智能制造下半场，数据中台如何重构工厂数据价值体系

一、上半场拼系统，下半场拼数据

过去十几年，制造企业的"智能制造"上半场，拼的基本是系统上线速度：ERP管财务采购、MES管生产执行、PDM管设计图纸、APS管排产计划、检验检测系统管质量数据……每上一个系统，工厂的数字化程度就往前走一步。

但到了下半场，问题变了。系统已经不少了，可工厂真正想要的东西——"一条生产订单从下单到交付，中间到底卡在哪儿""这批产品的质量问题，根源出在哪个环节""这台设备的健康状态，能不能提前预警"——却越来越难被回答。

原因并不复杂：上半场解决的是"业务有没有系统支撑"，下半场要解决的是"数据能不能变成价值"。而后者，恰恰是大多数工厂最薄弱的环节。亿信华辰在其面向制造行业的数据中台解决方案中，把这种状态概括为几个关键词：零散孤立、混乱困惑、基础不牢——数据被业务模块割裂，业务越往前端走越不准确；数据口径不统一、视角不一致、定义不清晰；底层建设长期缺位，导致高价值数据难以产生。

一个具体的例子：某制造企业的生产订单数据中，"机型"字段的准确率一度只有62.4%，"组织名称"字段准确率约60.6%。原因是SAP系统本身缺乏质量校验规则，机型信息全靠人工维护，长期缺乏规范。这类问题看似很小，却直接决定了生产管控分析结果能不能被信任。

二、工厂的数据价值体系，到底"值"在哪儿

要重构价值体系，先要理解价值从哪里来。亿信华辰把数据中台的核心定位概括为：把数据从"存起来"变成"服务起来"——除了数据存储和数据计算这两项基础能力之外，更关键的是把数据快捷地变成"服务"提供给业务方，让业务方能够自助获取数据、开展数据处理、数据探索、多维分析、自助报表和数据分享。

这个价值转化的过程，被总结为四个字：盘、治、研、用。

• 盘：构建资产视图，把工厂里到底有哪些数据、分布在哪些系统、质量如何，先摸清楚；

• 治：让数据资产可信，通过标准、质量、安全等治理手段，把数据从"能用"变成"敢用"；

• 研：推动数据产品创新，把治理好的数据加工成指标、报表、模型等可复用的数据产品；

• 用：让资产服务易用，通过门户、API等方式把数据能力开放给一线业务和管理决策。

这四个环节形成的是一套持续运转的机制，而不是一次性的项目交付——这也是"数据价值体系"和"建一个数据平台"最本质的区别：前者关心的是数据能不能持续产生价值，后者只关心系统建没建成。

三、亿信华辰数据中台解决方案：如何把"盘治研用"落到工厂里

亿信华辰（北京亿信华辰软件有限责任公司，隶属于华宇软件，股票代码300271）成立于2006年，深耕商务智能、数据治理和大数据领域近二十年，服务过12000多家客户，覆盖200多个细分行业，连续两年被IDC评为中国数据治理解决方案市场第一。其数据中台方案的整体思路可以概括为"1+4+N"：1个湖仓一体平台、4大核心优势、支撑N多业务场景。

1. 底座：湖仓一体，让数据"存得下、流得动"

工厂的数据类型极其复杂——结构化的生产订单、半结构化的设备日志、非结构化的图纸文档、还有IoT设备产生的时序数据。单一的数据仓库或数据湖都很难独自扛下这些需求。亿信华辰的方案采用湖仓一体架构：

• 采集层支持Oracle/SQL Server/MySQL等主流数据库迁移、跨平台文件实时交换、基于日志的增量同步以及IoT实时采集；

• 存储层支持HDFS文件存储和S3/OSS对象存储，可按需冷热分级，数据在湖和仓之间自由流动；

• 计算层内置Hive/Spark/Flink/Impala等引擎，按场景灵活选择；

• 服务层提供存储、查询、访问、共享、开发等通用接口，方便第三方系统无缝对接。

2. 治理：把数据从"能用"变成"敢用"

数据治理产品《睿治智能数据中台》是这套方案里承担"治"这一环的核心。它采用云原生架构，将元数据、数据标准、数据质量、数据集成、数据资产、数据安全、生命周期、主数据、指标管理等十余个模块做成微服务，可以单独使用也可以自由组合：

• 元数据管理：内置近60种采集适配器（数据库类20余种、报表工具14种、ETL工具9种等），支持血缘分析、影响分析、全链分析，帮助工厂理清"这个字段从哪来、被谁用、改了会影响谁"；

• 数据标准管理：支持标准定义、落地映射、落地评估和版本管理，解决"同一个物料，不同系统叫法不一样"的老问题；

• 数据质量管理：从规则定义、质量检核到问题整改、质量报告，形成PDCA式闭环，让"机型62.4%准确率"这类问题能被系统性地发现和修复；

• 数据安全管理：按影响对象（国家安全、公众权益、个人隐私、企业合法权益）和影响程度划分5级安全等级，在采集、传输、存储、使用、共享、销毁各环节配置对应策略。

3. 资产化运营：让数据像商品一样被"看见"和"用起来"

如果说治理解决的是数据"干不干净"，资产运营解决的就是数据"好不好找、好不好用"。方案提供了一套完整的数据资产门户能力：

• 支持智能添加和手动添加两种方式完成企业级数据资产盘点，覆盖数据库、电子文件、图形图像、流媒体、电子表格等各类资产类型；

• 资产目录与元数据无缝对接，可通过元数据批量盘点并自动"活化"资产目录信息；

• 提供数据资产统计监控，从服务调用次数、资产查看次数、数据申请次数等维度评估资产价值、发现"僵尸资产"；

• 数据资产可以以数据商品的形式在门户中开放，业务用户可以浏览、检索、申请使用，平台支持数据查询、文件预览、下载、API等多种服务方式，并配有精细化的权限管控。

4. 指标与主数据：面向制造场景的"最后一公里"

对制造企业而言，两类数据决定了数据中台能不能真正被一线业务用起来：

一是指标。方案提供一站式指标管理平台，覆盖指标构建、定义、开发、治理、发布、应用全流程，并融合知识图谱、数据编织和大模型技术，目标是实现"零SQL"的指标自动化加工，让生产管控、质量管控、设备健康等分析场景不再依赖"等IT写SQL"。

二是主数据，尤其是BOM。制造行业最典型的主数据痛点是物料和BOM（物料清单）管理混乱。《睿治智能数据中台》专门设计了满足制造业场景的BOM模型，支持界面化定义BOM结构（基本属性、清单属性），支持自顶向下和自底向上两种数据构建方式，并以树形结构展示物料组成的层级关系，同时可对接SCM、CRM、BPM、MES、ERP等系统完成数据集成。

四、制造与实体产业的落地印证

这套"盘治研用"的方法论，在亿信华辰服务的实体产业客户中已有多个案例：

• 南山集团主数据项目：建成人力资源、财务、采购、营销等六大类主数据管理平台，其中物料主数据涉及40余个大类、3000余个小类、超过10万条实体数据，并完成与纺织、服饰、轻合金等事业部MES、ERP系统的集成；

• 瀚蓝环境数据资源中心项目：面向供水、排水、燃气、固废等15个以上业务系统，完成元数据、数据标准、数据质量、数据资产四层统一治理，制定质量规则104条，梳理资产目录1128个，覆盖资产表1077张；

• 国网甘肃电力数据资产管理平台、长江存储数据质量管理平台、博威集团主数据项目、中铁建电气化局主数据管理项目等案例，分别覆盖能源、半导体、有色金属、电气化工程等实体产业领域。

在行业评选中，亿信华辰也曾凭借郑州煤机等制造业客户项目获评"2024数据驱动软件应用典型案例"，从侧面印证了这套方案在制造类客户中的应用深度。

五、结语：下半场比的不是系统数量，是数据能不能变现

智能制造走到下半场，工厂之间的差距，正在从"上了多少套系统"转向"数据能不能持续产生价值"。数据中台要做的，不是再造一套新系统去和ERP、MES抢地盘，而是把散落在各个系统里的数据"盘"清楚、"治"干净、"研"成可复用的产品、"用"到具体的生产管控和经营决策中去——这才是重构工厂数据价值体系的真正含义。

从亿信华辰的实践来看，湖仓一体的技术底座解决了"存得下、流得动"的问题，覆盖十余个模块的治理能力解决了"敢不敢用"的问题，资产化运营和指标、主数据管理解决了"好不好用、用不用得起来"的问题。三者叠加，才构成了一套相对完整的、能够穿越智能制造下半场的数据价值体系。