|
一、企业介绍
南京东华智能转向系统有限公司（以下简称东华转向）始建于1958年，自1970年开始致力于汽车转向系统及其零部件的开发、制造、销售和服务。
公司隶属于上汽集团，产品主要针对国内自主品牌乘用车及电动车市场。其主要客户为上汽乘用车、上汽通用五菱、比亚迪、奇瑞等汽车厂商。公司被评定为国家高新技术企业、中国汽车标准化委员会转向分标委秘书长单位、南京市瞪羚企业；公司技术中心现为江苏省认定企业技术中心、江苏省智能转向系统工程技术研究中心；公司试验室为国家级转向系统性能试验室。
东华转向自2019年开始进行数字化转型，现为国家大数据产业示范单位、江苏省两化融合贯标AAA级培育对象、江苏省示范智能车间、江苏省五星级上云企业、国家DCMM（数据标准化治理）三级（稳健级）认证企业，数字智造场景荣获中国数据生产力大赛银奖、江苏省DCMM优秀应用场景、南京市企业现代化管理创新成果一等奖、上汽集团技术创新奖、上汽集团软件奖等多项奖励。
 东华转向始终以成就电动转向第一自主品牌为愿景，坚持艰苦奋斗、卓越执行、勇于担当、合作共赢的企业精神，自主创新，顽强拼搏，为中国汽车工业自主进步贡献力量。
二、业务挑战及痛点
目前东华转向已经处于数字化转型的深水期，生产自动化程度高，且已实现业务流程的全面数字化和智能化，在这期间数据量也呈现出爆发式增长（截至24年东华转向各系统总数据量增长至十亿级），为公司积累了大量数据财富。下一步，主要聚焦于对数据的应用和深度挖掘，以实现更精准的业务决策、更高效的运营管理和更优质的客户体验。
而关于数据应用方面，面临的挑战主要体现在以下几个方面：
2.1数据孤岛问题显著：
数据分散在多个系统、不同类型的数据库中，形成数据孤岛。跨系统的数据流通受到严重阻碍，数据抵达应用层的传输过程中经常存在信息遗漏、脏数据无法过滤、更新滞后等导致的误差。另外，同类数据（如设备参数数据）在不同系统（如不同产线）中的存储结构和命名方式并不统一，加剧了数据整合的难度。
2.2数据质量问题参差不齐：
由于数据孤岛的问题，且缺乏有效的数据整合、数据清洗能力，导致最终应用层的数据质量无法保证，业务人员经常“有数不敢用”，习惯性地去质疑系统对KPI指标的计算口径是否有误，给数据应用的推进工作带来一定阻力。
2.3数据库性能瓶颈：
另外，此前数据决策系统主要通过直连数据库的方式进行取数处理，在应对高频率的电子报表抽取和复杂的计算任务时，这种模式会导致系统负载迅速攀升，时常会出现系统响应缓慢甚至崩溃的问题。直连业务系统的数据库同样会对业务库的服务器产生较大的负载，潜在地影响到日常业务功能的正常运行和稳定性。这些问题不仅影响了数据决策系统的效率，也对企业的运营和决策过程带来了潜在的风险和挑战。
三、解决方案：
数据作为数字经济中关键的生产要素，正日益成为推动经济增长与创新的关键动力。东华转向深谙数据之重要性，针对当前数据应用中的挑战与瓶颈，从一下几个方面开展了数据价值的挖掘与实践
 3.1 FDL打造坚实数据底座
东华转向基于finedatalink，通过其实时同步和离线计算两大引擎，提供高效的数据处理和集成能力，从数据源头开始，通过数据清洗、转义、分类、重组、合并、统计等步骤，构建了一个功能强大的湖仓一体数据中心，为公司打造了一个坚实数据底座。目前为止，fd已对接公司所有业务系统（包括ERP、MES、EICP企智云、PLM等），同步数据超4.7亿条，其中实时数据（秒级更新）超2亿条；在数据联通方面，消除了公司的数据孤岛；在数据处理方面，复杂逻辑的数据获取效率提升了6.5~30倍；在能力建设方面，公司具备了从业务数据获取-数据处理-数据存储-数据展现的数据全链条，人员具备了数据分析全流程的开发能力，保证了公司数据中心后续的迭代及扩展。
3.2 FR与FBI集成一体化的数据决策分析平台
东华转向融合了“实时监控看板、日常固定报表、BI自定义分析”三种模式，结合移动端的消息提醒功能，构建出一个既灵活又易用、充满智慧的决策支持系统。这一系统不仅能够实时反映业务动态，提供详尽的固定报表分析，还支持用户根据需求进行自定义的数据分析，真正实现了从数据采集、存储、分析到应用的全方位、多层次数据变现。目 前，决策系统挂载模板数超400张，形成公司4大运营控制塔，助力公司高效运营。
3.3自助BI分析铸就数据驱动的文化氛围
 为更进一步深挖数据价值，培养数智人才，打造高效数据驱动型企业。2024年，东华转向在全公司范围内举办“数据蝶变”BI数据分析大赛，公司6个部门9个平台组织了11支参赛队伍，大家打破业务边界，相互协作，以FineBI工具为平台进行数据创新应用，涌现出一批数据分析的能人智士和一系列由数据驱动业务提效降本的好方法和金点子。公司内逐步形成了一种以数据为驱动、注重数据分析和洞察力的数据思维与数据文化。
四、典型场景
场景一：生产运营管理-“经-管-执” 三级控制塔
1痛点/需求：
近年来，随着公司业务不断扩张、客户体量的不断增长，原有的生产经营管理模式逐渐显露出其局限性，主要痛点与需求在于：
- 市场与供应链的动态变化：高层决策者亟需快速准确掌握工厂整体生产情况，做出有效合理的战略调整
- 生产管理的精细化需求：在客户需求爆发式增长、产能快速提升的阶段中，生产问题也随之显著增加，各环节的管控漏洞逐步显现。生产相关管理人员亟需提升管理手段，在线监控生产各环节的防错控制是否有效，确保分层审核、变化点等管理流程按期严格执行，保证问题处置闭环且高效
- 生产执行人员的压力：对于生产执行人员而言，他们每日都面临着繁重的生产计划压力。在这样的工作环境下，他们不仅需要时刻关注生产进度，确保任务能够按时完成，还需要实时查看设备的运行状态和系统互锁及检验状态，以便在设备出现故障或异常情况时能够迅速定位问题，并通过按灯系统及时上报给相关部门或管理人员
2解决方式：
为了应对上述挑战，我们整合各类生产数据，设计了一套自上而下、覆盖“经-管-执”三级的生产运营管理控制塔，以实现工厂的透明化管理和数字化运营。
（1）经营层
 面向经营层人员，通过搭建PMC数据中心，实现工厂级、产线级和工序级的数据逐级联通，满足横向到边、纵向到底的管理需求。工厂级根据实际产线物理布局映射到大屏数据地图，实时显示产线生产状态；产线级通过设备数据采集，展现各工序的实时报工与异常预警；工序级联通生产过程全要素信息，涵盖人机料法环测、首检巡检、生产JPH等，满足质量精确追溯需求以及生产效率的监控管理。经营层人员可以远程在线直接查看工厂-产线-工序三层级的实时监控平台，掌握工厂整体实时生产状态，依托动态生产执行信息，应对多变的市场和供应链，做出更合理和有效的决策。
（2）管理层
面向生产现场管理者，紧紧围绕现场管理的三现原则，搭建一套车间管理平台，做到车间管理全在线，实现车间分层审核LPA、变化点管理、产线问题管理等流程作业在线化、同时监控生产进度及合格率，制定分级预警机制，通过钉钉推送预警消息，逐级上报，推动现场问题的审核处置关闭，确保生产现场的PDCA闭环管理。
此外，平台还融合了安全管理、车间班组文化建设、质量嘉奖、企业宣传等内容，车间日常晨会只需围绕车间管理平台进行开展。
  1、整体视角
 2、分层审核LPA
涵盖分层审核计划录入、日常分层审核表单填报、分层审核进度跟踪、分层审核问题审核、关闭等。
 3、变化点管理、产线问题监控
涵盖变化点表单录入、验证产品结果数据自动取值、问题上报、问题处置、问题关闭。
 4、产能监控
涵盖：小时产出及合格率、日计划达成明细、人员技能等级矩阵图，满足对生产进度、产品质量及上岗人员的在线管理。
5、消息通知预警
   
例如：移动端OA的产线线边按灯升级提醒、产线合格率异常通知等。
（3）执行层：
面向最终生产执行人员，秉着质量管理“三不原则：不接受不合格品、不制造不合格品、不流出不合格品”，通过全要素生产数据的联通，搭建一套产线线边监控系统，重点关注各工位前后道互锁状态、日常首检完成情况、产线整体直通率，严格把控生产过程中质量立体防错，时刻关注各工位生产下线动态，把控生产节奏。
3实施效果：
依托数仓实现将数据纳入为企业管理的重要要素、手段和生产力，通过以上三个层级的控制塔，解决了原先管理手段单一，问题处置滞后等问题，系统自动对数据进行运算、归集，报表呈现，保证生产各个环节在线透明、处于严格受控状态，公司上下全层级生产运营管理能力显著提升。项目落地一年内，公司产量增长达22%，人均日产出提升33.3%，通过数据流，生产防错覆盖率已从60.2%提升至80%，互锁有效率已提升至100%。目前公司的生产效率、质量水平较国内一线合资品牌高20%，已达到行业领先水平。
场景二：仓储物流管理-实时监控+精准预测
1痛点/需求：
在面对生产订单爆发式增长，排产计划频繁调整，同时因物流业务链较长，业务类型复杂，某一环节一旦出现异常，极易给现有模式下的库存管理带来一定的压力：仓库物料无法实时透明掌握、库房存在不可预知的涨库溢库风险等，容易突发库存积压、物料短缺、库存资金浪费等情况。
2解决方式：
- 实时透明监管库房、容积预测
透明监管方面，通过整合全流程仓储数据，利用fvs工具 1:1 复制现实中的库房模型，孪生展示库房当前最新的库存状态（库位空闲、物料明细及批次、是否呆滞物料），另外整合各类报表，快速查阅收货及上架任务状态，全方位实时把握库房收发存各环节。
容积预测方面，建立一套预测模型，通过计算分析历史库房吞吐流量，推算日出入库能力上下限，结合实时排产计划、存货数据、在途物料等，最终输出三类预警：缺料预警（当预测时间段任意一天任意一类物料出现需求数>库存数+入库数时，推送缺料预警信息）、单日流量预警（当预测时间段内任意一天，出库托盘数>最大出库流量或入库托盘数>最大入库流量时，存在超出库房最大吞吐能力的风险，人员配置需进一步优化）、库位预警（当预测时间段内任意一天，空库位数+出库可空出库位数<入库即将占用库位数，库房未来存 在爆仓风险、库存配置需进一步调整）
    
- 库存资金管控
此外为更好的降低库存成本，提高资金利用效率，通过搭建BI仪表盘，重点对存货资金进行管控。主要将公司库房划分为内库及外库，直观地展现不同仓库不同市场不同基地等多维度下的库存资金占用及明细排名情况，有助于库存管理人员及生产管理人员快速了解库存资金水平及结构，减少大量囤货以及避免超量生产，辅助决策制定及风险管理。
 内库
内库库存资金分析主要展示公司内库中原材料及成品资金的占用情况，满足业务人员从时间、库房类型、存货类型等多维度进行关联钻取，查看资金占用排名及明细。
 2、外库
外库库存资金分析主要展示各市场下各基地外库资金占用，满足业务人员从时间、客户、基地等多维度关联钻取，监控外库每日收发流量以及在途状态，督促相关负责人关注产品的生产以及发运情况。
- 存货资金预测
 为进一步实现对存货资金的预控，结合实时库存数据、采购在途数据、最新生产排产计划，搭建库存资金预测模型，滚动推算出未来一周的库存资金趋势走向，实现库存资金超前预测，超出警戒值时则自动推异、预警，方便管理人员迅速响应，优化生产计划结构，提高库存周转率，减少库存资金占用。
3、实施效果：
全方位透明的库存管理与先进的预测机制，显著提高了公司库存管理的精细度和效率。这不仅使公司库存管理人员能够基于实时、准确的数据进行更加科学、有效的调整，还使他们能够提前识别并应对潜在的库存风险点。通过实时监控库存流动、预测未来需求趋势以及优化库存配置，公司能够确保库存水平的合理性，减少库存积压和缺货风险，进而提升整体运营效率和客户满意度。项目实施以来，在公司产量爆发式增长时，存货周转天数仍然呈现下降趋势，存货资金月均值也显著降低。
场景三：数据人才培养
1痛点/需求：
当前企业面临的主要挑战在于数据应用率的不足。尽管企业拥有大量数据资源，但员工普遍缺乏数据驱动决策的意识，更依赖于传统的经验和直觉。此外，虽然企业已构建了数据决策分析平台，但报表的日活跃度不高，反映出业务人员对定制报表的个性化需求得不到满足，进一步阻碍了数据的有效应用。
2解决方式：
- 组织BI培训与开展BI竞赛
 
- 通过组织定期的数据分析与BI培训，提升员工的数据意识和数据分析技能，使其认识到数据在决策中的重要性。
- 举办BI竞赛，激发员工学习和应用数据分析的热情，鼓励创新数据应用案例，设立奖项以表彰优秀的数据应用成果。
- 建立数据应用反馈机制，收集员工对数据应用的意见和建议，持续优化数据应用策略，确保满足业务需求。
- BI分析与日常分析报告会议相结合
深化业务人员数据分析的意识，鼓励业务人员将日常工作汇报与分析通过BI的形式进行展开，自主制作仪表盘在月度各项业务分析会上进行汇报，逐步适应数据分析的常态化应用。
部分成果展示：
 1、季度专题会议报告
2、月度业务分析报告&研发项目跟踪
  
3、每日生产碰头会进度跟踪
 
3实施效果：
- 通过BI培训与竞赛的开展，企业内部数据文化氛围日益浓厚，员工的数据意识和数据分析能力得到显著提升。业务人员开始主动学习和应用数据分析技能，为企业决策提供了更加科学、准确的数据支持。
- BI仪表盘汇报分析的形式在会议中得到了广泛应用，大大节省了会议材料准备和整合的时间，提高了会议效率。同时，通过直观的图表展示和实时更新的数据，使得汇报内容更加清晰、具有说服力，有助于与会人员深入分析和发现数据背后的潜在问题与机会。
- 整体上，企业人才队伍向数智化、复合化转型的步伐加快，业务人员开始具备独立制作BI模板和仪表盘的能力，降低了对IT部门的依赖，提高了数据应用的灵活性和效率。
五、总结与展望
1宏观价值
- 提高决策效率：通过实时监控看板和BI自定义分析，数据决策分析平台能够提供全面、准确的数据支持，使决策更加科学高效。
- 优化业务流程：汇通多场景数据，便于发现业务流程中的瓶颈和问题，从而进行优化和改进，实现“让数据多跑路，员工少跑路”。
- 提升客户体验：通过对客户数据的分析和挖掘，可以更好地了解客户需求和行为，从而提供更加个性化的产品和服务，提升客户满意度和忠诚度。
- 推动公司创新：数据驱动型企业更加注重数据分析和挖掘，能够发现新的业务机会和市场趋势，从而推动公司业务模式不断创新和发展。
2经验分享
数仓中台——坚实的数据底座：在构建数据驱动型企业的过程中，数仓中台作为坚实的数据底座，起到了至关重要的作用。它不仅是数据存储的仓库，更是数据加工、整合、清洗的枢纽。一个高质量的数据底座，能够极大地提升数据分析的效率和准确性，为企业的决策提供更加有力的支持。
打造一体化的数据决策分析平台：一体化数据决策分析平台是数据驱动型企业的重要工具，这种一体化的设计，为企业提供了更加全面且便捷灵活的数据分析方式。
培养全员数据思维与内部BI推广培训：除了技术手段的支持，培养全员数据思维也是数据驱动型企业建设的关键。通过内部BI推广培训，员工能够逐渐具备数据意识，学会利用数据进行决策和解决问题。这种全员参与的数据文化氛围，不仅能够提高数据分析的广度和深度，也能够促进企业的创新和发展。
3未来规划与展望
展望未来，我们将继续秉持数据驱动的理念，以数仓中台为核心，构建坚实的数据底座，并在此基础上，沿着打造一体化的数据决策分析平台与培养全员数据思维两个核心方向不断深化与拓展。我们将不断优化数仓中台的技术架构，提升数据处理能力和效率，确保数据的准确性、一致性和安全性，同时尝试探索融合机器学习、AI等前沿技术手段，基于多场景历史数据分析，构建业务模式智能化模型，实现机器智能决策。此外，为将数据驱动的理念深入到企业的每一个角落，我们将继续通过培训、实践等方式，不断提升员工的数据素养和数据技能。 | 
来自 6#
