制造企业使用数据分析的应用场景有哪些？

通常在统计学领域，我们把企业的数据都可以叫商业数据，不管这个数据是来自于市场部门、质量部门、服务部门、供应链部门、研发部门还是人资部门。对应的一门学科就叫商业统计学。基于如上的定义，我们来探索一下数据分析在不同场景中的应用可能是怎样的？

① 营销：

我们分三个主要的场景来说明。

第一个是线下营销场景，使用到商业统计分析的主要是产品怎么组合带来的销售额最大、该给哪些消费者寄礼物和卷能够加大其消费概率、哪里选店最合理、区域销售因素主要是哪些因素决定的、销售预测、折扣多少比例能达到最大销售额/销售利润率、哪些产品的反馈更好、应该开发哪些产品、不同产品在不同区域和人群应该怎么投放/陈列等。

第二个是线上场景，在这里使用商业统计分析和机器学习的组合方法较多，包含人群圈选和分类、千人千面的营销策略、推送策略、自然语义相关的评论分析等。

第三个是营销管理相关的场景，更多是营销活动费用的最大化投入产出、营销策略的好坏及效果、不同区域的营销策略制定、销售预算的有效性/广告有效性、营销团队的分析。

在如上三个主要场景中，牵扯的算法比较多，传统的商业统计分析方法较多，包含假设检验，回归，DoE，机器学习，方差分析，时间序列分析等，使用的工具可以是Excel、Qlik、Minitab、Tableau、SPSS等，也可以结合一些BI平台的分析工具，比如慧都的商业智能BI分析工具，具体要看场景来进行选择。

② 研发：

这里我们分为两个主要场景来讲，即一个是偏重于研究和产品开发场景，另一个是工艺。

在研究和产品开发领域，除了学科领域内的算法，在研发过程中，物理集成/配方的开发、最优组合或参数或者配方对应某一效果/性能/成本/质量/服务/效率的最佳组合、可靠性分析和预测、公差分析、寿命预测等。

在工艺场景也类似于研发，比如工艺参数优化、工艺过程控制、工艺开发等。算法上，用到传统的算法比较多，DoE、回归、方差、假设检验等，有特殊场景尤其是比较复杂的超多因素场景，机器学习和神经网络也会有不少应用。在这个部分，常见的数据分析工具有Excel、Qlik、Minitab、Matlab，特殊领域的仿真软件等。

③ 供应链：

对于仓储物流等场景，着重可以使用经典的供应链统计学，里面有大量的算法可以使用，包含运筹学等。在这里对于制造型企业并未有太大的突破，更多的是怎么使用好现成的方法和算法，不再赘述。

比如对库存控制的领域，经典的供应链统计学中有结合库存逻辑和服务水平（六西格玛）和方差来控制最大库存、最小库存、安全库存的量对应销售预测的波动，也可以做到动态安全库存的控制。

对于物流仓储设点，配送等可以使用运筹学方法，也可以使用机器学习的算法，最终实现的都是最短路径/最短时间/最小成本/最XXXX。分析工具层面可以使用Excel、Qlik、SPSS以及专用的仓储物流仿真工具和分析工具。

④ 生产制造：

除了工艺以外，质量、设备、计划排产、精益生产、工厂布局/物流路线、EHS、生产组织方式等方方面面其实都可以使用数据分析，这也是经典六西格玛里面讲的比较多的。比如在质量方面，从制程控制SPC、质量提升、抽样控制、判定好坏、识别影响质量的因素等方面在六西格玛里都有各种分析。

在设备方面，这里笔者不建议非设备生产商去研究自己工厂设备的预防性维护，因为设备原理其实是不知道的，而且预防性维护偏重于长期的数据收集及学习，比较成功的更多是旋转型设备。

设备领域对于重资产型公司，比如化工行业，可以使用分类算法来进行维护维修的判断和打造专家系统，使用分类算法和其他算法来尽量提高设备的在线率，减少MTBF和MTBR等，提高服务水平以此不影响生产效率和质量。计划排产类的算法大多集成在APS软件里，比如遗传算法。

精益生产要更多的结合六西格玛项目推进效果会更好。在生产组织方式可以使用很多的统计学方法来判断不同生产方式的效率、成本、质量等。分析工具角度用的最多的就是Excel和Minitab, 也有不少是用JMP等。

在追求效率的时代，我们不止要求生产效率最佳，同时也要求企业的运营效率最佳，这样才能提升整体的经营水平，比如在计划排产部，如果继续使用excel来人工排产，那么效率就非常低了，做过计划员或生产管理的朋友应该很清楚。建议大家可以了解慧都的APS精益生产排程系统，可以有效的提高排产效率以及资源利用率。

点击此处领取自动排产案例资料>>

⑤ 其他职能模块：

除了如上四个大的模块，其他职能也可以充分使用数据分析提高管理水平和效率，减少风险和成本。比如在人资，可以使用统计分析来分析人员结构，薪资结构，不同培训课程的培训效果，人员离职的分类及对策等。

在风控领域，更多是看数据的波动和异常，尤其是财务类，这里方差类分析也是有用的，机器学习类比如分类算法也是常用的。甚至在经营和战略层面，我们也可以使用回归和方差等分析来判断预算是否能够产生经营效果，并对未来的销售进行预测。

在智能制造时代，如何跟上时代步伐，快速实现制造型企业数字化转型，已经是影响企业核心竞争力的关键因素，而数据分析作为企业数字化转型的基础，应该被企业管理者所了解并合理运用。

最后，欢迎大家来了解慧都智能制造解决方案，从设计、生产、管理、决策，为您的企业提供一站式的数字化转型解决方案。