⼀、指标体系设计与数据治理
⼆、深度分析⽅案开发与应⽤落地
三、数据产品赋能与决策⽀持
1. 构建制造业集团数据图谱：
▶ 统⼀⼈⼒薪酬（岗位价值系数、⼈⼯成本利润率、关键⼈才流失率）、财务（制造成本
构成、现⾦流健康度、EVA驱动因⼦）、投资项⽬（IRR达成偏差、产能爬坡效率、国产化
替代进度）三⼤领域核⼼指标⼝径。
▶ 设计制造业专属指标关联模型（如：单位⼈⼯成本产值 vs 设备⾃动化率；新⼯⼚投资
回报 vs 区域⼈才供给指数）。
2. 多系统数据管道搭建：
▶ 主导对接HR系统（SAP/Oracle）、财务系统（⽤友/⾦蝶）、投资管理平台、MES/ERP
数据源，建⽴⾃动化数据清洗与校验规则，确保数据时效性及合规性（尤其实发薪酬与成
本数据）。
1. ⼈⼒薪酬数据价值挖掘：
▶ 开发制造业⼈⼯成本智能诊断模型：
关联产线效率/OEE数据，识别⾼成本低效班组
分析关键岗位薪酬竞争⼒与离职率关系，预警核⼼⼈才流失⻛险
模拟调薪⽅案对净利润的影响（敏感性分析）
2. 财务指标穿透式管控：
▶ 构建制造成本动态监控仪表盘：
拆解材料/能耗/折旧/⼈⼯波动根因（如：某基地能耗异常关联设备⽼化）
对标⾏业标杆，定位成本劣势⼯序（需精益改善或⾃动化投⼊）
▶ 建⽴现⾦流预测-预警联动模型：
基于订单交付周期、应收账款账龄、采购付款条款预测资⾦缺⼝
3. 投资项⽬全周期评估：
▶ 开发制造业投资健康度评估体系：
跟踪新⼯⼚/产线建设期关键节点偏差预警（预算超⽀、进度延迟）
量化投产后的实际IRR vs 可研⽬标差距，关联设备利⽤率、良率等制造数据
评估技改项⽬年化节省成本达成率（如：⾃动化改造后⼈⼯节约实效）
1. 开发集团级数据产品：
▶ 为⾼管打造“⼈-财-投”⼀体化决策驾驶舱，实时展示：
⼈⼒成本占⽐⾏业分位、万元产值⼈⼯成本趋势
任职要求（硬性⻔槛+制造业基因）
必须项：
各基地现⾦流安全评级、EVA贡献热⼒图
重⼤项⽬投资回报达成率排名
1. 专业背景： 硕⼠学历，材料科学与⼯程、统计学、财务分析、数据应⽤**相关专业。
2. 经验⻔槛：
▶ 5年以上⼤型制造集团总部数据分析经验，深度参与过⼈⼒薪酬分析/财务管控/投资评估
中⾄少两个领域。
▶ 具备制造业成本拆解、⽣产效率（OEE/UPH）分析、投资项⽬后评价实操案例。
3. 技术能⼒：
▶ 精通制造业数据分析⼯具链：
数据获取：SQL（跨系统取数）、Python/R（数据清洗建模）
可视化分析：Power BI/Tableau（复杂制造业指标仪表盘开发）
统计分析：回归分析/敏感性测试/蒙特卡洛模拟（⽤于投资⻛险评估）
▶ 掌握制造业数据特性：理解BOM成本结构、标准⼯时、折旧摊销规则等