大数据对企业生产运营管理的影响研究

黄凌灵（副教授/博士）郝伊宁

（北方工业大学经济管理学院北京100144）

一、引言

近年来，大数据技术的飞速发展及其在应用层面的快速推进受到学术界的普遍关注。孙新波等（2019）研究发现，大数据的合理应用可以助力企业提升客户敏捷性、流程敏捷性和合作伙伴敏捷性，有效解决“IT-敏捷性”的内部矛盾，使企业能够更加精准、快速地把握和适应外部环境变化。陈剑等（2020）认为，数字化赋能可以从需求预测、产品设计、定价与库存管理和供应链管理等关键环节提升企业运营效率，从而帮助企业创造更高的商业价值。肖静华等（2018）研究得出，大数据的应用改变了普通消费者参与企业研发的约束条件，可以驱动企业研发与消费者个性化需求更精准地对接。谢康等（2018）对大数据驱动企业与用户互动研发创新展开研究，认为基于大数据构建的知识抽取方法体系需要与研发创新大数据平台相匹配，从而形成创新管理与创新技术的互动迭代。Erevelles et al.（2016）认为，大数据技术使得普通消费者参与行为的可数据化程度大幅提升，其生成的各类数据具有较高的商业价值。徐宗本等（2014）认为，大数据技术的应用能够帮助企业管理者提高决策效率，并对管理机制和决策模式产生重大影响。田歆等（2017）对零售行业运用大数据驱动商业智能系统的实现与运用进行了分析，并提出大数据智能系统框架体系的设计和关键技术。众多研究表明，大数据与人工智能、信息技术、5G等新兴技术相结合，对企业研发及生产运营模式产生重要影响。

企业生产运营是一个持续循环的动态过程，涵盖了技术研发、采购、生产和销售等一系列生产运作行为。随着目标市场细分、产品多元化、原材料多样化以及生产工艺复杂化，生产运作过程日益复杂，与此同时，生产部门也将面临新老产品生产工艺流程的优化、各生产车间之间有效衔接、生产资源优化配置等多重压力。大数据的应用可以有效提高各环节信息沟通的有效性，大幅改善各环节之间的滞后效应，为企业内部管理提供重要支撑。本文将从生产运营管理视角，详细分析大数据应用对研发、采购、生产和销售等环节的影响。

二、大数据对企业研发的影响分析

一直以来，如何使产品研发与客户需求有效对接是企业高度关注的难点问题，事关企业成败，大数据的时效性和全样本特征为解决这一问题提供了切实可行的途径。

（一）及时掌握客户消费偏好

传统模式下，客户消费行为偏好获取难度大、时效性差，并存在失真现象。大数据技术的应用可以通过移动终端、互联网等途径很方便地采集、获取客户各种消费行为数据，包括客户购买数据（如，购买的产品、型号、价格、数量等）、产品评价信息（如，购买评价反馈、客服回访、社区交流平台上的吐槽、在朋友圈中的推荐等），以及特殊消费者的意见和建议（如，产品的超级粉丝、试用者、专业人士等）。

实时采集的消费者行为数据是研发人员及时了解客户消费偏好、掌握客户需求变化最为直接的工具，与研发人员闭门造车相比，利用消费者大数据驱动研发流程，并在研发过程中与各类消费群体进行研发互动，根据互动反馈数据对产品研发方案进行修正和完善，甚至吸引部分消费者在线参与前期研发，可以增强研发团队的市场敏感度，提高产品的市场适用性和认可度，甚至避免因研发失败带来的战略失误。

（二）实施个性化定制

针对目标客户进行市场细分是企业提高市场占有率和客户满意度的主要手段之一，市场细分做到极致就是产品的“个性化定制”。在传统生产运作模式下，企业推行个性化定制存在许多难以跨越的障碍，如，客户专业知识限制导致其定制方案存在缺陷、生产工艺不匹配、生产资源调配难度大、个性化定制成本过高等。大数据与智能制造相结合可以有效解决个性化定制实施过程中的诸多障碍。以家具定制为例，客户的房屋面积、房间结构和风格偏好等个体差异较大导致其对家居的尺寸、样式、甚至功能等方面的需求千差万别，与此同时，受专业知识限制，客户很难给出比较专业的设计方案，企业存储的已下单客户家具定制数据库可以给目标客户提供非常有价值的参考意见，弥补客户在专业设计能力上的不足。与此同时，大数据驱动的智能制造在个性化定制与生产能力匹配方面能够起到至关重要的作用，个性化定制需要柔性生产线支持，并将耗费大量调试时间和调试成本，利用大数据分析技术，结合定制订单情况对生产资源进行合理配置、对生产过程进行动态优化管理，可以有效降低柔性生产线的运作成本，降低定制产品的价格，提高定制产品的性价比和客户满意度。

由此可见，利用大数据驱动企业研发流程变革，可以从根本上解决研发产品与市场需求之间的匹配问题，并在个性化定制与生产资源有效利用之间实现有效均衡。

三、大数据对采购环节的影响分析

企业采购的核心环节是原材料和供应商信息的搜索、询价和筛选过程。在信息不完备情况下，采购过程耗时费力（如，需要采购人员实地察看等），效果却欠佳。大数据技术的应用可以帮助企业建立比较完善的供应链数据库，简化采购流程、优化采购方案，使复杂的采购管理由“人为驱动”转变为“数据驱动”，在提高采购管理科学性的同时，减少采购过程中的寻租成本。

（一）完善供应链体系

大数据技术的应用可以助力企业建立比较完备的供应链体系。企业可以通过数据采集、数据共享或数据购买等多种方式构建比较完备的供应商数据库，供应商的数量尽可能多，方便企业进行多方比价，在与供应商的讨价还价中占据优势地位。数据库涵盖的内容尽可能广，既要有原材料种类、型号、价格、质量、可替代品等商品信息，也需要供应商资质、产能、信用水平、社交平台对供应商的评论、行业地位、与竞争对手的比较等厂商信息，并需要定期与不定期进行信息更新。信息完备、内容全面、时效性强、动态更新的供应商大数据库可为企业利用大数据分析技术完善供应链体系奠定扎实基础，一方面，有助于企业实时了解业内原材料供给情况，及时掌握原材料供给端的新产品和新技术情况，为企业产品研发和生产质量提供保障；另一方面，完善的供应商数据在提高企业采购环节议价能力的同时，有助于企业建立更广泛的战略同盟，增强供应链的敏捷性和安全性。

（二）优化订货管理

原材料成本管理需要在缺货成本与储存成本之间进行均衡，订货量少、订货期长会导致缺货成本上升，反之，订货量大、原材料等待期长会导致存储成本上升，因此，最优采购方案应该与生产环节紧密配合，使得原材料缺货成本与储存成本之和最小。然而，现实中的最优采购方案有可能非常复杂，如，销售订单的波动性大、产品种类较多（尤其在个性化定制下）、生产工艺复杂、供应商提供的原材料差异性大等，这些情况都会大幅提高采购方案制定和优化的难度。企业若具备比较完善的生产运营大数据库，就能够利用大数据分析技术很好地解决这一难题。首先，大数据分析技术可以帮助企业从历史生产运营数据中发现影响存货成本的各种因素，并将各种可控因素纳入采购管理决策范畴。其次，可以结合实际情况和主要影响因素，利用大数据分析技术构建数量庞大的采购管理算法和模型，通过这些算法和模型对企业销售、生产和采购进行比较精准预测，并对供应商的选择、原材料采购品种、采购数量、采购时间和运输做出合理安排。再次，大数据具有很强的时效性，实时采集的生产运营数据能够增强信息透明度，降低各部门沟通协调、决策制定的滞后效应，使采购决策能有效适应市场环境的变化，为采购管理和采购政策的制定提供强有力的数据支持。

由此可见，大数据技术的应用可以帮助企业寻找并锁定高性价比的原材料供应商，合理安排采购计划，建立强大的供应链体系，助力企业提高采购管理的科学性。

四、大数据对生产环节的影响分析

生产环节与生产工艺流程设计、生产要素配置密切相关，其核心在于合理规划、配置各类生产资源，在保证质量的前提下，以最小的投入获取最大产出。随着产品种类、生产工艺复杂程度、涉及生产部门数量以及供应链系统不确定的增加，生产运作管理的复杂性也不断增强。大数据的应用可以助力企业打通生产部门与采购、销售等部门之间的信息壁垒，实现精益化生产运作管理。

（一）打通生产、采购与销售部门之间的信息壁垒

大数据技术的应用可以帮助企业在生产部门与采购部门、销售部门之间建立实时更新的数据共享系统，打通各环节之间的数据壁垒，从而保障生产计划的合理性和有效性。如，与采购部门的数据互联，可以使采购部门实时了解各类原材料的运转情况，帮助采购部门制定和优化采购计划，同时避免原材料短缺导致的停工损失，以及原材料积压导致的储存成本和损耗增加；与销售部门的数据互联，可以增强生产部门的市场敏感度，根据市场情况的变化，及时制定和更新生产计划，同时避免产品供货不足和产品积压等现象。

（二）合理配置生产资源

在企业内部生产管理方面，大数据的应用也可以产生立竿见影的效果。首先，大数据技术可以帮助企业在各生产部门（或生产环节）之间建立实时更新的动态数据共享中心，各生产部门根据管理部门设定的权限，可以很方便地从该生产数据共享中心获取生产环节的动态信息（如，原材料经过了哪些工序、每道工序的停留时间、还需多久能到自己负责的工序、各部门需要做哪些准备等），从根本上改变通过生产加工流转单进行原材料和半成品周转导致的信息滞后效应，从而实现各生产环节的无缝链接，提供生产运作效率。其次，公开透明、实时更新的生产数据可以为优化生产流程和生产工艺提供强有力的数据支撑，如，去掉一些不必要的冗余程序使生产流程简洁流畅；合理安排各道工序的生产位置，从而节省不同工序之间的周转时间和相应工序的半成品仓储流程。再次，在个性化定制大规模推广情况下，由于定制化产品的原材料型号、尺寸、甚至工艺存在差异，生产管理的复杂程度将大幅度提高，企业需要具备柔性化生产能力，大数据分析技术可以帮助企业在复杂条件下优化生产资源配置，合理安排生产计划，减少设备调整以及原材料、半成品、产成品的周转时间，有效降低个性化定制产品的生产成本，提高定制产品的性价比。

由此可见，大数据技术的应用可以帮助企业在生产部门内部，以及生产部门与采购部门、销售部门之间实现实时信息共享，从而减少各生产环节之间的信息壁垒，优化生产和工艺流程，提高生产运作效率和生产运作管理水平。

五、大数据对销售环节的影响分析

销售部门与客户的联系最为紧密，作为企业实现利润的重要窗口，其主要任务是向客户推销企业产品，并为客户提供优质的用户体验和售后服务，培养客户对品牌的忠诚度及口碑效应，促使客户重复购买或向亲朋好友推荐，因此，深入了解客户的消费偏好和个性化需求成为销售部门重中之重的任务。

挖掘客户消费偏好、了解客户需求的传统方式是市场调查，但这种方式在实际使用过程中效果并不理想。首先，鉴于时间精力和调研成本的限制，市场调查通常采用随机取样方式进行，用样本数据推测总体情况时会存在一定程度的估计偏差。其次，市场调查的质量与调查对象填写调查问卷时的认真程度密切相关，而这点在市场调查过程中很难控制。再次，即使调查对象填写问卷时态度认真，也不能保证其勾选项就一定代表真实购买行为。

大数据的应用可以帮助销售部门很好地规避市场调查中存在的缺陷。首先，大数据获取的是客户真实消费行为信息，对客户消费偏好的分析是建立在每个客户真实的历史消费数据之上，客户真实的消费行为一定比填写调查问卷时要认真，从而很好地规避传统调查问卷中存在的大量无效调查问卷问题。其次，大数据是对全体消费者行为的全样本分析，因此，可以很好地规避传统方法取样过程中产生的估计偏差，并且，全样本数据在挖掘不同类型客户的个性化需求和市场细分等方面比随机样本数据更具说服力。另外，消费者数量越多、消费者行为数据采集内容涵盖越广，大数据分析就越全面，挖掘的有效信息也越多，有可能发现被市场调查忽略的其他关键因素。

由此可见，大数据技术的应用可以帮助企业深度了解客户的消费偏好，挖掘消费者行为的影响因素，有效弥补市场调查的不足，从而为企业提供高质量的市场分析，为客户提供更体贴的个性化服务。

六、结论

大数据具备时效性强、数据种类多、数据内容覆盖范围广等特征，可以帮助企业不断调整、优化生产流程，去掉冗余流程、去繁就简，提高生产资源配置和生产运营效率。因此，企业应积极推进大数据技术在生产运营管理中的应用，提高各生产运营环节的信息透明度，提升企业生产运作效率。同时，企业应充分利用生产运营大数据库，与供应商、销售商的数据实时共享，敏锐捕捉供应链上下游的变化，从而帮助企业及时抓住机遇、规避风险，提高预测分析能力，为应对外部环境变化以及制定管理决策提供技术支持。当然，大数据在提升企业生产运营管理能力的同时，也会带来虚假信息、信息安全、信息泄露等一系列风险问题，急需弥补技术漏洞、完善相关法律法规，构造一个健康的大数据生态系统，为企业健康可持续发展保驾护航。