白癜风患者感恩 http://baidianfeng.39.net/a_xcyy/211229/10133800.html报告编委
报告指导人
黄勇爱分析合伙人首席分析师
报告执笔人
汪菁爱分析高级分析师
张乙天爱分析分析师
李冬露爱分析分析师
外部专家（按姓氏拼音排序）
胡鑫滴普科技Cloud云服务总裁
吴树贵隆道公司总裁兼首席产品设计师
特别鸣谢（按拼音排序）
媒体支持
报告摘要
年工业互联网带动制造业增加值预计达到1.68万亿元。与此同时，工业互联网产业增加值规模突破4万亿元，成为促进我国经济高质量发展的重要力量。
目前，全球疫情仍在持续，世界经济复苏动力不足，大宗商品价格高位波动，外部环境更趋复杂严峻和不确定。同时，我国经济发展面临需求收缩、供给冲击、预期转弱三重压力，我国制造业目前仍面临内外经济环境多因素不确定性的挑战，需进一步巩固已有的数字化建设成果，持续进行精益管理、智能制造改革。
在年政府工作报告中也将完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高应用能力作为十四五期间的目标任务。在工业企业内部管理中，数据智能作为企业数字化转型的基础要素，决定了工业制造智能化管理的深度和精度。
近年国内外疫情反复，对制造业上下游市场的稳定性造成冲击，全球产业链正经历新一轮重构。因此，促进工业经济平稳运行，加强原材料、关键零部件等供给保障，实施龙头企业保链稳链工程，维护产业链供应链安全稳定是今年重点的保障方向。
爱分析通过本报告对工业数据智能平台和供应链协同2个重点市场实践案例的研究，为工业企业决策层以及业务、IT部门负责人提供企业数字化转型的实际落地经验，帮助其更好地完成企业数字化升级改造。
目录
1.工业互联网发展进入关键阶段
2.工业数据智能平台应用实践
.供应链协同应用实践
4.工业互联网趋势展望
5.结语
1.工业互联网发展进入关键阶段
1.1工业企业面临一系列挑战
年，政府工作报告中指出，全球疫情仍在持续，世界经济复苏动力不足，大宗商品价格高位波动，外部环境更趋复杂严峻和不确定；我国经济发展面临需求收缩、供给冲击、预期转弱三重压力；消费和投资恢复迟缓，稳出口难度增大，能源原材料供应仍然偏紧，输入性通胀压力加大，中小微企业、个体工商户生产经营困难，稳就业任务更加艰巨，关键领域创新支撑能力不强。这高度概括了我国今年经济发展中将要遇到的问题与挑战。
放眼世界，尽管疫情依然持续，但全球科技和产业竞争更趋激烈，大国战略博弈进一步聚焦制造业，美国“先进制造业领导力战略”、德国“国家工业战略”、日本“社会5.0”和欧盟“工业5.0”等以重振制造业为核心的发展战略，均以智能制造为主要抓手，力图抢占全球制造业新一轮竞争制高点。
纵观国内，我国制造业目前仍面临内外经济环境多因素不确定性的挑战，需进一步巩固已有的数字化建设成果，持续进行精益管理、智能制造改革。
1.2我国工业互联网发展现状
年我国企业数字技术与实体经济加速融合，传统产业数字化智能化改造加快，新兴产业保持良好发展势头。企业研发经费增长15.5%，创新能力进一步增强。CNNIC发布《中国互联网络发展状况统计报告》显示，我国工业互联网发展初具规模，工业互联网体系呈多层级全面蓬勃发展的态势。当前我国“综合型+特色型+专业型”工业互联网平台体系基本形成，具有一定行业和区域影响力的平台超过家，平台赋能效应进一步显现。
图1：年我国工业互联网平台发展现状
据中国工业互联网研究院数据显示，工业互联网对我国GDP产生巨大带动作用。其中，年工业互联网带动制造业增加值预计达到1.68万亿元。与此同时，工业互联网产业增加值规模突破4万亿元，成为促进我国经济高质量发展的重要力量。工业互联网核心产业增加值在年-年期间超过9%，年复合增长率达24.6%。三年时间，工业互联网核心产业增加值实现近一倍增长。
图2：工业互联网对制造业的带动情况
制造业可以分为流程制造与离散制造两类，因其生产过程的差异导致工业互联网渗透率并不相同。流程制造生产过程多数涉及化学反应，不确定性大、高污染、高耗能等特征都促使流程制造企业更希望借助工业互联网的数字化、智能化建设降本增效。生产过程特性导致流程制造相比与离散制造自动化基础好、工业互联网平台应用价值高、应用刚需性强。离散型制造特征为多品种小批量，人工作业场景多的生产类型自动化程度都不高。所以流程制造较离散制造工业互联网平均渗透率高。当前，流程制造工业互联网行业渗透率平均值约为5%，离散制造工业互联网行业渗透率平均值约为15-20%。
图：工业互联网细分行业渗透率
1.工业数据智能与供应链协同成为企业的核心关切
在工业企业内部管理中，数据智能作为企业数字化转型的基础要素，决定了工业制造智能化管理的深度和精度。在年政府工作报告中也将完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高应用能力作为十四五期间的目标任务。
在工业企业外部业务合作中，供应链协同是一项重要课题，数字化赋能下的供应链协同能够显著提升企业产业链稳定性和经济性。加之近年国内外疫情反复，对制造业上下游市场的稳定性造成冲击，全球产业链正经历新一轮重构。因此，促进工业经济平稳运行，加强原材料、关键零部件等供给保障，实施龙头企业保链稳链工程，维护产业链供应链安全稳定是今年重点的保障方向。
本报告中，爱分析通过对工业数据智能平台和供应链协同2个重点市场实践案例的研究，为工业企业决策层以及业务、IT部门负责人提供企业数字化转型的实际落地经验，帮助其更好地完成企业数字化升级改造。
图4：工业互联网市场全景地图
2.工业数据智能平台应用实践
2.1传统模式下的挑战
工业生产经营活动业务流程复杂、环节繁多，传统企业往往需要使用上百个工业控制软件对不同设备、工厂、部门或业务环节进行对应管理，但系统间数据相对孤立，联动困难。同时，随着企业不断发展，内外部多种类多特征信息同步海量增长，企业难以高效准确地进行数据分析和业务决策。
基于精细化生产经营管理的需求，企业需要通过打通数据孤岛、实时数据分析等手段更好地进行数据应用，进而实现降本增效的业务目标。
2.2工业数据智能平台解决方案及价值
工业数据智能平台是支撑工业企业数据分析和数据应用的底层基础设施，以工业数据为生产要素，利用大数据和人工智能技术对数据进行管理与应用，实现数据驱动的智能分析与辅助决策。
工业数据智能平台能够无缝接入各工业业务管理系统数据，例如MES、ERP等，同时对结构化、非结构化、流式及批式数据进行标准化处理，然后通过数据治理、数据计算、数据分析，形成数据资产，沉淀出不同业务维度的数据域及数据指标，进而能够根据企业实际经营管理需求，对数据进行例如规则设定、逻辑关联、分析开发、数据看板等数据应用，面向运营、生产、采购等业务场景辅助管理层高效决策，使得企业能够进一步解放传统人力工作，提高业务效率和质量，实现数据驱动。
案例:某军民融合企业发力工业数据智能平台建设，提高一体化生产经营能力
时代背景下孕育出的数字化转型需求
中国电子信息制造业正在经历由规模红利转向精益制造、数字化转型推动行业发展的关键时期，产业发展进入“重科技研发，高价值产品创新突破”的新阶段。同时，各企业面临电子原材料涨价、用工成本高、产品同质化严重等不利因素，需要进一步利用好数据资源进行精细化管理。在当今数字经济与技术快速发展的时代背景下，工业数据智能平台成为企业数据驱动增长的重要抓手，为实现企业价值增量提供重要支撑。
某军民融合集团大力推进数据驱动战略
某军民融合集团作为中国电子信息竞争力百强企业，跨行业、多领域的业务线促使其迫切需要精细化管理提升企业效能。企业已建设完成数字化设计（PLM）、数字化管理（ERP）、数字化制造（MES）三大核心平台，但业务、生产相关数据未作关联，业务流程断点依然存在。多年来，集团已有系统中沉淀了大量宝贵的数据资源，但尚未通过有效治理形成可便捷使用的数据资产。该军民融合集团迫切希望基于XBOM体系（不同业务视角下的BOM体系）构建出“研发-制造-管理”一体化数据链路，减少经营决策相关指标数据的手工核算，降低运营决策中个人经验依赖度，能够通过数据资产对业务决策形成支撑，提高日常管理运营效率。具体业务需求主要体现在以下三方面：
图5：某军民融合集团供应链协同业务需求图
该军民融合企业携手滴普科技共同构建工业数据智能平台
经过多轮供应商筛选，该军民融合集团最终选择与滴普科技合作共建数据智能平台。
北京滴普科技有限公司成立于年，是专业的数据智能服务商。滴普科技以最新的数据智能技术为基础，以数据的业务价值为核心，深耕精益制造、商业流通、生物医药、金融科技、能源双碳等领域的数据资产建设，现已为余行业头部客户实现数字化升级。
滴普科技数据智能解决方案为“数据基础底座+数据资产管理与应用平台"架构的新一代云原生数据智能服务平台FastData。其中，数据基础底座通过实时湖仓引擎DLink，实现对各种结构化、非结构化数据湖仓一体、流批一体的存储，通过数据智能开发平台DataFacts对多源异构的数据进行标准化处理，通过数据科学分析平台DataSense进行数据探索式分析与应用。数据治理平台DataKuber能通过数据资产生产、编织和生命周期运营，支撑上层设备故障诊断、经营分析、工艺优化等业务场景应用，实现业务与数据的底层融合与数据资产价值最大化。
通过需求调研、业务梳理、问题诊断、方案设计、布设实施五大实施步骤，滴普科技项目团队为该军民融合企业构建起数据采集、数据加载、数据转换、数据计算储存、数据分析、数据应用的一站式定制化数据智能平台。
该数据智能平台从技术层面可分为以下三层：
1）解决结构化数据、半结构化数据、非结构化数据的收集连通储存问题，实现湖仓一体化及流批一体化。支持PB级海量数据储存和调用，为各种离线数据和实时数据提供整体的解决方案。
2）提供标准化多功能的数据治理体系，通过数据治理、数据计算、数据分析，形成数据资产，沉淀出不同业务维度的数据域及数据指标，进而全方位多层次地进行数据资产管理，帮助军民融合集团形成业务知识数据资产化的最佳实践。
）贯穿需求、设计、制造、供应链、销售及售后的全业务链条，根据不同经营管理业务逻辑及指标，配用相应的模型和算法，生成相关业务场景数据看板，助力企业实现高效的管理决策，聚焦数据驱动，建设XBOM数据链、打造数字新军工。
该数据智能平台在数据应用方面，已初步建成采购、生产、产品、客户、经营、方案六大主题数据中心，并配置数据看板。
工业数据智能平台助力该军民融合企业提质增效
数据赋能业务价值
形成+产品数据模型、10+经营数据模型、70+客户数据模型、50+采购数据模型；新品D数字化样机率达到90%、BOM准确率从92.%提升至96.6%、核心指标自动化率从62.2%提升至76.9%、报表自动化率从40%提升至90%。
图6：项目成果
建设XBOM数据链，打造数字新军工
实现集团核心经济指标的自动化统计分析和追溯，提供实时可得的经营成果数据、预测数据。0+套信息化系统统一集成，形成11个业务场景数据应用落地，建设完成采购、生产、产品、客户、方案、经营管理六大业务领域数据资产地图，整体贯穿从需求、设计、制造、供应链、销售到售后全业务流程。
以产品质量管理场景为例：
产品及其质量数据分散在相关业务系统中，当需要查询产品信息和产品出现质量问题时，业务人员只能在各系统中进行数据查询和问题追溯，效率低下且各数据的关联性和准确性也得不到保证。产品质量管理人员迫切希望通过数据智能平台的建设，进行数据治理和数据资产化管理，以实现产品全生命周期数据的及时查询和产品质量的正反向追溯。为此，滴普科技提供了一整套的解决方案，并组织具备丰富交付经验的团队进行实施。
首先安排业务架构师到客户现场展开需求调研，掌握客户的急迫需求：
1、产品全生命周期包括任务来源、研发设计、物料采购、制造装配、试验验证、产品交付、保障服务、问题跟踪等环节，但这些数据分散在CRM、SRM、ERP、QMS、TC等系统中，不能实现产品全生命周期信息的快捷查询。
2、产品的质量贯穿于物料采购、物料使用、库存管理、制造装备等环节，虽然每个环节有相关的质量管理流程，但是每个环节中产生的质量数据并没有有效进行关联，并缺乏统一的质量考核指标体系，导致出现质量问题时，不能快速定位问题原因和影响范围。
围绕上述痛点，进行源系统数据探索和业务梳理，共计梳理业务系统5个，梳理数据项条，制定质量管控考核指标71项。
同时，滴普科技实现对多源异构数据的集成，采用数据智能开发平台（DataFacts）产品进行数据分层分域的开发和数据治理，采用数据治理平台DataKuber进行数据资产管理，数据资产编织等，最终在解决业务部门关于产品全生命周期信息查询和产品质量正反向追溯的同时，也积累和沉淀了企业的数据资产。
优化决策、推动转型
以数据为支撑对全域业务进行多维解构和深度分析，进一步提高决策的科学性和精准性，利用数据孕育智能，创造新的业务模式和业务价值，以价值为导向推动业务智能化转型升级。
弹性扩展、绿色节能
以IT资源云化重构工厂数字基础设施，实现IT基础资源的弹性扩展、按需分配、动态使用和集约管理。基于超融合、余热回收等技术精简机房设备、降低运行能耗、实现数据中心的绿色节能。
经验总结
数字化转型方案设计：数据智能平台建设需进行一体化设计，切勿形式主义，再造数据孤岛。在企业数字化转型早期，管理层易在局部视角下进行数字化建设，未能在全局视角下建立一体化设计思路，未在过程中建立联动关系，致使生产、业务、管理之间仍然存在断点，数据中心流于表面，处于静态维护层面，最终实际应用价值大打折扣。本次案例有效进行了基于一体化设计的全局优化，显著提高了业务自动化水平和内部管理效率。
多期迭代，持续升级：数字化转型是一项且行且进的螺旋式上升工程，需要兼备全局和战略视角。本次案例属于该军民融合集团与滴普科技的第一期数据智能平台建设，企业管理层应当结合自身企业状况和发展阶段，借助数字化厂商的丰富落地经验，持续进行数字化探索以建立长效机制，提高竞争力。
实施过程重行业落地经验：工业细分领域行业知识差异大，非结构化数据多，对生产流程和业务逻辑的综合把控并非易事。从数据处理到业务场景落地之间，实施过程更加注重合作厂商相关行业落地服务经验。企业在厂商选型时需要
