随着我国快速控制xinguan疫情以及十四五规划的出台，大力推进新基建，实施经济发展的“双循环”战略，我国制造业迅速回升.
在用工的压力与“新基建”等政策的指导下，前进的方向逐渐清晰起来：在IoT与大数据等技术的加持之下，通过对传统产线数字化的改造与建设，将达到生产效率与成本的优化。
这不仅是局部工厂的解决方案，更是推动我国制造业发展的过程中，所采取的必要的生产方式的变革。
如何让工厂稳步向数字化、智能化转型？
一、评估自身数字化成熟度、匹配能力模型、制订目标
很多企业的领导，尤其是偏生产部门的领导，说要搞数字化转型，便让HR在市场上高薪招聘一个智能制造总监，就几个人苦心专研。数字化转型不是一个人几个人能搞起来的，企业在确定要搞数字化转型，在制定数字化转型战略目标的时候，一定不能忘记的事，要进行工厂能力调研，如果只管目标制定，不对能力进行匹配分析，结果往往目标可能无法落地。
关于数字化转型能力建设，建议由企业组建数字化转型团队，该团队直接汇报给负责企业数字化转型的VP。各业务部门对接，整合和落实管理层业务战略愿景，并推动具体业务部门和IT执行落地。
二、智能制造整体规划的重要性
其实智能制造和数字化转型没有统一的标准，做的多也不代表你就是智能制造，做的少也不代表你就不是，智能制造和数字化转型其实就是要解决企业的痛点，如果通过新一代信息技术赋能企业业务痛点问题的解决，狭义的来讲，解决问题的项目就是智能制造项目，没有必要去上自己不需要的东西，这里特别强调一点，没有必要为了新技术而新技术，新技术一定是伴随着解决某个具体问题的，如5G是为了解决带宽延迟或者其它因网络面临的痛点；一物一码是为了解决溯源问题等等。
整体规划其实在做一件事情，即定义清楚在什么时候需要解决什么问题，锁定的是两个维度属性，时间维度和需求维度。那为什么整体规划这么重要呢？
整体规划能够让管理层看到未来2～3年的整体蓝图，更容易界定这个标的是不是与他对企业或者战略发展方向的定位是相吻合的，管理层的认同对于后续下面执行层的推动是非常有利的，行业有一种说法叫“所谓领导重视的项目一般都比较好推”；有了清晰的整体规划，更好识别促成整体规划可落地的相关资源要素的匹配，如预算、人才等；整体规划也是对企业现状的一种zui好的摸底，说规划要仰望星空、对标yi流，但我们不能忽视规划ZuiZui重要的属性，即立足于企业当下和实际。通过整体规划的行动，识别出企业当下面临的困难和业务痛点，整体规划其实也是一种找出疼点，持续改善的过程。
三、生产部门和IT部门的深度融合
提到两化融合，工业化和信息化的融合，大家都不陌生，站在甲方的视角，真正落实两化融合，Zui应该做的，在管理模式上要落实生产部门和IT部门的融合。
项目架构更多体现生产执行层对于企业中长期的发展战略定位和生产部门运作流程，数字化转型团队比IT部门更了解业务，更重要的一点，相比IT，数字化转型团队有独特的优势，他们有更多的机会和高层一起开会、访谈交流，他们更懂老板的心声；技术架构更偏向底层技术，IT会比业务更懂，知道如何进行资源部署配置，实现性能Zui优，如使用5G还是wifi，部署私有云还是公有云等；IT要和数字化转型团队保持密切的协作，IT人员前期可以参与项目架构规划的讨论和交流中，从技术层面，给业务人员提供技术指导，便于项目架构Zui终可实施的可行性。
四、选择合适的实施路径
数字化转型涉及的业务面非常广，要落实企业基于一个流的执行，很多企业都实施了几十个，上百个不同的IT系统。表面上看呢，感觉信息化做的很成功的，但仔细一分析，很多系统都是靠着兄弟们的血汗在人肉运维才可以支撑下去。一般业务在做业务架构规划时，是基于企业的价值链流程来识别业务需求，作为甲方数字化转型相关的规划团队，除了日常要不断积累业务经验，也不要忘记去多走出去，了解和对标行业内标gan企业和标gan乙方解决方案，有能力去识别、判定和积累，形成符合企业潜在需求的知识库，以便在项目真正来临的时候，不至于盲人摸象，不知所措。
赛百君建议企业采纳自上而下的顶层规划和自下而上的局部尝试并行。不同的局部尝试发生冲突时，遵循直接客户相关的解决方案优先、客户体验优先，以及IT 架构前瞻性优先原则。
五、数据驱动和智能化
在谈企业数字化转型的时候一定单独将数据拿出来谈。对应数据问题实际上企业在原有的业务运作和IT系统建设中就已经在做。做法有很多，包括构建基础主数据平台、数据管控治理体系、BI系统、大数据分析平台等。那么在谈数字化转型的时候在数据这个维度有哪些注意点呢？
1：数据应用于管理和自动化
在第一阶段，实际上数据仅仅是应用到管理和自动化，我们通过信息化建设，不断地在IT系统里面形成数据，通过这些数据来支撑了我们Zui基本的业务运作。比如我们常说的你要完成一个端到端供应链流程，里面涉及到供应商、采购框架协议、采购订单、采购接收单、出库单、付款单等，这些都是数据。而通过这些数据的产生，使用，交互和协同我们完成了一个完整的端到端业务流程，即：数据支撑了基本的业务流程运作，实现管理自动化。
2：数据应用于运营
在第一阶段数据实际上也可能应用到运营，比如我们常说的构建了企业内部的BI系统，通过BI系统进行辅助决策和运营。在数字化经济时代，面对客户的需求我们需要更加敏捷地响应，传统的BI很难做到如此敏捷。在第一阶段更多的是固化的定时操作，比如我们接到到订单后，安排采购和生产，我们每个月进行一次需求计划和预测，安排生产。而在数字化阶段，真正需要回答的是客户究竟需要什么？我们该生产多少，哪些应该多生产哪些应该少生产，基于当前的订单数据，我们应该如何快速调整我们的市场策略，如何引导客户产生更多的购买需求等。也就是说数据不再是简单地实现管理自动化，而是需要形成数据思维，形成数据驱动运营的思想。这与我们在谈到中台建设时，将业务能力数据化和数据能力业务化是一个道理。
3：从自动化到智能化
当积累到一定量的数据后，你就可以开始考虑智能化的问题。赛百君认为，企业的数字化转型，智能化度是一个关键趋势。真正的智能化不是简单的信息化和信息采集的自动化，而是基于历史数据进行持续的学习，形成有价值的规则，并持续改造运营和业务运作的能力。而从自动化到智能化的过程中，数据刚好起到了承上启下的作用，即数据本身的积累数量、数据的质量、数据的全面性等都将直接影响到后续智能化分析模型的构建，深度学习的输入和算法优化。没有数据，所有的智能化都是空谈。
注：在谈到数据这个维度的时候，我们经常会马上谈到数据中台，大数据分析平台这些技术层面的内容。实际上数据维度的核心仍然是数据驱动运营的思维转变。这种驱动是一种实时敏捷的驱动，是一种对运营的持续优化改进。
六、重视持续运营、持续优化
偏生产管理类的系统，如PLM、ERP、MES，传统的IT人员很难运维，这里所说的运维，不是只是保证服务器不宕机，那个是狭义的运维，也不是运营，系统运营的概念，得了解和熟悉这个系统内落地实施的流程，在用户不清楚或者不懂的情况下，具备培训和引导的职责，对系统运行的数据可进行配置、运行状态进行分析和提出优化改善建议。
一个系统或者项目上线，只是万里长征迈开了第一步，其实真正的挑战和困难是运营不是上线。为什么现在很多企业的信息化项目上了很多，但反馈都是用的不好呢，这有很多原因造成的：很多软件不是为企业的业务量身定做的，项目实施过程期间，真正的用户往往参与的时间很短，一般就需求调研阶段和用户接受测试UAT（UserAcceptanceTest）阶段，加起来估计也不足半个月，好多业务关键用户在这个参与其间，又不是全职，还有很多本职的工作，在这个阶段，想让Zui终使用的用户能对系统功能和体验做出很恰当判定是不可能的；项目功能测试的数据也是伪造的，UAT测试不可能把所有的业务流程都能按照1：1实物流程运作一遍，这个时候的测试往往并不能识别很多潜在的问题；业务的需求在不断的变化，很多业务本身也是在不断通过项目不断优化和完善，不可能基于半年前或者一年前提的需求，还能那么好的兼容；软件系统的笨重和复杂，若没有足够的运营支持和不断的培训推广，很多用户就放弃使用了。
那如何制定合适的运营策略呢？
系统IT系统运维策略，保证系统的运行稳定性、可靠性和性能；制定企业数据运营，根据实际用户的使用情况，定期分析和评估判定，识别出影响系统应用的潜在问题和风险，并和规划团队进行沟通，制定改善策略；制定系统用户推广机制，包含培训、日常问题对接处理响应机制。
七、不忘前沿技术的研究储备
如果说第1～第6点都是脚踏实地，那第7点算是锦上添花。新技术的诞生到商业化的应用，一般都有一个很漫长的时间差。对于传统制造业来说，这个时间差可能会更长。有人说，针对新技术的应用，传统制造业要比互联网行业至少落后5～10年。那作为制造企业的数字化转型团队，如何做到既保障内部稳定，又不落后于行业的先行者们呢？
参观对标交流，通过学习别人的案例，了解前沿技术的储备和应用情况，这个也是Zui简单、Zui直接、Zui可行的方式，通过看和听来了解；尝试和一些具有代表性的企业展开一些合作研究，比方说AI算法如何应用于工艺过程质量预防；经济条件允许的企业，可以内部设置一些先进技术研究实验室，可以联合高校、生态圈其他同行建立联合创新项目，真正落实产学研一体化融合，让高等学府的孩子们能够尽早了解企业的需求。
数字化转型是一个复杂的体系化工程，对于甲方来说，要有真正胜任的人来牵头，整合内部资源和外部资源，形成真正的数字化转型生态圈或者联盟，让合作更加融合，让模式更加多元化。数字化转型不是一朝一夕的事情，要做好打持久战的准备。作为企业数字化转型的牵头人，要能深刻认识到，数字化转型不是一批项目上线就结束了，要始终秉持持续的、精益的运营改善思维和理念，在数字化转型过程培养人才，在培养人才过程中促成企业数字化转型升级。