制造业要想成功实现数字化转型，数据治理是关键

机械手有条不紊高效运转、机器人闪转腾挪动作娴熟……在徐工重型轮式起重机智能焊接车间内，9条智能生产线开足马力、全力运行，完成近40亿元的起重机订单；

在华星光电深圳T2工厂8.5代液晶面板自动生产线，蒸镀、存放、搬运、清洗、曝光……一系列工艺制程全部自动完成，全封闭的生产线上几乎看不到一个人；

在嘉兴市鑫圆纺织工艺有限公司的纺织车间，一台高速运转的纺织机，通过机器内部一个个小黑盒子，让工厂270台纺织机、108台倍捻机及各类纺织配套设备与云端“大脑”连接在一起。

伴随着数字化、互联网及智能技术大规模应用于工业生产，先进制造业对廉价劳动力的依赖已大大下降。多年来，中国制造业一直处于经济高速发展的快车道中，受益于不断开拓的“增量”市场。

但在经济增长平稳化、外贸波动的今天，如今利用数字化、信息化技术改造制造业，提高企业的运营效率，正成为当前制造业企业探寻的方向，而其中数据治理是关键，今天小亿就来为大家分享制造业如何借助数据治理，提高企业经营管理效率，从而实现数字化转型。

01、我国制造业数字化转型现状分析
当前，虽然中国制造业在全球市场的整体优势突出但生产力仍落后于发达国家，生产力水平仍仅为发达国家的1/5。

中国制造业过往的快速增长主要依赖廉价劳动力、资本及对创新的模仿，但这些竞争优势如今正逐渐丧失。

如何利用数字化转型技术，将不同的设备和网络数据，将其转换为有用信息，成为制造企业提高运营效率的关键。当前，制造业数字化转型呈现以下特征：

1.制造业数字化转型起步较晚，数字化转型程度有待提高
根据相关调研数据显示，超过50%的中国制造企业的数字化转型尚处于单点试验和局部推广阶段。中国政府力争借助工业4.0的浪潮，从世界第一制造大国跻身制造强国之列。但中国制造企业要成功实现数字化转型，必须基于自身现状，寻求适合自己的数字化转型之路。

2.不同行业数字化转型的重点路径不同
根据国家工业信息安全发展研究中心两化融合平台结论，智能制造就绪度在原材料行业里面大型钢铁行业的就绪度高达19.9%，明显高于5%左右的平均水平。

以钢铁行业为代表的装备制造行业数字化转型的重点是以生产管控为核心的智能生产体系。以机械行业为代表的装备行业，数字化转型的重点是完成产品的智能化、服务化转型，即智能服务。

3.云计算平台成为催生新模式新业态的重要切入点
现在的云化不止是原来的计算存储上云，云化里面现在有两个重要的价值点。第一个是倒逼企业加速内部综合集成，第二个是推动跨企业协同共享去催生一些社会化资源配置的新模式新业态。

因此，随着云计算服务的大规模落地，企业级用户对于云服务的需求出现多样化的发展态势。从底层架构的角度切入，公有云、私有云、混合云都在用户的基础设施层扮演着重要角色，而针对行业用户的定制化需求，更接近用户应用需求的行业云呼声渐涨，云计算平台成为催生新模式新业态的重要切入点。

4.工业互联网平台成为制造业数字化转型的利器
工业互联网平台以基于数据的能力合作为纽带，打造开放共享的价值网络。工业互联网平台是以数据为驱动、制造能力为核心的专业服务平台。过去小亿曾发布了一篇《工业互联网—将技术和应用融入千行百业，助力企业提质增效》的文章，具体讲述了什么是工业互联网，感兴趣的朋友可以查看。

如今工业互联网平台呈现IaaS（基础设施即服务）寡头垄断，PaaS以专业性为基础拓展通用性，SaaS（软件即服务）专注专业纵深的发展态势。根据国家工业信息安全发展研究中心信息化研究与促进中心调研显示，工业PaaS（平台即服务）正逐渐成为平台发展的聚焦点和关键突破口。

02、数据治理对制造业的作用和意义
1.国内外形势对制造企业信息化提出了更高的要求
美国的“再工业化”、“制造业复兴”、“制造业行动计划”；德国的“工业4.0”；欧盟的“未来工厂计划”，日本的“再兴战略”，法国的“未来工业法国”等，都在推动着制造业的转型升级。

中国制造业要想真正由大变强，必须注重信息化建设，尽快占领制造业的技术制高点。比如，《中国制造2025》将智能制造变为制造业的主攻方向，进一步强调了信息化与数字化建设对制造企业未来发展的重要性。

2.未来制造企业数字化转型建设离不开准确可靠的数据
数据是制造企业信息系统的基础，保证其准确、一致和完整是一项非常重要的工作内容。经过多年的发展，目前国内大多数制造企业已经完成了业务系统的建设，提升了自身的业务运营能力。

但这些系统中的业务数据越存越多，数据之间的关系越来越复杂，数据质量不高、重复冲突明显、无法集成共享等问题相继出现，导致数据可靠性低。决策层无法获得准确的信息，在某种程度上已经制约了制造企业数字化转型的进一步发展。

3.数据治理是保证制造企业数据准备可靠的有效手段
制造企业开展信息化工作需要获得更多准确可靠的数据，数据治理可以帮助制造企业规范数据流程，管理企业内部主数据，提升企业数据质量，保证企业在业务运营管理中得到准确、及时和完整的数据支持。因此，对于拥有多个信息应用系统、数据存储方式复杂的大型制造行业，有必要提升对数据治理相关建设的关注。

03、制造业数据治理的3个阶段
1.主数据管理是制造业数据治理的重点
制造业在数据管理方面起步较晚，大部分企业会根据自身发展情况不同而选择适合自己的建设目标，主数据管理是重点。作为信息流动的载体，主数据在制造企业的业务链条中起着承前启后的推动作用，其准确性将会直接影响到制造企业业务和决策的准确性。

比如，准确的物料主数据可以优化供应链管理战略；准确的供应商主数据能改善供应商配送和评估；准确的客户主数据能改善客户关系；准确的财务主数据可以提升财务管理的真实性、透明性和合规性。

对于制造企业来说，合理对主数据进行管理可以将分散在各业务系统相互独立的数据进行统一，让所有系统只用“一”份数据，让主数据这种对系统比较重要的数据完全一致，通过提高主数据的质量，简化各业务系统之间的集成复杂度，打通上下游产销衔接。

2.利用元数据做好制造企业数据资产的盘点
对制造企业来说，当完成了主数据管理工作，从一定程度上可以保证企业主数据的质量，但不能消除其他数据问题给业务带来的影响。企业主数据通常在企业内部呈现碎片化分布，这些数据究竟是如何被使用的，数据的来源和流向是什么，这些都是制造企业在做数据治理的时候需要弄明白的问题。

而利用元数据做好制造企业数据资产的盘点，可以帮助企业自动抽取企业内部所有元数据，并展现出完整的数据视图，帮助企业了解主数据与其他数据资产的之间的关系，明确企业主数据的影响范围，更好地配合主数据管理，完成企业数据治理相关建设。

3.持续监控与优化数据质量是终极目标
数据质量管理是数据治理中一项关键的支撑流程，制造企业在做主数据管理的同时，还要保证保障企业数据质量能够满足企业制定的标准，在必要的时候对已定义的数据进行检查，并对出现的数据质量问题进行跟踪和监控，只有持续不断的做好数据质量管理才实现全面的数据管控。

04、制造业主数据项目管理体系建设
1.规划阶段
这个阶段主要是组织的建设、制度的建设，以及目标的确定，也就是主数据到底要做哪些内容，其范围涉及哪些系统。

2.数据标准阶段
更多是做一些主数据的管理，比如需要确定这一期项目到底做哪些，分类是什么，比如物料主数据的分类，与此同时还有主数据的编码是怎样的，有什么标准，然后还有一些类似于“我的”这样的属性到底有哪些。

3.治理阶段
这一阶段更多的是对各类主数据进行采集、清洗、整合，完成一些历史的主数据的预处理工作。

4.落地阶段
主要是将前面所有梳理好的属性与分类，以及历史主数据治理好后，搭建一个平台去做呈现。以一个物资示例来说，通过主数据的管理，实现了业务上的集中管理，比如，统一的物资分类及编码体系可提供一套“共同语言”，促进企业在供应链业务各方面的集中管控，并作出以事实为基础的决策。

在整个供应链的过程中也起到一些作用，比如在采购方面，避免了重构采购节约了成本；在销售方面，由于基于统一的分类和规格标准，在做利润分析、产品销售分析时更加准确；在仓储物流方面，因为有统一的高质量的主数据，减少了重复的储备，在管理效率上也能有很大的提升。

05、制造企业主数据管理实施架构
制造企业的主数据项目管理的实施框架如图所示，这个框架其实分成4大部分，第一个就是现状分析与评估，第二个就是体系的规划，第三个就是实施方案，最后就是一个平台落地部署的工作。

1.现状分析与评估
这一阶段做的事情就是前期的需求调研，主要目的是获取企业主数据的管理现状，以及存在哪些问题。这个过程中，我们也会搜集这个行业比较好的实践案例，以及国家是否有出台相关的标准，这些都能方便去进行现状分析与评估。

2.管理体系规划
基于组织的目标，我们就可以去做一些规划，在规划的过程中，我们更多的是做各类架构的设计，包括一些制度的建立，考核评价，以及制定一些标准规范等。

3.主数据实施方案
这一阶段主要是对每一项做分解，比如编码规则是什么，有怎样的分类。它有哪些属性，以及在这个过程中，还涉及历史主数据的整合，还有清洗、分发、集成的策略等等。最后还有主数据在使用过程中，如何做更好，如何慢慢地切换到一个统一的平台上，这些都是实施方案所需要关注的。

4.主数据平台搭建
这个平台搭建就是将我们前期所有做的工作的线上化，这样就能让主数据管理更加规范精细化，效率也能更高。

如图所示是的主数据管理平台的架构，从这个架构里可以看到，该平台的主数据采集方式可以对接不同的业务系统数据源，可以通过人工录入、导入导出、数据整合工具，以及自动采集获取数据。然后可以将数据提炼到主数据管理平台，然后在主数据库里去做主数据的治理、清洗工作。另外我们也可以通过该平台做业务流程上的管控，去定义模型属性，编码分类，以及数据的查询备份，以及开发接口等工作。

当把前面的标准化工作做完以后，我们还可以在主数据管理平台上做数据的维护工作，例如从申请到失效过程中，通过工作流进行全流程的管理。最后将数据分发到各业务系统去使用 ，这里也提供了不同的分发方式，对接ESB，通过数据交换来进行分发。

当然在整个主数据管理过程中也会存在数据安全问题，这时可以利用主数据管理平台来对数据进行归档存储等工作。这就是主数据管理平台的架构，通过这个平台我们能够轻松的实现与业务系统的主数据分发与共享，最终为企业提供一个高质量的主数据服务。

06、小结
全球制造业数字化的战局，早就在几年前就拉开了帷幕。在如今全球暗潮涌动的经济形势下，谁先抢得制造业数字化转型的先机，自然也就在这场“混战”中，拥有了更多的话语权。

未来，中国制造业要加快数字化转型，在供应链体系的数字化连接、生产组织柔性管理、依据消费者需求反向定制生产等方面，锐意创新，以新的生产管理模式和新的商业模式，颠覆传统制造业规模经济主导的发展方式，加快构建工业4.0时代的竞争优势，以此引领全球制造业的变革发展。

而制造业要想成功实现工业化和信息化融合，设计-工艺-制造一体化融合，云计算、大数据、物联网融合的智能制造，底层数据的治理是关键，制造企业需要明确数据治理的目标和范围，搭建好主数据管理平台，做好数据资产盘点与持续不断地改进数据质量，最终形成管理制度与文化，才能实现制造业的数字化转型。