大数据行业助力制造企业智能化转变，在其中扮演重要角色 

钢板冷轧过程中的色差、划伤、污染、夹杂等十几种不良问题，过去靠人工检测，抽检率最高45%，检测人员还很容易视觉疲劳。采用机器视觉检测后，不仅实现了实时检测，抽检率提升到91%，还可以自动给板材分级。

这套由联想大数据团队开发的机器视觉检测系统，已经在国内几家钢厂投入使用。而机器视觉，只是联想大数据赋能制造业的众多解决方案中的一个。

——通过大数据算法构建需求预测模型。借助机器学习和知识图谱，联想大数据为一家钢铁行业客户精准预测钢材需求，并为下游厂商精准画像。相对于以前的专家预估方法，预测准确率大幅提升至92.2%以上，有效降低库存成本数千万元，对应产品库存周期周转时间降低了20%。

——基于联想协同制造支撑平台，联想大数据为一家乘用车企业完成了汽车营销系统、客服系统、售后系统、生产制造系统、车联网系统多业务的系统接入，基于大数据算法，针对业务异常的智能诊断分析效率提升了60%以上，一年降低运营成本上千万元。

——借助联想大数据物联网平台，武汉石化将催化裂化装置的历史数据和实时生产工艺数据整合起来，通过智能化处理和机理分析，解决了一些传统工业软件无法解决的关键问题，实现了装置工艺链的整体优化，进一步推动企业的智能化转型。

云网端的迅速发展带来了数据量的激增，根据IDC数字宇宙报告显示，全球自从2010年进入ZB时代以来，由于物联网设备发展速度远超过智能手机的发展，因此由物联网所产生的数据增量将会驱动着全球数据量在2020年达到44ZB。

大数据工匠精神的结合对于制造业的转型升级至关重要。而大数据的实时、感知和预测等特点确实可以为制造企业在降低成本，缩短生产周期，提升效率，细分产品定位，优化流程和决策等方面扮演重要角色。

我们国家的制造业企业之间在信息化建设和数据化程度方面相差很大，但总体上由于距离消费者相对较远，因此互联网化与数据化程度和对大数据的认识相对金融、电信、政府等行业相差比较远。

我们看到对于制造业来说，如果把数据分为内部和外部两大类的话，内部数据主要包括经营及运营数据、客户数据、产品相关的设计、研发和生产数据、机器设备数据等，传统的信息系统处理比较多的是内部数据为主，围绕着业务流程改进和提升为主要目标，而且对于机器设备运行的日志数据相对利用较少;外部数据包括社交数据、合作伙伴数据、电商数据以及宏观数据等这方面数据的开发和利用相对较少。大部分企业不仅内外部数据尚未打通，自己内部的数据也还没有实现整合和标准化，信息孤岛现象也是屡见不鲜。

数据对于制造企业的全流程来说都可以起到非常积极的作用，比如从产品设计和研发开始，如果能够非常直接地对接到消费者，依据对消费者的行为和消费数据分析，定位相应的产品设计和研发。同时也能够依据消费者对产品的喜好和需求量，进行定向精准的市场营销，进行产品的计划和生产的排产，减少相应的库存。同时，数据对于线上线下销售的协同，对于供应链优化和管理也可以起到重要的作用，在提升对客户的服务水平方面，如何针对不同细分市场需求，进行全渠道销售的设计规划等方面都会起到重要的作用。