智造

作品简介

本书从第四次工业革命智能化大趋势的角度，分析了企业如何用大数据向智能企业转型升级的必然方向，揭示了工业物联网、工业大数据、数字孪生等实现智能工厂的关键技术和部署战略，给出了可以结合各企业实际生产经营情况融合落地的战略路径，激发各企业家勇于自我革命的勇气，正确面对新工业革命带来的战略机遇与风险挑战，处理好长期发展和短期维持的利益平衡关系。

张靖笙，中山大学计算机工学硕士研究生毕业，中国系统分析员协会（希赛）资深高级顾问，企业大数据实验室（中国）联合创办人，畅生创客教育家庭实验室联合创办人，清大厚德教育研究院特邀授课老师，南海总商会直属商会特聘企业管理咨询顾问，拥有国家认证的系统分析员和高级程序员资格。

作品目录

• 推荐语
• 前言
• 第1章 互联网的数据逻辑
• 1.1 为什么要大数据思维——新时代的变革要求
• 1.1.1 普遍存在对大数据的片面认识
• 1.1.2 片面的认识导致企业对大数据充满困惑
• 1.1.3 技术在推动变革，但企业完成变革不能仅仅靠技术
• 1.2 传统的假设和今天的事实
• 1.2.1 传统的假设：生产商可基于自身情况组织生产
• 1.2.2 今天的事实：互联网要求企业聆听各方声音
• 1.3 消费者通过互联网大数据倒逼生产者变革
• 1.3.1 互联网给消费者带来的体验
• 1.3.2 互联网给生产者带来的赋能
• 1.3.3 所有生产者都必须改革
• 1.4 未来什么传统必然会被“互联网-”
• 1.4.1 效率低下
• 1.4.2 单打独斗
• 1.4.3 难以改变
• 1.4.4 漠视用户
• 1.5 互联网时代的创新与数字化转型
• 1.5.1 大数据是满足以用户为中心进行生产的必然要求
• 1.5.2 大数据已经成为全球共识的战略资源
• 第2章 大数据究竟是什么
• 2.1 企业到底该怎样理解大数据
• 2.1.1 大数据概念和企业有什么关系
• 2.1.2 从企业的角度来说，如何理解大数据
• 2.1.3 大数据有哪些技术和工具
• 2.2 与传统企业“小”数据完全不同的操作
• 2.3 IT与DT的对比
• 2.4 大数据会带来怎样的企业变革
• 2.4.1 用系统性思维构建企业大数据体系
• 2.4.2 大数据促进企业变革的基本原理
• 2.4.3 大数据如何扩展企业认知能力而达到智慧
• 2.4.4 未来工厂通过工业大数据能自主学习和持续进化
• 2.4.5 工业4.0进阶六步法
• 2.5 有效建构大数据商业模式的“数据飞轮模型”
• 2.5.1 对于企业来说大数据的核心价值何在
• 2.5.2 驱动企业持续运转的商业因素
• 2.5.3 大数据如何扩展企业认知能力
• 2.5.4 发展趋势：大数据产业化的发展蓝图
• 2.5.5 “数据飞轮模型”与商业模式要素的对应关系
• 第3章 大数据思维的内涵
• 3.1 解读：什么是大数据思维
• 3.1.1 舍恩伯格的三条大数据思维法则
• 3.1.2 具有中国特色的第四条大数据思维法则
• 3.2 解析大数据思维的核心原理
• 3.2.1 数据总结过去：大数据的生命进化论
• 3.2.2 数据驱动现在：大数据的倒逼和推动
• 3.2.3 数据预测未来：大数据的相关性原理
• 3.3 舍恩伯格大数据思维法则
• 3.3.1 大数据思维缘起：一切皆可数据化
• 3.3.2 大数据思维法则之二：更杂更多样
• 3.3.3 大数据思维法则之三：要全体数据
• 3.3.4 大数据思维法则之四：更多使用相关关系
• 3.4 扩展：新的大数据思维法则
• 3.4.1 数据不到真不为财
• 3.4.2 心中有数机会无数
• 3.4.3 促进信息物理融合
• 3.4.4 实事成数而后求是
• 3.5 用大数据思维方式思考、解决问题
• 3.5.1 认识：业务优化的概念和发展
• 3.5.2 实现：业务优化离不开大数据
• 3.5.3 精益：数据分析与业务流程优化融合
• 3.5.4 创新：帮助消费者实现创意和梦想
• 3.5.5 智慧：让企业在新时代持续成长
• 3.5.6 总结：坚持企业大数据，赢得未来
• 第4章 新工业革命为什么智能
• 4.1 智能制造：第四次工业革命的全球目标
• 4.1.1 面对革命——企业有两种态度选择
• 4.1.2 如何革命——成为新工业时代中的智能企业
• 4.2 创新成为大众化需求
• 4.2.1 现状：创新不再被少数组织垄断而成为大众化需求
• 4.2.2 趋势：帮助消费者成为创客是新工厂必然趋势
• 4.2.3 目标：大数据帮助企业实现工业4.0的变革
• 4.3 智能工厂的特征和运作逻辑
• 4.3.1 智能工厂的基本特征
• 4.3.2 智能工厂背后的运作逻辑
• 4.4 智能工厂是大数据驱动自主生产的“新制造”模式
• 4.4.1 智能工厂像是一辆具有自动驾驶能力的无人车
• 4.4.2 类比：谷歌无人车由数据驱动而具备自动巡航能力
• 4.5 商业革命——未来都是数据生意
• 4.5.1 革命必然：“互联网+大数据”的智能化生产方式
• 4.5.2 知识经济：全球化的分布式创新让创客大放异彩
• 第5章 建设智能工厂障碍分析
• 5.1 工业生产过程中的信息需求和演变过程
• 5.1.1 工业生产过程中的信息需求
• 5.1.2 工业信息化的基本演变过程
• 5.1.3 信息化和数字化战略到底是矛还是盾
• 5.1.4 实现智能工厂要克服的障碍和要解决的问题
• 5.2 企业信息化发展规律和发展水平评价模型
• 5.2.1 企业信息系统发展的困境
• 5.2.2 企业信息化的发展评价模型
• 5.2.3 企业信息化发展的阶段论分析
• 5.3 当前中国企业的信息化局面普遍不容乐观
• 5.3.1 企业面对规模扩张带来的信息难题
• 5.3.2 企业在移动互联网时代遭遇“被信息化”陷阱
• 5.4 如何实现制造物理世界与信息世界的交互与融合
• 5.4.1 新常态下企业怎么做好信息化工作
• 5.4.2 企业信息化大变革已经势在必行
• 5.5 如何应对互联网大数据越来越迫切的倒逼
• 5.5.1 企业面对“互联网+”该如何选择
• 5.5.2 数字化战略与转型路径怎么做
• 第6章 智能工厂关键技术介绍
• 6.1 数字孪生：有效实现智能工厂的关键技术
• 6.1.1 数字孪生关键技术支撑智能工厂的养成
• 6.1.2 数字孪生是实现智能工厂的有效途径
• 6.1.3 数字孪生为何成为战略科技发展必然趋势
• 6.2 工业互联网：物理上生产要素互联互通
• 6.3 云制造：虚拟中生产方案不断优化
• 6.4 数字孪生控制机器人：现实中生产活动更加高效
• 6.5 工业大数据：资产过程中知识财富不断积累
• 6.6 区块链：解决数据应用的信用问题
• 6.6.1 区块链到底是不是新工业革命的必需配置
• 6.6.2 信任成为刚需，信任机器成为热门
• 6.7 人工智能：助力打造智能数字化工厂
• 6.7.1 人工智能让生产从自动化走向智能化
• 6.7.2 对人工智能反思人类智能
• 第7章 智能工厂应用案例分享
• 7.1 基于数字孪生的发电机组智能健康管理
• 7.1.1 基于数字孪生的智能电厂实现框架
• 7.1.2 具体分享：必可测的智能电厂方案
• 7.2 孪生数据支撑领导层做出更加合理的生产决策
• 7.2.1 在孪生数据的基础上实现解决现实问题的智能应用
• 7.2.2 信息物理融合基础：编码贯穿所有核心物理资产
• 7.2.3 根据动静两类设备建构对应的数字孪生生产环境
• 7.2.4 信息空间和物理空间全体生产要素的高度融合
• 7.2.5 实现孪生数据的直观可视化
• 7.2.6 数字孪生——智能工厂未来新趋势
• 7.3 数字孪生指导下建设智能电厂的经验总结
• 第8章 智能工厂实施策略研讨
• 8.1 用大数据实现业务创新的方法
• 8.1.1 大数据业务创新的五大步骤
• 8.1.2 经典大数据创新的案例
• 8.2 在商言商，规划企业的大数据“生意”
• 8.2.1 用商业模式画布描述企业的大数据资产经营
• 8.2.2 企业经营大数据的价值链分析
• 8.2.3 CBM把能力目标落地成具体的业务安排
• 8.3 结合商业模式分析方法勾勒企业大数据版图
• 8.4 企业大数据应用顶层设计参考模型
• 8.4.1 了解企业架构和顶层设计的关系
• 8.4.2 为什么企业变革要做顶层设计工作
• 8.4.3 企业大数据应用顶层设计参考模型用法
• 8.5 融合企业商业模式构建大数据应用落地方案
• 8.5.1 企业战略
• 8.5.2 企业信息化治理蓝图
• 8.5.3 企业对数据投资的重要性
• 8.5.4 大数据应用与企业商业模式要素的对应关系
• 8.6 数据应用推动国际商业机器公司战略转型