华为:企业数字化转型怎样做好数据采集?
不过,“数字化”不是我们熟悉的“信息化”。简单做个对比的话,信息化的核心是互联网,强调的是把信息连接起来。而数字化要深入得多,数字化的核心是人工智能,它强调的是用数字来驱动整个世界的变革。
数字化转型的终极图景
这个时候,国家情报局已经不再是一个简单的数据化机构了,而是一个数字化的“智能体”。这个“智能体”的所有动作都基于一个前提条件展开,那就是所有相关联的数据都相互连接,并能随时被调用、被看到、被感知到,也就是全量全要素的连接和实时反馈。
什么是全量全要素?
之前深圳机场只采集了飞机的航线方向和机型信息这两个要素,但是忽略了飞机航空器这个要素。航空器信息连进来了,机场就能基于飞机的运行状态进行更精准的调度。
数据采集的三个维度
数字化转型的基础是全量全要素的连接和实时反馈。但问题在于,数据是海量的,不能胡子眉毛一把抓,我们怎么入手采集信息,才能确保真的连接了全量全要素的数据呢?
接下来我要给你介绍一个所有企业都适用的模型,不管你是制造型企业,还是服务型企业,都可以参照这个模型来做全量全要素的连接。
我们就拿你的手机举例子,如果你要连接它的数据,会包括哪些维度呢?以前最简单的就是连接手机的物理属性的数据,比如手机有多厚有多重,是什么颜色的,外壳是什么材料的,系统是安卓还是苹果,芯片和摄像头用的第几代的等等。
但在华为看来,这些数据远远不够,你必须要从一个产品的设计态、制造态、运行态三个维度出发才能完成全量全要素的采集和连接。
所以同样是针对手机,我们会先采集手机的设计态数据,这里面就包括手机器件的尺寸啊,手机物料都是哪些供应商提供的,手机的设计功率和性能数据等等。
设计态之后是制造态,比如手机是在哪条产线上生产的,产线的管理员是谁,组装时具体用了哪些物料等。最后是运行态数据,包括手机在使用过程中的稳定性怎么样,开机时间是多久,手机发热情况和卡顿情况等。
关于业务对象的采集和连接,有一个概念叫“数字孪生”。什么意思?简单说,就是把现实世界里的业务对象,在数字世界里建一个一模一样的模型,就像双胞胎、孪生兄弟一样。所以叫“数字孪生”。有了数字孪生,就好办了:现实世界里很难做的事,你就切换到数字世界里去看它的孪生兄弟。
这就是对业务对象进行数据采集的标准:把全量全要素的数据都采集和连接好了之后,要看这些数据是不是能够还原业务对象的全貌,是不是真的拥有了一个数字孪生兄弟。
实时反馈系统的7项职能
说完了全量全要素的连接,怎么样确保系统做到了实时反馈?
答案也很简单,你可以看这套系统是否具备了7项职能:预测、预警、监控、协同、调度、决策和指挥。
拿华为生产手机来说,华为通过连接渠道、用户、广告投放量等这些维度的数据,就可以综合预测出新手机第一批的产量,这是预测职能。数量定了,就进入排产制造环节,现在因为工厂里所有的产线都是智能产线,不太需要人工干预,但是也会监控,比如监控产线的投料情况、运行情况等等,这是监控职能。
这些数据收集过来之后就可以用于风险预警,比如扫描物料铭牌的时候,如果铭牌信息错了,产线会自行判断装配关系不成立了,就会给产线人员的手环发预警信息,提醒需要人工干预,这是预警职能。
接下来,产品的制造信息也会和供应、物流协同起来。以前按订单生产,要先入库,等物流车来装。现在是直接跟物流数据协同,因为我们已经知道了物流车的实时位置,就可以等物流车距离华为工厂一定时间的时候,再安排生产,生产完就直接装车运输,不用再重复扫描存储。在这个过程里,协同、调度、决策、指挥几个维度的职能都有体现。
华为把手机的全量全要素连进来了,也建起实时反馈系统了,最终会实现什么样的效果?
现在,一旦华为手机的任何一个元器件有问题,我都能定位到这个元器件有多少,装在手机的哪个位置,装了这个元器件的手机被送到了哪些用户手里,都有哪些员工经手过?甚至我也可以反向追溯元器件的问题,出问题的元器件是哪个供应商,哪个批次的产品,历史上有没有类似的情况等等。