“大数据西装”:看不见的自动化

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介:

“互联网+工业”是红领转型的方向。在贵阳大数据产业峰会上,总理特别介绍身上的“大数据西装”,更让这家公司引发关注。实际上,这家创建于1995年、 原本标准化生产服装的企业,早在十几年前已经开始了艰难的转型,背后有着服装业普遍面临的供需压力,以及互联网冲击下的行业焦虑。

从供给上看,随着服装产业生产能力的快速提升,各大类服装出现了严重的产能过剩;从需求角度看,消费升级在加快,同质化需求的高峰已过。更重要的是,互联网带来了消费者的碎片化需求,个性化、多样化、差异化的需求正逐步成为主流。

然而,传统的服装业供给方式已经无法满足新的需求,高库存、高成本、同质化又带来了市场恶性竞争,传统企业经营举步维艰。

正是在这种行业焦虑中,红领不断地推进着自我革命。在张代理看来,面对互联网时代碎片化的消费需求,转型必须转变生产方式、突破工业化与个性化的内在逻辑冲突、创造性地实现个性化产品的大规模生产。

为此,红领用了13年时间,投入数亿资金,以3000人规模的工厂作为试验室,进行了艰苦卓绝的转型探索。过程并非一帆风顺,早期既无标杆企业可对照,也无经验教训参考,更重要的是,彼时的信息化手段并不成熟,在实践中频遇瓶颈。

所幸的是,互联网正在加速从生活领域向生产领域扩散。据工信部赛迪研究院信息化研究中心主任、软件产业研究所所长杨春立介绍,互联网技术对产业的渗透融合 遵循着从下游消费向上游生产扩散的传导规律,精确感知、宽带互联、海量计算等技术正在形成面向生产需求的升级版互联网。

这为红领的转型提供了技术上的可能。21世纪经济报道记者在红领工厂发现,每件衣服上都吊有一个电子标签(射频芯片卡),而在设计、制版、裁剪、缝合等各 个流程上都有扫描设备,每经一个流程,先扫描电子标签显示订单的尺寸、材质、样式等详细信息,生产线上的机器或工人会根据这些个性化信息进行相应的加工。 由于订单信息各不相同,流水线上吊挂着颜色、大小和样式各异的服装。

实际上,红领的工厂中并没有想象中的大规模机器人、数控机床等自动化生产线,倒更像一个传统的劳动密集型企业。一同参观的工信部信软司副司长安筱鹏认为, 红领个性化生产方式的关键是数据流动的自动化,而这是一种看不见的自动化,是解决定制化生产中不确定性、复杂性和多样性的必要手段。

从红领出发向南走上30公里,有着中国更为知名的一家制造企业:海尔集团。后者也在经历着同样的互联网转型。

海尔集团相关负责人向笔者明确表示,在互联网时代,海尔已经不再是单纯的家电制造企业,要转型成为互联网企业。海尔创建互联网企业的探索主要是创业加速平台的建设。

据海尔大学执行校长孙中元介绍,海尔创业加速平台下设创客学院、创客工厂、创客服务、创客金融、创客基地5个子平台,构成了海尔开放创业的生态系统。

孙中元表示,这一探索的核心包括三方面:企业功能平台化,即从过去封闭的企业转变为开放的创业生态圈;组织运营微型化,从科层制的大型管控型组织裂变为自冒出的小微公司;员工经营创客化,即从过去雇佣制下的执行者变为动态合伙人制下的CEO。

分散化的创客组织带来了产品的多元化,海尔的产品展览馆中陈列着种类繁多的产品:印有个性化头像或照片的空调、3D打印的mini洗衣机,微型机器人,每个产品下面都写着海尔创客的名字。

为何要转型?海尔集团董事局主席兼CEO张瑞敏算过一笔账:海尔1999年在美国建厂时工人工资是国内20倍,去年变成了4倍。同比,中国的油料费是美国的两倍,过路过桥费中国是美国的18倍,中国制造业生产要素的优势没有了,但新的竞争力仍在探索。

海尔转型的背后,正是中国家电行业在互联网时代的整体焦虑。数据显示,我国家电产业体量已上升到1.5万亿的规模,但我国尚未成为家电制造强国,竞争优势却在下降。

在新时期,不少家电企业在经营理念上依然停留在代工阶段,缺少针对消费者个性需求的市场直觉,更严重的问题是,这些家电企业大多身子笨重迟滞,无法迅速适应动态化的市场需求。

实际上,服装和家电正是整个中国制造的缩影。Wind数据显示,2015年1211家制造业上市公司净利润总额为3023.5亿元,比前年减少468.4亿元,减幅达13.4%。盈利能力下降的同时,在互联网冲击下,这些制造业大都面临着转型的迷茫与挑战。

在海尔文化大厦的天花板上,刻着张瑞敏的一段话:“今天我们必须面对一个更大的问号。为什么?因为被奉为百年经典的管理模式渐已失灵于互联网时代。脱离迷津的唯一出路在于破坏性创新。”
本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
算法 搜索推荐 大数据
数据驱动增长:大数据与营销自动化的结合之道
数据驱动增长:大数据与营销自动化的结合之道
317 3
|
运维 Cloud Native 安全
【专栏】随着信息技术发展,运维正向自动化、智能化转型,云原生运维成为主流,大数据驱动运维决策,而安全运维日益重要
【4月更文挑战第29天】随着信息技术发展,运维正向自动化、智能化转型,云原生运维成为主流,大数据驱动运维决策,而安全运维日益重要。面对技术更新快、人才短缺和复杂性增加的挑战,企业需建立培训体系,加强人才培养,优化运维管理,以适应未来运维需求。随着这些趋势,运维领域将迎来更广阔的发展前景。
678 2
|
存储 分布式计算 监控
使用Airflow管理大数据工作流:自动化任务调度与依赖
【4月更文挑战第8天】Apache Airflow是一款开源的工作流管理工具,用于高效组织和调度大数据任务。它基于DAG(有向无环图)定义任务依赖,通过Operators(如BashOperator、PythonOperator)执行不同工作,并通过Scheduler和Executor协调任务执行。Web UI提供监控界面,Metadata DB存储元数据。创建DAG涉及定义DAG属性、Task及依赖关系,然后部署到Airflow环境。进阶功能包括Variables和Connections管理、XCom跨Task通信、自定义Operator及Plugin、高级调度与告警设置。
1933 0
|
人工智能 Kubernetes 大数据
探索云原生容器编排技术:如Kubernetes如何为大数据处理和AI模型的自动化部署带来便利
Kubernetes以容器为基础,将应用程序和其依赖项封装在容器中。这使得大数据处理和AI模型的部署更加一致和可移植,可以在不同的环境中轻松部署,包括开发、测试和生产环境。
761 0
|
SQL 分布式计算 运维
双11史上作业数最多,人工干预最少—MaxCompute 自适应执行引擎DAG2.0为1.5亿分布式作业提供自动化保障
阿里巴巴双11史上作业数最多,但人工干预最少的一次双11技术保障: 从动态并发调整带来的单日10亿计算节点的节省,到数据智能编排带来的高级基线单个作业数十个小时执行时间的缩短,再到全新Bubble执行模式在百万作业获取的30%以上的性能提升。 本文为大家介绍,在2020年阿里巴巴集团双11海量作业数目与突变的数据特性面前,阿里云MaxCompute 新一代 DAG 2.0 执行引擎,通过其自适应的动态执行能力和新架构上的全新计算模式,如何为双11大促数据的及时产出提供自动化保障。
6983 0
双11史上作业数最多,人工干预最少—MaxCompute 自适应执行引擎DAG2.0为1.5亿分布式作业提供自动化保障
|
机器学习/深度学习 人工智能 编解码
AI公开课:19.05.29 浣军-百度大数据实验室主任《AutoDL 自动化深度学习建模的算法和应用》课堂笔记以及个人感悟
AI公开课:19.05.29 浣军-百度大数据实验室主任《AutoDL 自动化深度学习建模的算法和应用》课堂笔记以及个人感悟
|
运维 分布式计算 监控
一直播、小咖秀大数据自动化运维实践
在高速成长发展型企业,我们需要大数据做得更多的不是平台,不是让平台做得多么好,让各个部门使用,而是让平台提升用户增长、扩大营收,有些处于高速发展期和成长期的公司可能跟我们面临同样的问题,大家可以共同探讨。
3886 0
|
10月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
638 14
|
11月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
1073 0

热门文章

最新文章