思迈特利骏锋：制造业客户只为业务价值买单，而不是为BI工具买单

为了解制造业数智化升级的现状及其未来发展方向，数据猿特别专访了思迈特软件副总裁利骏锋。此次专访将深入探讨制造业在数智化升级中的独特需求，分析BI厂商如何通过数据分析为制造企业提供有力支持。

大数据产业创新服务媒体

——聚焦数据 · 改变商业

全球数字经济快速发展，制造业数智化升级成为新时代的关键命题。我国正积极引领新质生产力创新，在这样的背景下，制造企业迫切需要通过数智化手段提升生产效率、降低成本、应对市场变化。然而，如何实现数智化升级仍然是一个复杂的难题。

传统的转型升级方法，如工业4.0、智能制造和工业互联网等，虽然在一定程度上推动了制造业的发展，但仍面临诸多挑战。这些方法更多地关注设备互联和自动化，而忽视了数据分析在其中的核心作用。事实上，数据分析能够深入挖掘制造企业的潜在问题，提供精准的解决方案，是数智化升级不可或缺的一环。

为了解制造业数智化升级的现状及其未来发展方向，数据猿特别专访了思迈特软件副总裁利骏锋。思迈特作为国内领先的BI厂商，凭借其在制造业丰富的客户案例和应用实践，积累了独特的经验和见解。通过这次专访，我们将深入探讨制造业在数智化升级中的独特需求，分析BI厂商如何通过数据分析为制造企业提供有力支持。

作为新质生产力的主阵地

制造业对数智化提出了更高的要求

利骏锋认为，随着全球经济向数字化转型，制造业正面临着前所未有的挑战和机遇。数字经济时代对制造业的要求，不仅仅是简单的技术升级，更是全方位的系统性变革。具体来看，制造企业要想在激烈的竞争中生存下来，需要在以下几个方面不断提升能力：

1. 面向市场需求导向的C2M模式，构建高度灵活的生产模式

传统的制造业生产模式以大规模、标准化生产为主，但在数字经济时代，客户需求多样化和个性化趋势明显。制造企业需要从传统的供应链模式，转向以客户需求为导向的C2M（Customer-to-Manufacturer）模式。C2M模式要求制造企业具备高度灵活的生产能力，能够根据订单需求进行快速调整和响应。销售业绩监控 

为了适应市场变化和客户需求，制造企业需要构建敏捷制造系统。敏捷制造强调快速响应和灵活调整，通过数据分析预测市场需求，优化生产计划，提升生产效率。

2. 精准的订单预测和生产协同

在C2M模式下，准确的订单预测至关重要。制造企业需要通过数据分析，对历史订单数据和市场趋势进行分析，预测未来订单需求。准确的订单预测可以帮助企业优化生产计划，避免库存积压或短缺，提高资金利用效率。以数据分析优化供应链管理 

订单预测只是第一步，制造企业还需要实现生产协同，确保各生产环节协调一致。生产协同不仅包括内部各部门之间的协同，还包括与供应链上下游企业的协同。通过生产协同，制造企业可以提高生产效率，缩短生产周期，提升市场响应速度。

3. 全面的成本还原与管控能力

在激烈的市场竞争中，制造企业面临巨大的成本压力。通过数智化手段，制造企业可以实现成本透明化，精确计算每个生产环节的成本。成本透明化可以帮助企业发现成本控制的关键点，制定有效的成本控制策略，降低生产成本。生产过程管控大屏
进一步，制造企业需要通过数据分析，对生产过程进行精细化管理。精细化管理不仅包括对原材料和人力资源的管理，还包括对设备维护和能耗的管理。通过精细化管理，制造企业可以提高生产效率，降低生产成本。
4. 优化库存管理和经营效率制造企业的库存管理，一直是一个复杂且关键的问题。过高的库存会占用大量资金，增加存储成本；而过低的库存则可能导致生产中断，影响交货期。为此，制造企业需要实现精准的库存管理，根据订单需求动态调整库存水平，平衡库存与生产的关系。

此外，在数字经济时代，制造企业需要通过数据分析，优化生产流程，提升经营效率。经营效率的提升不仅体现在生产效率上，还体现在整个企业运营的各个环节。通过数据分析，制造企业可以找出运营中的瓶颈和问题，制定相应的改进措施，提高整体经营效率。

可以说，制造企业的数智化升级，已经不再是一个选择题，而是每一个制造企业的必答题。然而，要实现制造企业的数智化，尤其是实现有效的数据分析，并不容易。
例如，制造业务具备复杂的生产流程和数据结构，这为数据分析带来不小的挑战。制造业的生产流程复杂，涉及原材料采购、生产制造、质量检测、成品存储、物流配送等多个环节。这些环节之间环环相扣，任何一个环节出现问题都会影响整个生产过程。制造企业需要通过数据分析，对生产流程进行全面监控和优化，提高生产效率。
除了生产流程复杂，数据结构复杂也是制造业务的一个重要特点。例如，制造企业数据往往包含结构化数据和非结构化数据，结构化数据如订单信息数据、生产计划数据、库存数据等；非结构化数据如监控视频、客户反馈信息等。制造企业需要通过数据治理技术，对复杂的数据结构进行处理和分析，提取有价值的信息。

让制造业客户买单的
是数据分析体现出的业务价值

在当今数字经济的推动下，制造业的数智化转型已成为必然趋势。BI厂商在此过程中扮演着重要角色，其服务定位直接影响客户的转型成效。那么，BI厂商应该提供怎样的数据分析产品和服务，才能更好帮助制造企业客户实现数智化升级呢？

我们以思迈特为例，来分析BI厂商应该具备的能力。

利骏锋介绍道，思迈特以其一站式ABI平台为核心，为制造业客户提供了全方位的数据分析和智能化服务，帮助客户实现业务优化和管理提升。思迈特的ABI平台通过大数据技术，整合企业内部各类数据（生产数据、销售数据、库存数据等），形成一个统一的数据平台。这使制造企业能够全面掌握生产经营的各个环节，及时发现并解决问题，从而提高运营效率和管理水平。利用数据建模和分析，ABI平台可以精准预测未来的订单需求，帮助企业合理安排生产计划，避免库存积压或短缺现象。这不仅提高了生产效率，还增强了企业对市场变化的快速响应能力。供应链需求计划优化管理系统

此外，思迈特的ABI平台集成了先进的人工智能技术，通过数据分析，为制造企业提供智能决策支持。例如，通过实时监控和分析生产数据，ABI平台可以预测设备故障，提前安排维护，减少设备停机时间，从而提高生产效率。

利骏锋特别提到，思迈特不仅提供强大的数据分析产品，还结合了微咨询服务，根据制造业客户的具体业务需求定制数据分析解决方案。这种微咨询服务模式，强调深入了解客户的业务流程和痛点，通过专业的咨询服务提供有针对性的解决方案。

例如，不同企业在订单管理、生产流程、成本控制等方面的需求各不相同，思迈特通过微咨询服务深入了解每一个客户独特的业务需求，进而量身定制解决方案。通过微咨询与BI产品相结合，思迈特不仅帮助客户分析数据，更重要的是通过数据分析发现业务中的问题并提出改进建议和措施。微咨询过程梳理企业指标体系

利骏锋给我们讲述了一个具体的客户案例，来说明思迈特是如何服务制造客户的。

某锂电池客户案例——通过数据分析发现成本误差，优化适合领导层查看的数据视角

2022年底思迈特签约某锂电池客户，目前已在服务第四期。思迈特如何快速取得客户的信任并持续为客户赋能呢？

通过分析该公司提供的各类报表，思迈特团队发现该公司所有的报表完全依赖于ERP系统的结果数据，且ERP系统在版本升级后产生了报表逻辑错误，导致在与服务商和物流商结算时出现成本误差。

为了解决这个问题，思迈特团队迅速建议并实施了从ERP系统转向BI平台输出报表的流程，帮助客户解决了成本结算的误差问题。基于BI平台的数据分析和业务逻辑，思迈特为该公司构建了完整的风控机制，有效地监控和防范了财务风险。

在管理上，针对该公司领导层对数据查看视角的变化，思迈特提出了在信息化系统中，通过自定义项或流程调整来直接呈现所需数据的建议，显著提升了数据获取的效率和准确性。此外，根据领导层数据查看需求，思迈特进一步提出了对信息化系统的优化建议，大大提升了业务管理的效率和成果。这一系列举措帮助该公司实现了数据管理的精准化和业务流程的优化，获得了客户的高度信任和持续合作。

接着再来看两个典型案例。

在服务某全球领先家电龙头企业时，思迈特面对客户如何降低成本和提振利润的需求，制定了一套OTC（从订单到现金）数据监管解决方案。该方案通过对订单、生产、交付和回款全过程的精细化数据管理，帮助企业在每个环节识别成本控制的关键点，实现了对成本的有效管控，从而显著提升了企业的利润水平。

在服务某具有出海需求的头部锂电池企业时，思迈特针对其快速响应紧急订单的需求，提出了优化库存和生产的解决方案。通过对订单需求的精准预测和生产计划的优化调整，思迈特帮助该锂电池企业提高了供应链效率，确保了紧急订单的及时交付，避免了库存积压或短缺的情况，提升了企业在国际市场的竞争力。

通过这些案例可以看出，思迈特的数据分析不仅停留在表面，而是深入到制造企业的核心业务中，发现并解决了业务中的关键问题。正如利骏锋所说，让制造业客户为数据分析体现的业务价值买单，而不仅仅是购买BI工具，是思迈特的核心理念和成功之道。

对话式数据分析
制造业数智化的新抓手

在数字经济时代，AI与BI的融合成为大势所趋。这种融合不仅代表了技术的进步，更是制造业数智化转型的新抓手。

AI大模型的快速发展，为BI系统注入了新的活力。AI不仅可以处理海量数据，还能通过智能算法挖掘数据中的深层次模式和关联。而BI则将这些数据转化为可视化的报告和图表，帮助企业进行决策分析。将AI与BI融合，实现从数据收集、整理到分析、预测的全流程自动化，大大提升了数据分析的效率和准确性。

将AI大模型与BI融合，可以构建对话式数据分析新模式，使用户可以像与人对话一样与数据进行交互，降低了用户使用BI系统的门槛，不再需要复杂的技术操作或专业的编程技能。这种直观、便捷的交互方式，使更多非技术人员也能充分利用数据分析工具，提升企业整体的数据分析能力。

此外，传统的BI系统更多依赖于预先设定的分析模型和报表模板，灵活性较差。而通过融合AI大模型的对话式数据分析，可以实现动态的、个性化的数据挖掘和分析。AI大模型根据用户的具体问题和需求，自动选择和调整分析模型，提供更为精准和深入的分析结果。这不仅提升了数据分析的深度和广度，还能及时发现潜在的业务问题和机会，帮助企业做出更明智的决策。

利骏锋告诉数据猿，为顺应AI+BI融合的趋势，思迈特即将推出其创新产品——思迈特对话式分析软件【简称：Smartbi AIChat】，该产品通过先进的自然语言处理技术，用户可以通过语音或文本与系统进行交互，提出各种业务问题，系统自动理解用户的意图，提供相应的数据分析结果。此外，其内置强大的AI大模型，能够自动进行数据挖掘和模式识别，无论是复杂的统计分析还是深度学习模型都能胜任，并提供高质量的分析结果。通过实时数据处理和分析，Smartbi AIChat可以即时反馈用户的问题和需求，用户不需要等待复杂的计算过程，即可获得及时的分析结果和业务建议。思迈特ABI平台之对话式分析

落脚到制造领域，Smartbi AIChat将在多个方面助力制造业的数智化升级。例如，通过对设备传感器数据的实时分析，企业可以预测设备故障，提前安排维护，减少停机时间；通过智能订单预测和生产计划，Smartbi AIChat帮助企业快速响应市场变化，调整生产计划，提高市场响应速度和客户满意度。

在全球数字经济快速发展的背景下，中国正处于从制造业大国向制造业强国转变的关键时期。数据分析工具在这一过程中扮演着至关重要的角色，通过深入挖掘数据价值，帮助制造企业优化生产流程、提升经营效率，实现智能化转型，是思迈特这样的BI厂商的使命。中国数字经济规模及占GDP的比例 

数据来源：信通院 数据猿制图

随着人工智能、大数据、云计算、物联网等技术的进一步融合，未来的数据分析工具将更加智能化和自动化。智能化、数据驱动的制造模式将成为新常态，数据分析技术将成为制造业数智化升级的核心驱动力。通过充分利用数据分析工具，制造企业不仅能实现全面的业务优化，还能在全球竞争中占据有利位置。置身于这一转型的历史节点，制造企业必须紧跟技术发展的步伐，积极推进数智化转型，以数据驱动的创新思维，迎接未来的挑战和机遇。

文：一蓑烟雨 / 数据猿
责编：凝视深空 / 数据猿

————
思迈特软件成立于2011年，网页搜索”思迈特软件官网“、”Smartbi“或者关注微信公众号”思迈特Smartbi“，申请免费体验思迈特软件智能BI产品！