基于大数据的制造企业服务化研究
来源:用户上传
作者:
摘要：当下随着信息数据量呈现爆发式的增长，大数据得到了广泛的关注与研究。制造企业运用大数据克服“服务化悖论”，对于其实现服务化战略转型具有十分重要的应用意义。文章从介绍大数据与制造企业服务化相关概念出发，分析大数据如何为支撑制造企业实现服务化转型升级发挥作用。
关键词：大数据;制造企业;服务化
1.大数据相关概念
1.1大数据定义
目前关于大数据的研究主要集中在技术层面，还有一部分研究关注大数据对企业管理变革的影响。但大多数人对其技术视角及管理视角的定义尚不清晰明确。因此有必要对其定义进行阐述，明晰基于企业管理应用视角的大数据定义及其特征。
百度百科、维基百科以及Gartner公司分别从大数据的技术视角给出了相似的大数据定义，其特征可以归纳为体量浩大，超出常规数据处理工具的运算能力;数据形式多样，大数据中包含了大量的非结构化数据;产生速度快，互联网、物联网、智能设备每时每刻都在产生大量数据，数据增长速度较快;以及数据价值密度低四个特征。
在企业管理应用中，企业的数据信息是企业的重要资源。大数据的资源性不可忽视，因此笔者认为学者杨善林（2015）基于管理视角的大数据定义更为贴合大数据在企业管理层面运用的需求，即大数据是一类能够反映物质世界和精神世界运动状态和状态变化的信息资源，它具有复杂性、决策有用性、高速增长性、价值稀疏性和可重复开采性，一般具有多种潜在价值。除了大数据的技术层面的特征，其定义明确了企业应用角度的大数据特征，即：
（1）资源性：大数据不仅是体量浩大的数据集合，还是一种信息资源，其背后蕴含的信息价值对于支持企业决策、运营管理等管理活动具有十分重要的意义。
（2）决策有用性：大数据资源性的价值主要通过其决策有用性来进行体现，通过对大数据背后隐藏的信息进行挖掘，可以为企业决策提供信息支持。
（3）功能多样性：大数据资源可以用于不同的开发目的，可以用于公共管理、企业管理等多个方面。
1.2大数据思维
大数据时代要求我们在思维上必须有3个方面的转变：
（1）样本约等于总体：在大数据模式下样本即是总体，可以摒弃传统采样方式的固有缺陷，通过对所有数据或几乎全部数据进行分析，我们可以得到更为全面、精确、细致的结果。
（2）允许不精确性和混杂性：大数据基础上的简单算法比小数据基础上的复杂算法更加有效。当我们接受不精确性与混杂性时，我们可以从一个更大更全面的角度来看待问题。
（3）追求相关关系而非因果关系：大数据可以发现事物之间的相关性，其相关关系分析法更精确、更快，而且不易受偏见的影响，这为研究事物之间的联系提供了一个新的视角。例如亚马逊、京东等知名电商平台的购物推荐系统就是运用了相关关系的思维来进行商品营销。
2.制造企业服务化相关概念
2.1制造企业服务化目的
随着我国社会经济的不断发展，消费者的需求中包含了更多的服务需求。因此制造企业为了满足消费者需求，创造竞争优势而选择从传统的产品提供者向物品——服务一体化的提供者进行转变。服务化目的在于满足消费者消费需求，提升产品附加值，寻求企业差异化竞争优势。
2.2 制造企业服务化过程
制造企业服务化是一个逐渐演进的过程，刘继国、李江帆在其研究中归纳了国外制造业服务化演进过程，认为服务化是一个动态的变化过程，演进阶段不管是三阶段论、四阶段论或者产品——服务连续区理论都是以既有业务为基础进行价值链的延伸，围绕着产品进行服务业务开发。
依据安筱鹏（2010）、简兆权等（2011）、刘建国（2012）等学者的研究，服务化模式与路径的选择是在价值链理论与微笑曲线理论的基础之上，主要有：价值链上游服务化、价值链下游服务化、价值链整体服务化以及去制造化四种路径。企业应该依据自身定位及内外部资源分析选择合适的服务化模式及路径。但与此同时服务化模式的路径选择还应考虑产品的生命周期理论，从产品研发设计到产品交付、产品维护的全过程中通过服务化的手段，实现产品增值。
3.大数据在制造企业服务化中的作用
制造企业服务化战略的选择与实施是围绕着价值链理论、微笑曲线理论与产品生命周期理论进行的。但无论选择哪种模式和路径，实施过程都要求企业在产业资源整合、价值流程、组织管理、商业模式创新等方面进行调整。然而服务化过程中企业自身服务能力有限，会阻碍企业服务化的进程和绩效提升，甚至会导致企业失去已有的竞争优势。企业实施服务化造成企業生产、运营成本增加，对企业绩效产生负向影响，这种现象称为“服务化悖论”。尽管存在“服务化悖论”，但基于消费者需求与市场经济的竞争需求，服务化仍然是制造企业发展过程的必然选择。大数据的出现则为企业缓解“服务化悖论”提供了新的解决方案。
大数据三个思维方面的转变为制造企业服务化提供了新的思路，即合理利用大数据的资源性，进行企业间、行业间数据资源协同共享，获取搜集更多的信息进行挖掘分析消费者行为偏好，为产品的设计提供更为精准的信息支持。大数据化的过程将创新与驱动制造企业的发展，云计算与物联网技术的发展，使得制造企业可以获取更多的产品生产数据，这些数据是提升制造企业生产效率的关键所在。大数据从前期的设计制造到维护、回收、客户关系营销等产品全生命周期产生的数据将是企业重要的战略资源。
3.1 优化产品服务设计
制造企业服务化的动力之一便是满足消费者的个性化需求，企业需要从产品全生命周期理论的视角进行产品服务综合方案的设计。对消费者的消费行为与消费需求具有清晰的认知，是产品服务设计成功的关键因素。产品研发设计涉及挖掘消费者偏好和潜在需求，大数据的资源性与快速性可以使企业通过对供应链上下游数据进行整合分析，突破原有的数据体量限制，运用全量数据思维有效挖掘顾客行为偏好，预测消费者需求，企业产品设计更有针对性。大数据面对海量数据的即时反应速度更快，企业面对市场变化的反应更为敏捷。 3.2 优化组织结构与业务流程
制造企业服务化过程，企业产品的设计、生产、交付由于添加了服务这一无形性成分，其业务流程必然需要进行重新设计，组织结构也需要相应发生变化。产品服务化的过程需要企业各部门协调配合才能提高组织的整体效率。大数据的数据化思想，使企业开始关注数据信息本身，利用信息技术实现其业务关键节点和关键流程的“量化”，通过信息流、物流、资金流集成优化分析企业各部门、各流程的执行能力，有针对性的强化薄弱环节，优化业务流程。促进各部门之间的协同配合，实现服务战略实施的一致性。
3.3 推动企业管理模式转型
制造企业服务化需要以顾客需求为导向，企业战略、人力、财务、生产模式都需要进行系统性创新。大数据技术更容易挖掘制造企业中生产、财务、人力资源之间的关联性，以客观数据为基础为企业决策提供信息支持，更有利于企业领导者理性决策。同时大数据促进了信息在企业内部流通，企业员工更有利于培养“数据导向”意识，数据快速、低成本流通促进了组织知识共享，使各部门员工能够自我定位，自我评估改进，从而实现较强的执行力与组织文化认同。信息的快速流动，提高了企业内部沟通效率，优化了企业组织结构，推动企业管理模式转型。
3.4 企业服务供应链资源协同共享
制造企业服务化的过程，是企业服务价值链与产品价值链的融合过程，服务价值链与产品价值链所涉及的关键要素不同、要素拥有者不同;同时服务价值链上下游企业之间、行业之间存在信息障碍，企业自身信息资产效用难以发挥;此外服务供应链需要更加敏捷的信息反馈。而制造企业服务能力存在界限，因此对制造企业的资源整合与协同管理能力有了更高的要求。
大数据技术与平台思维可以将制造企业与大量服务要素拥有者、利益相关方的核心资产进行“数据化”。制造企业通过与拥有互补性要素的服务组织进行联盟共同建设大数据平台，建立统一的数据标准，有利于打通信息障碍，扩大数据规模，发挥制造企业信息资产效用，减轻对服务要素提供商的依赖。不仅能够使利益相关方之间实现资源共享，还将提高整个服务供应链的运营效率，实现制造要素与服务要素匹配融合，推动制造企业服务化转型升级，满足消费者需求，提升企业竞争能力。
结语
制造企业服务化是当今中国制造企业发展的趋势所在，围绕着价值链理论与产品生命周期理论进行的服务化过程中，企业受限于自身能力不足，不可避免地会遇到困难。大数据为帮助企业在实施服务化过程中克服“服务悖论”，促进制造企业服务化转型升级提供了新的驱动力量。但关于大数据促进制造企业服务化研究的相关理论仍不完善。如何利用大数据实现组织流程再造、企业间与行业间数据资源的共享机制以及数据资源的产权问题等仍未有较成熟的解决方案，还需要在未来的研究中逐步研究完善。
参考文献：
[1]杨善林，周开乐.大数据中的管理问题：基于大数据的资源观[J].管理科学学报，2015，18（05）： 1-8.
[2]简兆权，伍卓深.制造业服务化的路径选择研究[J].科学学与科学技术管理，2011，32（12）： 137-143.
[3]董华，江珍珍.大数据驱动下制造企业服务化战略：基于“服務悖论”克服的视角[J].南方经济，2018，10：132-144.
作者简介：
罗成飞（1995- ），男，河南省南乐人，硕士研究生，研究方向：创新与创业管理。
转载注明来源:https://www.xzbu.com/1/view-15004949.htm
