基于大数据分析的服务化实施策略研究
来源:用户上传
作者:陆梦园
摘 要：
全球制造业格局面临重大调整，我国重视提升创新引领能力，以大数据为代表的新一代信息技术成为制造业服务化转型升级新的驱动力。论文首先总结了基于大数据分析的制造企业服务化实施现状，其次根据大数据技术在服务化进程中应用的实际状况分析了现阶段存在的三大主要问题，最后从体系创新、人才培养和产业政策几个角度针对性地提出了改进方法。
关键词：
大数据;服务化;策略
中图分类号：F27
文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.13.028
0 引言
在服务经济和信息经济时代背景下，随着新一轮科技革命和产业变革的不断推进，传统的制造企业已经不能满足新兴消费观念下的日新月异的顾客需求。为了解决顾客日益定制化、多样化的需求与制造企业生产流水化、标准化之间不匹配的矛盾，基于以大数据为代表的信息技术的迭代和应用，越来越多的制造企业不断探索新浪潮下的转型方向而走上了服务化、智能化的道路，将产品本身的边界拓宽到整体的解决方案。而大数据技术对于制造企业服务化的这一过程而言，不仅为处于初级阶段的制造企业提供了更多获取失败学习成果的知识共享，而且也为服务化发展的路径选择与优化提供了数据支撑。以大数据为核心的服务化实施仍处于艰难探索阶段，因此面临着许多现实问题亟待解决。
1 制造业服务化发展及大数据分析应用现状
“Servitization”即“服务化”概念，最早由Vandermerwe & Rada（1988）提出。他们从服务化的定义中引申，并定义制造企业服务化为“以顾客为中心，提供包含产品、服务、支持、自助服务和知识的组合包和组合集”，而服务是“包”中居于主导地位，也是企业价值增值的主要来源。从这一概念提出至今的三十多年间，国内外学者从不同的维度出发，对制造企业服务化的定义进行了不同的界定。
国内的服务化相关研究起步较晚。国内学者于2008年正式提出服务型制造这一概念，此后有许多学者根据我国21世纪以来互联网的普及发展及更多智能技术的应用，从战略类型、组织设计和失败学习等角度对服务化展开研究和拓展。2015年国务院发布的《中国制造2025》文件指出，要深入推进制造业结构调整，积极发展服务型制造和生产性服务业，将制造企业服务化作为重要战略任务列入强国战略的綱领。
大数据的概念来源于麦肯锡公司的研究报告，大数据被定义为“无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合”。Nio et al.（2015）指出，企业利用大数据技术进行数据分析的主要驱动力来自于服务化战略。在《中国制造2025》中，明确提出要坚持创新驱动发展战略，推进信息化与工业化深度融合。如今，我国随着工业云平台、移动互联网和新一代信息技术和制造业的不断融合，大数据技术也越来越多应用到制造企业智能化服务中，带动产品迭代、产能升级，推动制造企业供给侧改革和结构化转型。主要体现在以下几个方面：
（1）分析把握顾客需求热点和趋势。
制造企业如何把握顾客的需求方向并提供多元化服务是服务化转型的重要环节。传统制造企业以生产制造产品为核心业务的生产成本和经营风险不断增加，通过抽样调查等能够获取的数据规模总是有限的，大数据的规模性和高速性使它能不断获取、更新数据。近年来，以大数据为数据驱动，通过对顾客购买行为、偏好反馈和潜在需求的海量数据进行深度挖掘，对调节生产销售的组织设计起到了举足轻重的作用。
（2）优化组织设计和业务流程。
制造企业服务化过程中，在对产品进行设计、生产、交付等环节的服务化参与，势必对其的组织结构重新设计、业务流程进行重组。基于大数据的“信息量化”思维，大数据技术可以对业务的关键节点进行量化，精确分析各部门和流程的执行能力，提升服务化战略下的顾客满意度，提高企业整体效率。
（3）推动资源整合与共享。
经济全球化时代背景下，制造企业更需要与总体战略规划相匹配的内部能力和外部资源推动服务化发展进程。通过大数据的广泛的边界延伸分析全球消费者和价值链数据，突破成本瓶颈，建立知识共享渠道和高密度的网络结构整合分散资源，促进企业开展失败学习，激发创新性行为。
2 基于大数据分析的企业服务化实施中存在的问题
2.1 大数据技术应用单一，参与比例不高
目前，大数据分析技术在制造企业服务化的实施过程中的主要应用主要分为三个方面：一是以数据分析形式帮助制造企业进行产品设计的优化;二是以数据流形式促进组织设计和业务流程优化;三是以数据为辅助推动企业商业模式等重构或创新。大数据技术作为产业价值链的环节也较为边缘化，应用形式围绕产品及其延伸的服务包，更多地借助大数据作为技术要素参与服务化进程，基于产品的整体解决方案以及大数据及智能化服务所提供的深度服务占制造企业服务化的实施过程的参与比例普遍较少。
2.2 大数据智能服务化体系不完善，产业政策缺乏同步
制造产业不断转型升级，在当前市场环境和技术条件下，产业供给模式的改进方向将逐步向基于产业技术标准化的专业化服务趋近，而个性化需求和产业技术标准化均要求制造企业具备完善的大数据技术应用体系。目前制造企业智能化服务进程缓慢、水平较低，并且技术进步带来的监管方案问题不断暴露，与大数据技术应用息息相关的数据共享、信息安全等行业标准和法律法规相对缺乏，产业政策较为滞后，在这样的市场秩序下制造企业优化服务化发展路径的成本壁垒较高，不利于小微企业信息共享与传递。
3 解决方法
3.1 健全校企人才交流机制和多层次人才培养体系
政府加强大数据智能化人才发展统筹规划和分类指导，组织实施人才培养计划，完善从研发、转化、生产到管理的交叉学科人才培养体系。同时，健全“高校-企业”人才交流交换机制，如与当地高校、科研机构建立协同合作战略，保障校企人才流动互通，实现校企人才优势互补，积极推进产学研结合。 制造企业通过和外部机构的连接关系和信任水平，发挥各自优势，由此扩大知识渠道，获取更多异质性知识和创新性的解决方案，增大知识存量，提高知识利用效率;通过和高校的合作优化现有的服务化模式，更新服务化理念;通过人才互派和相关专家讲座培训提高从业人员素质，营造主动服务氛围，大幅提高服务化水平，提高服务导向型人才比重。
3.2 优化产业政策，营造公平竞争市场环境
政府对大数据技术在制造企业服务化中的应用领域的研发和推广进行适当的政策倾斜，激发小微企业发展活力，试点中型企业创新孵化培养，鼓励大型企业开放数据平台，发挥应用示范作用。
同时，政府要重视市场环境对行业整体发展的导向作用。外部环境竞争压力在一定条件下会正向调节服务化对企业绩效的促进关系，随着制造行业竞争激烈程度日益上升，产品同质化日趋严重，非均衡的“选择赢家”产业政策需要转变为“横向协调性”公平竞争的产业新政策，通过制定法律法规和相关行业规范，放宽财税政策，完善地方激励制度等措施营造健康有序的市场竞争环境，提高环境竞争压力有效转化率。
4 结论与展望
文章认为现阶段制造业服务化实施进程中，大数据分析主要体现在把握热点趋势、优化组织流程、推动资源整合和促进智能化服务四个方面。通过这四个方面的应用现状分析了基于大数据分析的服务化实施中目前存在的三大主要问题，即应用形式单一、人才缺乏以及大数据智能服务化体系的不足，并根據这些问题从体系创新、人才培养和产业政策几个角度针对性地提出了改进方法。尽管一部分制造企业已经率先采用大数据技术作为服务化转型路径选择与优化的技术支撑和数据支持，智能化服务大多仍应用于互联网企业等新兴信息技术企业。如何促进以大数据为代表的新一代信息技术与制造业服务化实施策略深度融合、实现大数据智能化人才与制造业组织运营人才间知识技能融会贯通，还需要未来更深入的研究逐步完善发展。
参考文献
[1]Li B H， Zhang L， Wang S L. Cloud manufacturing： a new service-oriented networked manufacturing model[J]. Computer Integrated Manufacturing Systems，2011，16（1）：1-7.
[2]陈学武，肖港.基于大数据技术的制造企业商业模式创新[J].经贸实践，2018，（08）：245-246.
[3]董华，江珍珍.大数据驱动下制造企业服务化战略：基于“服务悖论”克服的视角[J].南方经济，2018，（10）：132-144.
[4]罗成飞.基于大数据的制造企业服务化研究[J].现代营销（下旬刊），2019，（09）：73-74.
[5]杜维，周超.制造企业服务创新过程中失败学习路径研究[J].科技进步与对策，2015，32（03）：85-89.
[6]杨灵，陈晶，邱爱莲.云技术驱动下制造业服务化转型研究[J].沈阳工业大学学报（社会科学版），2014，7（02）：132-136.
[7]杜维，刘清华.失败学习与制造企业服务化协同机理研究：社会资本的影响[J].科技进步与对策，2016，33（23）：81-86.
[8]马阿双.制造企业服务化与企业绩效影响机理研究[D].重庆：重庆邮电大学，2019.
[9]季小立，陈雯，朱鸿渐.苏南国家自主创新示范区制造业服务化创新策略[J].科学管理研究，2016，34（05）：57-60，68.
转载注明来源:https://www.xzbu.com/2/view-15193771.htm
