【2024中国数据生产力大赛】数驭未来，智驱发展：汉德车桥以数据人才培养驱动创新飞跃

数驭未来，智驱发展：汉德车桥以数据人才培养驱动创新飞跃

企业简介

陕西汉德车桥有限公司（以下简称“汉德车桥”）成立于2003年，由潍柴动力与陕汽集团共同投资组建。公司始终以客户满意为宗旨，致力成为国际一流全系列轮式车辆车桥系统提供商。      汉德车桥是集研发、制造、销售、服务于一体的大型高新技术企业，在西安、宝鸡、株洲、铜川布局四大生产基地，具备年产各类桥总成150万根的生产能力，年产值超130亿元。下辖汉德车桥（株洲）齿轮有限公司、陕西金鼎铸造有限公司2家全资子公司，共有员工5200余名。     产品主要涵盖全系列卡车桥、客车桥、非公路车桥、电驱桥四大系列。全面覆盖2t以上轻中重型卡车，6m以上客车，12t～3600t轮式起重机，40t～160t宽体矿用车，180马力以上农业装备，全系轮式挖掘机、装载机和全领域电驱桥。在可靠性、轻量化、高效率、长换油、免维护、低噪音、智能化等方面具备领先优势。 汉德车桥拥有国家级实验室、省级企业技术中心以及博士后科研工作站，把握车桥技术前沿，电驱桥、智能网联车桥技术全面引领行业发展。2007年实现了中国汽车总成技术的首例出口，标志着中国汽车制造业实现由产品出口向技术出口的突破；公司拥有400项车桥专利技术，凭借驱动桥总成核心技术在《重型商用车动力总成关键技术及应用》项目做出的突出贡献，荣获中国国家科学技术进步奖一等奖，是全国唯一获此殊荣的车桥企业。 汉德车桥按照“自动化-数字化-智能化”战略，开展应用集成创新，加快推进智能制造建设工作，打造车桥行业智能制造示范工厂，获评国家2023年度智能制造示范工厂。 汉德车桥以全球化视野打造高端产品，销量连续八年位列行业前列。遍布全球的68个中心库，493个全系特约服务站，253个卡车特约服务站，56个矿区的宽体车特约服务站和9个客车特约服务站，为用户提供全方位服务。 汉德车桥将持续创新，追求卓越，以“为全球客户提供更可靠、高效的车桥产品，为员工创造美好生活”为使命，打造国际知名的民族品牌

1 管理需求和挑战（介绍背景，为什么需要培养数字人才？）

在数字经济时代背景下，汉德车桥作为车桥制造业的佼佼者，正面临复杂挑战与新机遇并存的局面。技术迭代加速与市场竞争白热化，使得数字化转型成为企业发展的关键。国家宏观政策如“中国制造2025”、“工业互联网指导意见”及“十四五”规划纲要等，强调智能制造、工业互联网建设和数字技术融合，这些都直接要求制造型企业加强数据人才培养。政策导向鼓励企业利用大数据、AI优化生产，推动产业链升级，以及建立高素质的数字技术人才队伍，旨在提升整体竞争力和经济增长质量。在此趋势下，公司在数字化转型过程中遭遇以下核心痛点：     1.数字化人才断层：在传统的制造型企业中，软件应用、数据分析人员普遍存在于IT部门中，各业务和生产部门中缺乏能够有效运用大数据、人工智能、云计算、BI等先进技术解决实际业务问题的人才。     2.业务和技术脱节：公司数字化项目往往由IT部门主导，与业务部门之间存在沟通壁垒，导致解决方案难以精准对接业务需求，影响数字化转型的实施效果     3.决策支持不足：缺乏对基于数据的决策支持工具（BI）的有效应用，导致战略决策和日常管理更多的依赖于经验，而非数据洞察     4.文化和意识滞后：员工对数字化变更的接受度和参与度不高，数据驱动的思维模式尚未普及，限制了整体的数字化潜力发挥。

2 培养方案（介绍数字人才的培养方案，可以包含组织框架、人才画像、培养路径等部分）

在此背景下，为尽快推进落实公司数字化转型工作部署，汉德车桥信息化管理部联合帆软软件一起，从公司层面出发，基于集团和公司十四五发展战略，制定了汉德公司数据赋能工作五年规划，主要从数据文化、数据人才培养、数据治理、数据应用四个方面整体发力，用数据赋能公司数字化转型，以数据为驱动力，应用数字化技术，构建差异性竞争优势，助力企业转型发展。      在人才培养过程中，我们确立了“文化培养，试点应用”、“理念导入，育人孵化”、“能力转化，示范先行”、“全面推广，能力变现”和“创新蝶变”5步走行动计划。在2020年，我们引入BI及FineReport工具，携手帆软启动数字化大讲堂培训，针对特定部门场景定制报表，助力数据应用起步。此后，自2021年起，连续举办两届“我的数据我做主”系列竞赛活动，在全公司范围内增强员工数据应用和分析技能。期间，我们协同人力资源与企业管理部，梳理岗位需求，将数据分析技能嵌入职级职等体系，开辟数据人才晋升路径。进入2023年，活动形式升级为项目制激励模式，通过在公司层面发布《数据应用创新项目管理办法》，将数据应用提升至同公司级管理创新同等重要位置，确立长效激励机制，深化数据文化。      经过4年的数据文化培养，我们累计举办培训超过40场次，惠及600余人，127名员工通过帆软BI/FineReport数据分析认证，开发各类数据分析应用场景220余项，数据分析型人才在各单位中人才占比达到8%，此外，我们从获取证书的人员中，精选32名顶尖持证者组建数据专员团队，分驻32部门，全力驱动各部门数据分析效能。

3 典型成果

3.1 场景一：数据驱动的过程不良优化改进与质量提升（桥二厂）

发现问题：过程不良是指生产过程中发现的来料缺陷产品、过程加工的废品、返工返修产品及偏差使用产品，该类产品的产生，基本不能正常使用，造成生产成本的浪费。在学习和掌握数据分析之前，桥二厂内部分析的过程为：从ERP系统导出当期产生废品明细，通过人工对数据进行整理、规范、汇总，编制周期性废品分析报告，每次历时3-4H。数据的不及时性和人工整理工作量的庞杂性是制约效率提升的核心因素。 解决过程:首先，将桥二厂过程不良明细进行分类，同时以2021年1-9月份过程不良数据为基础，开展报表设计及数据分析，通过分析，发现： ①桥二厂2021年过程不良仍包含料废、工废、返工返修和偏差使用4个方面； ②其中，料废共涉及xx个供应商、xx件废品数量，涉及金额xx元；工废共涉及xx件废品数量，金额xx元；而返工返修和偏差使用仅涉及少部分产品； ③为持续降低生产过程成本，提升分厂过程质量稳定性，我们从供应商料废集中点及工废制造原因两方面进行详细分析，寻求改善点。 其次，报表分析思路主要从两个维度展开，第一部分针对料废，我们的分析思路是，以废品金额为前提，通过层层钻取，聚焦主要厂家、关键产品、重点缺陷位置，以此实现精准改进。 通过帕累托图、气泡图对料废金额、数量进行分析，锁定重点产生料废供应商厂家，再通过数据联动、由柱形图、玫瑰图、词云图等层层钻取，实现关键产品和重点缺陷位置的聚焦，以期为供应商提供改进方向。 通过分析，得出建议：①xx公司针对减速器壳轴承孔壁薄、大面料亏、HD标识处漏气进行重点改善；②xx对于250桥壳桥管安装孔内砂眼进行专项整改。                                          图1：桥二厂2021年料废金额分析—原始状态                                    图2：桥二厂2021年料废金额分析—钻取状态       第二部分针对工废，我们以致废原因为前提，从工废数量上进行分析。通过对工废数量的层层钻取，锁定导致产品致废的主要原因，进而制定针对性的改进计划。      通过帕累托图，对工废致废原因进行分析，锁定关键致废原因，再通过数据联动，由矩形树图、词云图、条形图等层层钻取，得出根本致废原因。       通过分析，得出建议：分厂内部应结合微课、OPL等点对点培训，重点提升员工数控类设备刀补调整和首件对刀技能，规范刀具寿命管理。                                   图3：桥二厂2021年工废金额分析—原始状态                                      图4：桥二厂2021年工废金额分析—钻取状态 第三部分是桥二厂1-9月份料废及工废的明细展示，明细可便于管理者查看、导出使用。                                      图5：桥二厂2021年工废、料废明细 场景价值：大数据平台与BI工具的运用显著提升了效率，由原来的数据整理、报告生成需要1天时间，缩短至1小时内完成，效率提升了80%，同时能够方便的实现数据报表的一键分享。在精益六西格玛驱动下，桥二厂借助分析洞察，成功识别并实施改进项目，包括1个黑带和2个绿带项目，优化了供应商技术对接，有效降低了废品生产率5%，为各分厂每年节约成本约10万元，有效促进了生产产品及生产质量的提升。

3.2 场景二：营销作战平台（营销中心）

发现问题：2022年以来，商用车市场行情波动较大，汉德效率受到较大影响，营销各部门均系统能够及时了解相关板块细分市场销量情况，了解市场变化趋势。但是当前信息渠道单一，各数据源不统一，市场分析缺少官方渠道数据支撑，导致在营销人员进行推销任务时，目标客户不清晰，订单成交率低。 解决过程：统计营销中心各个部门的分析需求，确定将保险数据、日装车数据、北斗数据作为权威的分析基础数据来源，针对相关数据明确了其应用场景和更新频次。利用北斗数据，确定了5个分析维度：每日新车新增、月度新车新增趋势、主销区域级营销区分布、细分车型销量、主要目标客户销量。 根据商用车保险数据结构及分析需求，确定了市场行情六大板块三个分析维度，同时通过下钻可进入详情页查看。 场景价值：采用数字化的手段直观的将市场行情相关数据信息清晰地展示给相关营销人员及领导，便于相关人员及时查看，助力一线人员客户开发及产品经理新产品开发，为营销人员提供新的机会点。在1年的应用中，满足了营销中心内部7个相关部门的数据提取需求，输出各类分析报告20余份，对6大板块15+细分市场车型销量进行了统计分析，新突破/提升车型20多种，已装桥数量突破1200+，全年累计盈利突破600万。

3.3场景三：建立机加效率损失评价模型（持续改善部）

发现问题：在现有的多品种小批量生产组织模式下，产能的有效利用显得尤为重要。产能损失无法准确监控，换产等停线因素数据来源靠人为线下测量、统计、汇总，耗时耗力且数据准确度不高，无法持续分析，需借助精益数字化时时自动采集，实现组织高效运作管理。 解决过程：在分厂实际生产过程中，影响机加效率损失的主要因素包括换产和异常停线。通过对APS系统排产数据、物联网系统打标数据、MES系统停线数据的整合分析，配合相应的算法，基于效率损失数据设计效率损失分析数字化界面，实现产线效率的统计分析。 产线损失思路：产线效率理想状态为，在标准的时间内，生产出标准的合格产品数，两个标准缺一不可，否则就会造成产线效率损失。转化到时间上则为生产一定量的合格产品的时间超过标准时间，即产线的效率损失时间=实际开班总时间-理论开班总时间。 换产思路：换产时间：是指介于前一品种最后一件合格品生产下线至后一品种的首件合格品下线之间的时间。 场景价值：通过建立产线效率损失模型，实现各分厂生产线效率的可视化分析展示，同时能够进行钻取分析，对影响产线生产效率的原因进行深层次的挖掘分析，优化排产过程，进行产线故障预防，提升产线的生产率30%。在推进过程中，建立了公司级换产执行月度报告，对各分厂进行产能效率对比分析，提升效率40%，自项目上线以来，累计节约成本175万。

3.4场景四：营销管理平台建设（株洲齿轮）

发现问题：株洲齿轮作为汉德车桥的子公司，在实际的营销管理过程中，存在以下问题，在营销管理板块没有独立的信息系统支撑，通过ERP系统查询库存现有量，通过报表平台和生产溯源系统查询发运情况，操作繁琐；销售各项目标虽然进行了分解，但是没有月度、每日目标完成率的统计对比分析，导致信息延迟，纠偏已晚；市场、客户信息没有一个归口管理系统，不利于市场维护与开拓；外部信息不能快速传递到内部，不能快速了解内部的生产情况。内部不知道外部的情况；新品开发涉及业务点范围较广，项目跟进需人工统计制表，数据统计效率低、存在延时性且不直观，相关资料都集中在项目经理手中，数据共享不及时。 解决过程：通过对现有业务逻辑的梳理和帆软BI工具的学习和使用，通过BI移动端实现营销的业务管理，营销人员能够在移动端，完成每天工作完成情况汇报，并完成客户装车情况、份额情况、产品质量情况、竞争对手信息等的填报，政策资讯、市场行情、订单管理、齿轮销量等数据在同一平台上共享，便于公司内部及时掌握动态的市场情况。通过系统端展示主机厂计划的完成情况，每天装车的实际情况、所占份额、收入目标、份额目标的完成的差异数量和收入金额，便于销售部紧盯目标，达成目标。打通外销订单从下单、评审到发货之间的数据链，计划线上评审，统一数据来源，实现数据共享。实现新品开发计划跟踪，技术人员导入新品开发计划，系统自动抓取各工序产品加工、报废数据，实现对新品开发各工序完成情况的跟踪和实时监控。根据每日装车情况和问题反馈，对影响收入实现的所有问题实现闭环可视化管理，BI系统集成门户流程，未达成份额目标的自动发起门户流程，由责任部门进行整改跟进、业务员做最终确认，助推问题的快速解决。 场景价值：借助BI工具自主实施，完成营销管理平台建设，减少外部开发费用6万元，实现了ERP、门户、物联网等系统的流通、共享，数据效率提升100%；对现有问题点形成闭环管理，推动销售抢占市场，外销同比提升1202万元；外销计划由原来的线下迁移到线上进行，效率提升80%，累计完成208单审批；实现新产品开发计划监控，能够及时发现新产品开发中的问题，研发效率提升30%以上。

4 总结与展望

在未来制造型企业的发展蓝图中，数据人才与数据资源扮演着不可或缺的核心角色。随着智能制造和工业4.0时代的深入发展，企业对数据的依赖日益增强。数据人才，包括数据科学家、分析师及工程师等，是驱动企业数字化转型的关键力量。他们不仅能够挖掘和分析海量数据，优化生产流程、资源配置，提升效率降低成本，还能够通过预测分析指导企业战略决策，加速产品创新与迭代，以及实现精细化的质量管理。      未来制造型企业将在数据的赋能下，构建更加灵活、响应迅速且可持续的生产体系。大数据和人工智能技术的融合将使得供应链管理更为透明高效，客户需求预测更加精准，个性化定制服务成为常态。此外，通过对设备数据的实时监测与分析，企业能够实施预见性维护，减少停机时间，保障生产连续性。      展望未来，随着数据技术的不断进步和数据生态的日益成熟，对数据人才的综合能力要求也将不断提高，既需要深厚的数理统计基础，又需掌握先进的数据分析工具，同时还应具备跨领域知识和创新思维，以便在复杂多变的商业环境中捕捉价值，引领企业向更高层次的智能制造迈进。因此，投资于数据人才的培养与引进，构建以数据为核心竞争力的企业文化，将成为未来制造型企业赢得竞争优势、实现可持续发展的关键所在。