作者 | 鄭思宇
數據是助力企業持續提升競爭力的養分，智能則是將養分輸送到企業每一個角落的管道。通過數據與智能融合，大型企業將煥發全新的活力與效能，其中數智化底座扮演著重要角色。
1數智融合是必經之路，也是企業普遍面臨的重大挑戰
近年來，隨著智能化技術的飛速發展，尤其是以生成式 AI 為代表的技術步入普及應用。通過將數據與智能有效融合的方式，加速數智化應用落地、拓寬數智化場景的深度和廣度已成為行業共識。一方面，企業可以通過數據深度洞察自身、洞察產業和競爭對手，另一方面，智能化技術可以基於企業的數據積累，大大提升企業傳統工作流程的效率，顯著減少人力需求，為企業的日常高效運營和長期決策提供支持。例如，企業運營和銷售部門可以藉助 AI 工具，通過專為本行業開發的大模型分析企業積累的運營數據，從中挖掘總結成本優化、客戶偏好、潛在市場機遇等信息，從而在迅速變化的市場環境作出及時響應；智能化工具還能讓企業內部實現數據平民化，讓非技術背景的員工也能更加便利靈活地運用數據資源等等。經過有效的數智化過程，企業降本增效、開拓市場、改善利潤空間也就水到渠成。
然而，對於大型企業而言，數智融合的目標與成果雖然令人振奮，但企業達成目標的道路上卻充滿荊棘。究其原因，大型企業往往組織龐大、業務多樣、系統流程紛繁複雜。雖然積累了大量運營和業務數據，但這些數據通常都是無序存放，缺乏科學有效的治理機制，因此也很難在實踐中發揮其應有的作用。
由於數據治理體系不過關，企業即便開始部署智能化應用，也時常面臨缺少高質量數據支撐的尷尬境地，智能化場景就成為無源之水，無法真正為業務提供助力。另一種情況下，企業上層雖然在努力推進數智化轉型，但一線部門和員工卻並不清楚數智融合如何落地到實踐場景中，投入大量資源採購的工具、技術，培養的技術人才最後只是在 IT 部門「空轉」，難以同應用場景有效對接。這些問題都是企業，尤其是大型企業在數智化轉型過程中面臨的挑戰，只有解決了這些挑戰，才能為數智化鋪平道路，讓企業最終摘下數智融合與轉型的成功果實。
有道無術，術尚可求，有術無道，則止於術。企業在數智化轉型實踐中的常見誤區，就是先追求微觀、細節的「術」，指望採購一些零散的工具和技術就能有效治理數據、落地智能應用。然而，尤其對於大型企業而言，在數智化進程初期就建立宏觀視野，構築轉型的行動框架、方案模型是必不可少的步驟。
有了這樣的行動框架做指引，企業才能自上而下建立清晰的轉型預期、實施細則與評價和改進迴路，並實現跨部門的高效協作，避免各自為政、懶散躺平、朝令夕改、資源浪費等常見問題。在科學的實施框架引導下，企業逐步完成搭建數據治理體系、濃縮高質量數據、構築智能化應用、對接業務場景等任務，腳踏實地構築起牢固的數智化底座，打開持續疊代進化的發展通道，轉型成功也就順理成章。
2企業數智化進階模型，企業實現數智融合的成功之「道」
企業數智化轉型是一個綜合、複雜、循序漸進的系統工程和長期過程，需遵循科學、合理的行動框架和進階模型。行萬里路不如明師指路，在企業領域，各行業面臨的數智化轉型難題大都是相通的，實踐中的解決方案也是近似的。用友深耕企業服務市場三十五年，也一直在基於眾多行業客戶的領先實踐歸納總結各類行之有效的模型和方法論，並通過企業場景的應用與反饋不斷優化。針對企業的數智化進程，用友同樣歸納出了一條成功之「道」，即「企業數智化1-2-3」，也被稱為企業數智化進階模型，可以服務企業更明晰便捷地實現數智化。
「數智化1」是企業要推進「雲化連接」（上雲），實現業務的雲化部署、網絡連接（含物聯網）和實時感知；「數智化2」是企業要推進「數據驅動」（用數），實現全面數據服務，統一數據治理，並升級數智底座；「數智化3」是企業要推進「智能運營」（賦智），實現業務運營智能化、自然化人機互動和知識與應用生成。
從這三個階段可以看出，數據與智能是一直相伴存在的。隨著企業對應用需求的不斷加深，數據與智能所提供的能力也需要越來越豐富，相應的對其底層支撐平台的要求也越來越高。如今大多數企業的數智化處於「數智化2」 數據驅動層級，企業需要升級數智化底座，實現全面數據服務。
例如，有些企業基於用友 iuap 平台構建數智化供應鏈，通過深入挖掘離線數據以實現採購流程的可視化與風險識別，從而實時調整採購流程，對供應商進行畫像評價。還有些企業使用用友 iuap 平台來構建數智化人才供應鏈，發現企業內部人才核心節點，定位意見領袖、關鍵人才崗位，並利用內部社交和郵件數據分析判別離職意向，從而輔助 HR 部門提前採取行動，降低人員流失，保留核心人才。進入數據驅動的企業可以將現有的數據沉澱為知識圖譜，例如資產維修的知識圖譜就可以幫助經驗不足的資產維修人員快速定位和解決維修問題。
通過這些舉措，企業的數據在運營生產的各個環節都發揮出了應有的作用，為企業貢獻了可觀的價值。
隨著大模型和生成式 AI 技術的崛起，有部分領先的大型企業開始向智能運營進階。但在這一過程中企業往往面臨兩大挑戰：首先，大模型將扮演企業數智化底座核心作業系統的角色，為此需要更加廣泛、高質量的數據來源，不僅包括了企業已有的基礎數據，還需要更多產業級、社會化的數據資源。其次，有了這些產業級的數據支撐，大模型還需要對企業業務場景的深刻理解，才能有效應用在實際業務中。企業需要更多同時理解大模型技術與企業所處業務領域知識的復合型人才來運用大模型的能力，這就會對企業的人員配備、崗位體系乃至整個企業的組織模式帶來巨變。
在數智化進階模型的指引下，大型企業的數智化進程有「道」可依。此時，如何解決實現智能運營的兩大挑戰就成了關鍵問題，企業開始需要「術」層面的支持和幫助。
3用友 iuap，企業數智化實現智能運營之「術」
對於大多數企業而言，生成式 AI 是一個全新的技術領域，企業的管理層和 IT 部門在這一領域都沒有足夠的知識和經驗。正因如此，當企業試圖自行構建智能運營體系時，就需要獨自面對跨領域、社會化數據的治理、整合、標註、模型選擇、模型訓練、場景適配等諸多陌生問題。
尤其在生成式 AI 超越企業內部層面，納入社會化能力的過程中，企業自有的 IT 和業務團隊往往是力不從心的。而如果沒有與企業業務充分融合的大模型能力，智能運營也就成為了空中樓閣。顯然，大型企業尤其需要更高水平的、內建了生成式 AI 能力的數智化底座，在這樣的底座基礎上才能大範圍落地智能應用，實現從數據驅動到智能運營的全面轉變。
從數據驅動到智能運營，用友 iuap 為企業提供全面支持
生成式 AI 技術在企業落地，需要有成熟的數智化底座承接才不會陷入無人會用、無場景可用的尷尬，而企業數智化底座用友 iuap 平台為企業提供了所需的底座基礎能力，在應用、數據、智能等多個維度支持企業業務快速創新。
- 應用層面，在智能運營層級，企業需要部署智慧化靈動應用，如智能助理、智能預算等。數智員工就是企業智能助理的一種形式，通過數智員工可以解決企業流程自動化、審批智能化、內容合規化、數據驅動語義化等問題。數智員工具備智能交互與自主學習能力，比如通過 AI 與 RPA 深度融合,AI 具備 ChatGPT 類的交互、學習能力，自動識別流程風險、自動學習審批，使得流程風險更可控，審批更智能。在工作流中引入智能審批助理，可以大幅提高工作效率，提升公司產出效能。通過數字人、技能、AI、業務流、對話流工場化設計，可以快速實現所見即所得。企業還可以根據自己的場景創作個性化形象、個性化能力的數智員工。
- 數據層面，處於智能運營層級的企業需要擁有更豐富的產業 / 社會級數據資源，相應的數據服務需要覆蓋從展現級到分析級、控制級、決策級、創新級（如產品優化）的全部五層數據服務。 用友 iuap 數據中台通過數據移動、開發、治理、指標、挖掘、語義模型、數字大屏、移動分析、智能分析雲、智能報告等功能大大簡化了數據的採集、加工、治理和應用流程，為企業提供了一站式數據底座，支撐數據驅動的各類場景應用。用友 iuap 的數據服務能力已經涵蓋了各個層面。 比如，某食品加工集團，基於用友 iuap 構建了企業「業務中台、數據中台、智能中台」三位一體的企業數智化底座，推動業務智能化應用，實現企業化智能化運營。該集團通過構建統一客戶視圖，對重點、關懷、風險、異動等客戶群體，實施不同的營銷策略，實現精準營銷。基於約束理論最優化目標函數，結合遺傳算法構建了排產優化模型，通過優化排產，降低企業生產成本。建立了風險預測模型，通過對現金流動性、利率敏感性、資本充足率、市場風險暴露值、異常交易、信用風險等指標和場景進行實時監控、及時預警。
- 智能層面，數智化處於智能運營層級的企業，其智能化進入了慧知層，全面應用企業服務大模型。 為了普及 AI 在企業的應用，用友於 2023 年 7 月發布了業界首個企業服務大模型 YonGPT。因為，用友在此前服務企業過程中，已經產生了大量的商業應用數據，這些數據對於企業而言是非常寶貴的資產，在 AI 技術的加持下，可以發揮更大價值。YonGPT 不僅可以通過上下文記憶、知識 / 庫表索引、Prompt 工程、Agent 執行、通用工具集等擴充大模型的存儲記憶、適配應用和調度執行能力，還沉澱了財務、人力、供應鏈、採購、製造、營銷、研發、項目、資產、協同等領域場景的知識和領先實踐。通過將用友長期業務實踐中積累的大量跨行業、社會化數據與知識進行訓練，可以更好地理解企業業務，幫企業作出準確決策，實現智能運營。 YonGPT 已經在企業經營洞察、智能庫存優化、智能人才發現、智能預算分析、代碼生成、供應商風控等數十種場景完成智能化賦能。 YonGPT 作為用友在 AI 領域的最新成果，可以為企業提供更加智能、高效、便捷的服務。
用友 iuap 為企業帶來了更多高度專業化、場景化、社會化的數據資源，並將這些資源與企業的私有數據有機結合，形成可復用的專業能力。在用友 iuap 平台的支持下，企業無需從零開始進行大規模的投資建設與人才團隊培養，也能順利跨越數智化轉型第二階段到第三階段的難關，更早建成智能化的運營體系，最大程度發揮企業內部和外部的數據生產要素的潛在價值。
編後語：
當大部分企業的數智化還處在「數智化2」層級時，一些行業領先企業已經開始朝「數智化3」層級邁進。「數智化2」處於企業走向智能運營的關鍵階段，需要企業做好全面的數據治理及數據服務，全面升級數智底座，才能在「數智化3」層級擁有夯實的數據及平台基礎。用友 iuap 作為更懂業務、技術領先、體系完整的數智化底座，為大型企業帶來數據、智能、平台全面保障，以此為企業業務和應用服務。並且在「數智化3」層級，用友 iuap 持續輸出以企業服務大模型為中心的智能化能力，助力企業順利實現智能化運營，以數智化持續推動企業高質量發展！