DCMM助力工业企业数字化转型发展最佳实践v3

任海滨-数据资产信息化部部长徐州徐工矿业机械有限公司 目录Contents 01建设背景 背景-徐工矿机对数字化转型的迫切需求 徐工矿机是国内为数不多的能够研发制造成套大型露天矿业机械的企业，现正逐步向全产业链布局，从产品制造商向整体解决方案提供商转型，目前已拥有上游的核心零部件自研公司和下游的矿山设备开采、工程管理公司，随着国际市场的复杂，供应链的动荡，公司内部对规模化、精益化经营的需求，数字化转型从“愿景”到“落地”的跨越迫在眉睫。 背景-从两化融合到数字化转型 机械制造业从2007年信息化带动工业化的两化融合战略提出后，就开始做需求驱动的数字化价值探索。伴随两化融合对数字化、网络化、智能化的要求更加具体，以及DCMM和CMMM国家标准的相继推出，形成标准引领，分级指导的整体思路。 标准引领，分级指导 背景-徐工矿机数字化建设进程 围绕徐工集团智改数转驱动“五化”高质量发展和徐工矿机自身数字化转型战略目标，强化实践应用，以评促建。 徐工矿机数字化转型面临的数据问题 徐工矿机在数字化转型过程中，数据提升到战略资源性层面，但没有成熟且全面的标杆可借鉴，在数据治理初期，面临诸多问题。 04 01 一方面无法保证获取的数据真实性，例如在数据采集阶段，数据的真实性、准确性、完整性都会影响数据质量；另一方面，缺少数据清洗和加工能力。 物料主数据管理不规范，数据不准确，无归口部门统筹管理。未建立客户、设备、生产计划等重要数据资产管理规范。 02 05 低质量数据可能带来错误的的导向，数据被误用或误解带来风险，数据安全与隐私保护风险。 数据集成深度不够，存在一些数据孤岛，导致部分数据成为无法被集成利用的数据资产，无法实现数据共享。 03 06 未建立数据认责机制，数据定义、生成、使用、管理的无专门部门负责，导致数据不一致、不完整、不正确、不及时等问题。 存在同一数据叫法不同及不同数据同一叫法的情况，导致数据统计、报送、经营管理方面的一系列问题。 DCMM以评促建建设目标 徐工矿机以DCMM贯标和评估为指引，以稳健级的要求为目标，从需求、问题和能力三个方面全面评估和诊断，旨在解决矿机目前的一系列数据应用问题，支撑企业数字化转型升级。 DCMM解决问题 u全面掌握数据资产现状 u实现数据互联互通 打破数据孤岛，实现内部数据高效共享，提升数据的服务应用能力。 对数据进行全面盘点，形成数据地图，为业务应用和数据获取夯实基础。 u提升数据质量 u实现业务融合 让数据随时快速有效就绪，缩短数据分析人员和数据科学家的数据准备时间，加快数据与业务的融合过程。 形成覆盖数据全生命周期的数据质量管理，实现数据向优质资产的转变。 u保障数据安全合规 u数据价值持续释放 制定完善的数据安全策略，建立体系化的数据安全措施、执行数据安全审计，确保数据获取和使用合法合规。 通过一个持续和动态的全生命管理过程，使数据资产能够为企业数字化转型提供源源不断的动力。 DCMM以评促建建设思路 服务机构选择赛昇科技 徐工矿机两化融合的认证与评估是与赛昇科技合作，双方在两化融合体系建设的基础上，以DCMM数据管理体系为指引，结合徐工矿机数字化现状，以培训、评估、数据治理实施等多种手段，推进徐工矿机数据管理能力提升。 北京赛昇科技有限公司成立于1996年，是国家工业信息安全发展研究中心（以下简称“国家工信安全中心”）全资子公司，是国家工信安全中心产业数字化板块市场服务窗口。主要聚焦两化融合、数字化转型、数据要素等领域，面向地方政府、产业集群和制造企业开展两化融合、数字化供应链、智能制造、大数据管理、工业互联网等系列服务，目前已服务3000余家企业，覆盖近100余个细分行业。 02建设过程 数据战略-规划 坚持业务协同、数据驱动、过程量化的原则，以智能化运营决策为目标，以指标体系完善为手段，以多级业务看板实时驾驶仓建设应用为支撑，2025年前充分释放数据价值，主要运营数据指标达到国内领先。 数据战略-方针 遵循两化融合管理体系与新型能力体系融合、新型能力体系建设与数据管理融合的“两融”指导思想，坚持以效能导向、智能转型、数据驱动、持续改进的数字化战略方针为指导，数字化转型指导方针是指导公司各层面的业务过程和能力建设基本指导宗旨，是管理文化和治理体系综合建设的纲领。 效能导向 持续改进 以服务、质量、成本、效益等全要素、全过程、全方位效益指标为驱动，构建产品研发设计、装备技术支撑、组织流程等新的商业模式集成管控平台。 充分发挥数据的核心驱动作用，驱动基于数据和指标体系全覆盖的营销服务、产品研发设计、制造成本质量、供应链资源等业务集成。 以智能装备与生产工艺、质量控制集成应用为支撑，提升业务集成与过程数据管理与应用能力，大力推进工位制节拍制准时化、柔性调度与精准控制等生产制造新模式。 以新型能力建设为主线，围绕数据、技术、业务流程与组织结构四要素，加强数据治理体系建设，推动效率与效能的螺旋式提升，稳定获取预期的竞争优势。 数据治理-组织架构建设 建立符合徐工矿机战略发展的数字化组织架构，组织建立了由决策层、管理层、执行层、监督层构成的数据治理组织。其中，业务数字化专员作为数字化组织架构中的重要角色，让数据治理深入一线业务，在跨组织、跨部门的协作中发挥重要作用。 数据治理-组织架构建设 区别于由信息化部门通过业务调研+系统建设开展数据治理工作的模式，矿机数字化专员是公司一二级部门抽调专门的业务骨干落实数据管理工作，提高了数据管理效率，提升了员工数字化意识，真正反映业务问题，解决业务诉求。 通过各部门数字化专员，主要开展包括数据资产目录梳理、业务部门流程完善、数据质量提升以及指标体系的运营等涵盖DCMM能力域中的大量具体工作。 数据资产信息化部通过月度培训、考核/奖励等手段，充分调动数字化专员的积极性和数据管理水平。 数字化专员月度工作通报 数字化专员关键绩效指标考核标准 数据治理-制度体系建设 Ø徐工矿机根据相关国家标准，结合实际建立数据管理制度体系，制定了公司数据资产、数据分类分级等多个制度文件，识别了26个相关制度规定，覆盖了DCMM的各个能力域。 Ø2022年以来组织线上线下培训、展示宣传等10余次，涉及一二级部门20余个，1000余人次，涵盖数据治理、数据应用、数据质量等数据管理各个方面，将数字化转型内容深入公司每个人。 Ø培训宣贯 Ø制度建设 编制了《数据资产管理制度》（Q/XGKY 21174-2022）、《数据分类分级管理制度》（Q/XGKY 21170-2022）、《数据质量管理制度》（Q/XGKY 21153-2022）、《数据安全管理制度》（Q/XGKY 21155-2022）、…、《数据标准管理程序》（Q/XGKY 21176-2022）；修订了《战略规划管理规定》 数据架构-数据资产梳理导向的平台建设 数据架构是信息化、数字化建设的基础，徐工矿机目前已经通过集团统一和公司自建完成包括ERP(SAP)、X-DSC、MES、CRM、WMS、OA等近30余套核心系统的搭建，相比于规范化数据模型，数据集成和共享成为更为迫切的需求。 数据架构-数据资产梳理导向的平台建设 由数据资产信息化部牵头，通过制定并发布了组织级数据模型开发规范《数据架构管理程序(21175-2022)》，对新上系统进行规范化管理；同时，对于已有的系统，充分发挥业务数字化专员的作用，下沉本部门所涉及的业务系统和业务流程，对本部门的数据情况进行全面梳理，最后，由数据资产信息化部门搭建数字化指标体系平台统一对数据字典、数据权限进行管理，促进数据互通和共享。 数字化专员对本部门数据资产情况梳理，全面盘点系统使用情况 数据架构-数据资产梳理导向的平台建设 目前，完成组织级数据集成和共享平台的管理机制建设，初步实现组织内对SAP、MES、CRM、DSC、WMS、线下台账等多源异构数据整合，并形成统一的数据仓库对数据进行管理。接下来针对更大体量、异构的数据源的集成共享，调研新一代数据架构，并进一步加强元数据管理，以适应更复杂的数据场景。 数据集成与共享相关制度 数据质量-持续改进 数据质量是决定数字化转型的关键，也是DCMM诊断重要的实践环节。 Ø数据质量需求方面，徐工矿机编制并发布了《数据质量管理程序》、《质量信息及数据分析管理程序》、《工业数据应用指标评价管理规定》以及各系统规定中的相关内容，制定了公司级的数据质量目标，建立数据认责机制，明确各类数据管理人员以及相关职责，制定各类数据的优先级和质量管理需求，规范了数据质量模板以及评价体系。 数据质量-持续改进 Ø数据质量的检查及分析，是通过建立了公司级数据运营月度例会（数据资产信息化部主持）和考核机制，明确了由数据资产信息化部作为主管部门，通过月度例会向全公司通报各个业务部门产生质量问题及原因分析，保证了数据质量是一个持续改进的过程。 CRM数据质量考核 MES数据质量考核 SAP数据质量考核 数据标准-物料主数据的治理 跨部门、跨系统的数据标准体系建设是一项持续的过程，对于徐工矿机而言，物料主数据管理是重中之重，特别是多年信息化建设，形成了较多的业务系统。产品体系的升级换代，在PDM和SAP系统中沉淀了大量的历史物料数据。与数据集成类似，数据标准同样存在沉重的历史包袱，需要重点展开。 p主要物料管理系统SAP，通过单独建立接口或视图的方式对接各业务系统。p当前SAP物料主数据总量：超760万条。 物料主数据质量待提高 1、物料主数据字段缺失，缺少关键字段，导致影响业务运用时生产误差。2、业务人员对物料主数据属性字段不理解含义，机械沿用默认值，导致业务产生偏差。 物料主数据缺乏统一的数据标准 1、同一物料属性不同的业务人员有不同的理解。2、缺乏明确的物料命名规范，物料描述随意性大，不利于跨部门的业务人员理解。3、物料类别规则不规范，属性填写不规范，缺少校验方法。 数据标准-物料主数据的治理 徐工矿机以DCMM为指导，实施物料主数据治理工作，编制并下发了《数据标准管理规范》、《物料主数据及计划参数维护管理规定》和《供应商主数据创建与维护管理办法》，规范了物料主数据和供应商主数据的管理流程。针对物料主数据标准、模型和质量进行统一管理。 数据标准-物料主数据的治理 物料新增流程和扩充流程主要通过共享Excel表格的方式传递。信息化程度较低，无法保证数据及时性和规则校验的自动化等问题，数据资产信息化部自主开发物料主数据扩充系统，实现主数据提交、数据各字段填充分角色进行，对错误情况进行追踪处理，并实现对接SAP系统接口完成数据的自动扩充，提升了物料主数据的规范性和数据质量，同时提高了工作效率。 数据标准-物料主数据的治理 物料主数据治理是一项持续的重点工作，每个月的公司级月度数据运营例会上，针对发现的数据质量问题出具分析报告，阐述详细原因，给出解决方案后，再通过次月指标值来检验效果，形成闭环。 数据应用-全链路的数据支持 以指标体系的搭建，辨识数据智能分析洞察业务改善方向。公司通过并颁布了《数据应用管理程序》，以管理驾驶舱、物联网平台等实现对公司各类资源的统筹、穿透式管理和调配，目前沉淀各类业务核心指标119项，应用各类模型30余个，累计有效用户500余个，活跃用户数110余个。包括经营管理、决策等核心数据模型，并通过管理驾驶舱将数据模型和指标进行了落地，有利的支撑了公司领导层精准决策和战略规划。 数据应用-全链路的数据支持 推出智慧矿山综合管理平台，依托公司全产业链服务管理能力，将数据应用解决方案推向客户端，为矿山精细化管理，降本增效和智能化转型做价值输出。智慧矿山综合管理平台的搭建的核心，是通过整合车联网数据+公司内部服务数据+客户经营数据，为客户提供全方位的数据能力。 矿山行业特征提取 u数据预处理：对接入的结构化数据集与非结构化数据集进行清洗、集成