諸如企業(yè)的財務(wù)、銷售、市場等業(yè)務(wù)自身就帶有強烈的數(shù)據(jù)分析需求，領(lǐng)導(dǎo)也厭倦了查看一沓沓報表，更希望看到結(jié)論化的數(shù)據(jù)。如果說運用到個人或是某一個問題的叫數(shù)據(jù)分析，那么投入到企業(yè)的業(yè)務(wù)層面用于輔助管理產(chǎn)生效益的則可稱為數(shù)據(jù)化管理。

第一階段：數(shù)據(jù)連接、采集、整理

數(shù)據(jù)是數(shù)字化的基礎(chǔ)，數(shù)字化轉(zhuǎn)型的第一步往往都是先進行數(shù)據(jù)連接。要分析什么業(yè)務(wù)，分析的指標有哪些，需要的數(shù)據(jù)有哪些，當下已有哪些數(shù)據(jù)，哪些數(shù)據(jù)不足需要定向收集。然后進行數(shù)據(jù)整合，讓數(shù)據(jù)整合—數(shù)據(jù)清洗—數(shù)據(jù)分析—可視化都在一個平臺上進行。

在這個過程通常需要借助BI平臺、數(shù)倉來搭建。有些數(shù)據(jù)體量大的企業(yè)會搭建大數(shù)據(jù)平臺。

第三階段：精益分析

在第一階段和第二階段推進一段時間之后，企業(yè)多數(shù)已經(jīng)具備自動化和信息化的基礎(chǔ)，將進入數(shù)字化轉(zhuǎn)型的第三階段精益分析。

精益分析的階段需要企業(yè)利用數(shù)字化軟硬件技術(shù)和工具，來固化、簡化并優(yōu)化精益化的過程，將原來經(jīng)驗驅(qū)動的現(xiàn)場診斷，逐步轉(zhuǎn)化并結(jié)合實時數(shù)據(jù)驅(qū)動的數(shù)字化診斷，更客觀、更及時、更全面、更智能地去發(fā)現(xiàn)企業(yè)生產(chǎn)系統(tǒng)中存在的浪費和問題，這也是智能制造中所謂“智能”的第一小步。

基于第三階段精益分析的成果，企業(yè)及其管理者被賦能，能夠更簡單、更準確、更及時地發(fā)現(xiàn)企業(yè)的生產(chǎn)運營問題后，就面臨到如何分析問題產(chǎn)生原因并且提供問題解決方案的挑戰(zhàn)。

這時候就該是大數(shù)據(jù)和人工智能技術(shù)的用武之地，通過機器學(xué)習(xí)等技術(shù)對最佳歷史實踐進行提煉并預(yù)測，通過APS等技術(shù)為企業(yè)的計劃排程提供智能決策，通過知識圖譜等技術(shù)構(gòu)建企業(yè)的知識庫，通過計算機視覺聽覺等技術(shù)替代現(xiàn)場枯燥無聊的重復(fù)勞動工位等。

針對于每一種行業(yè)、每一道工藝、每一個流程節(jié)點，都可能有一些工業(yè)應(yīng)用場景需要大數(shù)據(jù)和人工智能技術(shù)，來輔助管理人員進行快速決策，乃至解放管理人員進行自動決策，從而真正實現(xiàn)企業(yè)智能制造，是為高階分析。

第五階段：全面轉(zhuǎn)型

當企業(yè)推進內(nèi)部的智能高階分析至一定階段之后，必然需要與全供應(yīng)鏈的其他智能企業(yè)進行連接，實現(xiàn)智能化的全面轉(zhuǎn)型。

1、落地是從一到五，設(shè)計是從五到一。

2、軟硬件全買最好的，不如用精益方法先把整個流程擼通，然后逐步迭代升級（可借鑒IT行業(yè)的敏捷開發(fā)模式），在技術(shù)發(fā)展太快的今天，除非你能像換iPhone一樣換你的數(shù)字化系統(tǒng)，不然總有更好的版本，更好的產(chǎn)品。

3、一次性把數(shù)據(jù)采集全了，不如挑一、兩個典型工業(yè)應(yīng)用場景（痛點）直接從第一階段干到第三、四階段。

4、智能制造、工業(yè)4.0、人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、MES等都是概念，往往每個人對同一個概念的理解都不完全相同，不如簡化一下思路，這么想：我想要哪些數(shù)據(jù)，能幫我把哪里管得更好。

 

關(guān)于中小企業(yè)數(shù)字化轉(zhuǎn)型獎補資金使用安排政策