数据无处不在。在人们尚未意识到数据的重要性时，数据只能等待着被人收集、分析和利用来创造价值。如果想针对新的挑战提出解决方案，那些在当下看起来似乎不太相关的数据可能最终会派上用场。
例如，如果需要一份可靠的报价来准确预测产品的价格，要基于过往实际用到的操作加工时间和原材料成本等因素，否则仅靠猜测得出的新产品价格可能不含意外的支出，尤其是涉及到复杂系统时。
每次报价都依赖数据。报价实际上代表着要用什么样的方式在多长时间内交付成果。若想将公司的数据资产转变为能支撑公司战略发展蓝图的实用信息，数据管理策略是一款必不可少的工具。在确定这项策略的过程中，每家公司必须考建立数据的存储、分类、管控和标准化为目标的流程。
最佳数据管理实践就是要有能力在公司相关部门之间建立允许不同数据源流动的必要接口。在考虑新系统和新产品生产相关的财务投资决策时，数据管理变得更加关键了。这些决策最终关乎企业绩效，所以需要强大的信息库并持续对这些信息进行分析，确保在IT基础设施中全面部署这种工具。
每个新产品及新项目都需要从包含各种主题的稳健计划开始，例如可制造性、可靠性和质量。其中最重要的因素之一就是成本。其重要程度和复杂程度成正比，因为成本和所有其他主题的结论都有直接或间接的相关性。
如果选错了材料，没能得到最优结构图、设计某个依赖特定元件的产品时没有考虑MOQ（Mininum OrderQuantity，最小起订量），或是其他所做（未做）的事项，这些都会影响最终成本。
有多少次你被告知，虽然你的计划听上去很完美，但生产成本太高了？何时才能意识到这种情况是因为缺乏对原材料成本或工时的数据？何时才能意识到生产成本本应比预想的要低？
又有多少次经历过一头扎进了看上去前景无限的项目中，但最后发现不准确的报价导致利润空间完全被挤压，于是不得不停止生产或重新设计？这些问题会造成交付时间延误，更不要说已投入资本的损失。
不论发生以上哪种情况，都不能准时交付成品。在竞争如此激烈、发展速度如此快的市场中，这就意味失去了商机。
对于内部成本，您必须拥有支持即时成本计算的准确数据，而对于外包零件，您需要快速报价。这些信息将帮助您预测整个系统的生产成本，并最终达成目标。
任何新的设计一定要争取在设计早期获得准确的成本价格。关于内部成本，必须拥有支持即时成本计算的准确数据，而对于外包出去的生产部分，一定要可以迅速获得报价。这些信息能帮助预测整个系统的生产成本并及时交付成品。
有些人认定新设计的成本估算注定是不准确的，但事实并非如此。在以上市时间、速度和定制化为基础构建的领域，经历新产品导入（new product introduction，简称NPI）阶段且寻求复杂程度高的PCB制造方式的公司，需要把控全局，时刻关注产品是否与市场脱轨。做好数据管理，可以实现快速报价并将交付时间缩短10%~20%。
我们决定利用一款自动机器学习系统作为基础，持续收集生产过程中每个部件和产品的数据，一旦收到客户的PCB设计文件就上传到系统中，从该阶段开始发起分类流程，从此时起，该流程将自动增加额外的相关数据。短期来看，可能未发现收集这些数据的重要性，但从长远来看，这些数据可用于解决那些我们无法预测到的问题。不仅如此，这些积累起来的数据（越多越好）被大数据系统使用时，可以被重新评估以简化复杂的流程。该系统可根据需要从所有数据中精选出必要的信息来完成任务。
我们不仅对理论工程数据感兴趣，而且对生产车间内实践得出的数据也很感兴趣。数据库中包含了几十万份工单、失效分析以及错误出现时具体生产阶段等信息，借此可以了解同质化的群体特征，以此提出基础模型，预测产品的实际成本。例如，我们据经验总结出某类产品的报废率是20%，也就意味着报价应该有所增加。报废率是做未来报价时必须要考虑的因素。
例如，如果规划的生产路径涉及100项操作，而实际生产过程中因失效返修，会导致整个过程增加数项操作，这意味着应该提高报价。
这种流程需要操作有数字签名和记录。每项操作都有负责人、启动和完成时间报告，当然还有标明操作所采用的生产设备。这是我们实现系统添加和分析数据并将其与其他已经部署采用的信息整合的唯一方式。数据处理是日常进行的，有些模型会每小时运行一次相同的程序。其结果不仅能够预测出报废率，还能预测交付时间，因为交付时间对价格也有影响。该系统建立在商业智能软件QlikView基础上，数据可以长期存储且可在必要情况下随时调用。
多年来，我们与客户面临相同的挑战。我们新的定价系统JUMP是专门为了解决此类难题而设计的，其理念是为了让客户尽可能轻松快速地得到精确的报价。系统核心功能是大数据库分析，其可运行脚本，在RFQ早期阶段就可预测出成品价格，并明确交付时间和产品复杂度。我们的定价拟合模型是已完成完整工程工艺的6000多个不同零件编号为基础，其中包括BOM、工艺路线和材料分类。最终得到特有且极其可靠的系统，其R平方根非常高，为0.98。
系统中管理数据的特有方式可以实现不同原材料组合的统计识别，即使是过去没有用到的原材料也可以。系统会扫描问卷中关于规律性和相关性的参数，从而表征各种产品。该流程执行速度非常快，可向客户快速提供其所要求的报价。
从另一个水平上讲，该系统也可以被认为是“半AI”技术，也就是这个系统会不断学习新参数，将操控新数据进入下一次报价可以使用的新协议。如果生产过程使用了系统不熟悉的新技术，只需人工手动将其部署到系统内，直到重复出现次数达到了足够强的统计量。
面对高复杂度的PCB，数据管理流程对于决策者而言至关重要，可使设计符合可制造性设计（design for manufacturing，简称DFM），也可以避免延误工期和决策失误。提供报价时，工艺流程并不重要，就好比要给蛋糕定价时，烤箱温度没有蛋糕原材料和人工成本对价格影响大。
数据无处不在，尤其是随着AI技术的到来，我们可以对数据进行引导、衡量和塑造，帮助人们构建奇妙的创新产品。在此过程中，每家公司一定要构建并坚持使用稳健的数据管理流程，将数据变为可操作的信息。
David Gronner任 PCB Technologies公司OPEX及PPC总监。
