要尋求大模具鑄造數據幫忙時，首先，必須要有明確的目標；其次，要有專門的數據團隊協助決策。 而善用大數據的企業，將能在下一波競爭中致勝。
大數據已經成為一種流行，不論是製造業、服務業、零售業，甚至是公家機關，都想要跟上這波潮流。
不過，大數據雖然是近十年才廣泛受到矚目，其實存在已久。從製造業到服務業，從生產到銷售的過程，機器或人都有許多的「行為」，產生許多「數據」。
但過去由於科技限制，無法將之搜集、儲存、管理及應用，如今隨著網路普及、儲存設備成本降低，及運算能力增加，數據得以快速整合與分析，從中產生洞見（insight），協助決策。
數據做為管理的具體依據
數據管理專家、箴亞管理顧問公司創辦人游舒帆表示，數據對管理最大的革新在於「溝通標準的具體化」，容易訂出可衡量的標準。
舉例來說，以前管理者要評斷公司的經營狀況、客戶滿意度、倉儲管理的水準等，除了傳統的財務報表，其他多是依靠經驗或感覺。數據化就提供了一個科學化管理的指標。
資策會產業情報研究所（MIC）資深分析師郭家蓉指出，以往企業研究問題時，只能以抽樣調查處理，包括市場行銷、工廠的環境資源等。
但抽樣有局限，必須依據不同個案使用不同的統計模型，才能找到合適的數據或解釋方式。
但大數據出現後，可以完整地收集資訊，研究的對象就是母體本身，更精確也更具代表性。
郭家蓉說，以往ERP（企業資源規畫）、CRM（顧客關係管理）、SCM（供應鏈管理）等都是獨立運作的系統，如果需要報表，都要到每一個系統中分別去「撈」資料，再找一個人花一整天的時間做出一份報告，既耗費時間，又無法看到全貌。
現在很多企業導入RPA（Robotic Process Automation，企業流程自動化機器人），銜接不同的資料庫，可增加對作業流程的了解及問題改善的效率。
問對問題，
不為追求數據而數據
新式的模具鑄造方法，內孔形成在所述鑄造產品中，所述內孔的至少一個端部是敞開的。所述方法包括以下步驟：形成供芯銷插入的空腔，所述芯銷具有中空結構並且構造成形成所述內孔；將熔融金屬引入到所述空腔中；以及借助插入到所述芯銷精密鑄造的中空內部部分中的加壓銷將壓力施加至引入到被所述空腔中的所述熔融金屬。經由振動傳遞構件將由振動發生單元產生的振動施加到所述加壓銷，從而將振動施加到所述空腔中的所述熔融金屬。應當指出的是，術語“內孔”包括兩端敞開的通孔以及一個端部被閉合的底孔的含義。此外，如下面使用的術語“完善(sound)表面”和術語“完善層”指的是不能識別出造成所述內孔內側的內部物質洩漏的大小的鑄造缺陷(諸如氣孔或流痕，等等)的表面和層。所述芯銷具有中空結構，並且將所述加壓銷插入到所述芯銷的所述中空內部部分中。因此，即使所述芯銷和所述加壓銷組合地使用，也可以簡化結構。此外，因為將振動傳遞到所述芯銷，所述內孔的所述內壁表面(僅借助所述加壓銷不容易減少鑄造缺陷)可以形成為完善表面。即，在所述內孔的所述內壁表面中，具有導致所述內孔內側的內部物質(例如，液壓油，等等)洩漏的程度大小的鑄造缺陷(諸如氣孔或流痕)不能被識別出。此外，所述內壁表面具有良好的外觀。
但管理者也必須了解，在尋求大數據幫忙時，必須先確定管理的目標，再尋求數據幫忙。
游舒帆發現，不少企業寄望利用大數據來強化管理、提升績效，但常用錯方向。許多管理者最常拋出的題目是「希望在一年內讓公司業績成長三成」、「產品銷售量在六個月內成長兩成」之類。但這是很模糊的說法，只是為了追求大數據而大數據。
游舒帆建議，應該是先想要解決什麼問題。舉例來說，A 公司的金屬鑄造某項在電視購物台的熱銷商品，在其他通路卻銷量不佳，原因何在？
如果問對了問題，就會知道應該進行產品與通路的交叉分析：哪種消費者，在哪個通路上，買了什麼商品？
產品銷售分析，最困難的部分是消費者樣貌的掌握。游舒帆認為，即使一些頗具規模的企業，大多也只做到產品與通路的二維分析，能夠加入消費者形態分析的企業，大概只有一成，「目前很多企業對於牽涉到『人』的部分，把握度偏低。」
這也是大數據最新的發展方向：利用數據了解消費者的長相。一旦建立起消費者的形貌，就知道他大概消費水平是多少，喜歡哪一類型的商品，會更容易制訂或改善行銷策略。
組織完整的數據團隊
有了明確的目標後，還須要有專門的數據團隊協助決策。郭家蓉指出，一個完整的數據團隊，應該要涵括三種人才：具備領域專業知識的資深人員、了解
企業商業模式的營運、銷售人員、數據分析師或資料科學家。
很多企業為了做大數據，就找來很多數據分析師，但這類專業人員通常不了解企業真實的問題，可能分析了一大堆東西，卻毫無幫助。「沒有抓對方向，就會分析到很多雜訊，」郭家蓉強調。
當然，如果能有一種人兼具兩項甚至三項技能，對企業更是不可多得的寶貴人才，只是這樣的多工人才相當稀少。
研究機構 IDC（國際數據資訊公司）指出，「大數據即機會」（Big Data as Opportunity），將大數據定義為「以前因為科技所限而忽略的資料」。當這些資料被挖掘出來，能夠善用的企業，才有機會在下一波的競爭中致勝。
留言列表
