61
工业化是指经济、社会和技术的进步，通过生产、制造、分配商品和服务的流程来促进生产力和经济增长。
工业化过程中企业管理发展大致经历了五个阶段（如图1所示）。第一阶段是工业革命时期，机械化生产以人力和畜力为主要动力，典型代表有1833年英国出台的《工厂法》。第二阶段从20世纪初开始，以蒸汽、电力和内燃机为动力，通过大规模批量生产实现了产业化，典型代表有福特汽车制造公司的流水线生产模式。第三阶段从20世纪60年代起，通过电子信息技术的应用，实现了自动化生产，典型代表为日本的“精益生产”（Lean Production）。第四阶段始于21世纪，标志是数字化和智能化技术的应用，工业化的发展目标是提高生产效率、降低成本、提高产品质量和提升市场竞争力，典型代表为德国的“工业4.0”战略。第五阶段，即2021年以来，在工业4.0的基础上，“以人为本”成为新的工
业发展趋势，智能制造、个性化定制、人机协
作和绿制造等理念成为新型工业的发展模
式，典型代表有欧盟公布的《工业5.0：迈向
可持续、以人为本和富有弹性的欧洲工业》。
在工业化发展的不同阶段，企业为适应
技术和市场发展的变化，需要有不同的管理模
式。当前，多数企业的管理结构仍然是传统工
业化的生产方式和组织结构，注重规范化、标
准化、集中化和层级化等，而新型工业化要求
企业具备智能化、人文化、可持续化等特征。
面向新型工业化，企业需要运用大数据、人工
智能、5G、区块链等现代信息技术，满足业
务发展过程中信息数据智能化处理、分析和管
理的需要。在数智化转型过程中，企业面临着
人力资本短缺、技术更新缓慢、市场竞争激
烈、管理机制不健全以及生态环保压力。
面向新型工业化的企业管理主要集中在数
据化管理、智能化制造、个性化产品和生态可
管理的数智革命：面向新型工业化的企业管理之路
图1 工业化过程中的企业管理
持续方面。第一，在数据管理方面，企业需要将各个生产和管理环节进行数据化，并基于数据进行管理分析和决策；然而，多数企业在数据采集、存储和处理方面仍然存在认识不够、投入不足、安全风险等问题。第二，新型工业化需要企业运用智能化制造技术和设备推进生产流程自动化和智能化；然而，制造型企业在研发和生产管理方面数智化程度仍然不足，信息型企业缺乏将数智技术与工业产业相结合的实践经验，制造化与数智化脱节问题仍然突出。第三，为了适应消费者需求，企业需要具备灵活性和可适应性较高的管理和生产流程，实现个性化定制和差异化生产；然而，许多制造业企业的技术创新还停留在传统模式，难以与新型工业化的发展目标相匹配。最后，新型工业化需要企业进行绿可持续发展，企业需要开发和使用环保设备和技术，推进清洁生产和低碳生产。
因此，针对新型工业化的发展目标以及企业需求，本文基于已有的成功案例，从数据管
理、创新管理、动态能力和社会责任四个方面提出面向新型工业化的企业管理模式。
新型工业化企业管理的核心：数据管理
新型工业化在数智时代的机遇是以数据为基础，对数据进行管理与分析并实现扩大盈利是企业数智化的目标之一。传统制造业企业采集、存储和管理数据的方式比较单一，数智化程度较低，难以从数据中获取价值从而提升企业的竞争力与盈利能力。作为全球信息通信领域的领军企业，华为一直非常重视数据管理，经历了长期的投入、发展和改进，最终实现数智化转型（如图2所示）。
第一阶段，业务数据化。华为的数智化转型始于1998年。1998年之前，华为拥有数千名工程师，每个工程师都可以创造和处理BOM（Bill of Material，物料清单）数据，导致BOM数据普遍缺乏准确性和一致性，物料浪费严重，客户满意度下降。为解决这个问题，华为建立了集中的产品数据部门，将数据从整体中抽离出来，强调专业化的数据管理。用了一年时间，BOM数据从 70% 提升到了 99%。
第二阶段，数据体系化。随着华为将业务扩展到全球，不同国家的法律、客户需求和
面向新型工业化的企业管理主要集中
在数据化管理、智能化制造、个性化产品和生态可持续方面。
图2 华为数据管理历程
BOM 质量整改
1998年第一阶段：业务数字化
第二阶段：数据体系化
第三阶段：数据价值化
第四阶段：数据安全化
2017年2007年2023年
数据
变革
成果
BOM 从70%提升到了99%全面数据质量提升项目建设数据底座、
数据湖发布MRP 技术
实现关键数据在业务流的打通
实现数据的汇聚、连接、共享
和消费
目前业界唯一的“网络+存储”多层防护方案
63
商业模式差异较大，交易流程开始出现混乱。2007年，华为成立全面数据质量提升项目，借助IFS（Industrial Framework for Smart Solutions，工业化智能系统）项目引入IBM 框架，成立许多数据部门。在实际运行过程中，由于部门过多，数据难以实现跨平台使用，数据不通、数据异常、数据孤岛现象严重，影响数据使用效率。2014年，华为成立数据工作组，最终实现关键数据业务流打通。
第三阶段，数据价值化。数据获取和使用的目的不在于数据本身，而是在于数据的价值。2017年起，华为提出数据的可视和共享，建设了数据底座、数据湖，实现了数据的汇聚、连接、共享和消费。
第四阶段，数据安全化。2023世界移动大会上（MWC2023），华为发布了业界首个基于“网络存储联动”的多层联动攻击防护技术（MRP），用于保护数据安全。
借鉴华为的案例以及新型工业化的需求，企业数据管理可以划分为数据采集与存储、数据共享与协作、数据分析与决策、数据维护与安全四个子模块。数据采集与存储是企业数智化转型的前提。数据共享与协作是企业运行的关键。数据分析与决策是企业精细化和智能化
可持续发展。数据维护与安全是企业保证数据可靠性和安全性的关键，企业需要建立高效、安全的数据维护和管理方法，包括数据备份、数据加密、访问控制、异常检测和预防、基础设施升级和故障容错机制等。
新型工业化企业管理的引擎：创新管理
传统企业在技术和设备更新过程中缺乏成熟的研发体系与创新模式，且对新兴技术如人工智能、云计算、大数据等缺乏了解和应用经验，这导致企业在实时存储、更新及分析机械设备的生产数据及运作情况方面存在障碍，无法对研发方向与进展进行精准控制与管理。在新型工业化道路上，企业不仅需要在主营业务上加大研发，还需要在创新相关业务上增加投入。
作为家电公司，英国戴森以高端市场和精益求精的产品设计、卓越的用户体验和持续迭代而著称。面对激烈的竞争和市场变化，戴森意识到只有不断进行产品迭代创新，深耕当前市场或开拓新市场，才能维持市场领先地位和业务增长。公司创始人詹姆斯·戴森 （James Dyson） 信奉从失败中学习的精神，因此戴森每款新产品的开发都遵管理的数智革命：面向新型工业化的企业管理之路
问题模型设计仿真验证学习
戴森搜集用户反馈，通过其“ACCESS FM 模型”，将用户问题转化成产品功能语言，以让团队在实验设计阶段达成一致共识（如图4所示）。
借鉴戴森的例子，结合数智化技术在创新管理方面的运用，可以形成迭代开发、人工智能辅助、开放式创新和精益生产相结合的创新管理模式。迭代开发强调面向需求变化和增量迭代，提高产品研发和制造的效率和质量，降低成本和风险，快速响应市场需求变化。人工智能辅助可以通过机器视觉、自然语言处理、智能制造、智能客服、模型仿真、机器学习和深度学习等技术，帮助企业大数据挖掘和分析。开放式创新模式强调共同合作和资源共享以加速创新，同时提高企业的经济和社会效益。最后，精益生产模式通过减少浪费和缩短生产流程时间优化生产效率和品质，减少成本，提高维护预测性。
新型工业化企业管理的保障：动态能力动态能力是企业整合、构建、重新配置内部和外部资源以应对快速变化环境的能力。面向新型工业化，企业会遇到许多不确定的风险，如数智化转型中的风险、技术迭代产生的淘汰风险及市场需求变化产生的经营风险等。企业可以通过数智化技术对转型、市场和技术等方面进行实时追踪和分析，识别问题和风险，及时调整战略。
今天的市场竞争已经不是大鱼吃小鱼，而是快鱼吃慢鱼。消费者的兴趣和需求日新月异，哪里有商机，
福特车怎么样资本就会迅速重新整合。小米的成功便展示了“快鱼法则”的优
图4 戴森精益管理模式
发布评论