麥肯錫咨詢公司發布《如何利用大數據改進制造業》的文章，就大數據及高級分析如何使生物制藥、化工和離散制造更加合理化給出深度分析。文章特別提到，那些身處基于過程的行業的制造商如何利用高級分析來提高產量并且降低費用。今天，制造商可以對大量來自生產和銷售過程中的數據進行追蹤。麥肯錫的文章通過對數個案例進行解析，以此來說明大數據以及高級分析應用和平臺如何能夠為經營決策提供幫助。

　　通過尋找決定過程效益的核心因素，大數據與在其上進行的高級分析如何厘清制造中的價值鏈，然后幫助管理人員采取行動，以便對制造過程進行持續改進。下面是關于大數據如何顛覆制造過程的10條途徑：

　　一、在生物制藥行業的生產過程中，進一步提高精確度、質量和產量。

　　在生物制藥的生產流程中，制造商通常需要對超過200種以上的變量進行監視，以便確保原料成分的純凈度，同時確保生產出的藥品符合標準。讓生物制藥生產過程充滿挑戰的因素之一是：產量會在50%至100%之間變化，而且還無法馬上辨別出原因。而使用高級分析，制造商能夠對9個最能夠影響產量變化的變量進行追蹤。通過上述手段的幫助，他們將疫苗的產量提高了50%，每年在單一疫苗品種上節省的費用就達到500萬至1000萬美元。

　　二、加快IT、制造與營運的整合，讓工業4.0的愿景更快成為現實。

　　工業4.0是由德國政府提出，旨在通過發展智能工廠，促進制造行業自動化。根據供應商、客戶、有效產能以及費用的相關約束，大數據已經被用在優化生產進度方面。那些存在高度管制的行業里的制造業價值鏈上的廠商得益于德國供應商和制造商的幫助，正在大踏步邁向工業4.0。同時，以此為契機，這些廠商的各個部門能夠充分發揮各自功能，而大數據和高級分析對于取得成功來說至關重要。

　　三、大數據幫助提高制造績效的3個主要方面

　　分別是：更好的預測產品需求并調整產能(46%)，跨多重指標理解工廠績效(45%)以及更快地為消費者提供服務與支持(39%)。上述數據是根據“LNS研究與MESA國際”的近期調查得出的。

　　四、在六西格瑪DMAIC(定義、測量、分析、改進及控制)框架中整合高級分析，以便持續改進

　　對一個由DMAIC驅動的改進計劃的工作過程取得更加深入的理解，同時就該計劃如何對制造績效的所有其他領域造成的影響進行深入領會。與以往相比，這一領域的發展有望促使生產流程轉向更加面向消費者驅動的方向。

　　五、與以往相比，能夠更加細致地從供應商質量層面進行審視，同時能夠更加精確地預測供應商的績效

　　通過對大數據和高級分析的應用，制造商能夠實時查看產品質量和配送準確度，對如何依據時間緊迫性在不同供應商之間分配訂單生產任務進行權衡。對產品品質的管控優先于發貨進度。

　　六、對產品合規性進行監測并且追溯到具體生產設備成為可能

　　通過在生產中心的所有設備上配備傳感器，運營經理能夠立即了解每一臺設備的狀況。通過高級分析，每臺設備及其操作者的工況、績效以及技能差異能夠得以體現。對于改進生產中心的工作流程來說，這些數據非常重要。

　　七、只銷售利潤率最大的定制產品型號，或者以以銷定產方式生產對產能影響最小的產品型號

　　對于擁有許多復雜產品型號的制造商來說，定制產品或者以銷定產的產品能夠帶來更高的毛利率，但是在生產過程沒有被合理規劃的情形下，同樣可能導致生產費用的急劇上升。運用高級分析，制造商能夠計算出合理的生產計劃，以便在生產上述定制或以銷定產的產品時，對目前的生產計劃產生最小程度的影響，進而將規劃分析具體到設備運行計劃、人員以及店面級別。

　　八、將質量管理和合規體系綜合考慮并給予兩者企業層面優先級