大数据驱动下制造类企业管理决策优化探讨

摘要：大数据技术的发展和应用，为制造类企业的管理决策提供了新的数据资源、分析方法和创新机会。如何利用大数据技术提高制造类企业的管理决策效率和效果，是制造类企业转型升级的重要课题。本文阐述大数据驱动管理决策的概念和特征，从战略决策、运营决策、创新决策三个方面探索大数据驱动的制造类企业管理决策的优化路径和方法，为制造类企业的管理决策优化提供理论参考和实践指导。

关键词：数据驱动、战略决策、运营决策、创新决策

1绪论

制造业是国民经济的重要支柱，也是大数据技术的重要应用领域。制造业的管理决策是指制造企业在生产经营活动中，为了实现既定的目标，对各种问题进行分析、评价、选择和执行的过程。制造业的管理决策涉及战略决策、运营决策和创新决策等多个层面，对制造企业的发展和竞争力有着重要的影响。在大数据环境下，制造业的管理决策面临市场需求的变化，要求制造企业提供更加个性化、多样化、高品质的产品和服务，满足消费者的差异化需求。这就需要制造企业能够利用大数据技术，实现对市场需求的实时感知、精准分析和快速响应，提高产品和服务的设计、生产和交付的效率和质量。另一方面是技术创新的变化，要求制造企业提高自主创新能力，突破关键核心技术，摆脱对外部技术的依赖。这就需要制造企业能够利用大数据技术，实现对技术创新的全面支持，包括技术信息的获取、技术知识的管理。大数据驱动下的管理决策转型，有利于制造类企业释放数据要素的价值，激活数据要素的潜能，优化资源、资产配置，实现企业管理与商业模式的再升级，从而达到转型升级、降本增效的目的。

2 大数据驱动的制造类企业管理决策的概念和特征

2.1 大数据驱动的制造类企业管理决策的概念

大数据驱动的制造类企业管理决策是指制造类企业在生产经营活动中，利用大数据技术收集、存储、处理、分析、挖掘、可视化等技术，对内部和外部的海量数据进行有效利用，为各种问题进行分析、评价、选择和执行的过程。大数据驱动的制造类企业管理决策是一种新的决策范式，与传统的模型驱动的决策范式有所不同。模型驱动的决策范式是指制造类企业根据预先设定的规则、假设和模型，对有限的数据进行处理和分析，从而得出决策方案的过程。大数据驱动的决策范式是指制造类企业根据数据的特征和价值，对海量的数据进行处理和分析，从而发现决策方案的过程，如图1所示：

2.2 大数据驱动的制造类企业管理决策的特征

大数据驱动的制造类企业管理决策具有以下几个特征：

一是数据驱动。数据是大数据驱动的制造类企业管理决策的核心资源和基础，数据的质量、量级、多样性、时效性等决定了决策的效率和效果。制造类企业需要利用大数据技术，实现对内部和外部的数据的全面获取、整合、分析和应用，从而提高决策的数据驱动能力。

二是智能化。智能化是大数据驱动的制造类企业管理决策的重要特征和目标，智能化的决策能够提高决策的精准性、灵活性、自适应性等。制造类企业需要利用大数据技术，实现对数据的智能化处理和分析，利用人工智能、机器学习、数据挖掘等技术，从数据中提取知识和规律，从而提高决策的智能化水平。

三是创新性。创新性是大数据驱动的制造类企业管理决策的重要价值和结果，创新性的决策能够提高决策的竞争力、领先性、影响力等。制造类企业需要利用大数据技术，实现对数据的创新性利用和应用，利用数据分析、可视化、推荐、优化等技术，从数据中发现新的机会和方案，从而提高决策的创新性能力。

3大数据驱动的制造类企业管理决策的优化原则

3.1 战略性原则

大数据驱动企业管理决策是企业管理决策未来发展的指导因素，大数据驱动企业管理决策是公司管理层商议得出的结果，能够对管理决策过程和成果起到约束作用。同时，大数据驱动企业管理决策对企业的总体目标和战略目标的实现具有助推剂的作用。因此，企业运用大数据驱动管理决策的优化要立足于企业战略的角度，利用战略性的原则来实现企业内的全方位优化，最终确保企业的发展战略中融入大数据驱动管理决策。

3.2 智慧化原则

智慧化是大数据技术应用于企业管理决策过程中的重要实现目标。具体表现在：一是实现数据的数字化管理。企业管理人员应充分利用大数据处理技术将企业能够获得的所有数据信息以数字化的形式进行存储，确保基于大数据技术的管理决策平台能够及时有效地对数据进行分析，同时根据分析结果为企业人员的决策制定提供支持。二是基于大数据技术的企业管理决策平台应该与企业内部所有部门的信息系统进行连接，同时与所有子公司的数据和数据仓库进行对接，实现企业内部信息数据和外部信息数据的连通，真正实现企业管理决策平台的智能化管理。

3.3 全面性原则

大数据驱动企业管理决策要坚持以公司员工为基础的思想观念，企业的构成和运行离不开每一位普通员工。每个员工均是公司活动和业务的一份子，因此公司大数据驱动企业管理决策工作与每个员工的参与都息息相关。大数据驱动企业管理决策活动涉及到了公司的各个部门，对完成每项工作活动和实施每个环节，与员工的沟通和协作高度相关。对现行大数据驱动企业管理决策的优化，就是提升企业管理决策的科学性，在大数据驱动企业管理决策更具有实用性和可行性的同时，增加员工对大数据驱动企业管理决策的指导意义。从分析目前的 企业大数据驱动企业管理决策现状出发，发现存在的问题及导致问题出现的原因，最后提供一个实用可行的大数据驱动企业管理决策方案。

4 大数据驱动的制造类企业管理决策的优化路径

4.1 大数据驱动的制造类企业战略决策的优化路径

战略决策是指制造类企业为了实现长期的目标，对企业的发展方向、竞争策略、资源配置等进行分析、评价、选择和执行的过程。战略决策是制造类企业的最高层次的决策，对制造类企业的发展和竞争力有着重要的影响。在大数据环境下，制造类企业的战略决策面临着市场需求的多样化和个性化、技术创新的快速发展和变革、资源环境的紧缺和压力等挑战，需要利用大数据技术，实现对市场、技术、资源等的实时感知、精准分析和快速响应，提高战略决策的效率和效果。

4.2 大数据驱动的制造类企业运营决策的优化路径

运营决策是指制造类企业为了实现短期的目标，对企业的生产计划、库存管理、物流配送、质量控制等进行分析、评价、选择和执行的过程。运营决策是制造类企业的中间层次的决策，对制造类企业的运营效率和质量有着重要的影响。在大数据环境下，制造类企业的运营决策面临着生产过程的复杂性和不确定性、客户需求的动态性和多变性、供应链的风险性和协同性等挑战，需要利用大数据技术，实现对生产、需求、供应等的实时监测、精准预测和快速调整，提高运营决策的效率和效果。

4.3 大数据驱动的制造类企业创新决策的优化路径

创新决策是指制造类企业为了实现中长期的目标，对企业的产品创新、技术创新、模式创新等进行分析、评价、选择和执行的过程。创新决策是制造类企业的最低层次的决策，对制造类企业的创新能力和竞争力有着重要的影响。在大数据环境下，制造类企业的创新决策面临着创新环境的复杂性和不确定性、创新资源的稀缺性和分散性、创新过程的非线性性和迭代性等挑战，需要利用大数据技术，实现对创新环境、资源、过程等的实时感知、精准分析和快速调整，提高创新决策的效率和效果。

利用数据驱动的战略、运营、创新决策模式和方法。制造类企业需要利用大数据技术，实现对决策的数据驱动的分析、评价、选择和执行，提高决策的精准性、灵活性、自适应性等。具体来说，制造类企业需要采用数据驱动的战略、运营、创新决策分析和评价模式，利用数据挖掘、可视化、推荐等技术，从海量数据中发现决策的机会和方案，对决策的可行性、有效性、优劣性等进行分析和评价；选择数据驱动的决策设计和选择方法，利用数据优化、模拟、预测等技术，对决策的方案进行设计和选择，优化决策的参数和策略；遵循数据驱动的决策执行和反馈机制，利用数据监测、评估、调整等技术，对决策的执行过程和结果进行监测和评估，及时调整战略、运营、创新决策决策的方案和策略。

5大数据驱动的制造类企业管理决策的优化方法

5.1建立大数据驱动的决策体系和平台

制造类企业需要建立一个以数据为核心，以技术为支撑，以流程为手段，以结果为反馈的战略、运营、创新决策体系和平台，实现对决策的全面支持。具体来说，制造类企业需要构建大数据的收集、存储、处理和分析系统，利用大数据的数据特征、问题特征和管理决策特征，实现对决策的数据支持；利用大数据的挖掘、可视化、推荐和优化技术，实现对决策的技术支持；实现大数据的共享、交换、协同和创新应用，实现对决策的流程支持；监测大数据的效率和效果，实现对决策的结果支持。

（1）构建数字供应链通讯平台

从数字化应用到数字属性激活再到应用价值转化，具体表现为，数据跨域整合实现精准管理，数字平台构建实现数据共享与联动，数据分析技术增强实现使能创新。如图2所示，例如通过建立决策体系平台，构建数字供应链通讯平台，可以激活企业的动态能力，提升企业信息获取能力、风险应对能力和信息分析能力，从而在真实性、共享性、全局性三个方面优化采购决策。以数字化供应链为依托，对于生产管理业务流程也可以在获取相关信息的基础上，来提升决策的针对性。例如通过分析设备维护数据，更加精准地判断企业产能；通过整合销售商库存偏好信息、产能信息等，可以为生产计划的制定提供必要依据，从而确保生产计划的有效性，实现成本效益最大化。在生产加工控制过程中，通过数据分析和挖掘，可以实现对整个生产加工过程的监控，并在库存信息及时更新的基础上，进行针对性调整和优化。

制造企业在运输通讯领域引入数字技术，打造数字化供应平台，依托于数字化供应平台，有效优化全球供应链，供应质量可以得到显著改善。作为动态管理系统，供应平台会收集供应链交易数据，在数据分析挖掘的基础上，提升供应交易的精准度和有效性，有利于打造更加稳定的供应关系。依托于该平台，不同主体可以实现信息交互和数据共享，并通过平台获取各类咨询、融资、物流运输、交易清算等相关服务，有利于降低供应链物流成本。引入数字化供应平台后，供应商管理质量得到大幅提升，供应商之间的沟通互动更加有效，整个流程的透明度极大提升，为企业强化竞争力提供了有效支撑。货物运输是企业采购过程中的最后一环，通过运输流程的数字化，可以实现物流运输各方主体的信息共享，及时了解运输动态。整个系统运作流程如图3所示：

通过调研，制造企业供应链环节采用数据驱动决策前后在以下三个方面产生了区别。一是在实时可见性方面，使用数据驱动前，供应链透明性较低，信息传递不畅，信息相对不透明，需要时间来汇总和分析数据。数据驱动后信息实时可见性，提高供应链透明性，允许公司实时监测供应链活动，识别问题并迅速做出决策，有助于更好地协调和合作。二是在成本管理方面，使用数据驱动前，库存管理较为保守，以应对不确定性，成本控制基于经验和静态成本分析。使用数据驱动后，数据驱动方法允许更精细的库存管理，能够更精细地控制成本，根据实时数据采取成本节约措施，以减少库存成本并提高库存周转率。三是在供应商关系方面，使用数据驱动前，供应商关系更依赖传统合同和人工协商。使用数据驱动后，数据驱动方法使供应商关系更为合作和透明，以优化供应链效率。

通过数据驱动应用于供应链决策中，A企业整体的供应链管理效果更加科学。例如，A企业在需求管理业务流程中，和销售商依托于数字化供应链而建立深度合作关系，通过对相关数据的收集和分析，更加及时有效的了解市场动态和消费偏好，并和销售商联合制定产品战略，并以此为导向来做出研发、采购、营销等方面的决策。通过数字化供应链管理，有利于企业根据销售情况制定科学的生产管理计划，除了最大程度的改善库存管理效能，以扩大企业利润空间。A企业在生产管理业务流程中，以数字化供应链为依托，在获取相关信息的基础上来提升决策的针对性，例如通过分析设备维护数据，更加精准的判断企业产能；通过整合销售商库存偏好信息、产能信息等，可以为生产计划的制定提供必要依据，从而确保生产计划的有效性，实现成本效益最大化。在生产加工控制过程中，通过数据分析和挖掘，可以实现对整个生产加工过程的监控，并在库存信息及时更新的基础上，进行针对性调整和优化。

（2）构建研发云一体化平台

如图4所示，从数据驱动的视角出发，以客户需求作为研发工作的出发点，而了解客户需求的关键在于对客户行为海量数据进行分析和挖掘。从线上线下两种渠道获取客户需求，激发大数据属性，释放驱动效应，从数据驱动的可预测性、创新性、及时性三个属性来提升研发决策的需求导向能力、需求影响能力、协调共创能力，促使大数据能力向应用价值转化，最终实现研发决策优化。

以制造A企业F工厂为例，会有晨会与周例会制度，回顾前一天或前一周的生产数据，其中也包括质量数据，但因为反馈和数据质量问题，会上无法有效推进变更的决策，缺乏大数据思维的归类总结，无法及时提升产品设计，例会制度流于形式。A企业虽已成功上线QMS系统，但是QMS系统目前只提供手工数据录入功能，并没有做到质量情况实时反馈，质量判定的实时反馈也需要智能制造方面的支撑，如产品识别技术、缺陷识别技术等。因为反馈支持较差，数据统计维度不足，难以做到长时间跨度的研发质量数据分析，更不要提用于研发质量预测。众所周知，最好的防错是产品设计上的防错，若没有一个有效的闭环流程，必然会造成运营过程的损失。

制造A企业F工厂结合了数据驱动下的管理决策及其构建了“数据化的制造服务化”流程。A企业确定的PLC流程将整体的制造流程分为了好几个步骤，如图5：

如图5的A企业制造服务化PLC流程，共计分为了评估阶段、开发阶段和生产阶段三大角度。但整体而言，制造服务化的流程方案疏漏较多。A企业制造服务化的流程方案虽然设定了PLC流程，但从整体的角度来看，目前的PLC流程并不全面，其中存在着非常多的疏漏之处。如评估阶段缺乏客户关注点的考量、制造服务化流程中的客户反馈机制匮乏等。

通过研发管理决策的数据驱动，构建研发云一体化平台后，制造A企业的研发决策更加科学。在A企业通过数据驱动研发管理决策后，使需求规划更准确和动态，以适应市场变化，A企业的研发管理决策更具数字化。首先，在公司管理层面，制定业务研发流程与IT融合管理体系。将业务研发全链路落地到IT平台，实现端到端全流程管控。流程建设聚焦端到端的流程变革，解决了业务研发运作效率的问题，通过业务研发流程的重构和流程数字化流转实现业务在线、研发在线、流程在线、管理在线，也使企业管理更加扁平化、流程化。

制造企业应以数据为依托，建立全天后精准研发体系，围绕用户体验，不断扩大用户应用场景，搭建新型研发数字化创新平台，实现各类资源要素的有效连接，为协同研发创造良好条件，实现各类新型技术的深度应用，不断优化和改进用户体验。制造企业要以自动系统集成为出发点，有效整合各类先进资源要素，构建新型自主自动仿真业务生态圈，为相关业务的持续扩展奠定坚实基础，致力于打造研发云一体化平台，不断改善服务能力，为制造企业发展注入更多活力。

5.2培育数据驱动的决策文化和能力

制造类企业要积极的在公司内部建立大数据管理角色的组织文化，通过培训、宣传等方式让企业上到管理层，下到一线员工形成了一定的大数据思维，利用大数据的相关技术进行企业的日常管理和操作，可以有效的提升了企业的工作效率和工作质量。同时利用大数据的相关技术也让企业的管理层更加方便的了解了员工的实际需求，提升了管理的有效性。尤其是在居家办公所带来的企业生产“停滞”问题下，可以在保护员工安全的同时服务好客户，制造类企业要加速了数字技术的应用，强化了企业的数字文化，对企业决策的方式产生深厚影响。

制造类企业需要培育一种以数据为导向，以价值为核心，以创新为目标的决策文化和能力，实现对决策的全面提升。具体来说，制造类企业需要建立数据驱动的决策理念和价值观，树立数据的重要性和必要性，提高数据的信任度和利用度，形成数据驱动的决策思维和习惯。培养数据驱动的决策人才和团队，提高数据的获取、分析、应用和创新的能力和水平，构建数据驱动的决策组织和网络；提高数据驱动的决策素养和水平，掌握数据的特征、价值、方法和技术，运用数据驱动的决策模式和方法，解决决策的问题和挑战。

参考文献

[1] 陈国青，吴刚，顾远东，陆本江，卫强.管理决策情境下大数据驱动的研究和应用挑战——范式转变与研究方向[J].管理科学学报，2018，21（07）：1-10.

[2] 崔美姬，李莉.大数据环境下的管理决策研究[J].控制工程，2019，26（10）：1882-1891.

[3] 施振佺，郭畅.大数据驱动的高校科技管理决策研究[J].科技管理研究，2021，41（21）：24-29.

[4]王斌.大数据对教育管理决策的影响分析[J].信息与电脑（理论版），2019（16）：237-238.

[5]李媛.大数据对企业管理决策影响分析[J].全国流通经济，2020（08）：44-45.

[6]张玉荣.试论大数据对企业管理决策的影响[J].全国流通经济，2019（19）：29-30.

[7]任臻.大数据对企业管理决策影响探究[J].营销界，2020（03）：177-178.

[8]罗佳.浅析大数据对企业管理决策的影响[J].经济研究导刊，2020（19）：12-13.

[9]包志炎，王萱，魏杰，邱雁，陈伟军.大数据驱动下灌区水资源管理决策支持平台研究[J].浙江水利水电学院学报，2020，32（04）：14-18.

[10]余海燕.大数据对企业管理决策影响分析[J].南方农机，2020，51（03）：227.

[11]刘伟鑫，陈允行.探究网络时代背景下大数据对企业管理决策的影响[J].中国市场，2020（19）：81-82.

[12]张园园，陈立，马睿，章洁，阎瑞敏.大数据对企业管理决策的影响分析[J].企业改革与管理，2021（03）：14-15.

2022年度重庆市教委科学技术研究计划项目（项目编号：KJQN202203602）和2023年度重庆工贸职业技术学院校级科研项目（项目编号：RW202330）

作者简介：李金峰（1993-），女，重庆涪陵，重庆工贸职业技术学院讲师。研究方向：区域经济学、管理学、市场营销等