传媒：
推荐的3家公司表现不错，继续坚定推荐。
国联股份：TO B工业品电商，最早创立于2000年，做黄页手册，06年转为网上撮合，积攒了客户资源后往电商转型。目前注册用户300万，都是需求精准的客户。受疫情影响，老客户消费下降30%，但是新客户200%增长，目前老客户备货量已经恢复到疫情前，新增长的客户也留下来了，复购率超过94%。长期看，工业品电商公司比较少，对团队要求高，需要对材料有深入了解，TO C电商容易复制线下场景，但是TO B业务是谨慎理性的备货，每单都是合同，需要对细分品类非常了解，既要有对工业品材料的了解又要有互联网思维。公司找到了合理的商业模式，通过集采红利，在交易环节、运输环节取代经销商，自己不备货，不承担原材料价格波动风险，不涉及供应链金融业务，减少了很多风险。过去5年公司复合增速没有低过90%，今年明年做到60%没有，公司目前交易量占行业壁垒不到1%，长期看是蓝海市场。
锋尚文化：目前没有太多可比公司。主要业务是高端文化创意，最高端的是国家大型项目，奥运会开幕、春节晚会分会场等，在文化设计里面是对设计水平要求最高的。另外就是类似宋城演艺的景区秀的总包，从剧本创作、设计、到灯光舞台，首演成功后业务就接下，不涉及运营那块，虽然没有长期稳定的运营收入，但也减少了很多风险，因为国内景区运营很多亏损。赛道不是特别大，但是公司作为竞争优势最明显的品牌，大型国家项目背书，再去拿下沉订单就会容易，未来能做文旅秀，互联网平台、电视台晚会、光影博物馆网红打卡等项目。公司以创意设计为主，不涉及工程，没有垫资，现金流很好，上市前有5-6亿在手现金，上市融了20亿，未来通过其他方式转化为EPS，比如说参股好项目，目前在郑州项目参股了40%，未来看落地后的运营效果。长期看好公司，疫情过去后文旅需求增加，明后年的冬奥会、建党100周年、全运会等大型活动是非常多的
三人行：国内比较好的4A公司，客户包括大的国企央企、大的消费品牌公司，原有老客户的量在增长，比如说伊利投放的量越来越大，新客户也在不断持续，今年突破运营商、银行、快消品的可，出现了 汽车 的一汽大众、一汽奔腾，京东、快手互联网作为媒体投放平台之外转为化为广告主，未来看好 汽车 、互联网客户的增长。
通信：
前3季度总体收入6000亿，同比增长37%，净利润242亿，出现了同比下降。毛利率略有下降，疫情影响下全行业的管理、销售费用率下滑。联通和中兴通讯占行业一半，剔除后，营收同比增长1%，利润下降4%。单3季度收入2100亿，同比增8%，净利103亿，同比增长6%，3季度情况比前3季度好。剔除两家公司后，营收同比6%，利润同比增40%，3季度中兴通信对行业的影响非常大。
分板块看，光模块、物联网，军工信息化、北斗业绩非常不错，通信设备、光钱光缆压力大。光模块重点公司新易盛15亿，天孚通信8800万，光迅18亿，基本上都超预期。4季度到明年，行业利润存在压力，2季度末3季度初是业绩最好的点，基站推进比较紧，是拉货最好的阶段，由于财务惯性的3季度表现还是不错，但是4季度会往下走，基站建设量不如之前那么大。3季度好的板块在4季度存在压力，但是都是短暂压力，到了明年进入到新的建设节奏，明年算上广电和移动合建，加上宏基站，明年100万站是大概率，110-120万站也有可能。
中兴通讯3季度业绩低于预期，低了几个亿。压力主要在于毛利率，在2季度已经有所反应，有5-6%的下滑，3季度下降趋势进一步确认。2-3季度体现了5G低毛利率的水平，今年两次重次重点设备招标，移动无线2期把价格压到了16万，下降速度很快，给公司比较大的压力。除此以外费用率、现金流都在往好的方向走，对未来还是充满信心，明年价格还是会下降，但是幅度比今年收窄，公司降成本能力强，利润有d性。
广和通和移远通信业绩相当不错，甚至超市场预期。物联网赛道未来几年业绩兑现不断出现，移远通信净利率低，收入增长、行业卡位很明确。广和通深耕高价值赛道，具备龙头投资价值。
亿联网络之前有质疑，通过事实证明是盈利能力很强，在全球在具备强竞争力的龙头，在未来视频通信领域还是具备全球抗衡的能力。公司和可选消费影响，受到疫情压制，明年疫情消退、海外逐步恢复后，还有不出错的机会，明年还是新产品的爆发。
计算机：
中小市值：
春风动力：业绩和股价表现都不错，国内两轮车、海外四轮车需求比较旺盛，明年有2款新车型车型放量。发动机产能4条线，年底达产2条，明年产能明年放出来，明年产能和爆款车型都会出来。
安车检测：检测进度低于预期，影响了业绩。后续需求是确定的，订单持续落地；检测服务重点观察青岛推进进度和检测站的并购进度，青岛在国内检测站领域是比较乱，如果经过赋能后数据持续向好的表现，比较有说服力；最后看并购基金逐渐落地。
上海新洋：3季报业绩不错，墙布经销端增长非常快，单季度同比增长105%。另外保碧进场，通过物业平台模式去突变，目前在前景准备的阶段，年底明年量就体现出来。公司产品力非常好，一刷就上墙，销售模式从纯C端转型B2B2C，有了大B渠道加持，墙布放量值得期待，3季度墙布创了 历史 新高，有1600多万，后续10-12月预计还是不错。保碧基金带来赋能后，量上来的话股价反应会非常剧烈。
电子：
上周板块有一些调整，苹果链波动比较大，原因是苹果3季报中手机销量下滑比较明显，市场感觉低于预期。3季度手机销量下降其实市场早有预期，逻辑是今年新机延后生产和发货。另外电话会中强调，各渠道库存水位比较低，做了老品清库存的工作，都是为了4季度的超预期作准备。首批预订和销售数据还是不错的，Pro系列有加单，库克强调iPhone的需求很旺盛，主要是供应不足的问题，3季度零部件是很多厂商备了货，但不一定是全部同步，导致了供给不足。今年在少备货1个月的情况，总量不比去年差，手机业务占比高的公司更集中4季度。3季度没那么好是有预期，稼动率低了盈利有影响，还有3季度汇率以上，还有零部件库存问题，4季度现金流和库存改善。鹏鼎电话中，公司降到了10月往后需求比较好，3季度差一点，4季度坚持完成全年目标。以此类推，立讯手机占比不多，4季度也是比3季度好。其实苹果营收和盈利符合或者超预期，非手机业务快速增长，MAC和PAD 30-40%增长，手表新的两款产品在售，也是超预期的。Airpod有分歧，但我们认为今年9000万，明年12亿有希望，AirPods pro质量有小问题，苹果官方说免费更换。主要是设计的小纰漏，固件升级有问题，通过固件优化可以解决，和组装环节没有关系，而且比例也有限。对明年苹果链全系产品增长、业绩增长有信心，继续看好苹果链公司对台系从组装到零件的替代逻辑，调整后迎来优质公司的布局机会。本教程 *** 作环境：windows7系统、Dell G3电脑。
工业互联网与大数据应用是指将世界上各种机器、设备组、设施和系统网络，与先进的传感器、控制和软件应用程序相连接形成的一个大型网络。像核磁共振成像仪、飞机发动机、电动车，甚至发电厂，这些都可以连接到工业互联网中。通过网络互联与大数据分析相结合进行合理决策，从而能更有效地发挥出各机器的潜能，提高生产力。工业互联网最显著的特点是能最大程度地提高生产效率，节省成本，推动设备技术的升级，提高效益。
简单来说就是将工业与互联网结合，再与大数据结合，因为现在大数据确实很方便，各个行业都有可用武之地。以此来提高效率，增加效益。
工业互联网与大数据应用的场景分析
1加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。
这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
2产品故障诊断与预测
这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10TB数据。
这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气(GE)的例子，位于美国亚特兰大的GE能源监测和诊断(M&D)中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。
3工业物联网生产线的大数据应用
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
4工业供应链的分析和优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。
利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。
5产品销售预测与需求管理
通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多订货，同时在开学季之前一两个月开始产能规划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调整，如几年前大家喜欢用音乐手机，而现在大家更倾向于用手机上网、拍照分享等，手机的拍照功能提升就是一个趋势，4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析，可以找到更多的潜在销售机会。
6生产计划与排程
制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么 而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。
7产品质量管理与分析
传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢 如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢 这是一个已经困扰半导体工程师们多年的技术难题。
某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。
8工业污染与环保检测
《穹顶之下》令人印象深刻的一点是通过可视化报表，柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。
这给我们带来的一个启示，即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢 其实并非都是凭借高层关系获取，不少数据都是公开可查，在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构，可查询的公益环保数据越来越多，包括全国空气、水文等数据，气象数据，工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化，普通人看不懂。如果能够看懂并保持关注，大数据将成为社会监督环保的重要手段。近日百度上线《全国污染监测地图》就是一个很好的方式，结合开放的环保大数据，百度地图加入了污染检测图层，任何人都可以通过它查看全国及自己所在区域省市，所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类，最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源，出现提醒，该监测点检测项目，哪些超标，超标多少倍。这些信息可以实时分享到社交媒体平台，告知好友，提醒大家一同注意污染源情况及个人安全健康。
总结：工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，也有这些大数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。因此，工业大数据应用一个重要议题是集成应用。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）