引言

2019年2月2日-5日，中国的传统节日除夕春节，超威集团受邀荣登美国纽约时代广场，强势霸屏纳斯达克和路透社两大世界品牌窗口大屏，向全球用户恭贺中国年！展示了超威的行业实力和走向世界的国际化意图。为了更好地应对全球化竞争，超威集团将大数据视为自己未来发展的重要战略，力争在2025年之前实现从“数字超威”到“智能超威”的转型升级，进一步提升核心竞争力。

制造业百强——超威集团

超威集团创立于1998年，主要致力于新能源汽车生产运营、动力与储能电池的研发生产，是全球领先的专业绿色能源解决方案提供商。集团成立以来，抓住改革开放和动力电池发展的重要机遇，以“倡导绿色能源，完美人类生活”、“立志成为全球新能源行业伟大的公司”为使命和愿景，赢得了市场的认同和消费者的信赖。

集团于2010年在香港主板上市，现有职工2万多人。用人理念是：人才在哪里，就将研发机构建到哪里。截止到目前在全球拥有108家子分公司，综合实力位居“中国企业500强”第162位、“制造业500强”第67位，“中国民企500强”第30位，中国轻工百强企业新能源电池行业第1位。

作为行业领军企业的超威，在大数据的建设与应用之路上是否也像公司的发展一样顺利呢？答案是否定的，他们也经历了绝大多数制造型企业信息化建设进程中所面临的困境。

起步艰难的制造业大数据

过去的二十年里，超威集团和传统的制造业一样，在信息化大潮中建立了各种各样的信息系统，比如K3、MES、智能办公OA等，看似建成了一套完善的信息系统，但是随着大数据的发展与应用，多系统的问题也慢慢暴露出来。他们发现这些系统之间都不具有关联性，数据接口、标准和规则等也各不相同，这些差异使各个数据系统就像孤岛一样自带壁垒。“当业务人员想做一个复杂的生产-销售分析，需要从多个系统中取数据的时候，就发现这些数据很难关联到一起，这种情况下，就很难对数据进行综合分析，更别提给决策提供有效的指导意见”，陈豫说，同时他把超威的数据质量现状总结为以下三个方面：

(1) 缺少基础数据管理

当前集团各业务主管部门对基础数据管理的重视度不够，尚未建成集团统一的主数据管理平台，诸如物料编码、科目、客户、供应商等主数据。

(2) 业务数据管理分散

企业运营管理系统不统一，数据结构不一致，财务与业务数据无法做到一体化，应用系统能力不足，集团与各分子公司信息上不对称、口径上不一致、资源上不能共享，导致数据时效性较差、数据质量不高，因而数据的可用性、易用性、可分析性等方面均无法满足日益增长的决策支持的需要。

(3) 无法支持数据分析与决策

信息获取不及时、不准确，大量数据依赖手工统计，不同来源的数据不一致，在这种情况下公司对于数据分析的能力较弱，数据应用的程度不深，没有最大限度地发挥数据的潜在价值。

超威如何做好大数据2025蓝图规划？

针对以上困境，结合集团的发展战略，超威制定了一个从2018年到2025年的整体转型规划，通过全面推进企业自动化与智能化的升级，真正实现从“数字超威”到“智能超威”的转型。

1、转型规划过程中三个重要的里程碑

首先开始部分是基础数据源和基础架构的调整。实现ERP转型的过程，从老的K3系统转化为SAP系统，完善IT基础网络架构，以保障数据的安全性，同时完成BI系统的基础架构；

第二步大概在2020年整体完成“数字超威”的建设。这个阶段所提供的数据能够及时的为经营决策层提供指导和参考的依据；接下来基于“数字超威”所积累的数据，建立一个共享中心，这个中心会包括财务、IT等各个方面，提升数据的实用性；

最后结合物联网技术，实现智能超威的转型目标。在产品里植入智能芯片，通过实时收集数据来监测产品全生命周期过程中的状态，进而提升产品的用户体验。最终通过这一系列的建设，来打造公司自动化、数据化、智能化等多维一体的物联网体系，使集团迈入“智能超威”时代。

2、超威数据应用目前所处的阶段

根据大数据的业务价值和业务场景的成熟度，超威把数据应用分为五个阶段：

• 无知：对大数据还没有概念，完全不具备大数据的功能，此时的数据还可能停留在纸上，或者固定的表格里，主要目的也只是为了记录或者留底；
• 应对：了解数据的基础应用，针对部分关键的历史数据进行分析，比如绩效，因为用不到更深层次的分析，所以没有考虑数据的统一标准；
• 了解：考虑到数据在更多方面的应用，针对部分业务设置预警功能，进而来监测整体的经营运行状况；
• 管理：对数据的应用已经初具主动性，可以结合数据的分析结果，对业务方面提出建议或者指导；
• 创新：能够把大数据和业务运营相互融合，利用数据的分析预
• 测功能来辅助企业进行经营决策。

超威集团分析自身大数据应用的现状，他们认为自己目前正处于“了解”的阶段，可以运用现有的信息系统，制定一些业务的预警功能，但是很难主动利用数据进行更进一步的分析和规划。

3、大数据战略蓝图和建设方针

针对数据应用的现状和对大数据的需求与理解，他们制定了符合集团特色的大数据战略蓝图。整个蓝图从生产制造、市场营销、技术研发、财务管理四个大方向进行大数据的建设，最终打造一个具有决策支持、产品数据、信息安全、客户服务、移动应用五大属性的大数据云计算平台。对于这个平台价值，陈豫说：“我们认为它能够使数据驱动运营管理、驱动营销与客服、驱动战略制定、驱动技术研发、驱动生产与质量管理等这样一种价值。”

结合战略蓝图，超威还制定了“三部曲”的建设方针：

第一部，基于现有业务系统，尽量不做大的改动，通过优化数据质量、初步搭建数据抽取、存储、分析的大数据基础架构，选择部分关键重要业务进行数据的分析应用，为决策层提供决策支持。

第二部，对于新建系统采用“五化”方针建设（轻量化、移动化、自动化、数据化、云端化），从集团层面规划下一代业务管理系统，形成集团统一的管理平台、一致的数据结构、高水平的解决方案。

第三部，在前两部的基础上，结合人工智能与机器学习，深化大数据应用，将超威大数据中心打造成一个完整的、循环发展的信息生态圈。

大数据是一步步干出来的

“有了完善的规划与蓝图，如果不能落地终究是纸上谈兵”，陈豫结合各个业务模块的需求，分别介绍了大数据平台的具体解决方案，以此来保证智能超微转型规划蓝图的落地。

1、八大业务模块建设

财务模块，建立全面的企业财务指标体系，通过大数据平台进行整合分析，根据不同的使用场景比如：不同的产业、不同的系统、不同的业务等提供对应的应用服务，使公司快速全面的掌握企业健康程度，统一集团层面沟通口径，辅助高层决策；

销售模块，根据企业销售模式需求，结合竞争对手、产品数据、联营商反馈等信息，提供系统性的应用服务，旨在更精准、高效的进行销售业务管理，提高市场响应速度；

生产模块，依据生产工艺要求，提供实时的监控、预警、分析推荐等智能可视化看板，并依此推动产线自动化和信息化系统升级；

采购模块，依托生产、采购数据对供应商进行综合评估，完善供应商管理体系，不断强化供应链管理水平和精细化程度；

客服模块，提供统一的可视化页面，为全集团下各产业公司提供监控服务，使各层级及时的了解客户反馈，并针对重点事件做出响应；

人事模块，结合人事数据进行分析、预测、预警，通过历史招聘情况获取人才分布图，定制企业岗位招聘策略，提升招聘成功率，同时开展人员流动监控预测，提前进行人才储备；

物流模块，整合物流业务系统，建立智慧物流平台，统一服务流程，提供物流信息可视化服务，提升物流服务水平，推动企业智慧物流体系建设，降低成本；

金融模块，依托于企业供应商、代理商数据，结合银行信贷数据，为供应链提供资金帮扶支持，提升企业资金安全，强化支付安全级别，进而促进供应链整体发展，提升供应链整体竞争力。

总结来说，就是从基础数据开始，打通各个业务环节，统一数据口径和规则，严把数据质量，调整采集数据的形式，提高数据的及时性和准确性，进而满足数据分析和应用的要求，使大数据的价值真正发挥出来。

2、方案的落地过程和价值体现

有了详细的实施方案，下一步就是大数据平台的整体搭建，“可能这个画面大家都会比较熟悉，两个月之前我们也引入了帆软的大数据分析系统FineBI，来辅助我们完成方案的落地”，陈豫结合系统建设过程中的小故事，以点代面，生动地介绍了超威大数据平台所产生的价值。

(1) 来自质量部门的吐槽：工作量太大

“目前已经开始建设的是质量部门，为什么从这个部门开始呢？因为这个部门是最早给我们吐槽，他们工作量特别大，比如一个小的分析模块，小组内有八个人，从早上八点钟开始做，做到晚上八九点钟可能还做不完，而且他们大量的手工报表数据的收集和清洗工作都是重复性的，好多次因为数据量太大，使用excel做了三四个小时之后软件崩溃，最后什么都没有了，还得从头开始，所以做起来非常痛苦”。陈豫所在的IT团队根据质量部门提的这个需求，使用大数据分析平台，帮助他们做了一些典型的主题分析，比如退货率、误退率等这样计算比较繁杂，计算量比较大的主题报表。

(2) 质量部门的现状：一月变一天，八到二

“通过这些自动计算报表的生成，以前他们的报表一个月生产一次变成现在的一天一次，这对于整个质量监控效率提升很多，现在的质量部门处理数据的人员也由原来的八个人变成了两个人，最重要的一点是，这个系统可以直接展示到领导层的办公室，他们可以实时掌握产品的质量情况”，陈豫介绍说。这是超威在大数据方面迈出的第一步，接下来会在营销、财务等方面，结合帆软这个平台继续为业务部门的数据分析和决策支持提供帮助。

未来模式——对大数据应用的思考

关于大数据的未来，陈豫说：“超威在大数据的规划和建设过程中经常会思考未来大数据究竟是什么样的？同时我们也会和帆软大数据研究院的小伙伴们一块讨论，在他们看来未来大数据发展会是哪个方向？”他认为，现阶段大数据还处于数据收集、存储和分析加一小部分的机器学习层面，做得好的可以为经营决策作出一点指导。至于未来的大数据方向肯定是一个人工智能的应用，来辅助企业各个方面的决策运营，所以未来模式肯定是工业物联网（IIOT）+ 大数据（BIG DATA）+ 人工智能（AI）这样一种体系，建立起这张大网之后，企业大数据转型建设才会趋于完善。