数智融合加速驱动企业商业创新

在国家层面的十四五规划中对数字化转型提出了高度关注和战略定位；针对各行业内外部实际需求和紧迫性，数字技术的应用将逐步深入；数字技术的全面应用将成为各行各业发展的必由之路；回顾过去两年时间，我们主要进行了初步探索和试点实践；当前阶段已实现了从局部化的'点状应用'向全方位'整体渗透'的战略转变。

数据与人工智能深度融合，在企业数字化转型进程中构成智慧化发展的核心基础，并成为推动各行业实现高质量发展的关键驱动力。用友数智融合解决方案全面覆盖了影响企业发展效益的关键环节，在各个关键环节助力企业实现效率最大化和转型升级路径上的持续优化。数字技术与人工智能融合为创新驱动力，在多个领域已形成明显成效，并显著促进了企业的创新驱动发展

需求分析：企业数字化转型的困境是数据的问题

当下众多企业正面临着数字化转型的困境。这一困境主要源于企业的数字资产方面尚存不足。在推进一项创新业务时通常会涉及多个部门的重要原始data，并需使这些原始data得以转换为所需的形式。在此过程中还需投入大量的沟通协调资源，并需解决包括数据分析整合处理分析挖掘以及资源管理在内的诸多问题。如果所有这些创新业务都面临如此巨大的挑战则‘数字资产’作为一种重要的生产要素是否过于抽象？如何充分挖掘海量潜在的数据价值并将其转化为指导经营决策的大数据分析技术应用则成为制造企业的关注重点

1.多源异构数据种类多，采集复杂

在大数据时代背景下，多源异构系统以及多种数据格式交织的状态使得数据采集成为一个具有难度的过程；在数据采集环节上实现高吞吐量和强实时性的目标对企业而言是一项重大的挑战；迫在眉睫的是需要建立统一的数据湖来进行采集与管理

2.数据零散不统一，很难形成企业数据资产

企业的分散式数据难以满足业务部门日益增长的需求。由于未建立一套规范化的企业综合管理机制以及缺乏系统的数据分析治理流程，在现有条件下无法制定出一套完整的企业统一数据标准和体系。这些因素共同导致大量低质量的 数据无法使用，并且使得 企业的高层数据分析 项目无法取得理想效果。

3.数据智能应用不够深入

企业难以充分利用成熟的大数据以及人工智能技术对内部数据进行深入挖掘和分析进而形成智能化可视化服务以提升企业数据资产的价值

4.粗放式管理，转型缺乏技术手段

许多业务系统采取粗放式的管理模式，在日常运营中往往忽视细节管理，在实际操作中大量依赖于线下流程，并且部门间的协作由于缺乏有效的技术支持而导致沟通不畅，在这种情况下整体效率不高。被管理者和决策者无法有效地对企业经营过程中的问题进行预警和决策分析，在这一过程中往往会出现各种潜在的问题并积累下来。

技术趋势：数据与智能多方位深度融合，相互促进

大数据具备数据采集、数据处理、数据管理以及数据分析与可视化的核心能力。人工智能通过提升对异构信息的处理水平，并紧密融入各种应用场景中，在推动分析过程更加智能化的同时，实现了知识积累与经验提炼

当前大数据与人工智能呈现出全方位深度融合的发展态势，并非单纯的融合趋势

场景融合

人工智能拓宽了大数据的应用场景

传统方法完成了对描述性分析和诊断性分析的涵盖，并通过引入人工智能技术的数据分析系统具备了更为智能的预测性和决策处理能力

数据融合

大数据为人工智能提供大规模、多源异构数据

在大数据平台上获取了海量的数据支持后，在一定程度上推动了人工智能技术的进步。此外，在这一过程中，在某种程度上也使人工智能技术的发展为其提供了更多新的数据来源。

技术融合

大数据与人工智能在技术上存在关联与融合

在当前阶段，大数据与人工智能的核心技术已经实现了深度融合。其中双方都涉及海量的结构化与非结构化数据处理。而人工智能的知识图谱则依赖于大数据的支持下的图分析技术。

平台融合

统一的数据分析与人工智能平台成为趋势

传统的大数据平台主要采用基于CPU和内存的分布式数据处理架构，在实际应用中表现出较高的性能和稳定性。新型大数据平台则涵盖了GPU以及GPU与CPU混合运算模式等多种新的计算架构，并结合了包括TensorFlow和PyTorch在内的主流的人工智能框架。

解决方案：一站式数据智能中台，提供专业化数据智能服务

通过长期深耕数据分析领域并积累丰富实战经验后

数据智能中台整合了企业的大数据资源、行业运作规律以及先进算法。依托低门槛的数据生产环境和智能化的工作坊平台，在线构建智慧化的企业应用场景，并助力智慧商业决策的达成。数字 assistant VPA 机器人系统帮助员工实现更加高效的工作方式；ai流程自动化工具（RPA）辅助用户规避重复性且低效的手动操作，在提升工作效率的同时解放出更多时间用于战略性的决策制定（抬头看路）。这些技术手段不仅加速了人工智能在现有业务中的应用进程，并有效突破了企业的运营瓶颈；还为企业带来了更加灵活高效的创新空间。借助智能分析技术赋能企业的数据分析与可视化技术的便捷集成，在易用性和可扩展性之间找到了平衡点：提供自助式分析工具和报表生成能力；同时支持企业在可视化设计环境下进行个性化的建模实践，在直观展示数据特征的基础上实现自主化的知识发现（浏览态自助分析）。

数据智能中台通过提供沉浸式体验与独特的人体交互界面，并助力企业在数字化转型过程中实现智能化升级。华为云生态伙伴作为战略合作伙伴，在推动企业商业创新方面发挥着重要作用，并为实现上云用数赋智提供关键支持。

场景分析：数智叠加，落地应用百花齐放

新兴技术的融合

财务领域激活财务数据价值，深化财务管控应用

财务管控模式从前只依赖事后核对机制逐步演进至业务流程前端。特别强调在业务交易环节实现精准化、实时化的计量需求。借助数据分析平台（Data Analytics Platform），实现了对全部交易级数据的全面采集。按照企业内部统一核算标准将这些原始数据进行标准化处理，并应用相关规则生成符合财务管理要求的数据格式。同时，在操作过程中留下痕迹记录以确保可追溯性。从而确保了整体核算体系的高度独立性和合规规范性。

财务管控模式从前只依赖事后核对机制逐步演进至业务流程前端。特别强调在业务交易环节实现精准化、实时化的计量需求。借助数据分析平台（Data Analytics Platform），实现了对全部交易级数据的全面采集。按照企业内部统一核算标准将这些原始数据进行标准化处理，并应用相关规则生成符合财务管理要求的数据格式。同时，在操作过程中留下痕迹记录以确保可追溯性。从而确保了整体核算体系的高度独立性和合规规范性。

营销领域以数据为驱动进行客户全生命周期经营

以客户为中心的时代已至，
企业在关注客户的数字化转型的同时更加重视其经营数字化战略，
通过构建涵盖生产、采购、渠道、销售及运营等全业务环节的客户数字化体系，
致力于构建以客户需求为导向的一系列跨业务连接模式是新时代的核心特征。
数据平台构建覆盖客户的全生命周期管理与运营体系，
为企业与客户的深度关联提供有力支撑，并进一步扩大企业的经营潜力。

制造行业发挥数据指导作用，走向科学、精细化运营

整合融合IT与OT系统的制造行业,构建覆盖设施、设备及产品的数字化孪生体系,从订单接收至产品发货的全生命周期进行实时监控。通过数字技术预判潜在的变化趋势,实现基于数据的精准决策,增强系统快速响应的能力。而数据智能中台则作为核心枢纽,通过构建统一的数据中枢平台,打造通用智能平台支持自主化运营,推动企业生产管理及经营决策迈向智能化新台阶。