“第四次工业革命”以物联网、大数据、人工智能、3D打印、区块链、生物技术等为驱动，正以难以置信的速度改造世界。随着5G到来，互联网进化为智联网，升维后的新形态可称之为“万物智联”。

进入“万物智联”的数字经济时代，变革和创新成为制造业的中心词。变革体现在制造业全生命周期，创新贯穿于设计、生产、供应链、研发、营销、服务等各个环节。

与传统生产要素相比，大数据是未来制造业举足轻重的新生产要素，从大规模定制到智能化服务，其应用及影响无远弗届。抓住这轮新机遇，中国制造业将大有可为。

设计环节——大规模定制

大规模定制不仅追求低成本、高效率，还要兼顾高质量和个性化，这在传统工业社会是难以想象的。其要义在于以满足客户需求为核心，创造出一系列运作模式、技术支持、销售方式、反应机制。这将会给企业的组织和运营带来冲击与困扰，企业生产、服务和销售环节都需要随之转变。

如果说在工业化条件下，大规模定制的思想对绝大多数企业而言都无以落地，而在大数据条件下，“一切皆有可能”就有了现实基础。

大数据是制造业大规模定制的关键，其应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等。当定制数据达到一定量级，通过对这些数据的挖掘、分析，能够实现精准匹配、营销推送、流行预测等更高级的功能，可以帮助制造企业降低物流和库存成本，增加产品的用户匹配度，减少生产资源投入的风险。

案例1：英沃电梯的C2M电梯个性化定制智能平台

随着行业竞争不断加剧，电梯市场不断走向客户定制化、交货期短及产品多样化的柔性生产模式，管理难度大。

英沃C2M电梯个性化定制智能平台采用流量分成模式、云计算和物联网方法，实现从报价、设计、制造、服务全流程的智能化、自动化、数据化、网络化处理，完成面向终端客户的个性化定制生产和服务；引入数字化工厂智能制造的解决方案，借助信息化和数字化技术，利用集成、仿真、分析、控制等手段，通过ERP系统与二维和三维仿真系统、PLM系统、MES系统、SCM系统、数控加工中心等系统的集成，实现制造过程的自动化和智能化；通过持续的数据积累，形成研发、生产、质量、服务、运营大数据，构建电梯行业数据中心，最终实现企业研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化。

当前，包括英沃电梯、青岛酷特在内的众多企业正在积极谋求智能化转型，拥抱如潮而至的大数据时代，而这对传统制造业提出了更高的要求。

制造企业满足消费者个性化需求，一方面，在生产端要提高供给能力，提供多样性的产品或服务满足消费者个性偏好；另一方面，在需求端要通过互联网了解消费者个性化定制需求。

由于消费者众多，需求各不相同，而需求又处于无时无刻的变化中，由此构成了产品需求的大数据。制造企业对这些数据进行处理，进而传递给智能设备，完成数据挖掘、设备调整、原材料准备等步骤，最终生产出符合个性化需求的定制产品。

生产环节——智能制造

智能制造是“中国制造2025”最重要目标之一，其实现基础是大数据，实现途径是CPS系统。CPS（信息物理系统）的概念最早在美国被提出，被看作是新一代技术革命的突破点。与此同时，在德国工业4.0中，CPS也被视为生产系统中的核心技术。

CPS不是一个简单的技术，而是一个架构和流程清晰的技术体系。作为工业大数据分析中智能制造的重中之重，CPS系统让工业融入互联网之中，一是将产品接入互联网，实现制造企业生产的产品智慧化，具体体现如智能家居设备、智能工业设备，实现在互联网上的数据传输；二是将企业接入互联网，加速企业的网络化、智能化改造进程。

目前，大数据已成为智慧制造云或者智能制造系统建设和运营的战略资源，也是智慧制造云实现智慧化的重要基础。

从技术来看，基于大数据的智慧制造系统具备多元复合模态，具有高度实时性和不确定性等特征；从应用来看，智慧制造云大数据的价值在于：通过采集管理分析服务，能够精准、高效、智能地促进云制造的智慧化，实现产品+服务为主导、随时随地、随需的个性化和社会化制造，进而提升企业竞争力。

供应链环节——优化与提速

随着供应链复杂程度的不断提高，企业对于更有效率的供应链管理方式的需求也随之增长，大数据的出现则使供应链全局优化成为可能。

大数据优化供应链的核心在于精准的需求预测。在大数据支持下，通过对供应链上海量数据的搜集、分析，不仅可以勾勒出包括消费习惯、消费能力等维度的用户画像，反映出市场的真实需求，又能够使物流企业依据数据分析结果，了解供应链每个环节的运作情况，从而找出业务赢利点或低效率的地方，然后有针对性地进行业务调整，优化资源配置，以提升供应链的协同效应，实现效率和利润的最大化。

大数据在供应链环节的应用主要有供应链配送体系优化和用户需求快速响应。

供应链配送体系优化，即通过RFID等产品电子标签技术、物联网技术以及移动互联网技术，帮助制造企业获得完整的产品供应链的大数据。利用销售数据、产品的传感器数据和出自供应商数据库的数据，制造企业可准确分析和预测全球不同区域的需求，从而提高配送和仓储效能；利用产品中传感器所产生的数据，分析产品故障部分，确认配件需求，可预测何处、何时需要零配件。这将极大地提高产品的时效性，减少库存，优化供应链。

用户需求快速响应，即利用先进的数据分析和预测工具，预测与分析实时需求，增强商业运营及用户体验。例如，京东运用大数据提前分析和预测各地商品需求量，从而提前配货，提高配送、仓储和投递效能，保证了到货及时的客户体验。

案例2：McKesson的动态供应链

美国最大的医药贸易商McKesson公司将先进的分析能力融合到每天处理200万个订单的供应链业务中，并且监督超过80亿美元的存货。对于在途存货的管理，McKesson开发了一种供应链模型，它根据产品线、运输费用甚至碳排放量提供了极为准确的维护成本视图。这些详细信息使公司能够更加真实地了解任意时间点的运营情况。

McKesson利用先进分析技术的另一个领域是对配送中心内的物理存货配置进行模拟和自动化处理。评估政策和供应链变化的能力帮助公司增强了对客户的响应能力，同时减少了流动资金。供应链转型使McKesson公司节省了超过1亿美元的流动资金。

研发环节——协同创新

除了设计、生产、供应链环节，大数据及其相关应用的触角同样也延伸到了企业的研发环节。大数据助力研发环节实现协同创新，从应用场景来看主要通过以下三种方式：

一是数据整合。海量数据是建立高附加值的数据分析能力的基础，大数据技术使端对端数据整合更有效，并精确关联性质完全不同的数据，包括内部数据、外部数据、公开数据和自有数据。

二是内外协作。许多制造企业的研发部门保持着高度的封闭性，而大数据打破了内部各部门之间的信息壁垒，加强了企业与外部合作伙伴的协作。

三是决策支持。大数据可以代替人进行较为复杂的决策，如项目的分析、商业开发机会、预测等决策都可以借助大数据快速做出。

营销环节——精准推送

营销无疑是受大数据潮流影响最大的行业之一。美国Adobe公司对1000名营销从业者的调研显示，2010年以来，短短几年的变化要比过去50年还大。最近几年，搜索营销、程序化购买等技术已经渗透到互联网生活的每一个角落，其发展速度之快令人咂舌。

在制造业领域，利用大数据，可以分区域实现对市场波动、宏观经济、气象条件、营销活动、季节周期等多种数据进行融合分析，对产品需求、产品价格等进行定量预测。同时，可结合用户对产品当前使用的工况数据，对零部件坏损进行预判，进而对零部件库存进行准确调整。

此外，通过对智能产品和互联网数据的采集，针对用户使用行为、偏好、负面评价进行精准分析，有助于对客户群体进行分类画像，可在营销策略、渠道选择等环节提高产品的渗透率。

更重要的是，可结合用户分群实现产品的个性化设计与精准定位，即针对不同群体，对用户精准画像、精准推送等，实现产品从设计到交易的完整营销环节精准化。

服务环节——运维与预测

运维服务是提升用户体验的关键环节，也是制造业产业链中高附加值的环节，对制造业升级转型同样至关重要。

目前大部分运维工具仅能呈现故障，并不能有效找出和分析原因，或者只能提供单个子系统的解决建议，真正排除故障需要人工参与。而借助大数据，一方面可利用海量数据库对信息、数据、资源、终端进行关联分析，包括触发智能终端进行数据搜集、自动查找故障根节点；另一方面还可以对问题分类统计，为运维人员和客户中心提供及时的分析数据。

除了更实用的智能分析，借助大数据的机器学习技术，通过从数据中梳理出具有规律性的事件模型，进而对未来不确定性事件进行有效预测。

此外，大数据可以实现主动运维。通过数据深度挖掘和离线分析，运维由传统事件驱动向业务质量驱动转变，最终实现自动的自我修复、优化配置，解决潜在的网络故障，保障基础设施的健康与质量。

发现与启示

第一，大数据成为未来制造业不可或缺的生产要素。

目前实体经济之所以利润薄、效率低，一方面，很大程度上是由于制造业传统生产要素（劳动力、资金、土地、能源原材料、物流等）供应增长受限导致成本居高不下；另一方面，整体营商环境等外部交易成本较高也强化了传统动能减弱趋势，迫切需要生产要素升级与革新。

对企业而言，大规模运用大数据能放大生产力乘数，加速流程再造、降低运营成本、提升生产效率；对政府而言，运用大数据构建信息共享和信用体系可望改善营商环境，帮助企业进一步实现降本增效和效率提升。在实践中，不少企业率先分享到了大数据等新生产要素带来的红利。

第二，大数据为发展新经济培育新动能提供基础性应用。

基于大数据应用，以智能生产、智慧服务等为特色的智能化制造服务企业脱颖而出，制造业与服务业融合步伐不断加快：一是以工业大数据技术体系开发为龙头的生产性服务带动制造业发展；二是以工业大数据的智能化服务延伸企业价值链，提升市场竞争力；三是以工业大数据等信息服务为代表的制造企业转型升级成效显著，从而加速“制造+服务”融合趋势，助推新旧动能传导转换。

第三，大数据提高产业链协同效率并催生组织变革。

从微观视角看，大数据实现供需匹配，打通生产与服务全流程，提高产业链协同效率，催生内部生产组织和外部产业组织变革。随着大数据应用的日益深入，智能化生产、网络协同、个性化定制等多种服务化延伸模式日渐清晰，呈现研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化等态势，带动制造业技术进步、效率提升与组织变革，加快产业迭代兴替。

第四，大数据成为引领高质量发展和创新驱动的新兴力量。

进入新时代，通过“大数据+智能制造”“大数据+智能终端”“大数据+现代物流”等新业态、新模式，助推产业、产品向价值链中高端跃升。加强大数据在重点行业和领域的应用，促进大数据引领的智能产业发展，打造具有竞争力的产业集群，推动智能技术转化应用和产品创新，加速制造业向数字化、网络化、智能化发展，提高全要素生产率、产品附加值和市场占有率。

此外，在“万物智联”的数字经济时代，强化大数据在政务体系的应用，推进跨领域、跨平台、跨部门的数据共享，可提升政府决策科学化、公共服务高效化、治理能力现代化水平，进一步改善营商环境及生态环境，更好地服务民生及社会事业。

（作者朱敏是国务院发展研究中心新经济专家、中国社会科学院经济学博士、北京智石经济研究院执行院长。本文荣获由中国企业改革与发展研究会组织评选的国家级奖项——“2018中国企业改革发展优秀成果”二等奖。）