“数据仓库、商业智能BI到数据治理、大数据治理、数据智能，再到 BI”，对于制造业的 IT“老司机”们来说，联合汽车电子有限公司 CIO 赵超在1月24日 CIO 直播间分享的这个路线图，就象那页 PPT 的主题一样，基本上囊括了“这些年 CIO 们经历的概念”，也代表了大部人职业生涯中很重要的内容。而其依据统计数据提到，90%的 CIO 打算把钱投在BI上，不仅调侃了一下主办方，更是让听的人有点忍不住要对号入座。 虽然90%的样本不一定覆盖到了线上参会的近200位 CIO，但不负盛名的“问题阿姨”随后抛出的一系列问题，却100%的直戳人心：
-
数据运营的概念里我们忽略了什么？
-
我们有哪些数据，没有哪些数据？
-
有了数据，进行了数据分析是否就能有效支持决策？
-
企业数据运营的目标到底是什么？
……
最核心的是，中间隔了几个结点，企业正在进行智能制造、数字化转型的大背景下，数据是否还是那些数据，BI 是否还是那个 BI？
那些年，数据运营走过的弯路
虽然对于数据运营这件事已经实践了 N 多年。但在准备演讲主题的时候，赵超还是很认真地上网搜索了数据运营的概念，这个过程中，她的注意力依然会不自觉地被“分析挖掘”几个字吸引，近20年来，在自己“地里”挖、看别人挖，这几个字就像是老朋友一样亲切。但看上去比较眼生的“数据消费”，却为她近几年的纠结思考，又提供了一个结构化的维度。
那些年制造业数据运营经历的概念
（图片来源：联合汽车电子CIO赵超）
在以往企业数据运营的过程中，分析挖掘的对象基本都是企业的经营数据，形成各种报表之后为企业决策提供支持，这基本上是诸多中大型制造业共同的路径，这其中，CIO 们的重点大多是放在分析、挖掘工具的选择、功能的完善上，而忽略了数据运营概念中提到的“数据消费”，也同样在实践的过程中鲜少思考，被定义成企业“金矿”的数据到底是什么数据，消费数据的是谁，如何消费，这些数据又会给消费者带来什么价值？
关于数据到底是什么数据这个问题，对于大多数制造业来讲其实是有答案的，而且数量也是不少的。比如生产经营、产品研发、生产测量、企业管理等等过程，都会产出和积累诸多的数据。但是，这些数据是否能支持关键决策？著名的“二战战机加固”故事给赵超的启发，就是有些关键性的决策并非是来自于对企业已有数据的分析，而是出自于没有的数据。
而 SAP 数据分析师倪勐婷在介绍制造业数据分析现状时，也提到数据基础不完善是制造业数据分析相对落后的主要原因之一。对于某些生产经营环节的优化，需要对企业内部数据、物联网数据、竞争对手数据、行业数据等诸多数据进行整合、分析和挖掘，才能真正起到解决问题，优化工艺流程的作用。
从2009年做 BW 起始，联合汽车电子已经有了20年的数据运营经验，这其中也提供了诸多用于支持生产经营决策的报表。但对于赵超来讲，“总觉得差那么口气”。曾经有个插曲，让这种感觉更为强烈。有一天领导要去拜访一个重要客户，临行提了一个要求，要知道一下客户上个月对联电有哪些投诉？这是以往报表中不曾有的分析纬度，但这又是决策者需要的。
以上种种，一次次触发赵超对同一个问题的思考，那就是：企业数据运营的目标到底是什么？这个问题如果想不清楚，企业很可能会又回到20年前 BI 建设的老路上去。
数据运营目标： “把让士兵听见炮火作为中后台”
“让能听见炮声的士兵做决策”这句对于企业管理者耳熟能详的名言，虽然引发了诸多争议。但在业界有一个普遍接受的解读，就是让听得见炮火的士兵作决策，需要有两个前提条件，一是要有一个强大的后台做数据分析，支持前线的策略，同时要提高士兵的单兵作战能力。这对于企业来讲，意味着两方面资源投入的选择。但最核心的问题是当两方面的最终目标不一致时，依然难以达到理想的效果。
全生命周期数据规划
（图片来源：联合汽车电子CIO赵超）
而赵超的理解是士兵既然要作战，那前提就是要了解炮火在哪里，把让士兵听得见炮火做为企业中后台建设的方向。不仅仅是从技术和原理层面做数据分析和挖掘，而是要将这个过程融入到企业的主营业务中去，提供给客户价值，提升客户的满意度。这个过程也会形成一个闭环，就是当客户接受企业数据提供的服务时，同时会产出各种各样的数据，这个数据需要即时被处理，马上作出反应，这样才能让服务变的更好，更加深入人心。
这种状态下，数据运营的技术与企业业务完全融为一体，企业的数据规划就会呈现出全生命周期的数据规划，从产品开发设计到生产制造、配送并延伸到客户端。而客户端采集到的数据又会再反馈回设计和生产制造，从而形成一个闭环。这个过程中需要企业的每个岗位都有服务意识，这些岗位的服务最终会聚合成企业面向客户的服务体系，类似 SOA 的原理，即面向服务的架构设计。
数据运营的正确打开方式：
构建前端，构建后台，从服务开始
（图片来源：联合汽车电子CIO赵超）
因此，结合联合汽车电子近年来的实践经验和成果，赵超将数据运营的正确打开方式总结为三句话：构建前端、构建后台，从服务开始。
之所以从前端起始，是鉴于以往企业从底层搭建的老路遇到了问题之后诸多思考的结果。虽然前端的力量对于制造业来讲，相形之下是比较弱的，但是可以把面向客户的服务带过来，再判断服务到底是否由前端提供。同时，在前端提供服务的过程中，对后端需要提供的支持提出要求，从而形成后台建设的方向。这其中，包括服务界面、用户体验、服务触点、高频服务、移动化等热词，都可以从前端得到合理的解释。在这个前提下，类似领导拜访客户之前提到的一些需求，在传统建设方式不适用的前提下，可以采用一些轻量级的产品来满足需求。
作为已经拥有了强大中后台的联合汽车电子，近年来做的比较多的项目，就是将后端的价值延伸到***一公里。当下联电正在进行的一个平台建设就是先找到企业当中核心的用户是哪些，尤其像销售这类面向客户的岗位，通过一个非常小的应用随时传递他们需要的数据和信息。
BI 已不是那个 BI
SAP 数据分析师倪勐婷一开讲就放了点猛料，除了制造企业由于本身价值链复杂性的客观情况，数据分析目标不明确、数据基础不完整、人为驱动管理的决策风格，是制造业数据运营相对比较落后的主要原因。这与赵超从应用角度进行的剖析形成呼应。
制造业数据运营的方向
（图片来源：SAP数据分析师倪勐婷）
在这个前提下，企业首先应该厘清数据分析和数据挖掘的作用和价值。数据分析的作用类似于传统意义上的 BI，即利用现有的数据分析产出报表支持决策，涉及到数据的提取、数据的清理还有利用可视化报表工具形成报表。而如今融入机器学习算法的 BI，是针对与企业相关的内外部大量数据，挖掘出数据之间隐藏的关系，也就是我们常说的数据挖掘。
此外，随着智慧工厂、智能车间建设的不断深入推进，物联网应用的广泛也使得数据的实时性分析成为比较大的挑战，类似企业关于设备预测性的维护、车间实时风险管控等场景，从技术上来讲，如果用传统的BI来做会面临比较大的挑战。
数据挖掘场景之原材料价格预测
（图片来源：SAP 数据分析师倪勐婷）
SAP 服务过一家生产电子屏产品的客户。企业当时面临的问题是产品良率间歇性起伏，通过 BI 报表看下来波动非常大，而那几天过去了之后又特别好。为了找出这种现象的原因，SAP 帮助客户整合了内外部数据，通过数据挖掘的算法发现真正的幕后元凶是 PM2.5。PM2.5的尘埃通过管道进入生产系统，使电子屏里出现了一些杂质，影响到整体屏幕产出的良率，后来企业给生产车间连通的管道加了一个空气净化网就解决了这个问题。如果采用传统BI报表分析的方式，很难发现两者之前的关系。
数据挖掘场景之提升产品良率
（图片来源：SAP 数据分析师倪勐婷）
当然 ，即使是得益于创新技术力量的支持，已相对成熟的 BI 目前依然面临一些挑战。从技术层面上讲，企业内部不同的信息系统之间如果没有统一的标准或者平台，对主数据进行有效管理，就会产生数据孤岛。在这种情况下没有办法形成统一的数据报表，利用机器学习算法发现未知隐藏规律的数据挖掘也难以发挥作用。
但是没有完善的数据平台，是不是就不能开展数据挖掘的工作呢？这里会涉及到场景定位的问题， 比如财务上要定位对于利润影响***的客户是哪些，在这样一个分析场景下，企业只需要提供完整的客户数据就可以。在做数据挖掘的时候，找到一个合适的场景作为整个项目的切入点，要考虑到这个场景对于业务的实际参考意义，不能为了做数据挖掘而做数据挖掘。
基于此，企业在做数据挖掘的过程中，需要有数据思维的人参与进来，能够将业务的理解转化为对数据的理解，团队要具备一定的发散能力和数据分析的基本功，也就是我们常说的，即要懂业务又要懂技术。
而事实上，诸多的企业 IT 管理者也已经在角色转型上先行一步，在推进企业数字化转型的过程中，不断加深对业务的理解，在创新技术和业务之间发挥了良导体的作用，借助更有洞察力的方案和产品，持续带动了企业数据运营能力的提升。
本文观点取自1月24日“CIO 直播间 | 制造业如何在生产经营中做好数据运营”线上直播活动，欢迎点击下面链接观看活动录播及下载相关资料。
