升级企业数智化底座-驾驭数智未来

升级企业数智化底座 驾驭数智未来 UpgradeenterprisedigitalintelligencebaseHarnessingthedigitalfuture 卷首语 PREFACE 在经济环境不确定因素增多、市场普遍由增量竞争转向存量竞争的当下，数智化转型无疑是所有大型企业关注的焦点课题。结合“企业数智化进阶模型”来看，如今大多数企业的数智化处于数智化2数据驱动层级，企业需要升级数智化底座，实现全面数据服务。此外，快速崛起的生成式AI技术在众多行业掀起了技术和业务全面创新的浪潮，大型企业也希望借此撬动自身的潜在价值，在AI全面普及的时代占得领先地位。 更懂业务、技术领先、体系完整的用友BIP-iuap平台已成为众多行业领先企业升级数智化底座的优选。 在本册电子书中，我们深度分析了用友iuap数智化底座将如何满足企业的数智化转型需求，以及如何激发企业数据价值，如何通过生成式AI等技术助力企业业务提效增质，如何进行商业创新、开拓新的增长空间。与此同时，我们还收录了中建五局、中国矿产、中船信息、旭阳数科、远东数智采等行业领先企业升级数智化底座的领先实践。 希望通过本册电子书，能为大型企业带来有价值的参考和启发，加快形成新质生产力，早日成为数智企业，实现高质量发展！ 目录CONTENTS 第一章 前瞻观察 迈向数智融合，大型企业升级数智化底座正当时01 第二章 能力体系 更懂业务：搞懂业务逻辑是数智平台的关键能力07 技术领先：助力企业完成AI技术革命下的平台能力升级12 体系完整：提升运营能力，让数智化底座价值最大化19 数据驱动：做好数据管理体系，让数据成为企业价值资产24 产业赋能：与数科公司共创共赢，支撑行业数智化创新发展29 第三章 领先实践 中建五局：拥抱“企业数智化新底座”，迈向世界一流35 中国矿产：财务数智员工上岗，助力智能化运营40 中船信息：数智化底座赋能制造业，让传统业务焕发新生机44 旭阳数科：解除焦化行业困境，为营收上千亿的焦化厂赋能47 远东数智采：数智底座创新，让招投标规范高效50 第一章前瞻观察 迈向数智融合，大型企业升级数智化底座正当时 迈向数智融合，大型企业升级数智化底座正当时 摘要：数据是助力企业持续提升竞争力的养分，智能则是将养分输送到企业每一个角落的管道。通过数据与智能融合，大型企业将焕发全新的活力与效能，其中数智化底座扮演着重要角色。 |数智融合是必经之路，也是企业普遍面临的重大挑战 近年来，随着智能化技术的飞速发展，尤其是以生成式AI为代表的技术步入普及应用。通过将数据与智能有效融合的方式，加速数智化应用落地、拓宽数智化场景的深度和广度已成为行业共识。一方面，企业可以通过数据深度洞察自身、洞察产业和竞争对手，另一方面，智能化技术可以基于企业的数据积累，大大提升企业传统工作流程的效率，显著减少人力需求，为企业的日常高效运营和长期决策提供支持。例如，企业运营和销售部门可以借助AI工具，通过专为本行业开发的大模型分析企业积累的运营数据，从中挖掘总结成本优化、客户偏好、潜在市场机遇等信息，从而在迅速变化的市场环境作出及时响应；智能化工具还能让企业内部实现数据平民化，让非技术背景的员工也能更加便利灵活地运用数据资源等等。经过有效的数智化过程，企业降本增效、开拓市场、改善利润空间也就水到渠成。 然而，对于大型企业而言，数智融合的目标与成果虽然令人振奋，但企业达成目标的道路上却充满荆棘。究其原因，大型企业往往组织庞大、业务多样、系统流程纷繁复杂。虽然积累了大量运营和业务数据，但这些数据通常都是无序存放，缺乏科学有效的治理机制，因此也很难在实践中发挥其应有的作用。 由于数据治理体系不过关，企业即便开始部署智能化应用，也时常面临缺少高质量数据支撑的尴尬境地，智能化场景就成为无源之水，无法真正为业务提供助力。另一种情况下，企业上层虽然在努力推进数智化转型，但一线部门和员工却并不清楚数智融合如何落地到实践场景中，投入大量资源采购的工具、技术，培养的技术人才最后只是在IT部门“空转”，难以同应用场景有效对接。这些问题都是企业，尤其是大型企业在数智化转型过程中面临的挑战，只有解决了这些挑战，才能为数智化铺平道路，让企业最终摘下数智融合与转型的成功果实。 有道无术，术尚可求，有术无道，则止于术。企业在数智化转型实践中的常见误区，就是先追求微观、细节的“术”，指望采购一些零散的工具和技术就能有效治理数据、落地智能应用。然而，尤其对于大型企业而言，在数智化进程初期就建立宏观视野，构筑转型的行动框架、方案模型是必不可少的步骤。 有了这样的行动框架做指引，企业才能自上而下建立清晰的转型预期、实施细则与评价和改进回路，并实现跨部门的高效协作，避免各自为政、懒散躺平、朝令夕改、资源浪费等常见问题。在科学的实施框架引导下，企业逐步完成搭建数据治理体系、浓缩高质量数据、构筑智能化应用、对接业务场景等任务，脚踏实地构筑起牢固的数智化底座，打开持续迭代进化的发展通道，转型成功也就顺理成章。 |企业数智化进阶模型，企业实现数智融合的成功之“道” 企业数智化转型是一个综合、复杂、循序渐进的系统工程和长期过程，需遵循科学、合理的行动框架和进阶模型。行万里 路不如明师指路，在企业领域，各行业面临的数智化转型难题大都是相通的，实践中的解决方案也是近似的。用友深耕企业服务市场三十五年，也一直在基于众多行业客户的领先实践归纳总结各类行之有效的模型和方法论，并通过企业场景的应用与反馈不断优化。针对企业的数智化进程，用友同样归纳出了一条成功之“道”，即“企业数智化1-2-3”，也被称为企业数智化进阶模型，可以服务企业更明晰便捷地实现数智化。 “数智化1”是企业要推进“云化连接”（上云），实现业务的云化部署、网络连接（含物联网）和实时感知；“数智化2”是企业要推进“数据驱动”（用数），实现全面数据服务，统一数据治理，并升级数智底座；“数智化3”是企业要推进“智能运营”（赋智），实现业务运营智能化、自然化人机交互和知识与应用生成。 从这三个阶段可以看出，数据与智能是一直相伴存在的。随着企业对应用需求的不断加深，数据与智能所提供的能力也需要越来越丰富，相应的对其底层支撑平台的要求也越来越高。如今大多数企业的数智化处于“数智化2”数据驱动层级，企业需要升级数智化底座，实现全面数据服务。 例如，有些企业基于用友iuap平台构建数智化供应链，通过深入挖掘离线数据以实现采购流程的可视化与风险识别，从而实时调整采购流程，对供应商进行画像评价。还有些企业使用用友iuap平台来构建数智化人才供应链，发现企业内部人才核心节点，定位意见领袖、关键人才岗位，并利用内部社交和邮件数据分析判别离职意向，从而辅助HR部门提前采取行动，降低人员流失，保留核心人才。进入数据驱动的企业可以将现有的数据沉淀为知识图谱，例如资产维修的知识图谱就可以帮助经验不足的资产维修人员快速定位和解决维修问题。 通过这些举措，企业的数据在运营生产的各个环节都发挥出了应有的作用，为企业贡献了可观的价值。 随着大模型和生成式AI技术的崛起，有部分领先的大型企业开始向智能运营进阶。但在这一过程中企业往往面临两大挑战：首先，大模型将扮演企业数智化底座核心操作系统的角色，为此需要更加广泛、高质量的数据来源，不仅包括了企业已有的基础数据，还需要更多产业级、社会化的数据资源。其次，有了这些产业级的数据支撑，大模型还需要对企业业务 场景的深刻理解，才能有效应用在实际业务中。企业需要更多同时理解大模型技术与企业所处业务领域知识的复合型人才来运用大模型的能力，这就会对企业的人员配备、岗位体系乃至整个企业的组织模式带来巨变。 在数智化进阶模型的指引下，大型企业的数智化进程有“道”可依。此时，如何解决实现智能运营的两大挑战就成了关键问题，企业开始需要“术”层面的支持和帮助。 |用友iuap，企业数智化实现智能运营之“术” 对于大多数企业而言，生成式AI是一个全新的技术领域，企业的管理层和IT部门在这一领域都没有足够的知识和经验。正因如此，当企业试图自行构建智能运营体系时，就需要独自面对跨领域、社会化数据的治理、整合、标注、模型选择、模型训练、场景适配等诸多陌生问题。 尤其在生成式AI超越企业内部层面，纳入社会化能力的过程中，企业自有的IT和业务团队往往是力不从心的。而如果没有与企业业务充分融合的大模型能力，智能运营也就成为了空中楼阁。显然，大型企业尤其需要更高水平的、内建了生成式AI能力的数智化底座，在这样的底座基础上才能大范围落地智能应用，实现从数据驱动到智能运营的全面转变。 |从数据驱动到智能运营，用友iuap为企业提供全面支持 生成式AI技术在企业落地，需要有成熟的数智化底座承接才不会陷入无人会用、无场景可用的尴尬，而企业数智化底座用友iuap平台为企业提供了所需的底座基础能力，在应用、数据、智能等多个维度支持企业业务快速创新。 ·应用层面，在智能运营层级，企业需要部署智慧化灵动应用，如智能助理、智能预算等。数智员工就是企业智能助理的一种形式，通过数智员工可以解决企业流程自动化、审批智能化、内容合规化、数据驱动语义化等问题。数智员工具备智能交互与自主学习能力，比如通过AI与RPA深度融合,AI具备ChatGPT类的交互、学习能力，自动识别流程风险、自动学习审批，使得流程风险更可控，审批更智能。在工作流中引入智能审批助理，可以大幅提高工作效率，提升公司产出效能。通过数字人、技能、AI、业务流、对话流工场化设计，可以快速实现所见即所得。企业还可以根据自己的场景创作个性化形象、个性化能力的数智员工。 ·数据层面，处于智能运营层级的企业需要拥有更丰富的产业/社会级数据资源，相应的数据服务需要覆盖从展现级到分析级、控制级、决策级、创新级（如产品优化）的全部五层数据服务。 用友iuap数据中台通过数据移动、开发、治理、指标、挖掘、语义模型、数字大屏、移动分析、智能分析云、智能报告等功能大大简化了数据的采集、加工、治理和应用流程，为企业提供了一站式数据底座，支撑数据驱动的各类场景应用。用友iuap的数据服务能力已经涵盖了各个层面。 比如，某食品加工集团，基于用友iuap构建了企业“业务中台、数据中台、智能中台”三位一体的企业数智化底座，推动业务智能化应用，实现企业化智能化运营。该集团通过构建统一客户视图，对重点、关怀、风险、异动等客户群体，实施不同的营销策略，实现精准营销。基于约束理论最优化目标函数，结合遗传算法构建了排产优化模型，通过优化排产，降低企业生产成本。建立了风险预测模型，通过对现金流动性、利率敏感性、资本充足率、市场风险暴露值、异常交易、信用风险等指标和场景进行实时监控、及时预警。 ·智能层面，数智化处于智能运营层级的企业，其智能化进入了慧知层，全面应用企业服务大模型。 为了普及AI在企业的应用，用友于2023年7月发布了业界首个企业服务大模型YonGPT。因为，用友在此前服务企业过程中，已经产生了大量的商业应用数据，这些数据对于企业而言是非常宝贵的资产，在AI技术的加持下，可以发挥更大价值。YonGPT不仅可以通过上下文记忆、知识/库表索引、Prompt工程、Agent执行、通用工具集等扩充大模型的存储记忆、适配应用和调度执行能力，还沉淀了财务、人力、供应链、采购、制造、营销、研发、项目、资产、协同等领域场景的知识和领先实践。通过将用友长期业务实践中积累的大量跨行业、社会化数据与知识进行训练，可以更好地理解企业业务，帮企业作出准确决策，实现智能运营。 YonGPT已经在企业经营洞察、智能库存优化、智能人才发现、智能预算分析、代码生成、供应商风控等数十种场景完成智能化赋能。 YonGPT作为用友在AI领域的最新成果，可以为企业提供更加智能、高效、便捷的服务。 用友iuap为企业带来了更多高度专业化、场景化、社会化的数据资源，并将这些资源与企业的私有数据有机结合，形成可复用的专业能力。