對數(shù)據(jù)的價值挖掘不充分
隨著企業(yè)數(shù)字化進程加速，企業(yè)數(shù)據(jù)采集能力加強，所獲取的數(shù)據(jù)顆粒度越來越細、數(shù)據(jù)維度也更加豐富，由數(shù)據(jù)驅(qū)動的企業(yè)生產(chǎn)、運營管理要求更加精細，更全面的分析與洞察幫助企業(yè)提升管理能力。
信息化系統(tǒng)只是第一步
很多企業(yè)剛剛完成信息化建設(shè)，或是數(shù)字化建設(shè)剛剛開始，存在大量的信息孤島、信息缺失或是數(shù)據(jù)浪費。在此過程中，很多企業(yè)領(lǐng)導(dǎo)會發(fā)現(xiàn)搭建的數(shù)字中臺除了增加了電費，并沒有為企業(yè)增加明顯的價值。
也有部分企業(yè)獲取了一定的價值，比如員工可以通過數(shù)據(jù)報表分析出企業(yè)存在的問題并進行調(diào)整和反饋，但人腦決策對數(shù)據(jù)的應(yīng)用有限，在沉淀了數(shù)據(jù)之后，企業(yè)需要考慮的則是如何通過算法模型對后續(xù)的運營發(fā)展進行調(diào)整，從而真正實現(xiàn)管理上的提升。在大規(guī)模復(fù)雜場景下，人工智能可以替代人腦經(jīng)驗，幫助企業(yè)進行多工廠、多工序之間進行協(xié)同，在過億或上百億的可執(zhí)行方案里找到最優(yōu)解。
天心曾經(jīng)對制造業(yè)供應(yīng)鏈進行過完整的咨詢和調(diào)研，很多企業(yè)剛剛完成信息化建設(shè)，或是數(shù)字化建設(shè)剛剛開始，存在大量的信息孤島、信息缺失或是數(shù)據(jù)浪費。在此過程中，很多企業(yè)領(lǐng)導(dǎo)會發(fā)現(xiàn)搭建的數(shù)字中臺除了增加了電費，并沒有為企業(yè)增加明顯的價值。
也有部分企業(yè)獲取了一定的價值，比如員工可以通過數(shù)據(jù)報表分析出企業(yè)存在的問題并進行調(diào)整和反饋，但人腦決策對數(shù)據(jù)的應(yīng)用有限，在沉淀了數(shù)據(jù)之后，企業(yè)需要考慮的則是如何通過算法模型對后續(xù)的運營發(fā)展進行調(diào)整，從而真正實現(xiàn)管理上的提升。在大規(guī)模復(fù)雜場景下，人工智能可以替代人腦經(jīng)驗，幫助企業(yè)進行多工廠、多工序之間進行協(xié)同，在過億或上百億的可執(zhí)行方案里找到最優(yōu)解。 
不是每一個行業(yè)都會有一個非常清晰的瓶頸工序，因此會有瓶頸工序漂移的現(xiàn)象。當(dāng)發(fā)生這種情況時，規(guī)則式算法通常采用采用鎖死瓶頸工序的做法，但這樣會導(dǎo)致無法實現(xiàn)全局最優(yōu)決策。在鎖死瓶頸工序的過程中，是人工依據(jù)行業(yè)know how去把可行解的范圍縮小的過程，未必能找到最優(yōu)解。但當(dāng)行業(yè)不同時，一旦不熟悉制造流程和工藝特點，通過人工排產(chǎn)的經(jīng)驗總結(jié)的算法將無法滿足新的行業(yè)的需求，有的甚至在同一行業(yè)，甚至是同一企業(yè)，該種類的算法都無法滿足需求。
例如，面對產(chǎn)能爬坡的現(xiàn)象，例如飲料行業(yè)，當(dāng)進行管道清洗的時候，產(chǎn)能會降低成零，而在某些行業(yè)，產(chǎn)能爬坡是一個調(diào)參的過程，那么在不同的時間，甚至每一個小時，設(shè)備能夠達到的產(chǎn)能是平時巔峰狀態(tài)的產(chǎn)能的多少都是一個變量。如果是專門針對飲料行業(yè)的供應(yīng)鏈產(chǎn)品，可以基于行業(yè)know how來采用規(guī)則式引擎。但當(dāng)面對有非常明顯的產(chǎn)能爬坡的現(xiàn)象的行業(yè)里，應(yīng)對飲料行業(yè)的算法將很難支撐另外一個行業(yè)的需求，需要開發(fā)各類附加程序來支撐這種情況。
尤其是，制造企業(yè)的變化非?？欤缫咔闀r車企迅速轉(zhuǎn)產(chǎn)生產(chǎn)口罩，是通過靈活的變動性和定制化去贏得很多客戶的。
所以需要通過現(xiàn)場調(diào)研，深入企業(yè)場景，制定相應(yīng)的優(yōu)化方案。