从“人找数”到“数找人”:智能化的发展路径 点击:160 | 回复:1



gchui

    
  • 精华:2帖
  • 求助:0帖
  • 帖子:235帖 | 6回
  • 年度积分:81
  • 历史总积分:778
  • 注册:2016年9月13日
发表于:2020-06-15 10:12:06
楼主

前几天,有位老领导谈到他当年对ERP最初的理解:原来就是报表啊!报表,让人欢喜让人忧。领导和技术人员要看报表才能管好企业,报表多得又让人烦。从报表的角度,可以看到从传统信息化到智能化的发展轨迹。

 

企业搞不好往往是因为管理不好。管理不好的原因,是因为工作中的漏洞太多,管理者难以做到“明察秋毫”。在大数据、互联网时代,条件大大改善:管理者能够通过Cyber空间了解企业、省去了实地考察;即便是问题发生的时候不在场,也可以用数据进行追溯。

 

但问题是:在信息化时代,人们已经对报表感到厌烦了;现在面临浩如烟海的数据,看得过来吗?解决问题的办法其实很简单。我在给一个博士班上课时,有同学把我讲的观点总结为:从“人找数”到“数找人”。

 

读报表的时候,其实没有必要把表格中所有的内容都看完。我们要看的只是一些结论性的东西。打个比方,某位家长拿到了孩子班里所有同学的成绩单。他有没有必要把所有同学的成绩都看一遍,只要知道孩子在班里排名如何就可以了,根本不用去看别的孩子的成绩。如果孩子的学习成绩稳定,他甚至都不用去看。只有孩子的成绩发生异动时,才真的需要去看看。

 

家里的事少,还好办。企业里需要管理的事情太多,报表就看不过来了。理想的做法是:没事不用看报表,只在必要的时候把信息和结论推动给他就可以了。这就是“数找人”。有了这样的机制,可以大大提高了看报表的效率。相当于有时间关注更多的报表,用有限的时间实现了对企业的“明察秋毫”。

 

这样的想法很简单,过去为什么不做呢?原因就是:数据没有集成起来,没有办法做到“数据不落地”。

 

一张报表可能分析不出问题,需要更加深入地分析。但是,深入分析所需要的数据,可能来自其他的系统。比如,ERP系统中看到的问题,根源可能要从DCS中看到。在一个系统内部,数据分析很快:就像一旦上了飞机,从一个城市飞到另外一个城市的速度很快;但换一个系统取数再分析却很慢,就像通过室内交通到达飞机场。如果切换多了,会花费大量的时间。所以,如果事情不是重要,遇到跨多个数据平台的事情,管理者很可能选择“不看也罢”。

 

如果数据都集成起来了,问题就简单了:把人分析问题的逻辑变成计算机代码,让计算机自动地、跨系统分析。这样做,时间效率提升很快。这就好比,飞机直飞比经过十个城市中转要快得多。在有个案例中,过去一个礼拜完成分析,现在几分钟就可以分析出来。

 

如何推进“数找人”呢?

 

在一次学术会议上,科学哲学家波普起身站到讲台上,说了三个字:“请观察”后就静止不动了。正当大家莫名奇妙的时候,波普说:“我们往往是脑子里先有了问题再进行观察,而不是先观察后发现问题”。

 

数据分析师面对他不熟悉的数据,就像观众面对波普。如果脑子里没有问题,是很难有分析结果的。很多企业有了数据以后不知道有什么用,就找些搞数据分析的人来分析一下。这个逻辑其实是有问题的。

 

要想做到“数找人”先要从“人找数”开始。而“找数”的这些人,就是平日里看报表、看历史数据的管理和技术人员。他们去“找数”时,自然是带着问题去的。

 

l 人们完看报表后,有时要采取一些措施。这时,他其实是从数据中得到了某个结论。比如,看来一堆数据后,发现某个合同要拖期。所以,他的脑子里有一种映射:从表格里面的多个数据项映射到“拖期与否”。我常把这种映射称为感知到认知的过程。这种映射其实是一种知识。

 

l 人们遇到问题时,想找到根源和解决问题的办法,也会去“找数”。比如,产品质量、设备出现问题时,能源消耗大了、生产效率降低时等等。出现这种问题的时候,人们也会去“找数”:看看那些数据异常了、超标了,然后再试着进行一些改动、希望解决问题。如果问题解决了,就说明原因找对了。这里,我们找到的“原因”和解决问题的“做法”也是一种知识。

 

这两类知识都是重要的知识。要做到“数找人”,就是要把这些知识用数字化的手段沉淀下来。沉淀下来会有很多好处。比如,人们通过数据找到了发生某个问题的原因。下一次“原因”产生的时候,就可以“预知”“结果”会产生。由于“原因”和“结果”之间往往存在一段时间差。于是,我们就获得了一种“预测模型”。

 

开始的时候,“数找人”的系统肯定不完善:没事的时候会来找你,有事的时候反而没有找。比如,该报警的时候不报、不该报的时候误报。但没有关系:在大数据的背景下,我们可以持续改进。

 

有了这样的系统,使得人们查找和发现问题的速度快了、管理能力强了、重复性劳动少了、知识沉淀自然了。久而久之,如果“数找人”都找对了,就可以逐渐从“数找人”变为“数不找人”:把人的决策逻辑告诉计算机,让机器自动决策就是了。这样就真的是智能化了。

 

我一直认为,智能化是个久久为功、持续改进的过程。但这并不意味着不需要系统思维。所谓的系统思维,就是要便于持续改进、为持续改进扫清障碍。

 

比如,要持续改进,需要有一个工业互联网和工业大数据平台系统,便于沉淀“数找人”的数字化知识。这样的平台应该具有灵活性、可靠性、可拓展性。目的是让知识的沉淀和管理变得简单、高效、低成本。平台的性能很非常重要。试想:如果一条知识沉淀需要1个小时,这个系统可能就会成功;如果需要花1个月,可能就会失败。这是因为:如果知识沉淀是经济上不划算的事情,就很难持续。

 

其次,如前所述,数据往往是跨平台的;反映到组织上面,就是跨部门。这些知识要发挥作用,需要观念的突破:部门之间的关系,要完成从服从到协同的转变。前面我写过一篇文章,这里就不重复了。

 

第三,组织结构会发生改变。数据多了,管理者的效率提高了,但维护数据的工作量却会增大。沉淀知识的工作,需要独立的部门来完成、需要有人力资源的投入才行。

来源:微信号 蝈蝈创新随笔

作者:郭朝晖

该作品已获作者授权,未经许可,禁止任何个人及第三方转载。




楼主最近还看过



fanghuaili

  • 精华:0帖
  • 求助:0帖
  • 帖子:0帖 | 4回
  • 年度积分:53
  • 历史总积分:53
  • 注册:2008年8月11日
发表于:2020-06-18 15:16:03
1楼

拜读学习!


相关主题

官方公众号

智造工程师