随着信息技术的迅猛发展，以数据为主要生产资料的数字经济应运而生。要发展数字经济，数字化转型刻不容缓。对制造企业来说，数字化转型是提高产品质量、提升管理效率的重要途径，柴油发电机组数字化解决方案使释放生产力、重塑竞争优势成为可能。
当下，我国制造业数字化转型虽然已取得了一定成效，但阻碍行业发展的问题依然不少。康明斯（中国）投资有限公司CIO饶浩斌、微软中国数据与人工智能解决方案总经理李磊，共话康明斯中国业务在微软助力下的智慧转型，很值得制造业转型中的企业借鉴。
“百年长青”背后的转型之路
成立于1919年的康明斯是一家典型的制造企业。作为独立柴油发电机组制造商，拥有百年历史的康明斯发展至今，拥有康明斯发电机组事业部、电动动力事业部、分销事业部、零部件事业部和动力系统事业部五大业务单元。在数字化时代，康明斯同样在摸索着契合自身长远发展的转型之路。
▲康明斯的介绍图
李磊提到，制造企业转型过程中普遍面临四大挑战。
其一，新产品的推出是否能应对市场变化，能否支撑相关业务的数字化转型；
其二，客户群体是否发生了变化，如何更有效地与客户群体进行互动；
其三，运营如何更有效率，能更好的围绕业务方向实现精准管理；
其四，企业内部员工队伍如何提升生产力。
整体来看，要实现数字化转型，需要从产品服务转型、密切客户沟通、优化业务运营、赋能员工队伍这4个方面寻找相关信息系统和信息技术的支持。
▲康明斯的业务挑战
在这些共性的挑战之外，饶浩斌结合康明斯目前的信息化建设情况作出了进一步说明。
“康明斯正处在一个由信息化向数字化、智慧化转型的阶段。我相信很多企业目前的状态都比较类似。在过去的20年，我们通过ERP、MES、CRM、SRM这些IT系统的部署，结合精益生产的要求，可以说基本完成了企业内部的信息化，大部分业务通过相关系统得到了有效的支撑。目前我们开始做一些初步的数字化、智能化的尝试，比如构建数据湖、搭建云服务等等。回到具体问题上，在转型过程中有两个方面非常关键。”
第一，要想清楚数字化到底要给业务带来什么样的价值。尤其是在新兴市场变化非常迅速的情况下，康明斯要如何在原有优势的基础上，挖掘数字价值，找到新的业务增长点。第二，如何构建链接实现万物互联是一个很大的挑战。各种各样的型号设备，各种各样的数据标准，如何把所有关键的点链接起来做更好的集成非常关键。
从产品角度来说，柴油发电机组产品装车使用就只是一个孤立的柴油发电机组，但如果有链接，它就不仅是一个产品，还是物联网的一个端。通过柴油发电机组相关数据的采集，制造商能了解柴油发电机组的工况，不仅便于做一些预测性维护更好地服务客户，也有利于为研发端提供优化产品的样本参数。“用好这些链接产生的数据，我相信下一步的数字化不一定说是水到渠成，但至少会有一个顺理成章的平稳过渡。”饶斌浩说道。
为加速数字化转型步伐，康明斯与微软开展了一系列合作。合作内容集中在三个方向：构建团队协作平台。通过Office 365等平台提升协同工作效率；打造自主开发平台。利用Power Platform平台提升工作专业性，使用 Power Apps、Power BI和Power Automate 来自定义、扩展和构建业务必需的应用；在技术研发领域引入机器学习、数字孪生等技术。
建设“云”上数据湖
在数字化转型过程中，数据分析的重要性显而易见，如何从数据分析中挖掘价值就更是个中关键。但是横亘在传统制造企业面前的，往往是数据存储的高昂成本、数据处理的芜杂低效，不仅对业务转型的支撑作用非常有限，对产品质量管理和供应链管理的价值实现也形成了阻碍。
为了支持各种数据分析需求，适应长期的数字化转型战略，康明斯决意携手微软在中国搭建数据湖，在Azure Data lake上不断孵化和发展数字化项目。
饶浩斌指出：“这是康明斯在美国以外建立的一个数据湖，用于帮助康明斯中国提供数字化产品服务，我觉得这是一个很大的跃进。作为企业来说，数据湖这个平台能够帮助我们管理、集成数据，并在这些数据的基础上提供数据分析的相关工具，依靠数据科学家、数据分析人员的能力，依靠建立的算法，找到新的业务价值。因此康明斯对建设并用好数据湖有比较强烈的诉求。”
相比传统的数据仓库，数据湖的优势在于可以容纳海量的、多样性的数据。李磊对此做了简要解释。
“数据仓库一般采用RDB技术，因此需要严谨的范式化的数据模型。就制造企业来说，当然有很多数据是结构化的，比如传感器数据，但也有很多数据是来自文件的，来自不同设备、不同场景，这些不同来源的多样化的数据可能是非结构化的或者半结构化的，我们都可以放到数据湖中去统一存储，然后根据需求场景来梳理数据目录体系。在目录体系之上，我们再运用不同的技术手段对数据进行分析，这里的工具选择就比较灵活了。”
对于数据湖的建设是采购还是自建，饶浩斌认为这取决于企业数字化建设的定位。采取自建的方式意味着要把很多的时间、精力、资源花在基础架构的搭建以及后期的运维管理上，还要考虑建在本地的安全性的问题。而康明斯更多地把数字化工作定位于业务价值的发掘上，更希望把IT资源放在和业务紧密相关的技术驱动上，作为一个制造企业而非IT公司，归根结底还是要更专注于如何支撑业务单位。此外，从成本角度看，在本地建数据库需要考虑到隐含成本，除了后期运维的人员成本外，在一些不可抗力的因素作用下，稳定性和可靠性也需要重点评估。
“不要仅仅是考虑一个字节存储在数据湖和存储在本地仓库的单价如何，可能更多的要从整个环境的角度来考虑TCO的概念。”
据饶浩斌介绍，目前康明斯数据湖中的数据主要集中在云服务部分，也就是日常运行中的柴油发电机组相关的数据，另外还有市场服务部分的数据，此外，也集成了一部分内部运营数据。
“在中国这个区域，我们就有35万台柴油发电机组的数据需要通过T-box传回公司，不同的数据还有不同的响应时间要求，这种数据处理量是非常庞大的。第二个在市场服务方面，比如分散在各地的维修保养数据，来自不同业务模式、不同平台工具的数据要倒入数据湖中也是非常大的工作量，此外我们现在也开始做一些内部生产制造数据、内部供应链数据的集成，往后我相信会有越来越多的数据进入到数据湖中。”
在众多的云服务商中，康明斯选择微软，主要是基于长期合作的信任基础和数据安全的考虑。饶浩斌说：“康明斯和微软在长期的合作中建立了比较深厚的信任基础，我们愿意放在微软平台上做一些尝试。另外，作为传统制造企业，康明斯对数据安全其实是非常关注的。而微软在中国的投入和部署非常契合等保2.0等法律法规的要求，帮助我们打消了安全合规方面的顾虑。从康明斯的角度来说，我们其实是在做了充分的分析后才选择了这样一个合作伙伴。”
从数据分析到数据驱动
无论是搭建数据湖还是应用各种数据分析工具，脱离了业务价值也就没有了意义。饶浩斌强调：“企业从信息化到数字化的过程中，一定要做好定位，明确什么样的业务价值是值得我们追求的，做数据分析才有意义。找不准定位，数据分析从技术角度就没有什么驱动力。另外，做数据分析的时候，数据本身的质量对数据分析的结果是非常关键的。数据收集的数量、真实性、可靠性，对于分析的结果、算法的制定、价值的实现都是极其重要的。这决定了后期价值点的正确性和可实现性。”
他用两个例子说明了数据分析如何作用于康明斯的产品和服务，进而提升业务价值甚至开发新的业务模式。
“康明斯有一款叫‘e-Shift’的智能换挡辅助系统，搭载在重型卡车上。一般来说，大型运输车的换挡过程是非常复杂的，变速换挡的时间很长。但现在通过这个产品，结合地理数据、柴油发电机组运行数据等进行大数据分析就能做一些预测性管理。比如判别前方要爬坡、拐弯或者一直走直道，就可以提前把档位拉起来保证经济的油耗，或者提前把档位减下来，增加柴油发电机组力量去爬坡。”这种数据分析能力事实上在提高车辆动力性、经济性、安全性的同时，也为驾驶员提供了更舒适的驾驶体验。
“在服务领域也有比较常见的例子。比如为满足国六排放标准，我们投入了很多新产品。新产品的使用过程中会有很多运营数据返回，通过对这些数据的分析，我们可以实现对一些零部件的生命周期的管理。比如预测到某个零件可能会出故障，去提醒司机、车队提前进行保养和维护。当故障出现后，通过失效模式数据的收集和分析，追溯到质量管理流程中去，实现端到端的质量管控。”
就数字化转型而言，李磊认为，站在供应商的角度，首先能和客户建立信任共识，围绕一个目标去做一件事情是非常难得的。微软实质还是一个偏技术的公司，在合作中IT部门起到了很好的衔接作用，为和业务部门的协作铺设了桥梁。从业务价值实现的角度来讲，合作的整个过程其实涉及多个公司的多个业务部门，围绕数字化转型的主题，从产品层面，从技术价值的应用层面，实现了和各个业务部门的充分合作。
