行数据进行综合分析,以此来指导、改善风力涡轮机布局和运行状况,在提升风力涡轮机发电效率的同时,也延长了风力涡轮机的使用年限;英国罗尔斯-罗伊斯公司有超过29000部飞机引擎、25000部船用发动机正在服役,罗罗公司在这些交付的发动机中均安装有大量的传感器,通过对这些传感器采集的数据进行分析,不仅可以提前发现故障,还可根据用户对引擎和发动机的使用状况给出最优的检测、保养、维修计划;丰田公司利用大数据分析为样车试制减少80%的缺陷。
综上所述,欧美发达国家竞相出台支持政策,在推动大数据领域的理论研究和应用的同时,也大力推进大数据在相关工业企业、工业领域的试点及推广应用,产生了大量实用的应用案例/平台系统,取得了很好的应用效果,初步形成了工业大数据应用推广的生态系统。
2.国内发展现状
习近平总书记近年来在不同场合的讲话中,多次强调大数据的战略地位。2016年10月9日,习近平总书记在主持中共中央政治局第三十六次集体学习时指出,要建设全国一体化的国家大数据中心,推进技术融合、业务融合、数据融合,实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务。
党的十八届五中全会明确提出实施国家大数据战略。大力发展工业大数据和新兴产业大数据,利用大数据推动信息化和工业化深度融合,从而推动制造业网络化和智能化,正成为工业领域的发展热点。
2015年9月5日,国务院印发《促进大数据发展行动纲要》,要求各有关部门共同推动形成公共信息资源共享共用和大数据产业健康发展的良好格局,深化大数据在工业等各行业创新应用,促进大数据产业健康发展。
2016年5月,国务院总理李克强在出席中国大数据产业峰会时指出,当前中国经济正处于转型升级的关键阶段,大数据、云计算等前沿技术和分享经济的蓬勃发展,有利于发展新经济、培育新动能。
工业和信息化部先后在2017年和2016年发布了《工业大数据白皮书》和《大数据标准化白皮书(2016)》,其目的就是要推动大数据在制造业研发、制造等产业链环节的应用,利用大数据实现智能制造和智慧服务,并在梳理构建工业大数据标准体系,提升工业大数据质量、安全以及开放共享和数据交易等方面开展多项工作。
各个地方政府先后出台《贵州省大数据产业发展应用规划纲要》、《广东信息化发展规划纲要》、《上海推进大数据研究与发展三年行动计划》、《重庆市大数据行动计划》、《滨海新区大数据行动方案》等大数据研究与发展行动计划。其中贵阳是国内首个政府数据开放示范城市,建设有中关村贵阳科技园,拥有国内首个大数据战略重点实验室、首个大数据交易所、首个块上集聚的大数据公共平台,承办“国际大数据产业博览会”。
我国在频繁出台产业政策的同时,也在重点行业工业企业开展工业大数据试点及推广应用,并取得了较为瞩目的成绩。
中国航天科工集团公司(简称“航天科工”)航天云网公司针对工业生产环境的数据采集、存储、分析以及可视化展示需求,构建智慧云制造大数据平台,利用工业大数据感知技术以及集成与清洗技术,将传统数据库技术与大数据技术相结合,构建云存储生态集群,实现智慧制造云中各类多源大数据的接入和存储管理。针对实时数据,通过分析实时数据检测设备状态、预防设备故障、优化生产过程;针对历史数据进行整合和分析,建立工业级的预测模型,以进行更有效的生产和运营,为工业典型应用场景提供复杂事件处理(CEP)、实时数据流分析以及智慧制造云中多维大数据的分析展示等提供支撑。并基于智慧云制造大数据平台,在航空航天等重点行业领域,开展了基于工业大数据的航天产品电缆设计、多单位大协同需求、异地数据互联互动与云生产计划排程、C919故障预测与健康管理系统(PHM)、直升机旋翼和传统系统故障预测与健康管理系统(PHM)等应用示范建设。
工业大数据作为新一代信息技术和产业发展的核心,正深刻影响着我国制造业的研发设计、生产制造、经营管理、销售服务等全产业链各个环节,未来必将为推动传统制造业转型升级,实现“中国制造2025”制造强国战略目标提供强有力的支撑。
(二)应用状况分析及典型案例
1.工业大数据应用状况分析
(1)创新商业模式,催生制造业新业态
2009年我国学者在国际上率先提出“云制造”理念,将现有网络化制造和服务技术同云计算、云安全、高性能计算、物联网等技术融合,实现各类制造资源(制造硬设备、计算系统、软件、模型、数据、知识等)统一的、集中的智能化管理和经营,为制造全生命周期过程提供可随时获取的、按需使用的、安全可靠的、优质价廉的各类制造活动服务。自“云制造”理念提出以来,通过构建云制造支撑平台,面向全社会整合制造资源,促进资源的有效共享、集成和整合,提升全社会工业生产要素利用效果和运行效率,推动形成了适应互联网经济发展要求的资源共享、能力协同,线上线下互动、合作各方互利共赢的产业形态。同时,面向广大制造业中小企业提供了开放性、社会化、协同式的创业创新服务,并使之成为推动“大众创新,万众创业”政策落地的关键载体。
云制造所催生的制造业新生态具有“泛在互联、数据驱动、共享服务、跨界融合、自主智慧、万众创新”的“互联网+”时代特征,其中数据驱动是重要核心支撑,在云环境下市场需求自动采集、精准营销、企业风险识别和预警、面向生产任务的企业动态联盟、大规模个性化定制需求采集及制造、资源的特征提取及虚拟化、资源的动态调度和整合、制造业务的协同、供需对接等方面,为云制造提供支撑。
(2)促进制造过程优化、变革制造模式
■制造过程和系统的优化
利用工业大数据技术,通过工业制造环境的各种传感器、加工设备、加工对象、工控系统、工业软件、工业管理信息系统等的互联互通,开展相关数据的采集、存储和分析,实现制造合规性监测、设备状态监控与故障预警、工厂能耗分析、安全事故监控及预警、工业供应链分析和优化等,促进工业环境下的信息共享、系统互联整合和业务协同,推动制造过程的自动化、柔性化以及制造全过程的科学决策和智能化控制。
更进一步,利用工业大数据技术整合企业设计数据、工艺数据、制造执行数据、生产准备数据、库房数据、质量数据、财务数据等,并开展数据挖掘分析,实现订单需求获取、产品研发、生产管控、供应链管理以及产品服务运维全流程的贯通和各业务环节的业务协同,提升工业企业的科研生产和运营管控能力。
■变革制造模式
工业大数据技术不断促进工业企业创新产品和服务,推动传统制造业的“产品+制造”为核心的经营模式向“产品+服务”的模式转变。在需求分析环节,利用互联网商务平台,对获取的产品销售数据和用户的个性化定制数据进行数据挖掘分析,推动工业企业产品创新设计,满足个性化定制需求。在设计研发环节,基于社会化产品个性化定制需求,通过设计资源的社会化共享和参与,培育众创、众包等研发新模式,提升企业利用社会化创新和资金资源能力。在制造执行环节,以工业大数据为核心动态规划构建柔性化制造过程,实现大规模个性化定制生产;在产品运维保障环节,利用产品中内置传感器,企业能够实时监测产品的运行状态,并进行分析和预测,从而为产品的远程运维、故障的提前预警以及定制化的最优使用及运维解决方案等服务,推动工业企业服务化。
(3)基于大数据的产品创新设计
基于大数据技术对市场潜在产品需求、产品设计、产品制造、产品维修保证等产品全生命周期过程相关信息进行采集,通过分析产品设计信息、制造信息、质量信息、运行状态信息、维修保障信息等,对产品设计过程中的产品设计分离面优化调整、对产品制造过程中成本居高不下或产品制造过程中质量问题突出的零部件进行设计优化及工艺调整、对影响产品正常运行寿命的关键零部件进行定位追踪等,与设计人员形成闭环反馈机制,不断迭代,实现产品的创新设计。
(4)基于大数据的供应链分析和优化服务
利用大数据采集分析制造企业从订单获取到订单交付全过程相关信息,推动制造企业供应链的不断调整优化,主要体现在如下方面:①通过大数据技术采集分析企业产品相关的信息预测订单需求,基于订单需求和产品定义信息进一步展开为企业各生产环节所需的原材料、元器件、标准件、成附件等的需求数量和需求时间,为企业计划人员和采购人员开展相关工作提供支撑;②通过采集企业的采购到货及时情况、数量情况、质量情况等信息,并与企业制造计划、生产准备以及现场制造执行情况动态联动,不断提升供应链运行效率和精准性,并为供应商绩效评估提供决策支持;③通过对供应链的物料发运情况、物流运输情况等信息进行采集,结合企业的生产计划排程情况以及库房情况,提升物流的精准性和及时性,减少供应链风险,并可以进一步优化企业库存,减少资金积压,降低制造成本。
(5)大数据驱动下的生产管理
通过采集企业生产过程相关的产品定义信息、企业人机物等资源信息、订单及计划排程信息,并进行分析,可实现动态分析生产过程的人机物绩效,实时发现生产过程瓶颈因素,优化制造企业的整体产出。
通过采集计划排程信息和企业人机物等资源信息,实现企业制造执行排程与生产准备的精准联动,为制造执行过程提供人员、设备、工具工装、刀具、技术资料等保障,保障计划排程的可执行性,减少生产准备导致的时间浪费,提升制造绩效。
通过实时采集产品制造执行过程中的人机料法环等信息,对产品制造过程的相关质量状况进行分析,精确跟踪追溯不合格品的产品根源、影响的产品批次,并为质量归零措施以及措施的执行贯彻提供保障和支持。
2.典型应用案例分析
(1)基于大数据的航天电缆设计案例
利用大数据技术,基于航天产品机上电缆设计的经验大数据和综合飞行性能数据,建立航天电缆设计工具E3,实现机上电缆数字化设计生产一体化,节约60%以上研制时间的同时实现电缆重量减少15%~30%,差错率降低至千分级,有效提升产品设计效率,改善产品性能。
(2)大规模个性化定制案例
对外采集客户个性化定制需求数据,对内采集分析企业产品特征数据、生产过程数据,建立符合工业企业产品特点的个性化产品定制模型,并向社会提供大规模个性化定制生产服务。
青岛红领集团利用大数据技术,将传统手工艺与现代信息化技术充分融合,建立拥有完全自主知识产权的全球西装高级定制平台RCMTM(red collar made to measure),与全球潜在客户在线互动,每个客户都可以基于平台在线设计出自己的定制服装。在后续生产过程中,纸样裁剪平台根据各项数据指令绘制纸样,裁剪师再手工裁剪面料,并利用电子标签识别系统,有效解决个性化定制的工艺传递问题。红领集团已经具备年产60万套个性化定制西装和100万件个性化定制衬衫的规模。
(3)生产计划与排程案例
利用工业大数据技术,通过对工业企业设备、制造单元、产线等制造资源/能力模型建立以及特征分析,并实时采集其运行状态、维修保养情况、零件加工过程等数据信息,分析制造任务特征,实现生产计划与排程的动态按需调度和优化。
针对航天产品的多单位大协同需求,通过云MES对多个企业生产加工中心数据的采集与监控,基于云排产算法实现北京、河南异地跨企业生产资源的协同排程与优化调度。
(4)产品故障诊断与预测案例
利用各种内置传感器对复杂产品的运行状况进行实时监控,利用工业大数据技术和工业大数据平台,对产品的关键零部件使用寿命进行预测,对潜在故障进行提前预警,并提供产品最优使用方案。
中国商飞为C919大飞机装配了航天科工自主研发的故障预测与健康管理系统(PHM),已实现对3万多项飞机数据中涉及飞行安全的4600多个关键数据进行实时监控、健康状态评估以及维修品质分析等功能。
二、存在的问题和制约因素
(一)存在的问题
目前,我国一些大型工业企业如航天科工、三一重工股份有限公司等也开展了工业大数据的深入应用,取得了较好的成绩,国内企业如百度、阿里巴巴等在“互联网”大数据方面已经深入开展相关研究和应用,处在世界一流水平,为工业大数据的平台构建和应用实施提供了技术借鉴和支撑。但从总体上来说,我国工业大数据在技术、应用以及产业发展方面还存在诸多问题,说明如下。
1.技术方面存在的问题
工业环境下,工业大数据首先面临多类型、多协议的工业通信协议,以及智能设备、传感器、工控系统、工业软件、工业管理信息等大量异质终端,如此种种决定了工业大数据必然呈现结构化、半结构化、非结构化数据混杂,采集频率高、实时性强等特征,需要针对上述典型工业大数据场景,支撑构建高可用的、高可靠的、分布式的海量数据采集、聚合和传输的系统,提供符合大数据特点的存储、分析与可视化展示,并保障数据分析展示的及时性、有效性和安全性,仅依靠互联网大数据的架构和技术体系显然不能满足上述需求,从这个角度来说,技术方面存在的主要问题是工业大数据应用架构、核心技术体系以及工业大数据平台和工具尚有待进一步完善。
参考互联网大数据主流平台相关架构,工业大数据应用架构主要包括数据采集及抽取、数据存储、数据预处理、数据分析、资源管理与调度、数据展示等。数据采集及抽取通过传感器、手工录入、自动爬取、ETL中间抽取等多种方式完成数据的采集,采集的数据中一部分需要实时进行数据流分析的数据直接送到大数据实时分析处理引擎进行处理,引擎完成实时分析处理后,一方面根据具体情况,将分析处理后的信息传递给关系型数据仓库进行存储,同时将相关日志信息等数据传递给大数据存储进行存储,另一方面,将实时处理后的数据通过数据可视化处理系统处理,随后进行统一展示,方便用户进行实时监控和处理,如设备运行状况等。
2.应用方面存在的问题
工业大数据技术的应用是大数据技术和工业行业全价值链典型场景的融合应用,一方面整个制造价值链涵盖从需求订单的获取,到产品设计、工艺规划、制造执行、生产保障以及产品的运维和保障等各个产业链环节,每个环节的工业大数据应用需求和场景也各异;另一方面工业企业细分行业众多,各个细分行业之间应用场景差异巨大,如石化制药等流程工业强调各种原材料的精确配比、生产过程的实时监控分析与控制,离散工业强调生产的组织、策划与制造执行等,因此一个通用的工业大数据应用解决方案包打天下的情形基本不可能存在,即使存在,其针对性、实用性也欠佳。总体来说,当前我国工业企业在工业大数据应用方面存在的问题如下。
信息资源缺少总体规划,数据质量堪忧。一方面由于工业企业信息化历程的必然发展路径使然,一方面由于工业企业信息化投入不足,在信息化建设开展过程中,未能科学合理进行信息化规划和企业信息资源的规划,由此必然导致业务和信息系统的支撑关系不强,工业企业管控、制造执行必需的信息系统或信息资源缺乏等现象,而缺少相应的信息系统和数据源支撑,工业大数据在此类工业企业当中的应用缺少数据基础,更无论工业大数据应用实施效果。且由于对企业数据资源缺少整体梳理和规划,必然导致各业务环节的数据散落在各业务部门,相关的数据编码、处理机制各异等,从而导致企业数据可用性差、数据质量不高、业务环节之间数据集成共享困难,工业大数据技术手段难以发挥应用的价值。
工业企业数据治理体制和机制有待进一步健全。由于历史原因,我国多数工业企业的信息化部门和业务部门相互独立,信息化部对企业业务知之甚少,业务部门不了解信息化,以企业数据资源管理为核心的数据治理体制和机制尚未建立或并不健全,业务部门在业务开展过程中急需工业大数据支撑业务工作的开展,但苦于不懂工业大数据相关技术,不能合理有效进行表达,信息化部门人员熟悉工业大数据相关技术,但对业务部门的应用场景并不了解,对工业大数据在业务过程中的应用场景、适用范围以及能够给企业带来的价值不甚了解,难以围绕业务的战略规划和发展提出明确的工业大数据需求,其信息化部门与业务部门相比往往处于弱势地位,单靠信息化部门往往难以推动大数据的应用和推广。
3.产业方面存在的问题
工业大数据在产业方面存在的问题主要表现在工业大数据产业布局、工业大数据和工业产业链融合两个方面。
产业布局缺少基础支撑,面临空心化。纵观欧美发达国家工业大数据产业全景,其在理论、基础设施、平台框架、典型工业场景应用等方面的产业布局已经完成,反观我国工业大数据产业,我国在工业大数据的平台框架、重点核心技术和数据库方面,均存在较大差距,整个工业大数据产业布局缺少基础支撑,面临空心化危机。
产业链融合程度低。我国一些制造企业在局部应用工业大数据方面已经取得了一定成效,但多局限在内部业务的改善、产品成本的减少、质量控制、企业运营效率提升等方面,在工业大数据技术与制造需求获取、产品研发、制造执行、供应链管理、产品服务保障等业务环节的深度融合方面还有待进一步拓展和深化。
(二)制约因素
1.工业大数据安全和开放体系亟待建立
数据安全和数据开放体系建立是工业大数据大规模应用的两个重要前提。如前所述,我国多数工业企业的信息化建设基本上均是由业务部门在业务开展过程中根据自身的局部需求出发,开展建设,缺少统一规划,形成了部门割据的信息化烟囱,导致数据编码不一致,系统之间不能相互通信,业务流程不能贯通。因此,我国工业企业无论在数据的总量上,还是数据的质量上,均和欧美发达国家制造企业存在较大差距,且由于行业垄断或商业利益等原因,数据的开放程度也不高。
另一个制约我国工业大数据应用发展的重要因素是政策法规体系不健全。工业大数据的开发和利用既要满足工业企业典型应用场景的业务发展需求,也要防止涉及国家、企业秘密的数据发生泄露。而目前,我国在工业大数据的利用、评价、交换以及信息安全保护方面的法律法规尚有待进一步健全,这在很大程度上抑制了工业大数据应用的广度和深度,不利于工业大数据生态系统的建设和培育。
2.基于工业大数据的企业管理理念和运作模式变革
随着智能设备、物联网技术、智能传感器、工业软件以及工业企业管理信息系统等在工业企业的广泛应用,综合利用各种感知、互联、分析以及决策技术,通过实时感知、采集、监控现场制造加工状况、物流情况、生产准备情况、技术状态管理情况,并开展数据挖掘分析,急需工业大数据平台和相关技术的支撑。
工业大数据应用目的是推动工业企业基于对内外部环境相关数据的采集、存储和分析,实现企业与内外部关联环境的感知和互联,并利用工业大数据分析技术开展挖掘分析,支撑工业企业基于数据进行决策管控,提升企业决策管控的针对性、有效性。
3.工业大数据人才缺乏制约产业发展
工业大数据技术应用的关键是揭示各种典型工业应用场景下,各种数据的内在关联关系,因此,工业大数据技术的应用者不但要掌握工业大数据的相关知识和工具,还需要深刻了解制造业典型业务场景,并结合工业大数据的分析和可视化展示情况,结合业务场景进行合理解读,此外,还需要结合业务场景进行解决方案的制订和管理决策,以上工业大数据人才的要求将大大制约工业大数据产业发展进程。
整体上,工业大数据对复合型人才的能力需求更强烈,目前我国工业大数据的高级管理决策人才、数据分析人才、平台架构人员、数据开发工程师、算法工程师等多个方向均存在较大缺口,极大阻碍了工业大数据产业的发展。
三、技术、应用及产业发展趋势
(一)工业大数据技术和应用发展趋势
1.工业大数据应用的外部环境日益成熟
以工业4.0和工业互联网为代表的智能化制造技术已成为制造业发展的趋势,智能化制造技术的研究和应用推动了工业传感器、控制器等软硬件系统和先进技术在工业领域的应用,智能制造应用不断成熟,一方面正在逐步打破数据孤岛壁垒,实现人与机器、机器与机器的互联互通,为工业数据的自由汇聚奠定基础,另一方面进一步增强了工业大数据的应用需求,使得工业大数据应用的外部环境日益成熟。
2.人工智能和工业大数据融合加深
工业大数据的广泛深入应用,离不开机器学习、数据挖掘、模式识别、自然语言理解等人工智能技术清理数据、提升数据质量和实现数据分析的智能化,工业大数据的应用和安全保障都离不开人工智能技术,而人工智能的核心是数据支持,工业大数据反过来又促进人工智能技术的应用发展,两者的深度融合成为发展的必然趋势。
3.云平台成为工业大数据发展的主要方向
工业大数据云平台是推动工业大数据发展的重要抓手。传统的互联网大数据处理方法、模型和工具难以直接使用,增加了工业大数据的技术壁垒,导致工业大数据解决方案非常昂贵,云平台的出现,为工业企业特别是中小型工业企业随时、按需、高效地使用工业大数据技术和工具提供了便宜、可扩展、用户友好的解决方案,大大降低了工业企业拥抱工业大数据的门槛和成本。
4.工业大数据将催生新的产业
除了云平台,新的大数据可视化和自动化软件也能大大简化工业大数据的数据处理、分析过程,打破了大数据专家和外行之间的壁垒。这些软件的出现使得企业可以自主利用工业大数据,做相对简单的工业大数据分析,以及外包复杂的工业大数据应用需求给专业工业大数据服务公司,从而催生新产业,包括工业大数据存储、清理、分析、可视化等相关的软件开发、外包服务等。
(二)工业大数据技术和应用发展建议
工业大数据已经成为制造业转型升级的核心要素,是工业企业智能制造和智慧服务实现智慧化的基础,需要在“技术、应用、产业”各个层次协调发展,并持续建设工业大数据技术创新体系及人才培养体系。
在技术方面体现6个重视:重视工业大数据基础理论、算法、决策分析问题的持续研究;重视工业大数据技术与信息通信技术、人工智能技术、系统工程技术和制造领域技术等多种技术的深度融合研究;重视对面向用户的工业大数据云服务技术的研究;重视基于大数据的制造业全生命周期的新模式、流程、手段的技术研究;重视符合“共享经济”的商业模式技术研究;重视安全技术及相关标准和评估指标体系技术研究。
在应用方面体现4个突出:突出制造特色、行业特点;突出问题为导向;突出大数据驱动下的智慧云制造管理运行模式、手段和业态的变革;突出制造三要素、五流的综合集成化、优化和智慧化。
在产业方面体现3个加强:加强大数据技术工具集和平台的研发产业;加强大数据系统的构建与运行产业;加强工业云数据中心的运营服务产业。
案例报告
第三章 大数据驱动:从制造到智造——美的
一、美的集团简介
美的是一家领先的生产消费家电及暖通空调系统的全球性企业,提供多元化的产品种类,包括空调、冰箱、洗衣机、厨房家电及各类小型家电。美的坚守“为客户创造价值”的原则,致力创造美好的生活。美的专注于持续的技术革新,以提升产品及服务质量,令生活更舒适、更美好。
美的于1968年成立于中国广东,迄今已拥有约200家子公司及9个战略业务单位。截至2015年12月31日,美的财政年度收入超过187亿欧元,在全球拥有约10万名员工。美的在全球有21个生产基地及约260个物流仓库。美的在深圳证券交易所上市(000333),其多元化的股份结构显示,近20%股份为国际机构投资者所持有。
二、美的集团流程IT中心简介
美的集团流程IT中心支撑美的集团从研发、供应链、营销、财务、售后等全价值链的业务流程及业务系统。该中心从2015年下半年开始逐步从传统的制造业信息化部署向以用户、产品为中心,充分利用数据来驱动业务,运用移动互联、大数据及智能化信息化手段部署转型。
1.流程IT中心定位(见图1)
图3.1 美的流程IT定位
2.战略目标
按照美的T+3模式,推动三大流程、四大IT举措,支撑美的向精益与敏捷型企业转型。
三大流程:用户端到端,产品端到端,订单端到端。
四大举措:移动化、大数据、美的云、智能制造。
3.转型思考
转型1:项目运作流程加强流程和架构的管控作用。
转型2:从“管理支持”向“管理+管理支持”转型,从管理出发,关注痛点。
转型3:IT向自主交付转型。
转型4:向云服务转型。
三、美的开普勒大数据产品
美的开普勒(Midea Kepler)是美的流程IT中心基于开源技术框架自主研发的大数据产品体系,该体系包括水晶球、观星台、地动仪、服务号、绩效管理和陀螺仪在内的系列产品,全方位整合内部业务数据、外部互联网数据、智能设备数据等,为集团和事业部在精细化经营管理、用户营销和服务、产品优化和创新等领域提供完整的大数据支撑。
(一)开普勒使命
开普勒使命是打造美的数据生态圈,助力企业数字化转型。
在过去,家电行业一直以传统的经验驱动为主,结果导致企业对竞争品牌了解不够,对产品用户需求的判断过于主观,从而限制了企业的发展。
企业要从传统的经验驱动转向数据驱动,就要通过数据分析,结合线上剖析、线下探究和用户需求推动产品生产,根据用户诉求进行产品设计。通过数据决策实现计划拉通,根据市场容量以销定产,同步实现品质管控,按需生产。在大数据驱动下,融合导购服务,实现营销闭环,提高售后服务质量,实现精准营销。企业只有更了解消费者,才能把合适的产品通过合适的渠道销售给合适的用户(见图2)。
图3.2 从经验驱动到数据驱动
(二)开普勒方法
开普勒方法是以业务和数据为驱动,最终将其转化为价值的数据化运营体系。以下是开普勒方法的五个步骤:
第一步:全面剖析业务。了解业务痛点,收集及洞察业务需求,结合行业经验,全面剖析与判断,满足业务需求。
第二步:融汇内外数据。打通内部数据,融合外部互联网数据,同时接入智慧家居等设备数据。
第三步:设立严谨的法则。实现数据质量层层把关,有序梳理分析逻辑及分析维度,按照用户的应用主题及使用层次定位,最终以井井有条的图表形式呈现。
第四步:用开普勒产品体系提供服务。底层平台以陀螺仪为运行基础,它是自主的互联网开源技术体系;水晶球是美的内部的智能系统,能助力企业运营及经营决策;观星台通过融合挖掘外部数据,可洞悉市场竞争;地动仪是内外部数据的结合,对用户画像进行360°精确制导,从而实现精准营销;服务号是数据产品和服务的移动化产品,使用户随时了解美的的经营情况。
第五步:实现运营体系闭环。通过以上四步可以洞察用户、改进产品,同时还能把控市场、挖掘商机,实现精细化管理。
(三)开普勒产品
美的开普勒体系主要包括以下产品。
1.观星台:外部数据产品,不断融合外部数据,知己知彼
观星台是帮助美的业务部门掌握家电零售市场综合信息的系统。它实时采集五大电商销售与用户评论数据,包括市场格局、产品布局、用户痛点和行业竞品等信息,助力集团及各事业部开展用户研究、经营决策、产品企划、店铺运营和用户洞察等方面的工作。
2.水晶球:内部数据产品,不断寻找内部数据的逻辑
水晶球是美的内部经营分析产品,对财务、内销、外销、运营、审计、金融、HR、智慧家居等内部数据进行全面融合,通过丰富的维度指标、可视化的数据展示方式和良好的数据使用体验,全面助力企业运营和决策分析。
3.地动仪:用户画像产品,不断加深用户认知精确制导
地动仪是美的用户画像产品,它汇集了家电行业全流程节点用户明细数据,构建用户全景视图和家庭画像,不断丰富用户标签和应用场景,保证产品服务精确推送,为美的产品的用户研究和功能研发提供全方位的支持。
4.服务号:移动数据产品,不断提高业务快速响应的能力
服务号就是开普勒移动解决方案的门户,通过移动端快速满足用户的数据服务需求,既简单又高效,全面覆盖内销、外销、财务、产品企划、运营等不同业务领域,真正实现“手机在手,经营随我走”。
5.绩效管理:通过线上线下结合的方式,实现从计划到绩效的闭环
绩效管理系统是支持企业战略规划落地、计划预算预测编制、管理报告编制,以及绩效考评分析的管理系统。通过线上线下结合的方式,完成计划-执行-考评-修正的闭环管理过程。绩效管理系统推进从计划到绩效的管理闭环,布局全球,践行“一键出报表”。
6.陀螺仪:开源基础平台,不断优化系统稳定运行基础
陀螺仪是美的开普勒大数据平台的基础。它是互联网开源技术在美的内部的成功实践。作为美的大数据的基础平台,它对内提供企业级调度监控、元数据管理、报告平台开放和系统运维等方面的服务。
四、大数据驱动的研产销模式
之前,家电行业的生产制造多以经验驱动为主,有时候甚至凭感觉做决策。这种模式下,“产品研发基本靠猜”“销售基本靠天”,研、产、销各个环节的数据支撑严重不足,家电行业普遍存在决策依据不足、决策不科学的现象,无法实现按需设计、以需定产。传统模式不仅影响了产品的销售,还浪费大量的产能,生产效率非常低,制造成本居高不下。大数据驱动的研产销模示如图3所示。
图3.3 大数据驱动的研产销模式
现在,通过数据整合、分析和挖掘,美的成功打破家电产业各领域数据的壁垒,实现产品研发、生产和销售各个环节的数据全覆盖,构建了以大数据驱动优化的生产制造闭环,探索出一条以大数据分析、决策和驱动为基础的按需设计、按需定产和精准营销的应用路子。
(一)大数据分析,按需设计
1.观星台:线上剖析,精准定位
美的开普勒观星台以独立自主且高效稳定的数据采集平台为基石,抓取天猫、淘宝、京东等五大主流电商平台的商品、销售、评论等相关数据,从海量数据挖掘出信息价值点。
观星台采用先进的文本挖掘技术,构建精准数据挖掘模型进行语义分析,分析结果以图表形式呈现(见图4)。平台拥有超强的机器学习能力,能够轻松捕捉行业发展形势、市场变化态势和用户需求的变化,从而实现产品分析、竞争对手研究、客户洞察、市场把握等目的,辅助企业全局掌控家电行业市场格局,为提高产品质量提供策略支持。
图3.4 开普勒观星台
(1)聆听用户声音,准确定位产品痛点
获取现有已经售出的产品的质量和使用情况的信息,传统的方法只能通过用户报修,从维修数据上了解。然而,报修的缺陷已经是极其严重的问题,对于沉默用户或者还未影响到用户使用的潜在的有缺陷的产品,传统方式无能为力。针对这一痛点,充分挖掘电商平台的用户评论数据,结合业务人员对产品的理解,精准定位产品痛点。
(2)竞品分析,指明产品改进方向
对于产品个体,开普勒观星台通过语义分析等技术深入解析用户需求,用数字量化用户的需求点、关注点,抓住核心需求。结合用户需求对产品进行针对性改进,全方位提升单品的竞争力。
(3)差评监控,闭环品质提升管理
系统支持产品品质维度的差评定位,可以快速获取产品的品质差评点,找出当前用户最关注、影响层面大且差评率较高的产品的差评原因。为品质部门改进产品质量找准方向,实现整改周期的全系统管理。
2.地动仪:用户画像,全面洞察
美的开普勒地动仪是一款用户画像数据产品,全面融合内外部数据,构建用户全景视图(见图5)。
地动仪汇合了美的售后服务、线上交易、零售专卖、电商会员、物流和智慧家居等各个层面的数据,形成1.5亿的庞大用户集群,拥有700余项用户标签,能精准识别用户信息、地域分布、行为表现和画像特征。平台还集成了精准营销、用户运营和产品企划等工具,内嵌用户推荐、群体细分和社群发现等多种应用模型,全方位支撑多种业务场景,实现一站式用户托管和分析。
图3.5 开普勒地动仪
(1)认知用户,精细谋划产品设计
汇集美的各业务范畴的数据,从用户维度进行数据采集、清洗、融合、聚类等加工处理,形成美的用户的统一ID,然后标签化和模型化,形成美的用户全景视图,深度洞察用户的行为动向,全面认知用户的需求特征,以需求为导向为产品设计提供精准建议。
(2)洞悉用户特征,做好产品定位
通过地动仪构建的大数据用户画像,产品企划人员更加了解用户诉求和需求偏好,为产品定位提供数据依据。以电磁炉产品企划为例,通过对电磁炉消费用户的全面画像分析,得出多功能型、火锅型和轻巧型的产品用户需求较大的结论,为研发人员提供了有针对性的产品开发方向。
(3)根据用户需求,进行产品设计
在具体产品设计过程中,提供更加精细和完整的用户标签,方便产品企划人员从中把握用户需求细节,为产品具体设计提供参考,使新产品更符合用户的使用习惯和期望。
(4)收集用户建议,持续优化产品
美的构建了完整的用户数据收集和应用闭环体系,不放过任何能接触消费者的机会,不错过任何能改进产品的机会。通过“美的通”等业务APP,在线下导购和售后服务两大用户接触场景,移动上报用户的功能、外观和服务等方面的需求,监控和重视用户在投诉、咨询和建议等方面的信息;利用文本分析技术,全量透析用户痛点和兴奋点,为产品优化提供数据解决方案。
(二)大数据决策,按需生产
美的智能制造数据决策包括以下环节:
设备自动化:自动化机台,自动化产线,CPS物理;
生产透明化:计划拉通,品质透明,订单跟踪透明,可追溯,送货透明,产线资源透明,制造过程透明;
物流智能化:自动化物流,入场、总部物流拉动,供应商互联;
管理移动化:看板移动,订单跟踪移动化,“美的通”,供应商互动移动化,APP电子单据、无纸化;
决策数据化:数据联机、自动采集,数据分析与展现,品质在线管控,中控室。
1.计划拉通精准化
计划是龙头,通过以搭建三层计划体系和融汇价值流的拉式为主,推拉结合的计划模式,提高预测准确性,S&OP产销协作,缩短供货周期,提高物料通用性(标准化、平台化),实现计划刚性执行。借力大数据提高预测准确性,提升数据处理能力,缩短计划刷新时间,更加及时调整物料计划、生产计划。
2.制造执行MES的价值流拉动
以往因为计划变动大,物料准备与配送有不准确现象,导致物料品质异常、IQC检验周期长。同时,供方送料不及时,配送信息不透明,自制件未按总装要求生产的现象也时有发生。
价值流拉动使得计划稳定,供方库存也更加透明,同时IQC前移,品质检验标准化与刚性执行使得计划、来料、生产消耗环节信息透明。
3.制造执行MES的自动化及对接
自动化产线、机台的对接从初期的关注OEE等简单对接到关注换型转产、关注工艺参数等实际支撑产线运转的对接。
把产线、机台的实际运转工艺参数记录下来,通过大数据分析找出匹配不同产品的最优参数,提升制造能力,并支撑快速换型转产,做到柔性制造。
海量数据的持续记录为透明工厂、深化管理(如能耗管理)打基础,可以使工厂运营更精确。
4.制造执行MES的品质管控
通过大数据的计算能力,做到品质在线预警、管控。
通过对海量的物料、工艺参数、机台、人员、环境等数据持续记录,利用大数据分析,找出品质保证的最佳参数。
追溯也从以往的关键件追溯提升到物料、工艺参数、机台、人员、环境等综合追溯。
(三)大数据驱动,精准营销
美的以大数据为支撑,营销云为落地,众多应用为入口,构建立体精准营销体系,实现数据采集、分析和应用闭环,通过打造全流程数字化营销,营销执行过程已云化、网化。大数据驱动营销互联网化见图6。
图3.6 大数据驱动营销互联网化
1.贴近用户需求,实现精准营销
美的大数据运用CPC匹配模型构建产品、渠道和用户三维精准匹配营销应用体系,把合适的产品通过合适的渠道推给合适的用户。美的开普勒地动仪平台通过挖掘潜在需求、精准定位用户、营销云平台实现互联网化互动营销、O2O引流、营销效果数据回流大数据平台、智能报表量化跟踪和分析。以大数据为支撑,营销云为落地,实现由传统零售向O2O的转变,实现全流程数字化营销。
2.大数据移动化,提供便捷服务
通过“美的”和“美的通”等APP,打通咨询、体验、购买、配送、使用、售后全流程数据,实现大数据应用落地,助力销售增长与品牌提升,为用户提供快速便捷的服务,增强用户黏度。其中,“美的”APP面向消费者,基于用户行为实时数据为消费者提供一站式服务;“美的通”APP面向导购、业务员和工程师,提供销售、客户和维修实时数据,内外互联,一“通”百通,精准高效服务。
3.基于用户行为,持续改善体验
“美的M-SMART智慧家居”实现在线设备数据主动收集、设备状态全程监控和用户操作行为实时追踪;大数据对智能设备反馈的用户注册信息、设备信息和用户操作行为等信息进行深度挖掘,全面分析用户特征、潜在诉求、产品功能、设备状态和设备故障等情况,为智慧家居发展进程提供全局监控,创造产品使用新模式,提升用户体验满意度,挖掘产品潜在功能缺陷和用户操作行为偏好,助力产品研发。
4.全局掌控,提升服务能力
大数据全方位实时监控智能家电产品销售地域分布、受众用户信息、设备使用状态和用户操作行为偏好,大幅度提升智能家电运行数据的管理能力,提高智能家电设备的全天候服务能力。
5.在线采集,认知用户操作习惯
大数据基于用户操作数据、设备故障信息和设备运行状态,提供智能报表,主动跟踪和发现用户潜在诉求和产品功能缺陷;构建挖掘模型,识别用户需求场景,为产品创造更多的应用价值。
五、美的大数据开普勒系统驱动研产销实例
美的大数据开普勒系统构建了以大数据驱动优化实现生产制造闭环,数据全面覆盖研、产、销各个环节。在产品研发过程中洞察市场变化,关注用户需求;生产流程优化,提高生产效率以及用户服务体验;跟踪销售去向,关注竞争格局,实现产品精准营销。以下通过七个具体的真实案例详细描述美的大数据开普勒系统如何通过数据驱动实现研、产、销一体化。
(一)市场研判:挖掘市场,提升潜力
在过去,美的一直认为经营烟灶套装只要做好烟机产品就可以满足客户的需求,所以烟机价格一般较高,但配套的灶具价格相对比较便宜。
后来通过观星台的“行业罗盘”发现,在烟灶套装的竞争格局中,用户更偏好价格比例为2∶1的烟灶套装。从烟灶套装产品布局上来看,美的以往的烟灶套装价格搭配度较为失衡,使得烟灶套装产品市场竞争力不足。
美的市场部借助观星台的“产品顾问”分析与借鉴竞品优势之后,决定优化竞争策略,对美的烟灶套装进行升级,实现产品价格比例均衡化。
美的烟灶套装产品升级改造后,销量比改造前提升了22%。通过运用观星台的数据,剖析了烟灶套装市场态势,从而挖掘了烟灶套装的潜在市场。
(二)改善研发:修复短板,提升品质
在以往的冰箱市场格局中,美的冰箱在电商渠道的销量一直领先,但曾有一段时间客户对冰箱产品的差评率大幅提升,因此也严重影响了冰箱销售。面对这种情况,销售人员也摸不着头脑,无法查出具体原因。
冰箱事业部为此提出了问题核查需求,分析人员通过观星台的“行业罗盘”数据,发现冰箱的差评中普遍提出了产品噪声大和有异味两个问题。为了继续深挖问题,分析人员使用观星台“品质卫士”迅速定位到此类问题冰箱的产品型号,再通过观星台“产品顾问”对问题型号的产品参数进行分析,从而找到问题的原因:噪声大是因为压缩机运转引起的,异味则是由冰箱内的塑料架产生的。
产品研发团队得知问题产生的原因后,有针对性地对该款产品进行改进:升级了压缩机,降低了噪声;更换了冰箱内的塑料架,杜绝了异味的产生。
产品经过升级再投入市场,两个月后,冰箱在电商渠道的差评率环比下降13%,由噪声和异味产生的差评率大幅下降。通过观星台的数据分析,研究人员及时发现了产品的问题,提出了研发改进的建议,也提高了产品的质量。
(三)产品企划:用户洞察,按需设计
以往企划师大都根据自己的感知和过往经验去判断市场趋势和定位产品,然而在产品推出之后,企划师发现实际用户与先前设想的用户存在比较大的偏差,而基于先前设想的用户所设计的产品架构却很难承载实际用户的需求。因此我们需要进行用户画像分析,洞察用户需求,根据用户需求去设计产品。
2015年下半年,我们研发某款电磁炉的时候,打破以往惯用的以经验设计为主导的方式,先对使用过电磁炉的用户进行用户画像分析,分析用户的区域分布、年龄段分布、家庭属性、工作属性等,然后将电磁炉用户分为3类:
(1)打工一族:随遇而安,使用电磁炉来煮饭、煲汤、炒菜等;
(2)火锅型:喜欢吃火锅,吃辣一族,用户主要分布在川、贵、湘等地,主要是用电磁炉来打火锅;
(3)家庭主妇:注重营养健康,用户主要分布在广东沿海区域,主要是用电磁炉来煮早餐、熬小米粥、热牛奶。
针对以上3种类型的用户,我们分别研发了3款新产品:多功能电磁炉、火锅专用电磁炉、轻巧方便型电磁炉。
这3款产品推向市场后,根据不同用户进行推广,满足了不同人群的使用需求,使电磁炉的总体销量明显上升(见图7)。
图3.7 电磁炉研发设计
(四)优化生产:聆听用户声音,提升用户体验
天气转凉,油汀市场需求逐渐增长。从购买美的产品的用户反馈中我们发现,美的油汀经常出现错漏件的现象,导致产品的用户评分下滑。
为了提升产品品质,避免因负面评价产生更多的问题,市场部门利用观星台的“品质卫士”锁定问题产品型号,对其进一步监控,分析发现:在生产包装的时候,出于保护油汀和节约包装纸箱空间的考虑,工作人员会把零配件分别放在油汀顶部和底部的泡沫里面,但消费者收到油汀之后,一般是从纸箱一端把配件拿出来,取出油汀后就丢掉纸箱泡沫等包装,剩下的配件随之被丢弃,造成错漏件的假象。
找到原因之后,产品生产团队第一时间对油汀的包装工艺进行了整改,把全部配件放在油汀顶部,便于用户发现。
包装经过调整后,油汀的错漏件率环比下降了41%,同时,用户满意度环比提升了23%。观星台让聆听用户的声音这件事情变得容易并且数据化,成功地优化了产品的生产环节,提升了用户的产品体验。
(五)促进销售:竞品对标,提升销量
2016年年初,美的电烤箱在淘系电商渠道上保持该品类销售排名第一,但通过观星台逐月监控数据发现,某友商品牌销售增长迅速,并有逐渐赶超美的烤箱的趋势。产品经理对此十分着急,迫切需要了解竞争对手的情况。
为此,产品经理通过观星台的“产品顾问”对某友商品牌主销价格段的产品进行了对标分析,发现同样价格段的产品,美的比某友商品牌的产品功能薄弱。于是产品经理请研发团队对美的电烤箱该价格段的产品功能进行了全面升级;同时利用观星台的“电商参谋”和“网店助手”对竞品店铺进行对比分析,发现竞品在店铺的装修风格以及商品摆放上更吸引消费者,于是我们也参考了竞品店铺的商品摆放策略,并在店铺打造一种烘焙文化的氛围。
在短短的3个月时间内,美的电烤箱销量反超某友商品牌,借助观星台成功辅助美的电烤箱对标竞品,迅速采取相应措施,因而使本公司产品重归淘系电商渠道品类第一的宝座。
(六)精准营销:精准投放,成效显著
过去,美的对用户需求的了解程度不高,广告投放和宣传常采取大面积撒网的策略,既浪费资源又达不到营销效果,并且营销效果难以实时追踪,无法科学评估产投比。
因此,构建用户画像有助于寻找对本公司产品有迫切需求的匹配人群,从而精准推送相应的营销广告或服务信息。营销信息投放后,开普勒系统可以及时剖析用户反馈的行为数据,使广告投放更加精准。
某次,应市场需求,我们要对某款智能烹饪机器人进行宣传推广。该产品的特征是:高端、智能、新潮,是美食相关产品。以下是实现产品精准营销的步骤。
第一步,根据产品特征找准目标用户群体:偏好高端产品用户,偏好智能产品用户,偏好美食用户,美的粉丝。
第二步,根据目标用户特征定制广告语,使用不同的广告语吸引不同的目标群体。如,偏好高端用户采用“定制私宴”;偏好智能用户采用“智能烹饪,厨房秘器”;偏好美食用户采用“馋师品味酸甜苦辣”;美的粉丝采用“300元优惠券”。
第三步,根据不同用户群体的购物习惯设定营销推广时间策略。
第四步,根据目标用户的媒体渠道偏好制定投放媒体类型策略。如,对于偏好旅行频道的用户,选择在“杭州潮生活”投放广告;对于偏好影视频道的用户,选择在“达达兔”投放广告;对于偏好美食频道的用户,选择在“杭州美食”投放广告。
使用地动仪系统筛选出目标用户,并有针对性地对其偏好的媒体渠道进行信息投放后,我们后来进行了活动效果分析,发现以上4组用户的点击率都比随机抽取的用户点击率高2~3倍(见图8)。
图3.8 智能烹饪机器人精准营销案例
(七)用户运营:对接业务,无缝支撑
长期以来,客服接到客户来访电话的时候,一般都不了解用户是谁,也不了解用户要咨询或投诉的产品,客服与客户沟通比较费力,很难提高客户的满意度。美的很难在客户面前树立优质客户服务的形象,这对用户品牌黏性也产生了一定的负面影响。
2016年年初,新改造的客服系统可以通过接入地动仪的用户信息,在每次有用户电话进来的时候,客服人员马上可以查看用户的全景视图,快速了解该用户的特征,购买过哪些产品,过往是否有投诉行为等,从而能更好地与客户沟通,帮助客户解决问题。由此,客户满意度也有了明显的提升。
美的之前对会员结构并不清楚,也不了解会员价值,不知道怎么对会员进行管理。后来大数据地动仪系统给会员打上标签,进行用户分层,从而实现一对一定制化推送内容,有效地推进了会员管理,对维护VIP会员、挽回流失会员、激活沉睡会员均发挥了积极的作用。
六、大数据驱动美的从制造到智造
在互联网+时代,传统制造企业唯有打造“智能工厂”,实现“智能生产”制造模式才能在新一轮产业革命中实现弯道超车。
而工业4.0不能理解为简单地提高效率,更重要的是借助大数据和互联网技术,将冰冷的设备和用户信息紧密地联系在一起,以用户为中心,通过用户交互渗透到产品的设计、管理、营销和服务中,建立产品的全生命周期,并通过推进智能制造、大规模个性化定制、网络化协同制造和服务型制造,打造制造业互联网化产业生态体系。
合理运用大数据,使传统制造型企业从经验驱动、凭感觉驱动到数据驱动,总结为以下关键步骤:大数据分析,按需设计:线上剖析+线下探究+智慧洞察;大数据决策,按需生产:计划拉通+以销定产+品质管控;大数据驱动,精准营销:导购服务+营销闭环+售后提升。