制造型企業(yè)的數(shù)據(jù)分析之路應(yīng)該怎么走？怎么做？怎么辨識這些熱點(diǎn)技術(shù)的適用性？接下來我們會進(jìn)行討論和分析。
經(jīng)過這幾年各種層面的宣傳，制造型企業(yè)（銷產(chǎn)研供）的負(fù)責(zé)人已經(jīng)熟知很多熱詞，比如工業(yè)互聯(lián)網(wǎng)，產(chǎn)業(yè)互聯(lián)網(wǎng)，數(shù)字化工廠，工業(yè)4.0，智能制造，智慧營銷，數(shù)字化供應(yīng)鏈，大數(shù)據(jù)，人工智能(AI)等，在每天被各種熱詞灌輸?shù)臅r候，總是不禁想到：種種問題在腦海里翻騰。隨著很多公司推出的咨詢類、軟件類、硬件類、系統(tǒng)集成類的產(chǎn)品和服務(wù)，林林總總，讓人眼花繚亂，在這些產(chǎn)品和服務(wù)里，總是會強(qiáng)調(diào)數(shù)據(jù)分析，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，人工智能這些熱點(diǎn)提高企業(yè)管理人員的興趣，企業(yè)管理人員也對此寄于較高的期望值，有些人會覺得這些數(shù)據(jù)分析的技術(shù)能夠馬上改變企業(yè)的現(xiàn)狀，解決很多年的頑疾。那么，制造型企業(yè)的數(shù)據(jù)分析之路應(yīng)該怎么走，怎么做，怎么辨識這些熱點(diǎn)技術(shù)的適用性，接下來我們會進(jìn)行討論和分析。
怎樣區(qū)分熱點(diǎn)詞匯和技術(shù)
① 國家宏觀戰(zhàn)略和企業(yè)落地戰(zhàn)略的差異制造型企業(yè)主要是以產(chǎn)銷研供為主開展經(jīng)營和管理的工作，因此消費(fèi)者放心開心省心、盈利能力、成本下降、高效運(yùn)營、質(zhì)量優(yōu)良、合法合規(guī)等是企業(yè)落地戰(zhàn)略的核心。國家宏觀層面戰(zhàn)略宣傳的熱點(diǎn)，很多時候偏重于一個長周期的戰(zhàn)略布局且?guī)в衅渌芏嘁蛩?，包括國家競爭層面的布局，行業(yè)和產(chǎn)業(yè)的長期發(fā)展等，而制造型企業(yè)落地戰(zhàn)略在時下的情況更多需要著重在中短期的盈利，一部分會兼顧到長期的發(fā)展，所以企業(yè)在選擇戰(zhàn)略的路上，要分清長期和國家宏觀戰(zhàn)略的匹配，同時短期怎樣突破變局和僵局進(jìn)行對應(yīng)布局。同樣，對于數(shù)據(jù)分析類的技術(shù)，也要看短期怎樣看齊發(fā)達(dá)國家企業(yè)過去幾十年積累的數(shù)據(jù)分析體系、模型和應(yīng)用，夯實(shí)基礎(chǔ)，結(jié)合管理和經(jīng)營進(jìn)行有效的變革。長期要看怎樣在有了這些基礎(chǔ)之后，在利用更前沿的數(shù)據(jù)分析技術(shù)進(jìn)行布局，比如大數(shù)據(jù)，人工智能等技術(shù)。當(dāng)然，對于本來可以一步到位的場景，可以直接采用，但是對于制造型企業(yè)，往往這種場景會比較少。對于銷售面對電商場景和線下大量門店的消費(fèi)品制造型企業(yè)，往往在營銷端短期就要盡快布局云、中臺、大數(shù)據(jù)分析等技術(shù)實(shí)現(xiàn)快速變現(xiàn)和應(yīng)對競爭，但是產(chǎn)研供更多依賴中長期的積累和基礎(chǔ)才有可能使用更多的前沿?cái)?shù)據(jù)分析技術(shù)，產(chǎn)生投資回報(bào)較高的收益。
② 工業(yè)產(chǎn)品和互聯(lián)網(wǎng)IT產(chǎn)品的差異第二產(chǎn)業(yè)制造出來的工業(yè)產(chǎn)品，不管是屬于消費(fèi)類產(chǎn)品還是裝備產(chǎn)品、原材料產(chǎn)品、半成品等，和互聯(lián)網(wǎng)IT產(chǎn)品存在物理本質(zhì)上的差別，工業(yè)產(chǎn)品多是聲、光、熱、力、電、磁、數(shù)據(jù)、材料等多學(xué)科混合的物理產(chǎn)品，背后蘊(yùn)藏著復(fù)雜的技術(shù)，其在產(chǎn)生過程中的數(shù)據(jù)分析是多種多樣的，也有很多的成熟體系存在，比如DoE（實(shí)驗(yàn)設(shè)計(jì)）在研發(fā)、工藝、質(zhì)量甚至市場層面都有成熟的應(yīng)用，并未因?yàn)闀r下熱點(diǎn)的數(shù)據(jù)分析技術(shù)發(fā)生本質(zhì)的變化，也是眾多全球業(yè)界領(lǐng)先的企業(yè)長久以來使用的，其中除了統(tǒng)計(jì)學(xué)的知識外，還蘊(yùn)藏著大量的行業(yè)知識和多學(xué)科知識。IT產(chǎn)品更多是以代碼的形式存在，傳統(tǒng)的工業(yè)類/行業(yè)類IT產(chǎn)品本身蘊(yùn)含著大量的行業(yè)和多學(xué)科知識，互聯(lián)網(wǎng)IT產(chǎn)品本身對制造業(yè)和多學(xué)科知識缺乏認(rèn)知和積累，所以就造成了傳統(tǒng)的工業(yè)類/行業(yè)類IT產(chǎn)品在國內(nèi)的應(yīng)用并未普及，大家就被新興熱點(diǎn)來自于互聯(lián)網(wǎng)類的IT產(chǎn)品沖昏了頭腦，而著急使用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能等技術(shù)，想一步登天（當(dāng)然很多人其實(shí)也不知道要多少步才算是登天）。另外，傳統(tǒng)的工業(yè)產(chǎn)品和互聯(lián)網(wǎng)類IT產(chǎn)品發(fā)展的速度快慢不一。所以要區(qū)分工業(yè)產(chǎn)品的實(shí)質(zhì)，適用于工業(yè)產(chǎn)品的IT類產(chǎn)品，和適用于互聯(lián)網(wǎng)類的IT產(chǎn)品之間的差異，避免脫實(shí)向虛和投資回報(bào)過長甚至倒掛。③ 互聯(lián)網(wǎng)型企業(yè)和制造型企業(yè)的差異一部分電商類型企業(yè)或互聯(lián)網(wǎng)企業(yè)從組織上、經(jīng)營目的上、數(shù)據(jù)本身和分析方法以及分析工具和數(shù)據(jù)分析的基礎(chǔ)上來看可能存在如下的差異。所以，不管從數(shù)據(jù)分析的種種維度上和組織上來看，其實(shí)兩者差異較大，那么，在有這些差異的情況下，我們就需要挑三揀四，找到有用的部分來補(bǔ)足制造型企業(yè)的不足。筆者認(rèn)為最大可借鑒互聯(lián)網(wǎng)企業(yè)的來自于其對C端營銷的數(shù)據(jù)分析技術(shù)和經(jīng)驗(yàn)，以及其信息化系統(tǒng)，其他在銷產(chǎn)研供方面更應(yīng)該借鑒本行業(yè)/相鄰行業(yè)的業(yè)界最佳實(shí)踐為主。雖然這是個老掉牙的話題，但是筆者認(rèn)為還是有必要講一下。乙方企業(yè)在大談各種熱點(diǎn)技術(shù)尤其是數(shù)據(jù)分析技術(shù)及相關(guān)技術(shù)的時候，總是會描繪很好的結(jié)果和場景，但是在商言商，簽單子是最重要的。甲方在選擇技術(shù)的時候要慎重考慮其實(shí)用性、適用性和經(jīng)濟(jì)性。實(shí)用性和適用性就是這個數(shù)據(jù)分析技術(shù)在本領(lǐng)域到底有沒有實(shí)用價值，適合不適合，還是大牛拉小車？或者大牛拉火車？或者本來就不應(yīng)該牛來拉車？本來通過更簡單的統(tǒng)計(jì)分析在excel/Minitab里三分鐘能解決的問題，非要使用更復(fù)雜的算法花幾個月去琢磨，加一個千萬的平臺，實(shí)在是沒有必要。比如，能通過六西格瑪解決的質(zhì)量分析問題、工藝優(yōu)化問題等，招一個六西格瑪黑帶做項(xiàng)目可能很快就可以解決，沒有必要讓互聯(lián)網(wǎng)企業(yè)搭建一個系統(tǒng)，讓大數(shù)據(jù)科學(xué)家來解決，效果可能適得其反，大數(shù)據(jù)科學(xué)家也有不能觸及的聲、光、熱、力、電、磁、數(shù)據(jù)、材料、企業(yè)管理等多學(xué)科的經(jīng)驗(yàn)和知識。各位企業(yè)家可以思考一下，那些跨國老牌制造型企業(yè)，為什么在沒有大數(shù)據(jù)、云的時代一樣可以把產(chǎn)品做好、質(zhì)量做好、經(jīng)營管理做好、銷售和市場做好？他們這幾十年是通過哪些數(shù)據(jù)分析方法、哪些數(shù)據(jù)分析工具、哪些體系和組織保障建立這么深厚的基礎(chǔ)的？他們現(xiàn)在還在用這些嗎？我的企業(yè)通過熱點(diǎn)的大數(shù)據(jù)技術(shù)能夠超越他們嗎？⑤ 熱點(diǎn)數(shù)據(jù)分析技術(shù)和細(xì)分市場的數(shù)據(jù)分析技術(shù)的差異機(jī)器學(xué)習(xí)、人工智能、神經(jīng)網(wǎng)絡(luò)這些詞匯總是在找熱點(diǎn)，吊住大家的胃口又不讓你真正體會到其美味。這里我們要注意其實(shí)在很多細(xì)分的領(lǐng)域是有成熟的數(shù)據(jù)分析技術(shù)、分析軟件以及方法論體系支撐。比如制造型企業(yè)中的供應(yīng)鏈這個模塊，不管從選開店地址、分倉選址、配送路徑、倉儲操作及庫存控制、銷售預(yù)測、需求管理、計(jì)劃與排產(chǎn)等，都有成熟的方法論、體系和最佳實(shí)踐，比如供應(yīng)鏈統(tǒng)計(jì)學(xué)、六西格瑪體系等，分析工具也有很多這里不再列舉。當(dāng)然，我們也不能說這些熱點(diǎn)的技術(shù)是沒有用的，在現(xiàn)在數(shù)據(jù)分析工具里，也開始大量的集成了這些技術(shù)，只是這些技術(shù)是有一定的適用場景的，但筆者認(rèn)為其中大多數(shù)對普通的制造型企業(yè)應(yīng)用以及效果是及其有限的，而且某些情況下是投資回報(bào)很難收回的。
制造型企業(yè)
數(shù)據(jù)分析在制造型企業(yè)其實(shí)主要就是兩個目的：判斷和預(yù)測。如果按照層次來分，我們可以分為三個層次：第一個層次: 描述過去已經(jīng)發(fā)生的。比如使用常規(guī)excel報(bào)表, 說明產(chǎn)銷研供各個層面發(fā)生了什么。然后通過查詢和匯總描述數(shù)量、頻率和地點(diǎn)等關(guān)鍵因素。在通過BI工具，比如PowerBI, Tableau等進(jìn)行多維度的透視分析，尋找更多維度的因素。這一層次，是所有制造型企業(yè)應(yīng)該具備的，不幸的是，這一層次中多維度分析透視很多企業(yè)還懵懵懂懂，Excel和BI工具的使用還不夠深度，對業(yè)務(wù)和經(jīng)營管理的理解也欠缺。在這個層次，我們還只是停留在描述統(tǒng)計(jì)的領(lǐng)域，并未做更高一些的數(shù)據(jù)分析。第二個層次：了解現(xiàn)在正在發(fā)生的或短期即將發(fā)生的。在這個層次，我們進(jìn)入了高一級的數(shù)據(jù)分析領(lǐng)域，會采用大量的統(tǒng)計(jì)分析方法和工具，數(shù)據(jù)的實(shí)時性也要求較高，即對信息化系統(tǒng)也有一定的要求。比如通過六西格瑪中的SPC（制程穩(wěn)定性控制）來實(shí)時采樣判斷生產(chǎn)制程中的穩(wěn)定性，以便采取及時的措施控制不良品；比如通過采集多種工藝參數(shù)來及時調(diào)整原材料的成分或規(guī)格波動帶來的產(chǎn)量減少；比如通過DOE、田口正交可以判斷接下來要做的事情是否合理，不管是配方，效果，工藝參數(shù)，營銷效果等。這里面即可以根據(jù)實(shí)時采集的數(shù)據(jù)進(jìn)行描述性分析，并結(jié)合經(jīng)驗(yàn)或?qū)嶒?yàn)數(shù)據(jù)進(jìn)行判讀和控制，也可以通過統(tǒng)計(jì)分析方法建立數(shù)學(xué)模型進(jìn)行自動或半自動判斷，比如常見的線性和非線性回歸方程、PID、傳導(dǎo)方程、矩陣參數(shù)調(diào)用等。這些方法論即可以使用在生產(chǎn)制造過程中，也可以使用在營銷和其他職能體系中，當(dāng)然，我們也可以使用互聯(lián)網(wǎng)企業(yè)常用的推薦算法，比如對全網(wǎng)銷售數(shù)據(jù)的實(shí)時分析，對目標(biāo)人群的實(shí)時動態(tài)劃分到推送。在這個領(lǐng)域，數(shù)據(jù)分析工具就非常的多了，除了常見的Excel, PowerBI, Tableau等工具的深度使用，還有專用的數(shù)據(jù)分析工具，比如Minitab, JMP, SPSS, SAS等，這些可以使用在傳統(tǒng)的統(tǒng)計(jì)分析領(lǐng)域和特定的行業(yè)（比如生物制藥領(lǐng)域），也可以使用在營銷等場景下的機(jī)器學(xué)習(xí)應(yīng)用。除了這些分析工具，很多的工業(yè)軟件和硬件本身也具有統(tǒng)計(jì)分析甚至機(jī)器學(xué)習(xí)的能力，最常見的就是視覺系統(tǒng)，比如Intel的OpenVINO所支持的深度學(xué)習(xí)算法系統(tǒng)，比如某些MES里集成了SPC的工具。所以，怎樣使用現(xiàn)成的領(lǐng)域里的數(shù)據(jù)分析工具也是一門學(xué)問?；旧纤兄圃煨推髽I(yè)需要進(jìn)行的數(shù)據(jù)分析場景在現(xiàn)成的各種軟件和硬件產(chǎn)品里都有，并不需要重新開發(fā)大量的平臺和新算法。筆者認(rèn)為，絕大數(shù)企業(yè)應(yīng)該突破的就是第二個層次，在組織、人才、體系和工具上在中短期著重建設(shè)這個部分，趕上發(fā)達(dá)國家的龍頭企業(yè)。這塊也是發(fā)達(dá)國家龍頭企業(yè)在過去幾十年數(shù)據(jù)分析領(lǐng)域著重建設(shè)的，并形成了其各個模塊的核心競爭力。第三個層次：預(yù)測未來的情況。這里我們要說明一下，在第二個層次中其實(shí)我們已經(jīng)建立了很多模型和算法對未來進(jìn)行預(yù)測。因此，在第三個層次中，我們更加強(qiáng)調(diào)除了預(yù)測未來的情況還會預(yù)測可能出現(xiàn)的不同情況的概率，以及其最好的解決應(yīng)對方案，以及解決方案會帶來的可能的結(jié)果。這就更多涉及了AI這個層面，筆者在制造型企業(yè)見到這種應(yīng)用場景偏少（常見的銷售預(yù)測、質(zhì)量CPK、研發(fā)和工藝的實(shí)驗(yàn)設(shè)計(jì)、可靠性設(shè)計(jì)及預(yù)測、仿真模擬類的、機(jī)器學(xué)習(xí)類的包括預(yù)防性維護(hù)等都列入第二層次），所以這里不再贅述。也許，這個部分，更多是要借用真正的大數(shù)據(jù)平臺，結(jié)合企業(yè)內(nèi)的數(shù)據(jù)，社會數(shù)據(jù)，第三方數(shù)據(jù)等進(jìn)行深度的學(xué)習(xí)。
制造型企業(yè)
通常在統(tǒng)計(jì)學(xué)領(lǐng)域，我們把企業(yè)的數(shù)據(jù)都可以叫商業(yè)數(shù)據(jù)，不管這個數(shù)據(jù)是來自于市場部門、質(zhì)量部門、服務(wù)部門、供應(yīng)鏈部門、研發(fā)部門還是人資部門。對應(yīng)的一門學(xué)科就叫商業(yè)統(tǒng)計(jì)學(xué)。基于如上的定義，我們來探索一下數(shù)據(jù)分析和數(shù)據(jù)分析體系在不同場景中的應(yīng)用可能是怎樣的？（本文限于篇幅不介紹具體案例，只涉及場景）我們分三個主要的場景來說明。第一個是線下營銷場景，使用到商業(yè)統(tǒng)計(jì)分析的主要是產(chǎn)品怎么組合帶來的銷售額最大、該給哪些消費(fèi)者寄禮物和卷能夠加大其消費(fèi)概率、哪里選店最合理、區(qū)域銷售因素主要是哪些因素決定的、銷售預(yù)測、折扣多少比例能達(dá)到最大銷售額/銷售利潤率、哪些產(chǎn)品的反饋更好、應(yīng)該開發(fā)哪些產(chǎn)品、不同產(chǎn)品在不同區(qū)域和人群應(yīng)該怎么投放/陳列等。第二個是線上場景，在這里使用商業(yè)統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的組合方法較多，包含人群圈選和分類、千人千面的營銷策略、推送策略、自然語義相關(guān)的評論分析等。第三個是營銷管理相關(guān)的場景，更多是營銷活動費(fèi)用的最大化投入產(chǎn)出、營銷策略的好壞及效果、不同區(qū)域的營銷策略制定、銷售預(yù)算的有效性/廣告有效性、營銷團(tuán)隊(duì)的分析。在如上三個主要場景中，牽扯的算法比較多，傳統(tǒng)的商業(yè)統(tǒng)計(jì)分析方法較多，包含假設(shè)檢驗(yàn)，回歸，DoE，機(jī)器學(xué)習(xí)，方差分析，時間序列分析等，使用的工具可以是Excel,JMP,Minitab,Tableau,SPSS,Adobe Analytics等，也可以結(jié)合一些SAAS平臺的集成工具，比如SAP IBP和CX兩個套件里的分析工具，阿里的PAI。具體使用場景要看場景來進(jìn)行選擇。數(shù)據(jù)分析體系建議主要借用CRISP-DM體系，但是要對商業(yè)數(shù)據(jù)分析建模要有經(jīng)驗(yàn)，才可以構(gòu)建出清晰的業(yè)務(wù)需求。這里我們分為兩個主要場景來講，即一個是偏重于研究和產(chǎn)品開發(fā)場景，一個是工藝。在研究和產(chǎn)品開發(fā)領(lǐng)域，除了學(xué)科領(lǐng)域內(nèi)的算法，在研發(fā)過程中，物理集成/配方的開發(fā)、最優(yōu)組合或參數(shù)或者配方對應(yīng)某一效果/性能/成本/質(zhì)量/服務(wù)/效率的最佳組合、可靠性分析和預(yù)測、公差分析、壽命預(yù)測等。在工藝場景也類似于研發(fā)，比如工藝參數(shù)優(yōu)化、工藝過程控制、工藝開發(fā)等。算法上，用到傳統(tǒng)的算法比較多，DoE、回歸、方差、假設(shè)檢驗(yàn)等，有特殊場景尤其是比較復(fù)雜的超多因素場景，機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)也會有不少應(yīng)用。在這個部分，常見的數(shù)據(jù)分析工具有Excel, JMP, Minitab, Matlab, 特殊領(lǐng)域的仿真軟件等。數(shù)據(jù)分析體系建議主要是六西格瑪類的體系，在研發(fā)端可以使用SPSS體系，在工藝端可以使用經(jīng)典六西格瑪(DMAIC)。對于倉儲物流、計(jì)劃體系等場景，著重可以使用經(jīng)典的供應(yīng)鏈統(tǒng)計(jì)學(xué)，里面有大量的算法可以使用，包含運(yùn)籌學(xué)等。在這里對于制造型企業(yè)并未有太大的突破，更多的是怎么使用好現(xiàn)成的方法和算法，不再贅述。比如對庫存控制的領(lǐng)域，經(jīng)典的供應(yīng)鏈統(tǒng)計(jì)學(xué)中有結(jié)合庫存邏輯和服務(wù)水平（六西格瑪）和方差來控制最大庫存、最小庫存、安全庫存的量對應(yīng)銷售預(yù)測的波動，也可以做到動態(tài)安全庫存的控制。對于物流倉儲設(shè)點(diǎn)，配送等可以使用運(yùn)籌學(xué)方法，也可以使用機(jī)器學(xué)習(xí)的算法，最終實(shí)現(xiàn)的都是最短路徑/最短時間/最小成本/最XXXX。分析工具層面可以使用Excel, JMP, SPSS以及專用的倉儲物流仿真工具和分析工具。在數(shù)據(jù)分析體系上建議使用六西格瑪體系。除了工藝以外，質(zhì)量、設(shè)備、計(jì)劃排產(chǎn)、精益生產(chǎn)技術(shù)、shop floor層面、工廠布局/物流路線、EHS、生產(chǎn)組織方式等方方面面其實(shí)都可以使用數(shù)據(jù)分析，這也是經(jīng)典六西格瑪里面講的比較多的。比如在質(zhì)量方面，從制程控制SPC、質(zhì)量提升、抽樣控制、判定好壞、識別影響質(zhì)量的因素等方面在六西格瑪里都有各種分析。在設(shè)備方面，這里筆者不建議非設(shè)備生產(chǎn)商去研究自己工廠設(shè)備的預(yù)防性維護(hù)，因?yàn)樵O(shè)備原理其實(shí)是不知道的，而且預(yù)防性維護(hù)偏重于長期的數(shù)據(jù)收集及學(xué)習(xí)，比較成功的更多是旋轉(zhuǎn)型設(shè)備。設(shè)備領(lǐng)域?qū)τ谥刭Y產(chǎn)型公司，比如化工行業(yè)，可以使用分類算法來進(jìn)行維護(hù)維修的判斷和打造專家系統(tǒng)，使用分類算法和其他算法來盡量提高設(shè)備的在線率，減少M(fèi)TBF和MTBR等，提高服務(wù)水平以此不影響生產(chǎn)效率和質(zhì)量。計(jì)劃排產(chǎn)類的算法大多集成在APS軟件里，比如遺傳算法。精益生產(chǎn)要跟多的結(jié)合六西格瑪項(xiàng)目推進(jìn)效果會更好。在生產(chǎn)組織方式可以使用很多的統(tǒng)計(jì)學(xué)方法來判斷不同生產(chǎn)方式的效率、成本、質(zhì)量等。分析工具角度用的最多的就是Excel和Minitab, 也有不少是用JMP等。在很多的軟件系統(tǒng)里是集成了相應(yīng)的工具。最常見的就是質(zhì)量信息系統(tǒng)里集成了SPC等質(zhì)量相關(guān)的統(tǒng)計(jì)分析工具。在數(shù)據(jù)分析體系上建議使用六西格瑪體系。除了如上四個大的模塊，其他職能也可以充分使用數(shù)據(jù)分析提高管理水平和效率，減少風(fēng)險(xiǎn)和成本。比如在人資，可以使用統(tǒng)計(jì)分析來分析人員結(jié)構(gòu)，薪資結(jié)構(gòu)，不同培訓(xùn)課程的培訓(xùn)效果，人員離職的分類及對策等。在風(fēng)控領(lǐng)域，更多是看數(shù)據(jù)的波動和異常，尤其是財(cái)務(wù)類，這里方差類分析也是有用的，機(jī)器學(xué)習(xí)類比如分類算法也是常用的。甚至在經(jīng)營和戰(zhàn)略層面，我們也可以使用回歸和方差等分析來判斷預(yù)算是否能夠產(chǎn)生經(jīng)營效果，并對未來的銷售進(jìn)行預(yù)測。數(shù)據(jù)分析體系上我們還是建議使用六西格瑪體系，這里要說明的六西格瑪體系非常適合流程再造，流程效率/出錯率改善，在服務(wù)型的場景是非常適用的，提高流程效率比如接單評審效率等也是可以做出一番成績的。
制造型企業(yè)
采用兩級數(shù)據(jù)分析的虛擬組織通常是大公司的業(yè)界最佳實(shí)踐。● 第一級，即在總部層面或者某一部門內(nèi)部有行業(yè)專家掌握數(shù)據(jù)分析的能力可以對重大變革項(xiàng)目進(jìn)行支撐，同時兼任培訓(xùn)培養(yǎng)和提高本組織內(nèi)的數(shù)據(jù)分析能力的職能，構(gòu)建本體系內(nèi)的數(shù)據(jù)分析體系、方法論、模型、工具選擇等；● 第二級，即全體員工或部分骨干員工，掌握一定的數(shù)據(jù)分析能力，具有對日常工作運(yùn)用其數(shù)據(jù)分析的能力，其在第一級專家所構(gòu)建的數(shù)據(jù)分析體系、方法論、模型和選定的工具之下進(jìn)行操作。比較典型的案例就是六西格瑪體系和IPD(集成產(chǎn)品開發(fā))中的DFSS體系。“總結(jié)：對于產(chǎn)銷研供的制造型企業(yè)，一是建議企業(yè)要明白自己的痛點(diǎn)，在根據(jù)痛點(diǎn)來布局組織、人才、方法論體系、工具和流程；二是建議要打好基礎(chǔ)，不管是管理的基礎(chǔ)還是數(shù)據(jù)分析的基礎(chǔ)；三是切勿好高騖遠(yuǎn)，認(rèn)為熱點(diǎn)的技術(shù)能夠馬上提高企業(yè)競爭力，只有當(dāng)數(shù)據(jù)分析和企業(yè)的經(jīng)營管理以及決策等較好的結(jié)合，才能產(chǎn)生比較大的效果，形成企業(yè)的核心競爭力。
統(tǒng)計(jì)學(xué)：是通過搜索、整理、分析、描述數(shù)據(jù)等手段，以達(dá)到推斷所測對象的本質(zhì)，甚至預(yù)測對象未來的一門綜合性科學(xué)。統(tǒng)計(jì)學(xué)用到了大量的數(shù)學(xué)及其它學(xué)科的專業(yè)知識，其應(yīng)用范圍幾乎覆蓋了社會科學(xué)和自然科學(xué)的各個領(lǐng)域。商業(yè)數(shù)據(jù)：所謂商業(yè)數(shù)據(jù)，是指一個產(chǎn)業(yè)，其價值鏈上各個重要環(huán)節(jié)的歷史信息和即時信息的集合，其內(nèi)容包括商業(yè)企業(yè)內(nèi)部數(shù)據(jù)、分銷渠道數(shù)據(jù)、消費(fèi)市場數(shù)據(jù)等。它不但能揭示這個產(chǎn)業(yè)的歷史，還能反映產(chǎn)業(yè)的最新發(fā)展，更重要的是能預(yù)示產(chǎn)業(yè)的未來，為該產(chǎn)業(yè)價值鏈上各類企業(yè)的戰(zhàn)略、研發(fā)、營銷、管理等提供可靠的咨詢和指導(dǎo)。商業(yè)統(tǒng)計(jì)學(xué)：商業(yè)統(tǒng)計(jì)學(xué)是社會經(jīng)濟(jì)統(tǒng)計(jì)學(xué)的一個分支，是商業(yè)統(tǒng)計(jì)工作實(shí)踐經(jīng)驗(yàn)的科學(xué)總結(jié)和理論概括，并隨著商業(yè)統(tǒng)計(jì)實(shí)踐的發(fā)展而不斷完善。商業(yè)統(tǒng)計(jì)學(xué)研究商業(yè)統(tǒng)計(jì)工作的規(guī)律，闡述有關(guān)商業(yè)統(tǒng)計(jì)工作的理論和方法，即如何搜集、整理商業(yè)統(tǒng)計(jì)資料和如何開展商業(yè)統(tǒng)計(jì)分析與預(yù)測的理論和方法，指導(dǎo)商業(yè)統(tǒng)計(jì)工作的實(shí)踐。大數(shù)據(jù)：在維克托.邁爾-舍恩伯格及肯尼斯.庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。大數(shù)據(jù)的5V特點(diǎn)（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實(shí)性）。機(jī)器學(xué)習(xí)：是一門多學(xué)科交叉專業(yè)，涵蓋概率論知識，統(tǒng)計(jì)學(xué)知識，近似理論知識和復(fù)雜算法知識，使用計(jì)算機(jī)作為工具并致力于真實(shí)實(shí)時的模擬人類學(xué)習(xí)方式，并將現(xiàn)有內(nèi)容進(jìn)行知識結(jié)構(gòu)劃分來有效提高學(xué)習(xí)效率。
