制造业按其产品制造工艺过程特点，总体上可以概括为流程制造和离散制造。相对于连续的流程制造，离散制造的产品往往由多个零件经过一系列并不连续的工序加工，最终装配而成。其生产过程只有形状的改变，没有质变。典型的离散制造行业主要包括机械制造、电子电器、航空制造、汽车制造等行业。

二.离散制造业的生产特点及管理难点

不同于流程制造行业主要采用按库存、批量、连续的生产方式，离散制造行业有以下生产特点：既按定单生产、也按库存生产，既有批量生产、也有单件小批生产；产品的工艺过程时常变更；产品的质量和生产率很大程度上依赖于工人的技术水平，自动化主要集中在单元级( 例如)，整体自动化水平相对较低；需要对每个单件、每道工序的加工质量进行检验。

离散制造业生产管理方面的主要问题有：

1．生产准备周期长。由于制造资源优化调度手段落后，导致生产准备周期相对过长，在单件小批量的生产模式下，生产准备时间时常大于切削加工时间，造成设备的极大浪费。

2．生产计划协调性差，作业调度困难。生产作业计划主要依靠调度员经验制定，计划协调性不好，导致设备利用率低，设备效能得不到充分发挥；任务执行进度难以监控，物料状态难以跟踪，任务拖期/ 赶工频繁发生，紧急插单普遍、生产过程不确定性多，导致作业计划安排赶不上变化，计划任务执行失控现象严重。

3．在制品管理困难。由于零件品种多，工艺路线长，给人工管理在制品带来诸多困难，现场生产情况得不到及时反馈。

4．质量管理采取事后检验为主的管理方式，废品率得不到有效控制。

三.离散制造企业引入MES系统的意义

1．符合国家发展战略：在的时代背景下，国务院推出了以“智能制造”为核心的制造业发展计划。MES作为智能制造的核心，正在以创新思路稳步推进，成为企业持续发展的动力。

2．迎合生产特点，解决管理难点：根据自身行业特性，企业按需引入MES系统，可以使传统生产过程透明化，将分散的生产流程实现一体化管理；实时掌控生产计划、调度、质量、工艺、装置运行等信息及情况，使生产相关部门及时发现问题，快速响应，加强各生产部门协同工作；实现从原材料进厂、到生产过程中的半成品，到最终产品出厂的全过程的质量检验，严格控制产品质量。以上功能可将离散制造企业的管理人员从不断地人工追踪零件、调整计划的疲劳战中解放出来，将更多的精力投入在思考决策性问题、优化现场管理等方面，使得管理人员更多地发挥“防”的作用，实现“防”“消”的有效配合，提高工作效率，降低生产成本。

因此，引入MES系统是提高生产管理水平和制造执行力的有效手段，近年来得到越来越多国内制造业企业的高度重视。

力控MES 系统平台支持三层及集群式网络部署。实现了业务逻辑、数据存储、客户端界面的分离，保证了系统的灵活性与安全性。同时，第三方信息化系统可以通过 API、RFC、WEB Service、中间数据库等方式同 MES 系统进行数据交互和集成。

2.安全稳定的数据采集能力

力控科技的 Force Control 组态软件、pSpace 实时数据库是国内数采领域的一线品牌，面向市场多年，积累了大量的客户和成功案例，其数据采集及服务能力得到了市场的一致认可。力控MES 系统作为力控科技产品家族中的重要一员，与力控的数采产品紧密集成，支持市场上大部分通讯协议，实现企业内各类设备的互联互通，实现实时数据库与关系数据库的无缝衔接，降低系统集成存在的数据丢失、不稳定等风险。

考虑到企业的信息一体化建设的需求，为避免信息断层，力控MES 系统提供强大的 EDI（Electrical Data Interface）数据交换功能，内嵌了强大的数据集成服务，保证企业各环集成协同工作。该功能支持多种数据集成方式，可以便捷的同PLM/CAPP/ 等第三方信息化系统进行高度集成，从而实现产品设计-生产运营-制造执行-仓储物流多环节紧密结合、数据联动和协同管理，使企业数据畅通无阻，彻底消除信息孤岛，满足企业一体化解决方案的要求。

4.强大的统计分析能力

力控MES 系统提供配套的自主研发报表平台，支持强大的报表和数据多维分析功能，支持灵活的数据源组织，通过 SQL 查询语句即可快速进行报表定制，用户可以利用强大的报表平台轻易就做出丰富多彩的报表，且报表的数量不受限制，报表系统足以满足企业对各种信息的多样性分析需求。

力控MES 系统提供开放式的平台架构，提供强大的客户定制功能，用户能够方便快捷的进行业务数据界面和功能上的快速配置和调整。在界面功能上，用户可根据业务需求，基于生产建模和质量建模，自定义配置需求录入数据项，定制过程简单、灵活。

力控MES 系统通过角色进行权限控制，支持对系统用户的角色定义，根据角色分配系统操作权限，可精确至系统页面、页签、数据访问、按钮。另外，系统首页支持用户自定义 HTML 显示，使得不同登录用户尤其是管理人员掌握信息更方便、快捷，实现真正的个性化启动页面，真正提高用户的使用体验。

6.模块化、低耦合，便于实施

力控MES 系统采用先进、统一的开发框架和全模块化的设计，多年制造型企业信息化的服务经验和项目积累，使得产品具有丰富完整的全功能模块，客户可根据企业的特点和实施计划方便进行拼装和组合，提高了软件的可维护性。各子系统既可独立又可配合运行，使企业获得信息化系统的最大应用效益。

通常，离散行业的MES系统网络主要包括办公网和车间网。办公网部署MES应用服务器和数据服务器；车间网络部署PC作业终端、平板终端、手机终端、大屏看板、以及PDA移动终端。

近年来，随着人们的数据意识和数据素养不断提升，商业智能和数据分析领域迎来了快速发展期，据Gartner商业智能报告统计，到2020年全球的商业智能市场容量预计将达到228亿美元。同时，大数据、人工智能、机器学习、深度学习等技术的快速发展，也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为，到2020年，自然语言生成和人工智能将是90%的新BI平台的标准特征，50%的分析查询将使用搜索、自然语言处理，或语音生成，或将自动生成。但我们必须认识到，我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同，以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题，帆软数据应用研究院调研了规模不一的216家企事业单位，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待，同时基于帆软数据应用研究院对行业的长期观察和思考，形成了该篇报告。

2018年，中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。

一、2018年中国商业智能行业发展分析

(一) 行业总体形势向好

在当前经济环境下，企业盈利的压力和难度不断增加，越来越多的企业，尤其是一、二线稍具业务规模的企业，其高层都希望通过精细化运营提升市场竞争力，降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统，存储了大量管理和运营数据，具备应用大数据BI进行数据分析和数据化管理的各种条件，这些需求将在2018年~2022年继续爆发。值得注意的是，艾瑞咨询在《2017年中国商业智能行业研究报告》中指出，我国已经进入商业智能领域第一方阵，成为发展最快的国家之一，但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长，市场容量将不断扩大。

(二) 大数据BI厂商马太效应显现

马太效应是指强者越强，弱者越弱的现象，国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示，处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿，远超其他国内厂商之和。同时帆软销售部反映，2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然，综合实力强大的厂商更能投入资源做好产品、服务，解决更多用户的需求和问题。可以预见，2018年中国BI行业马太效应将进一步增强，逐步淘汰掉实力弱、规模小、产品差的企业。

(三) 新型自助式BI与传统型BI平分秋色

得益于敏捷、自助的特征，从2013年起新型自助式BI迎来了高速发展期，这一时期也是传统型BI的衰退期。

2017年，传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中，约50.2%的企业仍然在使用传统型BI，其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI，通过报表平台+自助式BI+大数据底层平台的解决方案，来解决企业综合的数据展示和分析需求，形成经营和战略决策。在调研中我们注意到，约有18%的企业引进了新型自助式BI，部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景，但随着新型自助式BI的不断发展，传统型BI必将逐渐退出历史舞台，从国际传统BI巨头积极调整产品结构可见一斑。

二、2017年中国商业智能用户状况分析

根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比，我们将BI用户（企业）划分为5大类型，即BI应用金字塔模型，以更好的统计、分析企业的BI应用状况。

(一) BI应用金字塔模型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成95%以上的BI分析页面（注：主要是指用于生产、经营、管理会议所需要的数据分析页面，下同）的开发。业务人员仅负责前端数据查看，完成查看报表时相关联动钻取操作。

调研中我们发现，处于“IT完全主导型”这一等级的企业，约有93.2%都在使用传统型BI工具，企业的业务人员基本没有能力，也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈，企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要，相对缺少变革的动力。

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。

从调研数据来看，这类企业中，67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作，所以选择让IT人员更多承担工作。这类企业中普遍认为，商业智能产品本身并非能够快速上手，且业务人员仍需要统计学基础，阻碍数据分析工作从IT人员向业务人员的转移。

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。

从调研数据来看，这类企业中，超过80.2%是曾经推行传统BI的企业，并且部分业务人员是有较高学历和能力的，能够学习和掌握商业智能工具和数据分析技能，并愿意在工作中积极使用；从帆软数据应用研究院的实地走访的部分企业来看，这些企业普遍行业排名靠前，公司从高层就重视数据分析工作。

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。

相比于第三类使用人群（业务强主导型），这类用户的一大特点是业务变革十分迅速，从事业务工作的人员学历普遍较高，业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高，是这类企业基本共识。比如在新兴的互联网企业，或者新零售领域，这个特点尤为突出。

其典型特征为，IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理，以及所有BI分析页面。

IT人员搭建数据中心，业务人员完全自主处理和分析数据，这类企业有着明显的资源密集型的特点，业务人员更多的是偏向运营相关的工作。当然，因为此类受访企业占比较少，原因分析的可信度还有待进一步调研来核实。

(二) BI用户状况分布

基于BI应用金字塔模型，2017年企业分布如下；

从调研数据中，我们可以得出两大结论。

1、IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看，有高达60.5%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.5%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。

2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI，实现了让少部分业务人员自助完成BI数据分析的目标。

三、2018年商业智能用户需求分析

(一) 企业多级部门数据分层次IT权限和平台管控，占受访企业97.6%

需求描述：BI工具支持企业的多级部门的数据/分析页面权限管控，使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。

需求产生的原因：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现，同时这将给企业带来极大的数据安全隐患。

满足该需求对企业的价值和意义：在满足业务部门BI数据自助分析的同时，兼顾企业的数据权限管控，形成企业以IT部门集中管理下的良性数据分析风貌，杜绝企业数据安全隐患。

(二) 业务人员可通过BI工具进行自助数据分析，占受访企业94.5%。

需求描述：业务人员可以在浏览器前端，对自己权限范围内的数据进行多维拖拽探索和自助分析，发掘隐含在数据中的业务价值。

需求产生的原因：企业的传统信息化建设中，IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。信息中心自身成员熬夜加班做报表，成就感却很低。

满足该需求对企业的价值和意义：通过高效灵活的BI工具，业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析，以工具简单易上手的低学习成本，让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索，最大化业务数据的分析维度和分析效率，灵活发掘数据中可能潜在的业务价值，同时也解放了IT人员的劳动力，降低企业人力成本。

(三) 可快速搭建型自助BI业务数据模型，占受访企业87.5%。

需求描述：数据库表中的数据需要基于业务分析主题进行分类管理，相关数据表之间支持手动/自动构建关联模型，同时建立的关联模型支持灵活应用，无需反复编辑修改或创建新的模型，一次建立即可灵活满足多重业务场景进行数据分析使用。

需求产生的原因：传统BI工具创建的底层数据关联相互独立，无法重复利用，一旦遇到新的业务数据计算分析场景，数据关联就需要修改或重新创建，极为麻烦，非常不利于IT人员维护。

满足该需求对企业的价值和意义：通过BI工具快速构建的新型自助式BI业务数据模型，较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点，极大地提高了BI工具的企业中业务数据分析应用的效率，解放了以往IT人员对数据维护的压力。

(四) OLAP多维分析：上卷、下钻、旋转、切片、联动、跳转等，占受访企业84.5%

需求描述：BI工具支持强大的页面OLAP多维分析功能，包括分析视角的上卷、下钻，维度的旋转切换，指标的切换，分析数据的切片过滤，组件之间的联动过滤、页面超级链接跳转等。

需求产生的原因：随着业务发展的复杂化，单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息，取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。

满足该需求对企业的价值和意义：通过BI工具强大的OLAP多维分析功能，以实现多角度、多关联数据之间的数据无限层次探索分析，发掘出数据中潜在的业务价值。

(五) 大数据处理性能处理能力达到十亿数据秒级响应，占受访企业63.6%

需求描述：BI工具可支撑处理亿级以上大数据分析计算的秒级响应，提供多维加速引擎对传统关系型数据仓库（SQLServer、Oracle、Mysql等）进行数据提速处理，同时也支持实时对接企业大数据平台（Vertical、Kylin、Greenplum等）进行数据分析计算。

需求产生的原因：一方面，传统关系型数据库在面对上亿级别以上数据量时，容易出现性能瓶颈，长时间的查询等待往往会导致业务数据分析效率太低。另一方面，当今信息化水平飞速发展，越来越多的企业已经有了自己的高性能大数据平台，对于这部分企业来说，拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。

满足该需求对企业的价值和意义：BI工具提供的强大数据计算处理引擎，能够降低企业数据查询等待时间成本，提高业务数据分析效率。同时，通过直接对接企业大数据平台，还可满足企业实时数据分析的需求。

(六) 业务人员可完成工具层面的零代码数据加工处理工作，占受访企业57.5%。

需求描述：BI工具可通过快速易上手的交互方式，让业务人员也能完成工具层面的零代码数据加工处理工作，例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法，实现对数据的无限层次多维透视分析统计。

需求产生的原因：当业务需求相对偏复杂时，简单的维度和指标统计往往无法直接计算出业务所需要的计算结果，以往的处理方式往往可能是业务部门提需求给IT，然后IT经过SQL或者代码对底层数据表加工处理，然后最终导出一张excel数据表给业务部门，期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。

满足该需求对企业的价值和意义：通过BI工具，使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计，降低了传统模式下的沟通成本和等待时间，提高了企业业务数据分析的应用效率。

(七) 移动端数据分析查看支持，占受访企业44.9%

需求描述：BI工具支持移动端数据分析多维分析查看功能（兼容PC端的上卷、下钻、旋转、切片、联动、跳转等），对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等...