阿里研究院潘永花：数据打通成为制造业升级转型的核心关键

6月17日，2016（深圳）跨境电商生态圈峰会在深圳会展中心如期精彩举行。峰会以大数据应用作为焦点话题，探讨、开拓DT时代背景下的企业变革之路。阿里数据经济研究中心秘书长、阿里研究院高级专家潘永花出席了活动并以大数据赋能产业转型升级为题做了分享。她分析了大数据给企业带来的五点价值：

1、数据连通使得企业透明度变得越来越高；

2、带来管理和运营效率方面的提升，实现降低库存和运营成本的目标；

3、带来业务的增加，为客户提供更加个性化的服务，包括在客户体验方面的变革；

4、催生了模式、产品和服务方面的一些创新；

5、当算法经济成为热点关注的方向，算法能够替代人进行决策，能够支撑人的决策。

对于企业经营生产流程来说，数据起到巨大的作用，从产品设计和研发开始，依据消费者的数据积累，来进行相应的产品研发和市场营销。进而到下一个链条，也可以围绕数据进行供应链优化和管理，提升客户服务水平，以及针对不同细分市场需求，做出更深入的分析，最终实现线上和线下销售的一个协同，全渠道销售的管理。而数据会起到一个非常非常核心的作用。数据打通，而不仅仅是数据自身，将成为制造企业真正能够利用数据提升自己效能，加速升级转型一个核心关键。

以下为分享全文：

各位领导、各位嘉宾，上午好，今天也是非常荣幸在深圳和大家一起来从我们研究院，从数据经济研究中心的角度看大数据在整个产业转型过程中，会起到一个什么样的作用。我自己之前对于外贸企业可能之前接触少一些，我这边可能之前接触多的是制造业，纯外贸企业接触少一些，刚才也有和张总也在聊，很多外贸企业都是工贸一体的企业，我也希望今天的分享能够给大家在这种转型升级过程中，能够起到一个启示作用。

    首先我们先看一个比较有意思的话题，今年3月份谷歌人机大战吸引众多眼球，大家纷纷说人工智能时代来了，大家想人工智能和大数据有关系吗？实际上非常非常有关系，怎么理解，其实我们认为这个实际上是一个时代标志的变迁，20年前当时人机大战是来自于IBM超级计算机，它对垒象棋国际冠军，依赖硬件处理能力，它的算法相对比较简单，实现这样一个目标，因此它获得很大的胜利。今天有什么不一样，可能表面是人工智能，人机大战的现象，但是实际上背后的逻辑变化是云计算+大数据支撑了α狗实现新的人机大战的目标，也就是说它的背后不仅仅是一台性能超级高的计算机，它的背后是成千上万台低价的像X86服务器联结在一起形成的云计算平台，基于这个云计算平台之上是大数据+深度学习带来的人工智能水平，支撑了我们人机大战的成功，我们理解就是DT时代的到来，20年前是IT时代的代表，这是非常有意思的话题。

    大数据角度来说，从宏观来看，去年我们国家发布了促进大数据发展行动纲要，这个纲要类比国外比如像美国，像英国和法国大数据战略规划来说，它也会成为指导我们国家数据强国之路一个关键指导性的文件，我在其中有这句话，适合我们制造型企业非常密切相关，怎么发展工业大数据，这条在关键工程中非常重要的一部分。这个工业大数据不仅仅是我们生产制造过程大数据，涵盖到营销服务等等整个企业运营流程大数据。政策角度来说，国家已经非常重视大数据的发展。第二个层面，我们中国数据量是什么样的情况，这个是来自于IDC2014年的数据宇宙报告，这个是很有意思的，我们看中国的数据量在2014年大概是909EB，占全球12%-13%的数据。我们看到以中国为代表的发展中国家在2017年之后整个数据量将超过发达国家，在2020年能达到占全球数据量18%。但是这么大量的数据其实它的价值发现有多少，在这个报告后台我曾经做过一个分析，真正被发现价值的数据比例目前占比只有零点几，这一块大数据发挥的方向还是很重要的。而且右边这个预测非常有意思，在未来2020年，70%财富500强公司他们将会利用这种基于大数据的人工智能系统，用于客户服务和管理，现在阿里也已经开始做了一些尝试，包括我们在客户服务方面逐渐引入了机器人服务这样的一些功能。第二，全球基于价值和交易的定价机制由于大数据服务的比例会超过60%，70%以上企业进行数据流实时监测，和制造型企业非常相关。以往可能大家所收集处理的数据大部分还是交易类数据为主，但是在生产设备数据，机器数据，日志数据，之前我们这一块关注非常低，这一块可能将来也会成为提升我们机器生产效率非常关键的一个部分。百分之百大型企业会采购外部数据，意味着数据外部性得到越来越深刻的体现，也就是说同样一份数据，在A企业体现的价值有可能在B企业体现的价值完全不一样，这是数据外部性的体现。这是数据发展角度来看。

    这个我们也是能看到，这个也是很有意思的现象，我们在过去IT时代怎么理解数据，我们可以理解成物理数据化，原子世界比特化的过程，这个过程中，我们通过数据在过往大概40年发展历史中，其实是这样为主的一个趋势，形成了比特化这样不一样的虚拟世界。在今天我们可以看到越来越多数据回到到原子世界之中，也就是说数据的物理化。比如现在物联网的出现，我们机器人的出现，3D打印，合成生物技术的出现，认知技术的升级，这些都体现了数据用在实现物理化。我们认为未来的数据将会成为虚拟世界和物理世界合一的这样一个基础的元素。这是我们看到的趋势。从应用角度来说，在这儿我其实大概分四个阶段，我们认为自从计算机出现开始，数据开始产生。但是为什么到现在或者说2010年以后，大数据成为一个热词，这个核心还是互联网的出现，使得数据作为一种生产的要素它得到了非常非常快速扩散，这个过程中，BAT为代表的互联网公司在急剧进行业务的数据化，这个时候其实数据产生了业务价值有限，这个时候属于积累数据的过程。到了大概这两年，2013年之后，我们可以看到越来越多的传统企业非常非常重视数据，以金融、电信这样的传统行业为代表，他们也是在IT时代积累了大量的线下的数据为主。现在他们其实也在逐渐把他们线下数据和线上数据进行融合，来实现数据的价值。这是我认为第二个阶段，其实是加速期。第三个阶段是转型期，意味着传统的工业在进入尾声的时候，像我们现在所谈到的工业4.0也好，工业互联网也好，智能制造也好，这个成为主流的时候，我们认为数据其实会成为传统的产业升级转型一个基本要素，所以进入到了转型期。目前整个中国状态主要还是处在加速期和转型期这两个阶段，进入成熟期，未来这个数据的价值已经得到了在主流行业都已经得到了认同，同时也能够成为一种像商品式的服务，能够进行交易，交换，共享，成为主流，这个时候就说明我们大数据应用真正进入到了成熟期阶段。这个是对大数据应用阶段的一个分析。

    从不同行业来看，我们可以看到这个图也能够看到不同行业，其实大数据应用水平以及大数据规模，差异很大。数据化水平最高的是什么行业，以互联网营销为代表，这两个行业是属于，第一离用户最近，离消费者最近的行业，第二这两个行业中，他们整个市场竞争压力相对来说比较大。也就是说市场化程度非常高的行业，下面一类行业电信、金融和政府，这三类是整个IT水平比较高，线下数据积累程度比较深。剩下灰色，我们认为目前数据应用水平还是处在比较初步的阶段，如何利用数据发现价值，在这一块本身也都还在探索过程中，当然有很多点用得非常好的案例。包括像我们今天分享的主要的像制造业这个行业。我们认为从数据刚才说了，数据最重要的一个特点除了我们原来说到的数据量大，数据种类多，数据产生速度快之外，其实非常重要的一个特点是在线化和外部性，意味着我们是企业以后不仅仅要看我们内部数据，要和外部数据融合，不仅仅看线上数据，还要和线下数据融合，不仅仅看我们传统结构化数据，比如像教育数据为主，还要看很多非结构化数据，包括日志、文档、音频视频等等，这种数据融合会产生很多新的商业业务模式。看另外一个趋势，大数据和人工智能的结合，对应我前面讲的DT时代的发展。大数据和人工智能未来对于我们制造业也会带来很大的变革，包括2018年的时候，20%业务内容有机器产生，可能意味着越来越多媒体记者会失业，因为机器人可以写作了。前几天第一财经发布了写作机器人这样的平台，2018年60亿连接物体可以为人类提供支持和帮助，比如医疗领域，小型机器人会产生越来越大的价值，2020年将有5%经济活动有自适用的软件带进行，就是基于大数据和机器学习实现软件的能力，支撑我们5%的经济活动，这个发展还是非常惊人的，前面我和大家分享了一下整个大数据发展的趋势。

    对于企业来说，大数据有什么价值，我们这边是大概做了一个总结，首先我们认为数据连通会使得企业透明度变得越来越高，首先流程和管理方面的透明度明显获得提升，而且也会加速产品进入市场的时间，同时也会使整个供应链管理变得规范化。第二，管理和运营效率方面提升，这一块我们可以非常实时获得市场的一些行情信息，竞争信息，以及我们自己的运营状况分析，来实现实时对整个市场作出快速响应，能够实现降低库存和运营成本的目标。第三个方向，带来业务增加，为客户提供更加个性化的服务，包括在客户体验方面的变革，根据市场细分给客户提供更有针对性的产品和服务，包括怎么能够使得我们制造商能够更精准达到消费者这样的一些服务。第四个方向，在模式、产品和服务方面的一些创新，比如说像供应链金融这样一些服务，其实都是在数据积累基础之上才能够提供比较好的，大数据服务属于数据作为一种服务形式对外提供，甚至包括物流服务创新，以及C2B模式，从传统的B2C模式向C2B模式的变革。第五个方向，可以看到算法经济成为大家越来越关注的方向，算法能够替代人进行决策，能够支撑人的决策，比如像在欺诈检测方面，比如打假这些方面都有一些体现，甚至包括刚才提到的智能机器人服务，这些价值都会体现出来大数据对于企业非常关键的价值。

    从阿里的角度，有什么样一些在整个大数据应用过程中，我大概做了一个总结，像我们马总也好，他们在讲整个大数据发展的时候，也有提到从业务数据化到数据业务化的过程，业务数据化还是围绕传统电商业务来提升整个流程相关的数据，服务业务部门和管理层为主，总的目标也是为了降低成本，提高营运效率和营运非常和质量为主。比如个性化推荐等。我们现在做了很多尝试，是体现数据业务化的过程，我总结起来就是阿里的数据+外部数据，+我们技术能力的输出，产生很多新的商业模式，在这个过程中，我们既服务阿里生态，同时也会服务越来越多的行业企业这样的用户之中，比如像阿里巴巴微贷以服务生态为主，芝麻信用已经完成给个人提供大数据信用体系了，它所服务的范围获得了非常大的拓展，这个是以阿里巴巴例子来看整个大数据的应用方向。聚焦到制造业，这是我们进行了一个总结，整个制造业面临的挑战，其实是非常大的。从内部环境来说，人口红利消失，包括用工成本上升，企业可能都有非常深刻的体会，劳动力供给减少，现在越来越少人愿意从事制造业，这一块其实是我们内部的因素。外部因素，我们可以看到以欧美国家为代表，他们都在进行再工业化的战略，同时像印度、东南亚这些国家人工成本以及资源方面的优势，吸引着越来越多欧美国家把他们外包工厂都设置到这些国家，也就是我们国内很多代工厂外迁的挑战，这一块很明显。针对这个挑战，不管从中国、欧洲、德国、美国，比较有代表性的三类国家，我们都进行了一个战略设定。从国家层面来说，确定我们的2025战略，美国工业互联网战略，德国工业4.0战略，我大概做了一个对比，总的来说，我们制造2025更强调信息化和工业化的结合，美国工业互联网强调IOT和大数据能力的提升，德国工业4.0更强调智能工厂，智能物流这样更具像的一些环节，这个是我大概的一个分析。

    中国制造2025战略，为什么加了总理数据观，我五月底的时候去贵阳参加了大数据峰会，有幸听了总理的一个演讲，总理强调有一点，大数据+工匠精神，会成为我们新旧动能转换核心的基础，成为促进咱们中国经济发展的双引擎。这个还是很有代表性，针对工业和制造业为基础的企业的建议，这是宏观角度和大家分享一下。微观角度来看，我们看大数据给制造业核心的价值，我们看到大数据这几个特点，感知、预测和实时，其实都能够在降低我们生产周期，降低成本，以及明确市场定位，细分市场，都能够起到相应的作用。比如在预测方面，通过定单预测，我们能够进行快速反应，提升我们制造业的效率。预测方面，很有意思一个应用，国外比较多，对预测性维修这样的应用，在你的机器可能将发生问题之前，能够提前预警，这一块在很多制造业，大型企业中得到了很好的验证。像实时方面，我们能够实现柔性供应链和个性化制造的方向。这个是从作为电商平台观察到的一个方向，像以互联网为代表的大数据是使得传统的B2C模式，实际上是传统以品牌商为核心，整个链条式的流程，会发生很大的改变，整个模式会变成以C为核心，就是消费者为核心，各个环节厂商形成一个协作，众包这样的模式，目前消费者信息已经完全能够无缝提供到制造商和生产商这一端，中间商以前靠渠道获利的环节越来越弱，中间商面临一个转型，我们怎么能够基于数据信息来提供更多的服务，这个可能成为中间商转型的一个方向。对于生产商来说，它是越来越聚焦长尾需求，越来越基于消费者需求实时反馈，通过供应链的柔性化，来实现针对快速翻新，小量，多款定单的响应，我们也是看到了一些方向性的变化。

    整个数据连通对于我们柔性化的生产起到了非常快速的作用，这一块也能够看出来，因为线上交易增加，电子商务的发展，使得定单碎片化，高频更新，以及快速生产需求和传统大规模生产制造设计是完全不一样，所以现在其实也是需要我们生产商能不能根据数据倒逼，实现我们一些变革，来进行柔性化生产的一个变化。这儿一个例子，淘工厂也是在促进制造业加速柔性化方面做了一些尝试，根据我们研究院之前一些调研，发现传统这种外贸单子真正从尝试到成交，整体这个环节下来，可能需要的时间很长。但是通过淘工厂，可以实现一个非常非常快速的响应，几个小时几天其实能够达到非常非常快速的交易，这个也是验证了数据从需求到供应之间的一个直接对接，其实打掉了中间很多中间商环节，从而缩短店厂的周期，也降低交易成本，加速周转的速度，这一块由于数据的连通所实现的制造业柔性化的一个趋势的变革。

    总结下来，对于一般的制造业来说，到底有什么样的一些数据，其实我们分为内部数据和外部数据，两大类。内部数据来看，主要可能是经营运营数据，设计数据，产品数据，这几类为主，传统上可能处理比较多的，通过传统的IT系统，信息化系统处理比较多的，像我们通过ERP系统，CRM，供应链系统实现比较多的可能是前面的几类数据。外部数据，现在制造企业真正用外部数据相对来说还是比较少，包括社交数据，通过社交数据能够更快了解消费者需求，合作伙伴的数据这一块包括我们上下游，甚至有一些客户数据，电商线上运营这样一些数据，还有宏观数据，宏观数据就是经济发展数据，对于企业定位和调整起到非常关键的作用。这些数据打通会成为我们制造企业真正能够利用数据提升自己效能，加速升级转型一个核心关键。我们认为像大数据它对于企业整个全流程来说，起到的作用还是非常非常大的，从产品设计和研发开始，如果要是能够非常直接对接到消费者，其实完全能够依据消费者的数据积累，来进行相应的设置和研发。同时也能够依据消费者的需求，来进行市场营销，来进行产品的计划和生产的一个制造。再到下一个链条，也是可以围绕着这个数据进行供应链优化和管理，提升客户的服务水平，以及针对不同细分市场需求，进行更深入分析，来实现来定位我们产品是如何进行线上和线下销售的一个协同，来进行这种全渠道销售的管理。这个总体上来说，这个数据会起到一个非常非常核心的作用。

    我下面可能举一些例子来和大家做一个分享，首先比如说从数据能够驱动智慧决策这个角度来说，企业其实可以依据自己的业务诉求，有相应的场景来做相应的统一的决策平台，形成一个相关的闭环体系，根据我们总体经营任务，这个其实是我们一个理解。第二个例子，一个智慧供应链的例子，大家都在想很多制造企业现在生存特别难，但是也是有非常不错的，像ZARA这个平台，它现在是快时尚的服装品牌的代表，之前对它的急速供应链进行深入研究，整个链条发现就是因为它可以非常快速打通对终端消费者到他的生产环节，到它的物流环节，整个链条通过数据打通，实现这个目标。比如一般的服装厂商是一百多天，但是它能够15天左右，最快7天这样的新产品供应的过程。整个过程中，它用了线下线上的数据，也利用它电商数据进行用户消费者调研，同时也会利用线下每个门店的数据实时反馈到公司总部，来进行产品的快速迭代。它非常像我们目前互联网带来很多产品销售的特点，它一年服装款式达到12000多款，也是一种快速翻新，少量，快速响应，快速生产这样一个特点。整个过程它在供应链优化这个环节，只要有利于供应链优化，提高效率这样的投资，他都是非常舍得。这一块使得它的供应链优化带动了它整个效率提升和库存的降低，我大概看到他们是2015年的业绩，它依然保持非常非常快速的成长，这个也是应用数据实现供应链优化非常好的例子。

    第二个例子是索非亚衣柜，天猫有开店，也是我们天猫一个非常重要的客户，它实际上是C2B模式创新的代表，我们之前对索非亚团队调研发现很有意思的一个现象，它整个科技团队很大，一共400多人，它其中300多人实际做数据加工，剩下一百多人可能做相应其他的IT开发，维护，服务，基本是这样一个模式。而且它的高管也是说不是一个家居制造商，其实是大数据公司，利用大数据提升客户体验，提高交付效率，减少差错和库存，他们高管讲基本做到零库存这样的水平。目前来说，它也是线上线下数据完全打通，把用户交易数据，用户行为和特征数据，以及产品和渠道数据，搭了一个大数据平台，这个大数据平台，大家对用户画像进行了非常非常好的数据化。同时基于用户画像的数据化，他们实现了研发精准化，整个产品研发体系也是基于用户需求倒逼出来的。在研发精准化基础上，营销方面也是进行了利用数据实现了营销精准化，这个是索非亚利用大数据进行业务模式创新的例子。

    后面这个想讲一下国外，美国通用的一个例子，大家都知道通用是一个有很多年历史的大的制造企业，但是我看到通用董事长一句话，我觉得很有意思。我们昨天还是一家制造型企业，今天已经成为一家软件和数据公司了，EG全年收入中，目前大概还有50%左右来自金融服务，50%来自制造业服务，制造业产品，他们其实是想着未来肯定要走向制造服务化这样一个方向，他们其实在想可能很多产品不见得说在销售过程中一定是盈利的，但是后期服务是能够实现盈利的一个目标，为了实现这样一个目标，他们推出了一个工业大数据平台，这个平台其实主要把设备数据接到云平台之上，目前基于这个，它已经推出了好多应用，而且向合作伙伴和它的客户进行了开放。比如他自己为例，在2015年底他们把数据上到这个P平台上，基于这个P大数据平台，针对他们发动机日志数据处理，就可以针对异常状况进行警报，这个准确率接近90%，随着大数据加机器学习这个效率的提升，这个准确率肯定逐渐提升，他们也是希望通过这个工业大数据平台树立工业大数据领域的标准。

    下面这个例子讲阿里做的一个尝试，我们和徐工集团进行了一个合作，希望利用阿里云和阿里云上面大数据计算的能力，协助徐工建中国工业大数据平台，这个红色的话叫阿里云+徐工=中国的predix。它之前做了很多历史数据积累，做了基础的平台，还是围绕企业本身业务流程做，未来不仅仅为自己，还希望为自己生态链，甚至产业链来进行服务，希望成为中国智能制造的典范，这也是我们一个梦想。

    最后制造企业大数据战略做一些我们的建议，每个企业最早讲到信息化，内部上ERP系统，上CRM系统等等，这个整个过程还是在内部业务数据化的过程，在业务数据化过程中，有一些互联网+的创新，在这个时候逐渐开始在在线化方面进行一些尝试，在线化方面尝试当中，我们发现在线化的核心实现了数据进一步的沉淀，在沉淀之后其实我们可以选择一些聚焦的应用的点，可能我特别希望提升我营销效率，比如希望提高制造生产环节的效率，可以从这样的应用中入手，把整个平台搭到云上，因为云实际上是实现数据共享，流动，融合的一个基础平台，也是未来一个最重要的方向。在整个云端化过程中，使得数据能够进行打通。从关键技术角度来说，我们认为移动、云、大数据、物联网这些都是非常关键的基础设施，我们可以看到云更多作为后台这样一个数据处理和管理的平台，和分析的一个平台，但是移动互联网、物联网、社交网络，这些数据是关键的数据源，数据源需要进到云平台进行数据打通，来实现数据更大的价值，这个也是我们一个简单的建议。

    最后用王坚博士一句话，他提到的这个很有启发，互联网+数据+计算，像人类历史上三个重要的工具，望远镜，显微镜+雷达，让人类看见原来看不见的一个世界，我最后祝愿咱们这些外贸企业能够在未来的转型升级中，能够利用大数据真正实现自己的目标，能够实现智能制造，能够更好的走出国门，谢谢大家。