4．大数据相关人才缺失
在智慧制造的过程中，联网节点数的暴增将会产生远远比社交网络、消费互联网等其他平台更多、更复杂的数据采集、处理和分析需求。“通过云端的大数据分析系统，对大量机器发来的CPS、MES 以及虚拟与现实结合的数据进行深度分析和决策，既需要工业领域的专业知识，也需要信息手段整合不同领域、不同标准、不同安全要求的数据，但无论是大数据平台管理、数据分析还是复合型人才培养，均是目前整个服务网络中平台任务实现的重点和难点。”（注10）这就需要具有综合能力的人才，而现实是合格的数据分析师必须同时具备三种能力：一是熟悉数据分析工具操作，二是熟悉企业业务运作细节，三是具备数据勘探知识，但可以同时具备这三种能力专长的人才，还是非常稀缺的。权威专家估算，我国未来五年大数据人才缺口将高达130万左右，大数据平台运维与开发、数据分析、数据安全等专业人才供求矛盾十分突出，具备扎实理论基础，又有业务实践经验的大数据人才奇缺。目前国内所有的数据分析师，他们都擅长于为已经发生的问题找出问题源头并排除问题，却大都缺乏发掘未知问题的能力。所以，企业在对大数据进行处理的过程中，大多需要“专家顾问”来解决问题，而这所花费的时间与成本，也让大数据处理的效益大打折扣。
5．企业大数据处理面临挑战
企业的大数据处理已经不是信息部门的一个单独的业务处理，而应上升为企业的一项重大发展战略，这就意味着大数据的处理往往需要企业信息、运营、营销等部门的协调与合作。此外，“数据采集成本较高、质量参差不齐、传输网络不可靠、安全保障较低等也是影响工业大数据平台投资与回报的重要因素。”（注11）不仅如此，数据安全的威胁长期存在，在管理不当的情况下，容易出现数据泄露、丢失或损坏等安全隐患，这其中自然还包括商业秘密和技术专利等与企业生死存亡密切相关的敏感数据。研究表明，目前在泄密事故中由内部人员所导致的泄密事故占75%以上，虽然通过管理制度规范、访问控制约束以及审计手段威慑等防护措施能在很大程度上降低内部泄密风险，但在个人灵活掌握终端的情况下，这些防护手段仍然很脆弱。一旦终端信息脱离组织内部环境，泄密情况就很可能会发生。
（二）大数据给制造型企业管理带来的机遇
1．从大数据中充分及时挖掘顾客需求
在大数据时代企业想要获知客户群体十分简便，大数据能够让企业获知客户的基因，为企业提供针对客户的个性化建议，与消费者建立紧密的联系。通过社交媒体数据、网络分析或其他数据可以让企业了解每一位客户。通过利用大数据，企业甚至可以预知顾客尚未提出的需求，寻找新的市场和商业机会，也可以帮助企业发现哪个市场适合首先推出新产品。亚马逊利用大数据这一特点将客户所感兴趣的商品、浏览的商品定制了客户的专属页面，获得了相比往年同期增长27%的佳绩。日本小松公司通过对挖掘机安装传感器与GPS定位系统，从而实时监控车辆运行情况，并通过大数据分析，对未来挖掘机市场的需求进行预测从而调整生产。
2．针对客户需求和评价随时改进产品
过去制造型企业就是在卖产品，产品到了用户手里，只要不出质量问题，那么至此就与企业无关了。然而，大数据时代，产品卖出不仅不是结束，恰恰是一个新的服务阶段的开始。大数据赋予了制造型企业更强的创新能力，用户不仅是购买企业生产出的产品，而且能参与到研发、生产、营销等诸多环节，在这个过程中将产生大量数据。企业可以利用全国性甚至全球性的产品售后海量大数据收集来进行预测性分析，预测产品的质量、寿命、使用状况，找出产品容易出问题的“质量点”，进而创造出创新的产品和服务，为用户提供有针对性的服务，令用户获得更好的服务体验，也让企业拥有之前不曾拥有的创新能力。以家用恒温器市场为例，家用恒温器行业历来波澜不惊，竞争企业数量少而稳定性较高。一家名为Nest的新进企业向业内老牌企业发起了挑战，推出一款“善于分析”的恒温器——它能够运用各种分析手段，了解客户的偏好和使用模式，而自行做出相应调节。运用以数据为本的创新业务模式，Nest成功唤醒了这片沉寂已久的土地。
3．高效节约降低运营成本
在传统制造企业里，数据被分散在用户、合作伙伴以及企业的各个部门当中，这使得企业在获取数据的过程中要花费大量的成本。而大数据技术的出现就使得企业能够将所有数据轻松集中到一个平台上，确保企业内所有部门都能围绕着相同的数据展开协同工作，可以轻易地发现组织管理中效率较低的地方，从而改进目前的管理制度设计和方法，使得企业管理变得更加高效，降低决策失误和部门沟通不畅所带来的成本损失。每年“双十一”电商大战，面对海量商品，物流公司通过大数据及精确算法，可以找到货物最佳摆放点及装载方法，可以将一车货物满载率从96%提高到97.9%，从而实现“装得最满、用时最少”，还可以提前预测路况，帮助货车选择最佳行驶路线。国内一个知名外卖公司通过对厨师不同菜品炒菜时间、送餐距离、路径等信息的“数据挖掘”，最终实现了机器智能派单，不仅大大提高了效率，每月还能节省1000万元人工调度派发订单的成本。
4．降低决策风险
传统的企业管理模式中企业的领导和管理层是绝对的决策者，但是在大数据时代中企业领导决策的作用将会被渐渐弱化，企业将会逐渐将公众作为决策主体，制造企业可对大量的客户、业务、营销、竞争等多方面数据信息以及通过社会媒体平台获取的公众意见进行分析挖掘，从而形成大数据分析，进行智能化决策分析，进一步提高决策的准确性。同时，可以利用大数据技术对生产流程进行优化设计，以定制化的产品和服务来满足用户的个性化需求，通过对市场数据的收集、分析、整理能够对市场变化做出准确判断，从而及时调整企业战略和资源配置，制定更加可靠的战略。如2008年之后，中国服装行业经历寒冬，不少企业出现库存危机，阿迪达斯也不例外。很多企业把降价、打折等手段作为清库存手段，然而这些手段只能制标不能制本。阿迪达斯通过挖掘大数据，有了许多有趣的发现，用数据说话，帮助经销商选择最适合的产品，为阿迪达斯找到了更多细分市场。实际上，对大数据的运用，也顺应了阿迪达斯大中华区战略转型的需要。库存危机后，阿迪达斯从“批发型”公司转为“零售驱动型”公司，它从过去只关注把产品卖给经销商，变成了将产品卖到终端消费者手中的有力推动者。而数据收集分析，恰恰能让其更好地帮助经销商提高售罄率。
三、传统与大数据环境下制造型企业管理创新比较
企业管理的传统模式，是从特定的企业实践管理问题出发，以问题为驱动的探索式创新；从制度管理及人性化管理出发，利用组织知识和专家智慧，在定性与定量分析相结合的基础上，探索出问题的解决途径，从而实现企业管理创新。大数据环境下，企业创新环境与条件复杂、多样，所面临的可能创新选择以及实现企业管理创新的方法和路径也将更多。因此，随着企业外界环境的变化，决定着企业管理创新在大数据环境下与传统模式下有着诸多本质性的区别，主要体现在五个方面。
第一，驱动因素。传统企业管理是从特定的企业实践管理问题出发，以问题为驱动的探索式创新，而大数据环境下的企业管理是立足创新意识，在数据的驱动下，以提升管理效率为目标追求进行的管理创新。第二，环境与条件。传统企业管理主要在制度度管理及人性化管理的保证下，依托组织内资源、集合组织知识和专家智慧进行科学决策，而大数据环境下更注重依托组织生态内的大数据做出科学决策和实施高效管理。第三，创新途径。传统企业管理创新主要是一种自上而下的行为，主要由高层决策、逐级贯彻执行，而大数据环境下的管理创新路径可能是多样化的，自上而下、自下而上、网络式协同并存。第四，创新方法。传统企业管理创新方法主要是德尔菲法、决策树法，而大数据环境下更注重运用云计算、数据挖掘、统计分析等科学方法。第五，成功关键因素。传统企业的管理成功与否，一般取决于专家经验知识是否可靠，而大数据环境下更依托于数据的可得性、数据分析结果及解读的准确性，相比而言，更科学、准确。详见表1（注12）：
表1：传统与大数据环境下制造型企业管理创新比较
互联网时代下的企业管理——大数据时代下制造型企业管理模式创新探析(四)相关范文
