數據分析在制造型企業其實主要就是兩個目的：判斷和預測。如果按照層次來分，我們可以分為三個層次：

第一個層次: 描述過去已經發生的。

比如使用常規excel報表, 說明產銷研供各個層面發生了什么。然后通過查詢和匯總描述數量、頻率和地點等關鍵因素。在通過BI工具，比如PowerBI, Tableau等進行多維度的透視分析，尋找更多維度的因素。這一層次，是所有制造型企業應該具備的，不幸的是，這一層次中多維度分析透視很多企業還懵懵懂懂，Excel和BI工具的使用還不夠深度，對業務和經營管理的理解也欠缺。在這個層次，我們還只是停留在描述統計的領域，并未做更高一些的數據分析。

 制造業

第二個層次：了解現在正在發生的或短期即將發生的。

在這個層次，我們進入了高一級的數據分析領域，會采用大量的統計分析方法和工具，數據的實時性也要求較高，即對信息化系統也有一定的要求。比如通過六西格瑪中的SPC（制程穩定性控制）來實時采樣判斷生產制程中的穩定性，以便采取及時的措施控制不良品；比如通過采集多種工藝參數來及時調整原材料的成分或規格波動帶來的產量減少；比如通過DOE、田口正交可以判斷接下來要做的事情是否合理，不管是配方，效果，工藝參數，營銷效果等。這里面即可以根據實時采集的數據進行描述性分析，并結合經驗或實驗數據進行判讀和控制，也可以通過統計分析方法建立數學模型進行自動或半自動判斷，比如常見的線性和非線性回歸方程、PID、傳導方程、矩陣參數調用等。這些方法論即可以使用在生產制造過程中，也可以使用在營銷和其他職能體系中，當然，我們也可以使用互聯網企業常用的推薦算法，比如對全網銷售數據的實時分析，對目標人群的實時動態劃分到推送。

在這個領域，數據分析工具就非常的多了，除了常見的Excel, PowerBI, Tableau等工具的深度使用，還有專用的數據分析工具，比如Minitab, JMP, SPSS, SAS等，這些可以使用在傳統的統計分析領域和特定的行業（比如生物制藥領域），也可以使用在營銷等場景下的機器學習應用。除了這些分析工具，很多的工業軟件和硬件本身也具有統計分析甚至機器學習的能力，最常見的就是視覺系統，比如Intel的OpenVINO所支持的深度學習算法系統，比如某些MES里集成了SPC的工具。所以，怎樣使用現成的領域里的數據分析工具也是一門學問。基本上所有制造型企業需要進行的數據分析場景在現成的各種軟件和硬件產品里都有，并不需要重新開發大量的平臺和新算法。

筆者認為，絕大數企業應該突破的就是第二個層次，在組織、人才、體系和工具上在中短期著重建設這個部分，趕上發達國家的龍頭企業。這塊也是發達國家龍頭企業在過去幾十年數據分析領域著重建設的，并形成了其各個模塊的核心競爭力。

第三個層次：預測未來的情況。

這里我們要說明一下，在第二個層次中其實我們已經建立了很多模型和算法對未來進行預測。因此，在第三個層次中，我們更加強調除了預測未來的情況還會預測可能出現的不同情況的概率，以及其最好的解決應對方案，以及解決方案會帶來的可能的結果。這就更多涉及了AI這個層面，筆者在制造型企業見到這種應用場景偏少（常見的銷售預測、質量CPK、研發和工藝的實驗設計、可靠性設計及預測、仿真模擬類的、機器學習類的包括預防性維護等都列入第二層次），所以這里不再贅述。也許，這個部分，更多是要借用真正的大數據平臺，結合企業內的數據，社會數據，第三方數據等進行深度的學習。

來源：網易號，精企智能

財務數據分析師CFDA（China Financial Data Analyst）

由中國商業會計學會頒發，通過全國統一考試的學員將同時獲得商業數據分析證書，該證書是由人社監制，省級職業技能鑒定指導中心簽章頒發《人力資源和社會保障部專項職業能力證書》。

通過CFDA課程的學習，企事業單位的財務人員和管理人員能夠通過科學的指標體系和分析方法，結合企業財務數據，構建數據模型，對公司整體經營狀況進行評估，向管理層和業務部門提供財務建議和決策支持，從而優化資源配置和提升企業核心競爭力。