桉樹CRM：身處大數據時代，擁有的數據足夠多，話語權才更大。對醫藥、化工等相對嚴肅的制造產業而言，在傳統行業信息化、自動化轉型的關口，挖掘數據的價值，讓數據為企業服務顯得更為迫切。

利用高級分析技術改造制造業，可降低流程缺陷、節省時間、節約成本。20年來，得益于精益生產計劃和六西格瑪體系，許多制造企業資源利用率不斷提高，生產流程中的可變性降低，產品質量及產量（即，每單元投入獲得的產出量）也大大提高。然而，在某些特定制造行業（如，醫藥，化工，采礦）即使實施了精益生產計劃也無濟于事，生產還是不夠穩定。

由于這些行業及其他許多行業的產量受到諸多復雜生產流程的影響，制造商需要更嚴謹的方法來發現、改進生產流程缺陷，高級分析技術恰好是這樣一種方法。

高級分析是指運用統計學及其他數學方法分析企業數據，以達到評估、改良生產活動的目的。在制造業中，通過高級分析技術，運營經理可以深入研究往期生產數據，總結不同生產流程及外部投入的特點、相互聯系，并不斷優化最能影響產出的因素。當前，很多不同領域、不同地區的國際制造公司都掌握了大量車間數據，并有能力分析這些復雜的數據，將原本零散的數據進行整合、分析，獲取新發現。

以生物制藥業為例，主要生產疫苗，激素，成分血等醫療產品。生產這些產品需要用到鮮活的轉基因細胞，生產團隊必須監控逾200種生產變量，才能保證原料的純度和產品質量。相同流程生產出的兩批藥物，出廠時差異率仍可達50%-100%。這種不穩定性會影響生產力及產品質量，并招致嚴格監管審查。

某個排名前五的生物制藥公司，運用了高級分析技術，在不增加開支的同時，顯著提高了疫苗產量。該公司將整個工業流程按相關性分組，每組內部都將分散的流程數據、生產原料情況等匯總到一個數據庫。

緊接著，項目團隊運用各種數據分析方法研究這些數據找出不同生產因素間的聯系（上下游間的聯系）及這些因素對產量的影響。其中對產量影響最大的參數有9個，最突出的是細胞植入耗時長短，以及色譜分離過程中的傳導措施。該企業定向調整了某些生產流程，優化這9個生產因素，最終將疫苗產量提高了50%——即為該公司每年生產這樣款產品節省了500萬至1000萬美元，而這只是該公司數百樣產品中的一款而已，如果全線使用高級分析技術，將節省更多資本。

意外收獲

即便是全行業水平最高的制造公司，運用高級分析技術，也可以進一步挖掘潛能提高產量。歐洲某著名化工企業就是很好的例子。該公司為許多行業生產功能化學品及專用化學品，服務的企業包括造紙廠、清潔用品公司、金屬加工廠等。自1960年以來，該公司不斷改進生產，平均產量一直比行業基準高。員工大都不認為該公司還有提升空間。“這就是大家眼中的標桿企業啊！”一位工程師如是說。

然而，該公司利用神經網絡技術（一種基于人腦信息處理方式的高級分析技術）計算、比較不同生產投入對產出的影響之后，取得了意外收獲。該公司監測的生產參數包括冷卻劑壓力，溫度，數量，及二氧化碳氣流。數據分析結果揭露了一些此前被忽略的因素，如二氧化碳氣流不穩定會大大降低產量。重新調整這些因素后，該化工企業的原材料利用率提高了20%，能源消耗率降低約15%。該公司目前采用了高級流程控制彌補基礎系統不足，推動生產監控自動化。

此外，某貴金屬公司能利用不完整的生產數據，經過嚴格測算，也提高了產量和利潤。此前，該公司面臨礦石品質下滑的問題，只能提高采礦、加工速度，或是優化礦石開采、加工技術，才能保持原有生產水平。貴金屬加工過程極其復雜，一般來說有10至15個生產參數，使用器械超過15種，提煉過程也很復雜，包括氰化、氧化、研磨及過濾。

該礦石企業執行團隊掌握的生產、加工數據很分散，故分析團隊首先需要通過數學方法，將這些離散數據聯系起來，并填補信息缺口。隨后，分析人員研究不同生產參數的數據，如化學試劑、流速、密度等等，最后發現溶氧量（是過濾最重要的一個影響因素）的變化會對產量產生最大影響。特別是該團隊還發現氧濃度的波動也對產量有影響，是加工過程控制的又一大挑戰。數據分析結果還表明，該公司生產狀況最好的那幾天含氧量最高。

得出這些結論之后，該公司針對過濾等工序做了一些調整，并在三個月內，將平均產量提高3.7%——在此期間，礦石品質下降了20%，所以，產量提高十分難能可貴。此番產量提高可為該公司持續帶來1000萬美元至2000萬美元的年利潤，而且無需增加資本投入或實施重大變革計劃。

巧用大數據

對于想要使用高級分析技術提高產量的制造企業來說，第一步最關鍵，即思考該公司手頭上有多少數據。大部分公司手頭上數據都不少，但都只將其用于記錄，以備查證，而非改善工廠運作。這些公司要做的，是投資新系統，提高數據利用技巧，提高現有生產數據利用率。比如，將不同來源的數據匯總到一起，并編寫索引，提高數據的易用性，并雇傭數據分析師，因為他們經過專門訓練，能從這些信息中歸納出特點并提出可行方案。

另一些公司，尤其是生產周期長達數月或是數年的公司，他們收集的數據，對分析師來說，能發揮作用的并不多。這些公司的高管需要有長遠眼光，投資數據分析系統，收集更多數據。他們可以采取逐步遞增的投資方式，比如先針對某個特別重要、復雜的流程收集數據，仔細分析這小部分數據，再擴展到整個產業鏈。

大數據時代才剛剛開始，但是高級分析技術在數學研究以及科學領域已發展多年。高級分析技術或成為提高產量的重要方法，對制造業尤其如此，因為制造業流程復雜，存在諸多變量，生產力也有限。事實上，只有成功提高量化考核能力的公司，才能在同類競爭者中拔得頭籌，出類拔萃。

對于中小型企業來說，要趕上大數據時代，提高數據分析能力自然再好不過，但這往往意味著公司要雇傭專門的數據分析人員，甚至系統維護人員，而中小型公司往往人員不足、資金短缺、時間匱乏，不太現實。基于云計算的CRM系統則為中小企業提供了一條理想出路，無需本地部署、專人維護即可享受大數據時代的便利，高效管理客戶關系，不失為緊跟大數據時代的一條捷徑。

編譯|桉云科技，原文有刪改，轉載請注明出處桉云科技及原作者

作者 | EricAuschitzky, Markus Hammer, and Agesan Rajagopaul

來源|http://www.mckinsey.com/business-functions/operations/our-insights