中國信通院：企業數字化轉型技術發展趨勢研究報告（2023年）（83頁）.pdf

《中國信通院：企業數字化轉型技術發展趨勢研究報告（2023年）（83頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院：企業數字化轉型技術發展趨勢研究報告（2023年）（83頁）.pdf（83頁珍藏版）》請在三個皮匠報告上搜索。

1、中國信息通信研究院泰爾終端實驗室北京元年科技股份有限公司2023年3月企業數字化轉型技術發展趨企業數字化轉型技術發展趨勢研究報告勢研究報告(2022023 3 年年)版權聲明版權聲明本報告版權屬于中國信息通信研究院和北京元年科技股份有限公司，并受法律保護。轉載、摘編或利用其它方式使用本報告文字或者觀點的，應注明“來源：中國信息通信研究院和北京元年科技股份有限公司”。違反上述聲明者，編者將追究其相關法律責任。本報告版權屬于中國信息通信研究院和北京元年科技股份有限公司，并受法律保護。轉載、摘編或利用其它方式使用本報告文字或者觀點的，應注明“來源：中國信息通信研究院和北京元年科技股份有限公司”。違反

2、上述聲明者，編者將追究其相關法律責任。前言前言2021 年，我國發布中華人民共和國國民經濟和社會發展第十四五年規劃和 2035 年遠景目標綱要，提出以數字化轉型整體驅動生產方式、生活方式和治理方式變革。在宏觀層面上，伴隨著新冠肺炎疫情、國際金融危機等一系列重大事件的沖擊，我國數字化轉型進程不斷加速，新技術、新業態層出不窮。5G、人工智能、大數據、區塊鏈等新一代信息通信技術不斷涌現，在相關領域展現了一定優勢的同時，亦給企業帶來了諸多不確定性挑戰。近年來，產業發展的規律性減弱趨勢明顯，復雜性、隨機性、突發性的問題增多。數字技術與傳統行業簡單疊加，已經不能滿足傳統垂直行業的需求，企業數字化轉型正在進

3、入“深水區”。目前，業界已經認識到數字化轉型的重要性，數字化轉型具有戰略意義。對企業而言，數字化轉型已然從提高效率的工具轉為創新發展模式、強化發展質量的主動戰略；從局部轉型變為對全局乃至整個流程的優化；從單一領域、單一行業轉變為對全行業、全生態的全面覆蓋。企業需根據實際情況和發展戰略進行頂層設計和總體規劃，并通過分領域、分階段逐步實施。同時，企業數字化轉型更應注重數字技術的發展趨勢跟蹤和適時導入，并注重評估應用效果?？傮w來說，企業應遵循以數字規劃為起點，圍繞核心業務建設基礎設施；以數字化轉型價值為導向，對內外提升效率和業務履約能力，構筑產業平臺、云上平臺的生態協作。為了更好地引導企業數字化建設

4、，高效推進數字化升級，幫助用戶更好地獲取數字化產品技術支持和應用服務，本報告從企業數字化轉型技術的發展趨勢、技術應用保障體系、技術轉型路徑需求、構建轉型技術發展體系做了系統性論述，提出未來技術發展的五大趨勢，并對每一項技術進行了深入詳細的探討，提出了應用解決方案和實現數字化轉型的路徑建議，為我國產業數字化轉型提供有力支撐。目錄目錄一、企業數字化轉型技術的發展趨勢.1二、構建數字化轉型技術應用保障體系.2（一）戰略指導.2（二）基本原則.3（三）組織建設.3（四）技術部署.4三、企業數字化轉型技術的發展路徑.5（一）以數字技術提升企業基礎能力.5（二）以泛在連接加速數據資產沉淀.20（三）以數據

5、技術保障實現數據價值.32（四）以數據驅動提升企業決策能力.39（五）以人工智能挖掘拓展市場機遇.44四、企業數字化轉型技術應用的實踐場景.48（一）傳承升級：以解耦架構激活核心 ERP 潛能.48（二）調度算法：APS 實現更廣泛的計劃和協同.56（三）解耦工具：低代碼平臺與 ERP 的融合與遷移.59（四）數據驅動：應用場景分析和企業實踐.62（五）人工智能：可落地的多應用場景.65五、給企業的數字化轉型建議.72（一）因企制宜制定個性化的數字化轉型戰略.72（二）優化升級打造全面覆蓋的企業技術架構.74（三）循序漸進構建數據驅動的管理決策體系.75圖 目 錄圖 目 錄圖 1 數字化 Pa

6、aS 平臺發展趨勢.7圖 2 基于數字化 PaaS 平臺的技術架構.8圖 3 Gartner 的 DevSecOps 持續交付流程.10圖 4 用戶如何通過新浪微博的認證 Server 登錄到有道云筆記.11圖 5 IDaaS 平臺的三大模塊.11圖 6 四種授權策略模型圖.13圖 7 基于數字化 PaaS 平臺的統一授權中心.13圖 8 數字化系統應用的安全保障.14圖 9 人機交互演進歷程.15圖 10 智能語音助手.16圖 11 數據中臺提升企業數據能力.17圖 12 數據中臺助力數據資產化.18圖 13 統一的數據服務體系.19圖 14 數據中臺是數字化轉型的技術基礎.19圖 15 全

7、渠道供應鏈網絡的六大基石.20圖 16 智能交易供應鏈體系.23圖 17 生產設備的網絡連接.24圖 18 端到端流程.26圖 19 連接不同系統的端到端流程.26圖 20 端到端流程支撐價值鏈建模.27圖 21 價值鏈設計器.28圖 22 在線會議實現業務協同.29圖 23 基于對象推動精細化協同.30圖 24 共享是推動協同的有力手段.31圖 25 統一技術平臺推動內外協同.31圖 26 企業決策的演進方向.40圖 27 預算管理的智能化系統閉環.40圖 28 企業風控逐步前置、量化、智能化.41圖 29 數智運營中心（IOC）成為企業智慧大腦.42圖 30 全球低代碼&無代碼市場規模及結

8、構（百萬美元）.45圖 31 ERP 發展趨勢.49圖 32 智能化會計引擎.51圖 33 智能化會計引擎架構.52圖 34 ERP 時代的流程式協作.53圖 35 中臺時代的平臺式協作.53圖 36 ERP 融入企業中臺架構.55圖 37APS 的功能模塊.57圖 38 低代碼與 ERP 的融合.60圖 39 低代碼帶來系統性能力變化.61圖 40 低代碼促進企業 IT 建設.62圖 41 數據驅動管理應用場景建設框架.63圖 42 客戶管理數智化平臺建設藍圖.64圖 43 智能量化風控應用流程.65圖 44 廣告策略歸因分析.66圖 45 圖譜審單.67圖 46 合同要素提取.68圖 47

9、 智能回款匹配.68圖 48AI 中臺基本組件-自然語言處理.69圖 49AI 中臺專用組件.69圖 50 RPA 產品在各行業的覆蓋率.70圖 51 不同行業職能部門 RPA 應用情況.70表 目 錄表 目 錄表 1 傳統 ERP 與 SaaS ERP 各方面異同比較.50企業數字化轉型技術發展趨勢研究報告（2023 年）1一、企業數字化轉型技術的發展趨勢數字化轉型是在大數據、移動互聯網、云計算、物聯網、區塊鏈等新一代信息技術驅動下，企業商業模式、組織模式、管理模式都在迅速地轉型，是社會生產力和生產關系的升級。數字化轉型已經成為企業的一道必答題，其本質內核是：建立內外部廣泛的在線連接，產生大

10、量實時數據，利用云端的算法和算力，讓決策變得更實時更智能，從而提升企業的運營和管理效率，甚至產生全新的商業模式和管理模式。在未來 1-5 年內，驅動企業數字化轉型的新技術應用將呈現如下趨勢：新一代數字技術是實現轉型升級的重要支撐；企業數字化建設需要新一代的基礎技術能力支撐，符合云原生架構，打破系統模塊煙囪模式的邊界，有效實現能力復用，以及數據、流程的拉通，以適應數字化時代對業務敏捷性、彈性及動態組合能力的要求。建立在線連接能力是企業數字化轉型的前提；數字化建設往往從市場、銷售、渠道、采購、供應鏈、產品設計、制造流程的全面線上化開始的，企業內外部組織、人、設備的在線化是數字化轉型的基礎。升級 E

11、RP 架構是適應數字化轉型的必然要求；ERP 作為信息化核心的基礎能力是企業運營所必需的，但傳統套裝軟件的封閉式架構制約著其與外部系統的有效集成，在實時處理大量業財數據方面存在先天障礙。ERP 系統將沿著核心能力服務化方向持續進化升級，不斷加強流程和數據集成，提升大數據處理能力。數據治理是提升企業智能決策能力的基礎保障；數據治理水平反企業數字化轉型技術發展趨勢研究報告（2023 年）2映了企業數據采集、加工處理的能力；數據智能的應用則反映了數字化建設的水平，數據智能幫助企業更實時地探查出隱藏的問題，通過歸因分析，匹配相應的運營策略和規則，實現運營決策的自動化、智能化，提升運營效率，促進商業模式

12、轉型。AI 技術中臺化應用全面提升企業智能化水平；隨著企業數字化建設的深入，AI 技術的應用將持續普及。在很多行業已經取得初步成功應用的基礎上，AI 應用將呈現中臺化的特征。在數據中臺和業務應用之間，提供無代碼、低代碼等快速構建、訓練、上線 AI 模型的能力，形成對數據分析、決策人員的有效支撐。二、構建數字化轉型技術應用保障體系基于數字化轉型對企業的戰略價值和重要影響，構建圍繞企業數字化轉型技術應用保障體系就成為企業戰略和日常經營的重要組成部分，與數字化轉型目標、技術應用方案構成全面實施數字化轉型戰略的三大支柱。（一）戰略指導（一）戰略指導基于企業戰略編制技術發展戰略：編制技術發展戰略是實施數

13、字化轉型工作的重要任務，也是實施企業整體發展戰略的重要步驟和組成部分，技術發展戰略必須服從企業發展戰略，是對企業戰略的細化和補充?；诩夹g發展趨勢積極導入應用：技術發展有其自身規律，企業應用也有不同的需求和場景，因此，企業在積極追蹤各類數字技術發展趨勢的同時，要主動結合自身實際，探索合適的應用方式，發揮各企業數字化轉型技術發展趨勢研究報告（2023 年）3項技術更大的應用價值。（二）基本原則（二）基本原則在企業戰略和技術戰略指導下，嚴格遵循技術應用推廣的工作原則，才能真正踐行技術戰略，獲得預期收益。緊緊把握“以業務為核心”的原則，從業務需求出發選擇合適的成熟技術進行大膽嘗試和應用，以業務績效作

14、為選擇技術應用的重要標準。和其他 IT 項目的實施原則一樣，“總體規劃、分步實施”依然是數字化轉型技術應用的指導原則。既要站在總體視野規劃技術應用的內容和步驟，又要按照不同階段需求，循序漸進推進項目的實施落地。在總結分步項目不同應用效果的前提下，優化調整總體規劃，使其更有效地指導其他項目的順利落地實施。針對層出不窮涌現出來的新技術，技術團隊必須抱著積極態度加以關注的同時，對新技術的特點、應用方式和效果進行仔細觀察，并選擇試點范圍大膽進行嘗試，一旦確認實施效果就可以進行大面積推廣，以獲得市場競爭的先發優勢。在成功進行試點建設之后，穩步推進應用范圍，形成“點、線、面、體”四級推廣階段，不斷擴展技術

15、應用范圍，不斷總結應用規模和效果之間的邏輯規律，使企業獲得更好的規模效用。（三）組織建設（三）組織建設數字技術應用涉及的人員、部門較多，需要由企業進行統一規劃和部署，完善在技術研發、產品設計、實施應用和市場推廣不同領域實施落地的組織體系。利用數字技術建設和優化企業自身的技術研發平臺是技術戰略的重要內容之一，技術研發團隊需要根據技術目標需企業數字化轉型技術發展趨勢研究報告（2023 年）4求，編制相應的組織機構，確保分工合理、目標一致，不斷提高技術研發的協同效率。數字技術在產品研發領域已經有幾十年的應用經驗，可以根據不同的產品匹配相應的技術應用方式，并以此組建相應的設計團隊、管理機構，確保產品設

16、計的市場領先和運營成本優勢。數字化營銷已經成為今天企業的必備工具，也是數字技術應用程度更深、應用方式變化最大的一個領域。企業需要不斷關注技術發展趨勢，以及由此帶來的市場推廣渠道的重大變化，尋找滿足用戶在商品、價格、體驗等各方面的訴求，不斷提高企業的商業價值。數字技術在產品交付、服務升級方面有更多的升級拓展，推動企業采取更為積極的策略，嘗試應用更加虛擬化、數字化的服務方式，給用戶提供更精準、更及時的服務體驗。不同行業的實施服務方式有所差別，但基于數據智能化應用而做出的服務升級體驗是所有用戶的共同訴求。（四）技術部署（四）技術部署隨著數字技術的快速發展，數字化應用的應用環境、部署方式和應用模式都發

17、生了巨大變化。企業需要綜合評估不同技術在不同環境和不同應用模式下，所發揮的不同作用，采取更加合理有效的部署方式，才能獲得最大效益。云化部署是數字技術應用的一個大趨勢，而基于對應用、數據、安全和合規等不同因素的考量，企業各類應用將部署在不同的云環境下，因此，融合各類公有云、私有云的混合多云環境是未來企業數字化應用常見的部署方式，滿足企業移動化、精準化的應用需求。打造包括 PaaS 平臺在內的、基于最新數字技術的新一代數字化技術底座企業數字化轉型技術發展趨勢研究報告（2023 年）5是企業技術部署的重要內容，更好地滿足企業的靈活應用需求。專業化應用協同同樣重要；企業在銷售、采購、生產、財務等各個領

18、域都有非常專業化的應用系統方案，在技術部署上需要關注各個不同系統之間的數據標準、共享規則等協同應用的需求，發揮各個數字化系統的集成價值和系統效應。三、企業數字化轉型技術的發展路徑（一）以數字技術提升企業基礎能力（一）以數字技術提升企業基礎能力1.混合云將成為數字化集成設施的標準形態公共算力不斷增強，混合云支撐未來架構。2022 年 2 月 17 日，國家發改委、中央網信辦等部門聯合發文，利用“東數西算”工程構建國家級數字經濟基礎設施。企業獲取云計算公共基礎設施資源的便利性大大增強，在 IT 基礎設施建設和運維上的成本將大幅降低。隨著語音識別、圖像識別、位置計算、票稅自動化、供應鏈在線交易、金融

19、業務、電子合同、電子檔案處理等各種開箱即用的 SaaS化的公有云服務不斷涌現，企業云原生的計算能力越來越強，外部連接生態更加豐富，為企業提供更多數字化資源。標準的公有云應用無法完全匹配企業業務模式、運營模式和管理模式的個性化需求，無法體現企業差異化的競爭優勢。企業將應用更多個性化流程和運營模式，對數據資產的私有化和安全訴求更加強烈，混合云成為構建數字化集成設施的標準形態?；旌显撇皇呛唵蔚墓性坪退接性频寞B加，但是兼顧了公有云的便捷與私有云的安全，整合不同云廠商的優勢?；旌显撇粌H提供了企企業數字化轉型技術發展趨勢研究報告（2023 年）6業所需的外部服務，還能更好地融入其個性化運營環境，無需暴露

20、內部基礎設施和數據，實現高效安全的應用和數據連接?；旌显菩枰薪y一的管理平臺，打通整合多個云環境，保持多云一致性的管理體驗，以避免由于多云間的技術差異帶來管理成本的增加。部署在多云間的應用和數據需要高速訪問的通道，以免造成不同供應商間新的流程割裂和數據孤島，跨云統一管理和高速集成是混合云成功應用的基礎。定制化的系統會被局限在少量創新型應用中，而基于 PaaS 平臺和標準化 SaaS 的新型應用會越來越多，它們混合部署在公有云和私有云環境中，借助云原生、微服務的架構優勢進行隔離和組合，降低平臺和應用持續升級的成本，保障應用體驗的持續提升，滿足差異化競爭需求。數據資產是企業未來的核心資產，數據安全

21、是企業的重中之重。在混合云模式下，算力、算法、應用與數據的分離將隨著數據價值的不斷發掘而成為一種標準模式。應用多云和跨云部署必然會導致數據分布在不同的環境中，傳統的數倉、數據湖、數據中臺等技術在數據集成和治理過程中普遍采用數據搬運的方式，會帶來較大的數據存儲和時間成本。由于數據搬運帶來的數據差異問題，也使得決策數據的實時性、準確性存在一定風險。2.數字化 PaaS 平臺將支撐靈活多變的業務應用利用數據編織等高效數據處理技術，數據的搬運將逐漸減少，數據處理的速度和實時性會越來越高，分布式的數據集成和整合是混合企業數字化轉型技術發展趨勢研究報告（2023 年）7云模式下數據中臺的技術發展趨勢。Pa

22、aS 平臺是數字化的技術基礎：以云原生、微服務理念為基礎，元數據驅動、業務對象建模為核心的數字化 PaaS 平臺日趨成熟，呈現以下五大發展趨勢：來源：中國信息通信研究院圖 1 數字化 PaaS 平臺發展趨勢適配混合云架構是未來數字化 PaaS 平臺發展的重要趨勢?！皵底只?PaaS 平臺+SaaS 訂閱+定制化服務”的全新在線服務模式支持在企業數據中心、私有云、公有云間的混合部署，讓企業兼顧云服務的算力伸縮性和私有數據中心的安全私密性。形成可組裝的業務引擎。數字化轉型痛點不僅僅在于業務流程無法重塑，還在于底層引擎能力分散在各個系統中，無法形成合力而支持構建數據驅動型的新業務應用。數字化 Paa

23、S 平臺在混合云架構的基礎上形成統一的技術底座，在元數據層之上構建可以互聯互通的低代碼建模能力、大數據處理能力、多維分析能力、數據智能、AI 建模能力。數字化 PaaS 平臺內置 AI 建模能力，結合大數據處理、數據增強企業數字化轉型技術發展趨勢研究報告（2023 年）8分析技術形成解決方案，幫助企業落地大數據應用。由此，在 PaaS平臺上創建業務應用時，可以使用通用的引擎能力進行快速組裝。來源：中國信息通信研究院圖 2 基于數字化 PaaS 平臺的技術架構將各種底層能力內化、融合與打通，并在此基礎上構造可拼裝、可組合的能力組件，形成統一部署架構和運維機制，在混合云架構上持續成長是未來數字化

24、PaaS 平臺的技術發展方向。打造極致的用戶體驗。隨著數字技術的發展和業務系統的完善，企業數字化轉型的重心已經從注重交易轉移到提升客戶體驗上。通過優化每個互動觸點的使用體驗，把用戶從價值交換者轉變為價值共創者。數字化 PaaS 平臺提供了客戶自定義首頁、表單頁面設計、圖表分析、社交化交互、數據增強分析等面向終端用戶的能力，由 PaaS平臺制作而成的用戶終端頁面都是高度可配置，面向每個用戶自定義其個性化視圖與工作臺。結合業務場景融入數據驅動，提升可配置可擴展的用戶體驗。建設開放的生態平臺。數字化 PaaS 平臺具備“開放平臺”特性，將企業自身數字化服務與外部生態相結合，將生態伙伴的 SaaS 服

25、務企業數字化轉型技術發展趨勢研究報告（2023 年）9與自身 SaaS 服務相互融合，給企業再次深度創新創造條件，形成在線的數字化生態優勢。數字化 PaaS 平臺作為數字化轉型的核心，需要提供標準通用、易于接入的開放平臺，既可以接入到社交化生態中，也允許商業合作伙伴們通過標準開放平臺更容易地實現到互聯互通，緊密協作。內置集成的多方系統?；趯I應用系統解決專業需求的原則，未來 IT 架構一定是由多個來源的專業服務共同協作構成的，一部分由外部接入，另一部分則是在企業數字化 PaaS 平臺上自建而成。如何利用已經運行多年的 ERP 系統、多個系統之間的數據打通與集成都是企業數字化轉型中非?，F實的問

26、題。數字化 PaaS 平臺中內置集成平臺，可以快速配置數據映射、數據路由，在適當數據量的情況下，通過輕量級的部署進行實時的數據集成；在數據量大的情況下，利用大數據平臺進行數據處理。由數字化 PaaS 平臺創建的應用通過元數據層，擁有原生的數據集成能力，在實踐中會大大減少數據集成的工作量與不穩定性，PaaS 平臺中的集成平臺會更多擔任企業中數據總線的作用。依托 PaaS 平臺提升系統的安全性；在開發過程中，依托 PaaS 平臺來設計提升系統安全性的解決方案是未來發展趨勢。3.DevSecOps 開發理念兼顧系統安全和靈活應用DevSecOps 的全稱是 Development Security

27、Operations，在軟件開發生命周期的每個階段自動集成安全性-從最初的設計到集成、測試、部署直至軟件交付。企業數字化轉型技術發展趨勢研究報告（2023 年）10數字化 PaaS 是所有應用程序的技術底座，應用程序在 PaaS 平臺上被快速生產出來的同時，需要確保其安全性，因此，在研發 PaaS平臺的時候，就需要基于 DevSecOps 的思想來控制整個平臺體系的安全性。相比 SDL（Simple Direct Media Layer 開放源代碼的跨平臺多媒體開發庫）的瀑布模型，DevSecOps 更偏向敏捷模型，不再是業務開發完成后進行安全測試，研發、測試和部署同時進行。在 DevSecO

28、ps中，安全責任不再由團隊來兜底，而成為每個人的責任。安全意識被柔性地嵌入到開發及運維流程中，安全自動化能力的提升解決了人員成本過高的問題，解放出來的人力專注于安全運營，處理在流程中遇到的問題。來源：Gartner圖 3 Gartner 的 DevSecOps 持續交付流程企業必須高度重視安全措施，并融入到研發流程中。在DevSecOps 理念指導下開發出的 PaaS 平臺，才能保證運行在平臺之上業務應用的安全性。在信息化時代，單一登錄是企業內部身份認證的主要場景。進入企業數字化轉型技術發展趨勢研究報告（2023 年）11SaaS 時代，這個技術滿足不了企業在混合云架構下所需的用戶鑒權于授權分

29、配的安全性，IDaaS 應運而生。來源：中國信息通信研究院圖 4 用戶如何通過新浪微博的認證 Server 登錄到有道云筆記IDaaS 就是云時代的身份和訪問管理（IAM），它們之間的關系：IDaaS 等于 SaaS 和 IAM 兩者的集合。提供 IDaaS 的公司既可以作為身份提供商（IDP），也可以作為服務提供商（SP）。所以可以將 IDaaS理解為是一個服務平臺，客戶使用提供 IDaaS 服務相關的產品，例如單點登錄，智能多因素認證，來實現云時代所需的既安全又高效的身份和訪問管理功能。來源：中國信息通信研究院圖 5 IDaaS 平臺的三大模塊企業數字化轉型技術發展趨勢研究報告（2023

30、年）12一個典型的 IDaaS 平臺擁有統一目錄、賬號生命周期管理、安全審計三大模塊共同作用，在混合云架構下部署，適配企業中復雜多樣的既有應用和認證系統，打通企業用戶認證與授權機制。對于企業內部關鍵的業務系統、財務、人事系統，權限控制更是至關重要。IT系統中的授權模型，總體上可以分為四個層級：DAC（自主訪問控制）。最典型的就是微軟的 NTFS 文件管理系統的權限設計。DAC 最大缺陷就是對權限控制比較分散，不便于管理，比如無法簡單地將一組文件設置統一的權限開放給指定的一群用戶。MAC（強制訪問控制）。就是按照密級來進行訪問控制。MAC 非常適合機密機構或者其他等級觀念強烈的行業，但對于類似商

31、業服務系統，則因為不夠靈活而不能適用。RBAC（基于角色的權限控制）。該模型的核心是在用戶和權限之間引入了角色的概念，這種設計取消了用戶和權限的直接關聯，改為通過用戶關聯角色、角色關聯權限的方法來間接地賦予用戶權限，從而達到用戶和權限解耦的目的。ABAC（基于屬性的權限驗證）。通過用戶屬性進行訪問控制是最強大的權限策略，利用預定義的規則來決定用戶能訪問何種資源，而不是通過角色定義來轉換。目前業內領先的權限管理系統都是由RBAC 和 ABAC 策略相結合來實現的。企業數字化轉型技術發展趨勢研究報告（2023 年）13來源：中國信息通信研究院圖 6 四種授權策略模型圖統一授權中心：在 PaaS 平

32、臺上，將 RBAC 和 ABAC 的授權策略相結合，建立統一的授權中心，按照業務需求管理整個企業的所有資源（菜單，頁面，數據，算力等），是未來權限發展的主要方向。來源：中國信息通信研究院圖 7 基于數字化 PaaS 平臺的統一授權中心數字化 PaaS 平臺提供統一授權中心的功能，在進行了統一用戶身份認證之后，各個業務系統同樣也不需要關注如何授權，統一授權中心可以控制系統內“資源”的訪問權限。系統資源包括功能資源（菜單，頁面，按鈕，字段等）、數據資源（業務數據行，通過行級安全性控制數據資源）、算力資源（系統中可以調用到的批量處理，后臺企業數字化轉型技術發展趨勢研究報告（2023 年）14程序，G

33、PU 資源等）和其他系統資源，都可以在授權中心中進行管理和精細控制。按照規則授權：基于 RBAC+ABAC 的設計思路，統一授權中心需要支持以屬性來定義授權規則的方案。例如，用戶 A 是某二級部門的負責人，此時根據系統預定義的數據權限規則，用戶 A 可以訪問此二級部門下的所有數據，包括屬于這個二級部門下的三級、四級部門。集團公司分級授權：對于集團型的公司，由于系統和組織的復雜程度，授權工作需要從多個維度展開。針對不同的組織視圖，在不同級別上建立分級管理員的角色，不同分級管理員在不同的組織視圖、組織層級上進行分公司級別的授權工作。統一授權中心+IDaaS 平臺，內置在高安全性的數字化PaaS平臺

34、，三者共同作用，滿足企業數字化系統應用中的安全保障。來源：中國信息通信研究院圖 8 數字化系統應用的安全保障在 PaaS 平臺上構建的業務應用安全性更高，這是因為 PaaS 平臺本身的高安全性屏蔽了很多潛在威脅。結合 PaaS 平臺內置的訪問中企業數字化轉型技術發展趨勢研究報告（2023 年）15心和鑒權方案，企業用戶在根據業務需求構建 IT 系統的時候，不用特別考慮安全問題。4.人機交互智能化將不斷推高用戶體驗智能化的用戶體驗：計算平臺和技術的演進是人機交互方式最主要的推進要素之一。隨著信息化、智能化水平的提高，人機關系發生了重大變化，同時也為產品用戶體驗的研究帶來新的機遇和挑戰?？萍纪苿尤?/p>

35、機交互體驗從功能化、人性化到智能化方向發展，從代碼化精準式 CLI（Command-Line Interface），到隱喻交互探索式GUI（Graphic User Interface 圖像化用戶界面），再到直接交互自然式 NUI（Natural User Interface）的方向發展。來源：中國信息通信研究院圖 9 人機交互演進歷程在傳統的人機交互中，人與機器（包括基于計算技術的產品）之間的關系基本上是一種“刺激-反應”的關系，即兩者間的“反應”按順序地取決于另一方的“刺激”（輸入或輸出）?；?AI 等技術的智能系統具有不同程度的狀態感知、實時分析、自主決策、精準執行、學習提升等能力。在

36、人機融合中，人和機器的企業數字化轉型技術發展趨勢研究報告（2023 年）16關系則是合作的關系。這種合作表現在以人腦為代表的生物智能（認知信息加工能力）和以計算技術為代表的機器智能（人工智能）通過深度的融合來達到職能互補，人和機器在感知、分析、推理、學習、決策等多個智能水平上互相協同合作，從而實現系統的整體優勢。多端協同是指兩個或以上設備發生聯系并相互協作完成任務的方式。隨著多終端的發展，隨之而來的問題是我們如何將眾多的設備有效協同，發揮各自優勢，更好地為用戶服務?；趫鼍昂驮O備屬性設計的多端協同將更加注重其合理性、體驗性和高效性。傳統的界面交互一直是人與計算機交互的主要方式，但其與生俱來的缺

37、陷在于必須依托可視化的界面與用戶交互。設計隱喻的偏差、人機語言的差異和信息傳輸的延遲等都可能讓界面交互變得不那么自然。伴隨著物聯網時代的來臨，計算設備與環境逐漸融為一體，無界面交互成為人機交互的重要趨勢之一。最常使用的多通道交互技術包括語音識別、圖像識別、手勢識別、視線跟蹤、觸覺通道、生物特征識別技術和人臉表情識別技術等。來源：中國信息通信研究院圖 10 智能語音助手企業數字化轉型技術發展趨勢研究報告（2023 年）17在智能化趨勢下，企業如何布局以及進行產品規劃，進而提高產品用戶體驗，將是決定企業未來市場競爭力的核心要素。5.數據中臺將成為激活業務價值技術平臺數據中臺已經成為企業數字化轉型的

38、基礎技術平臺，將在夯實數字底座，支持靈活應用方面發揮更大作用。以數據中臺構建企業轉型技術體系：在信息化建設過程中，企業建設了多樣性的系統，產生了多源異構數據，導致“數據孤島”、“數據煙囪”，底層數據無法產生連接；缺乏標準的數據資產體系，數據價值得不到釋放。數據中臺構建了一套高效可靠的數據資產化體系和數據服務能力，促進企業敏捷式創新。來源：中國信息通信研究院圖 11 數據中臺提升企業數據能力數據中臺是在企業數字化轉型過程中，對各業務單元業務與數據的沉淀，構建包括數據技術、數據治理、數據運營等數據建設、管理、使用體系，實現數據賦能。作為支持企業多業態、全渠道、全終端，同時連接財務、生產、供應鏈等各

39、種后臺系統的數據中臺，會先一步成為企業數字化建設的核心。企業數字化轉型技術發展趨勢研究報告（2023 年）18數據已經被公認為是企業最有價值的資產。企業不僅利用數據做出更明智和有效的決策，還能以此提供更好的產品和服務、降低成本、控制風險，獲得競爭優勢。數據中臺則為數據資產管理提供支撐，實現“業務數據化、數據業務化”。數據中臺在幫助企業實現數據資產化的過程中，提供了豐富的功能，包括數據治理功能，如數據安全、數據標準、主數據管理、數據質量管理、數據標簽管理、元數據管理等功能，提供了數據存儲功能，比如數據資產門戶，數據資產地圖，數據資產管理等功能，提供了數據處理功能，比如離線計算、實時計算等功能。來

40、源：中國信息通信研究院圖 12 數據中臺助力數據資產化數據中臺幫助企業建立統一的數據服務體系，統一管理所有的數據 API，通過數據服務將數據業務化，激活數據的業務價值。企業數字化轉型技術發展趨勢研究報告（2023 年）19來源：中國信息通信研究院圖 13 統一的數據服務體系數據中臺將企業的基礎主數據、各系統業務數據、運營數據、用戶行為數據、運維監控數據以及外部的互聯網數據進行全域統一管理，通過數據集成、數據清洗、數據挖掘、數據服務等過程，為企業打造堅實的數據底座，形成企業的數據資產。通過業務數據化、數據資產化打破數據孤島，降低使用數據服務的門檻，搭建技術與業務的溝通橋梁，推動數據與業務場景的融

41、合，賦能業務創新發展。來源：中國信息通信研究院圖 14 數據中臺是數字化轉型的技術基礎企業數字化轉型技術發展趨勢研究報告（2023 年）20（二）以泛在連接加速數據資產沉淀（二）以泛在連接加速數據資產沉淀在線連接的交易與協同：更趨全球化的供應鏈增加了企業采購流程遭受沖擊和破壞的風險，即使很小的失誤和誤判也會產生重大后果。新冠疫情讓無數企業陷入動蕩，嚴重影響了全球供應鏈的正常運行。企業采購和供應鏈管理部門該如何評估和處理潛在風險，并在不穩定的全球環境中持續保持供應鏈的靈活和彈性運行。1.打造全渠道的供應鏈網絡體系來源：中國信息通信研究院圖 15 全渠道供應鏈網絡的六大基石制定以客戶為中心的供應鏈

42、戰略就是將供應鏈管理與客戶關系管理結合起來，讓供應鏈服務商站在客戶的角度思考問題，將客戶視角融入供應鏈管理的方方面面，包括供應鏈戰略目標、客戶的期望和支持、產品組合和復雜性管理，以此推動實現卓越的供應鏈體系。企業和供應商的互動方式主要是基于供應商管理和合同履約完成，缺乏真正的洞察力或平臺集成。未來，企業不僅僅基于合同服務水平協議(SLA)提高與供應商的過程管理水平，還要確保有能力為終企業數字化轉型技術發展趨勢研究報告（2023 年）21端客戶帶來創新服務，從而建立更有成效的渠道網絡和生態系統。供應鏈的可見性和信息共享不僅僅指企業對自身供應鏈和發貨信息的可見性，還意味著合作伙伴之間的可見性，使協

43、作決策更貼近客戶的需求。比如需求規劃、庫存管理、供應和補貨計劃、銷售和運營控制、分布式訂單管理等。覆蓋全渠道的交易履行節點運營是確保供應鏈健康運行的重要保障。如何在更復雜的環境中實現高效的倉庫管理，利用自動化技術提高速度、質量和效率，如何以高效管理退貨，優化整個訂單逆向流程等等。在信息豐富、連接比以往任何時候都更加重要的時代，大部分公司的供應鏈管理人員仍然將信息共享列為他們最大的管理挑戰。盡管現在有了更多的信息，但有效獲取、管理、分析信息，并提供給企業決策的時候依然捉襟見肘。需要部署基礎軟件、制定數據策略和分析策略、提高流程管理自動化水平。風險管理成為企業的第二大挑戰，超大體量的企業供應鏈風險

44、甚至超過了客戶需求對成本的挑戰。大部分企業認同風險管理的重要性，但在方法上存在分歧，需要進一步溝通，達到共識，以確保業務的可持續性。2.實現更智能的在線交易與協同彈性供應鏈網絡將整個在線交易、供應鏈連接起來不僅僅是客戶、供應商和一般的 IT 系統，還包括零件、產品和其他用于監控供應鏈的智能裝置，廣泛的連通性將使全球供應鏈網絡能夠共同規劃企業數字化轉型技術發展趨勢研究報告（2023 年）22和決策。更智能的數字化協同能幫助企業對無數替代方案進行評估權衡，模擬各種行動過程。智能系統在沒有人參與的情況下，自己學習和做出決定。當中斷發生時，它可能會重新配置供應鏈網絡。通過模擬交易過程獲得生產、分銷和運

45、輸等流程的評估預測，用于決策和分析。更智能的供應鏈將在整個產品生命周期中與客戶協同和互動從研發、日常使用到產品報廢，從源頭獲取需求信號從貨架上拿下來的商品、離開商店的產品或顯示磨損跡象的關鍵部件。通過及時的數據分析，他們可以越來越精細劃分客戶群體，并相應地定制個性化的產品和服務內容。企業希望了解供應鏈的一切：每一批離開供應商倉庫的貨物、制造企業裝配線上的每一個單元零件、配送中心或倉庫中卸載的每一個托盤，這種無處不在的數據及時性和可共享性能產生有效的數據分析。面向供應商、客戶的多合作伙伴的深度協同平臺，利用數據模型，從銷售到采購的預測和分析形成閉環，實現動態供需平衡，并形成供應商 360 度評估

46、數據。通過合同履約的動態數據，形成供應商服務水平的評估。根據價格數據的趨勢分析，幫助采購判斷決策。隨著需求的變化，由供應商、制造商和服務提供商組成的互聯網絡可以隨時應對突發情況。未來供應鏈需要有智能建模能力，模擬不同替代方案的服務水平、交付效率和生產質量，以選擇最佳資源利用率方案。過去十年，隨著供應鏈變得更加復雜、更多形式和相互依賴，風企業數字化轉型技術發展趨勢研究報告（2023 年）23險管理必須變得更加全面，遠遠超出任何一家企業所能控制的范圍。企業規劃供應鏈的未來路線必須使供應鏈戰略與快速變化的商業戰略保持一致，在執行戰略中進行創新、互聯、協同和智能，使供應鏈更具備可持續性、靈活性和高響應

47、等特征。來源：中國信息通信研究院圖 16 智能交易供應鏈體系3.實現全鏈路的在線生產管理生產設備數據的在線連接與洞察：隨著大數據技術、物聯網技術、5G 技術滲透到企業生產的各個環節，企業所擁有的生產設備數據也日益豐富，包括生產設備狀態信息如生產設備開機、關機、運行、空閑、報警，生產設備維修信息如維修時間、維修器件、維修時長、維修人員等信息，生產設備加工產品信息如產品名稱、產品型號、加工開始時間和結束時間，加工數量、加工工序，加工工序的參數信息如轉速、功率、溫度、壓力、刀具等信息。但數據獲取與分析、應用的機制并不完善，無法實時支持生產過企業數字化轉型技術發展趨勢研究報告（2023 年）24程的執

48、行管控，生產效率不高，如生產設備數據不夠豐富，生產設備數據資產管理滯后，生產設備數據孤島普遍存在，生產設備數據應用不夠深入等問題。需要充分利用物聯網解決生產設備在線連接，實現生產全鏈路在線管理。同時融合數據中臺技術實現生產設備數據的洞察，充分發揮數據的重要價值。受制于企業內生產設備的智能化程度、生產設備通訊協議的開放程度、生產設備數十種的不同類型通訊協議。很多企業的生產設備品牌種類繁多，存在不同年代采購的設備，國內外廠商提供的設備數據接口各異。物聯網將各種生產設備的接口和傳感器與網絡結合起來而形成的一個巨大網絡，實現任何時間、任何地點的設備互聯互通，支持多設備、多協議、多網絡的快速數據采集、存

49、儲和應用，支持各種異構生產設備實時接入，千萬級生產設備數據高效并發處理，保證生產設備數據的實時在線連接。來源：中國信息通信研究院圖 17 生產設備的網絡連接生產設備采集的數據存在標準不統一、口徑不統一、非結構化數企業數字化轉型技術發展趨勢研究報告（2023 年）25據居多的問題，需要對數據進行預處理和清洗。數據中臺能夠幫助企業構建生產設備實時數據倉庫，洞察設備狀態、對生產過程進行實時、有效的監控，可以更精確地計算產品生產成本，保障生產計劃的合理制定和有效執行。智能 APS 高級排程系統在考慮企業產能和設備數量和種類的條件下，按照客戶訂單安排生產順序，平衡生產設備和工人的生產負荷，優化企業產能，

50、提高生產效率，縮短產品交付時間。數據中臺不僅采集設備生產數據、設備狀態數據、設備維修數據，同時采集制造工藝、客戶訂單、庫存、物料等各種數據，承擔數據的標準制定、質量保障、安全存儲、模型設計和管理等重要工作，從而實現企業智能的生產排程。數據中臺還可以將生產設備數據、銷售數據、訂單數據、產品研發數據、采購數據、物流數據、倉儲數據等打通，形成以生產設備數據為驅動的端到端業務閉環管理能力，建立聯通的產、供、銷貫通體系、暢通的供應鏈協同流程和智能運營體系，輔助公司智能決策。4.構造端到端的流程建模引擎端到端流程是一組有組織的相關活動，共同創造客戶價值。流程的重點不是單個工作單元，而是關注整個活動組。當這

51、些活動有效地組合在一起時，就會創造出客戶重視的結果。從接觸客戶、收集客戶需求的 A 端，到實現客戶價值、獲取客戶反饋的 B 端，端到端流程以客戶價值為導向，為客戶創造價值。如下圖所示，端到端流程橫向拉通客戶需求與客戶價值，是全局最優企業數字化轉型技術發展趨勢研究報告（2023 年）26的解決方案。來源：中國信息通信研究院圖 18 端到端流程業務流程數字化集中在端到端價值鏈下的業務流程梳理和構建，實現“一切業務在線，數據驅動業務”，而以數字化 PaaS 平臺為核心建立“端到端”的業務數據流鏈路是建設端到端流程的核心要素。數字化 PaaS 平臺提供了低代碼建模能力、業務流程建模能力、審批流能力、I

52、PaaS 集成平臺能力；業務數據從客戶需求端到客戶價值端的全流程，都可以在這套能力體系上進行流轉與追溯。來源：中國信息通信研究院圖 19 連接不同系統的端到端流程在企業中的各種業務，根據已經定義好的權責矩陣，需要進行審企業數字化轉型技術發展趨勢研究報告（2023 年）27批的業務流程，由審批流引擎來支持，系統間的數據流動由集成平臺來做數據集成?；跀底只?PaaS 平臺，高度可自定義、可配置的業務數據流，輔以數據鏈路與數據追溯是企業數字化轉型的核心所在。因此，建立基于 PaaS 平臺的專業、可配置的軟件系統，形成高度可視化、可配置的業務數據流是下一代企業核心系統的真正形態。企業如果沒有按照端到

53、端價值鏈的視角來設計智能決策系統，僅僅從 BI 工具的角度出發，是得不到最優解決方案的。來源：中國信息通信研究院圖 20 端到端流程支撐價值鏈建模用圖形化模型進行端到端價值鏈的建模和描述：端到端價值鏈可以被分解為端到端流程、價值鏈中的環節與流程關聯，可以支持管理者查看職能流程的運行狀況。圖形化的自定義卡片、泳道，支持建立端到端流程的圖形化展示，并與分析系統中的數據實時連接，給出端到端價值鏈視圖。如下圖 21 所示，使用數據卡片與圖形編輯能力，用圖形化、數據化的方式設計企業端到端價值鏈，并與大數據平臺上的實時業務數企業數字化轉型技術發展趨勢研究報告（2023 年）28據關聯，可以讓管理者從企業價

54、值角度來洞悉企業經營現狀，并做出正確決策。來源：中國信息通信研究院圖 21 價值鏈設計器企業內部端到端價值鏈的客觀存在是企業精益管理的核心，但是如何通過 IT 系統將這部分內容清晰地表現出來，并且可設計、可管理就需要流程建模引擎能力的支持。5.提升人與人的在線協同效率企業的日常運作本質就是基于事件驅動的人與人的協同，員工間的協同效率反映了企業的生命力及競爭力。在移動互聯等數字技術的支持下，“去中心化”、“扁平化”成為企業組織變革的方向，通過構建一個網格化組織，提升企業的整體運營效率。在線是基本需求，互動是中級需求，協同是最終目標。協同工具的核心價值就是實現在線、互動和協同三位一體，把數據、流程

55、、任務、事件等結構化信息文字，與圖片、語音、會議等非結構化信息相互融合，讓人與人之間協同更高效。企業數字化轉型技術發展趨勢研究報告（2023 年）29數字化辦公在很大程度上強化了人與人在線溝通、協作的“強連接”，同時弱化了人與人之間不直接相關的“弱連接”關系，帶來了新的體驗，提升了溝通效率。（1）即時通訊IM 軟件已經擁有了這項基礎能力，但它相對獨立，純粹提供信息傳遞的能力，沒有企業管理基因。如果將它與企業管理軟件有機無縫集成，就可以針對任何一個管理對象，比如：數據，單據，合同，等發起即時溝通，根據業務上下文快速對接協同人員，支撐建立更高效的溝通渠道。（2）會議協同在線會議已不僅限于支撐人員自

56、主發起的形式，企業管理系統內應具備即時發起會議的能力，讓參會者可以基于具體事件來高效展開商討，省去會議背景及發起動因的說明及理解。來源：中國信息通信研究院圖 22 在線會議實現業務協同企業數字化轉型技術發展趨勢研究報告（2023 年）30（3）文檔協同越來越多的人享受到在線文檔的福利。一方面，支持多人同時編輯調整，并利用版本追溯功能隨時回退到歷史某個版本下。查閱者可以實時基于某一項內容即時展開評論與討論；另一方面，不僅限于企業內部員工傳遞，還可以共享至外部人員進行編輯查閱，大大提升了文檔利用率和價值。（4）對象協同數據、單據、合同、訂單、任務、流程、事件等都可以被定義為企業管理對象。隨著數字化

57、能力不斷提升，企業員工可以輕松基于這些對象快速展開溝通與協同。比如在某些場景下把核心信息精準推送給某些人，實現數找人，擺脫過去人找數的窘境，達成高效協同。來源：中國信息通信研究院圖 23 基于對象推動精細化協同（5）共享協同可以基于財務、采購、行政、人事等傳統部門進行共享形態重塑，企業數字化轉型技術發展趨勢研究報告（2023 年）31以新的管理協同模式拉近人與人、人與事的關系?；谔赜惺马椊y一收集及按需分發工單，極致發揮出“專業的人做專業的事”效能，大大提升員工的協同及工作效率。來源：中國信息通信研究院圖 24 共享是推動協同的有力手段（6）內外協同打通企業外部客戶、供應商，合作伙伴等的協同關

58、系，可以應用到合同簽訂、訂單執行、對賬結算、發票開具及收取，同時聯通企業管理者與員工，建立起真正面向企業外部及內部的在線協同模式，擺脫傳統的協同壁壘。來源：中國信息通信研究院圖 25 統一技術平臺推動內外協同企業數字化轉型技術發展趨勢研究報告（2023 年）32這些協作工具可幫助企業以協同的方式無縫集成、構造和使用工具，以減少混亂或重復的工作流和警報。不僅能夠提升團隊工作效率，還可以改善數據質量和生成的洞察，幫助企業更好地了解和管理員工，員工從中體驗到全新的在線協同模式，發揮更大的協同價值。在未來，人與人的溝通將變得更加實時、更加扁平、更加精準、更加高效，從而帶動整體工作效率呈幾何倍數的大提升

59、。（三）以數據技術保障實現數據價值（三）以數據技術保障實現數據價值數據治理是實現數據價值的制度保障；數據治理是釋放數據要素價值、推動數據要素市場發展的前提與基礎。1.業務牽引的數據治理體系將成為主流企業聚焦在數據治理的兩個維度：一是業務聚焦。針對高層關注的數據應用或當前重點應用建設項目，在應用涉及的數據范圍內開展精細化治理，投入小見效快，可以在小范圍內快速驗證和迭代數據治理相關的方法、流程、規范，然后再復制推廣，形成適合自身的數據治理工作機制。二是在治理能力方面聚焦。不同行業、不同階段的企業開始關注適用于自身的數據治理發展路徑。如金融業注重數據標準化；地產行業則關注項目、樓棟等主數據的拉通；處

60、于數字化轉型初期的企業需要在平臺建設起步前做整體的規劃，提升階段的企業則更適合對當前工作做全面評估并針對性地在部分能力域進行提升。數據治理工作是隨著數據應用的深化而逐步推進的，從建立數據平臺的視角來構建統一的元數據、數據超市與數據治理理念不謀而合。企業數字化轉型技術發展趨勢研究報告（2023 年）33數據治理從元數據、數據標準、數據質量發展為一個包含數據模型、數據服務、數據應用、數據生命周期的完整體系。選擇把數據平臺建設與數據治理整合在一起規劃和建設的數據中臺模式成為企業的通行做法。數據治理作為企業實現數字戰略的基礎，也是人工智能應用的基礎。以機器學習為例，大數據樣本是機器訓練的基礎，數據治理

61、為機器學習技術的應用提供高質量的合規數據。同時，數據治理需要業務人員、技術人員與數據治理專業人員持續地協同工作，隨著數據量、數據復雜度以及系統架構的爆發式增長，企業需要越來越多地持續投入治理成本。在人工智能技術不斷進步和應用實踐不斷積累的推動下，未來數據治理體系和理念必然發生變化，兩者融合是未來發展趨勢。數據已成為國家戰略性資源，并作為新型生產要素寫入中央關于要素市場化配置的文件中。2020 年 3 月中共中央國務院在關于構建更加完善的要素市場化配置體制機制的意見中指出：“提升社會數據資源價值。培育數字經濟新產業、新業態和新模式，支持構建農業、工業、交通、教育、安防、城市管理、公共資源交易等領

62、域規范化數據開發利用的場景”。數據資產價值評估是量化數據資產價值的有效方式，推動企業持續投入資源開展數據資產管理，為企業參與數據要素流通奠定基礎。定價是市場交易的關鍵，在數字經濟發展的大潮下，無論政府、企業，都在積極探索并實踐數據資產的價值評估。企業數字化轉型技術發展趨勢研究報告（2023 年）34在數字經濟的應用場景下，數據只有在流通中才能充分發揮其價值，而數據流動又必須以保障數據安全為前提。傳統的信息安全往往追求將數據放在一個封閉的環境中，這種片面的做法只能理解為是一種簡單的保證數據的“防竊取”，而當下，數據共享是發展趨勢，數據安全應該包括防止數據被竊取、被濫用、被誤用，同時充分的將數據的

63、“保密性”、“完整性”和“可用性”這三個重要的數據指標考慮進去。數據安全法、個人信息保護法的頒布和實施為規范數據處理活動、保障數據安全和個人、組織的合法權益奠定了法律基礎，同時也對組織的數據安全治理能力與個人信息保護能力提出了更高的要求。隨著越來越多的企業進入數字化轉型階段，數據的安全合規問題越發突出和普遍。未來數據安全將受到越來越多的關注。內存多維計算引擎大幅提升數據處理性能：企業大數據的核心價值就是企業在對于海量數據進行收集、存儲和分析之后，提高運營效率，挖掘業務價值，并為企業未來發展戰略提供支持，實現企業整體競爭力的提升。日常經營管理產生的數據是企業大數據不可或缺的一部分，而且只有全面的

64、、相互關聯的數據才能發揮價值。針對這些具有高復雜性計算，需要實時性、多視角觀察的數據信息，采用 MOLAP（多維分析型數據庫）數據庫是一個非常合適的選擇。2.混合型數據庫將成為數據技術發展方向多維數據庫需要更多維度的元數據頻繁訪問，數據存取 I/O 和實企業數字化轉型技術發展趨勢研究報告（2023 年）35時計算速度至關重要。隨著內存成本降低、內存空間越來越大，使用內存讀取、存儲、復雜計算等操作大大加快數據庫處理速度，內存計算與 MOLAP 多維內存數據庫技術的融合是一個必然選擇。多維內存數據庫采用在內存樹上存儲元對象模型及部分存量數據，無需存儲錄入數據，只需要讀取存儲在內存中的存量數據即可。

65、內存中存量數據也采用各種數據壓縮算法減少內存占用率，節省內存空間。在進行沙箱測算時，可在幾秒、十幾秒內就可計算出模擬結果，用于目標試算、模擬利潤分析、投資回報試算決策場景，符合數據分析敏捷化、業務化、前瞻化的發展趨勢。多維內存數據庫獲得了更高效的復雜計算能力，其主要性能瓶頸就是內存存儲的布局方式，分布式內存存儲是提升計算性能的有效方式之一，但同時需要解決事務一致性問題。在非分布式內存存儲方式中，多維內存數據庫也可以針對專業的業務場景，為用戶提供專業的計算公式或簡單的規則函數，就可以在計算腳本中輕松調用，實現用戶的特殊計算作業任務。例如計算投資回報率，或計算投資的凈現值和收入等。利用內存多維數據

66、庫提供專業場景的專業計算服務將激發更大的應用需求。由于 MOLAP 特有的 CUBE 模型機制，多維內存數據庫讓用戶輕易地在多個維度之間切換，從而通過旋轉 CUBE 立方體模型，從不同視角去快速查詢所需要的業務數據信息。多維內存數據庫不斷強大的數據建模能力可以使用戶在做出某項決策前從不同角度參考更多信息，使用決策變得更加準確和可靠。企業數字化轉型技術發展趨勢研究報告（2023 年）36由于多維內存數據庫以內存作為主要的存儲形式，因此當系統出現問題后，記錄在內存中的數據很容易造成丟失。HA（主備容災）機制和集群技術更加成熟，多維數據庫可以同時在公有云、私有云或混合云上進行主備容災和集群部署，解決

67、內存記錄容易丟失等問題，實時保障用戶業務在一種安全可靠的環境中穩定運行?；旌闲蛿祿欤℉TAP）融合了 OLTP 交易型數據庫的優點和OLAP 分析型數據庫的優點，讓企業可以同時滿足這兩類業務對數據庫技術的需求。HTAP 既結合了多維內存數據庫以面向分析型為主的OLAP 數據庫模型，又可以結合 OLTP 的業務特點，打破 OLTP 和OLAP 之間的隔閡。既可以應用于事務型數據庫場景，亦可以應用于分析型數據庫場景，實現實時業務決策。多維內存數據庫構建以 OLAP 分析型數據庫為主、OLTP 為輔的HTAP 數據庫模型架構，具有顯而易見的優勢：不但避免了繁瑣且昂貴的 ETL 操作，還可以更快地對

68、最新數據進行分析。而快速分析數據能力是成為未來企業的核心競爭力之一。數據智能成為企業數據應用新模式：數據智能利用信息技術與人工智能技術，對海量數據進行挖掘、分析、處理，從中提取有價值的信息和知識，通過工程化的方式建立數據驅動決策模型，解決實際問題的能力。企業應用數據的行為具有一致性，都是“獲取數據，進行分析，進行決策”，本質是“人、數據、決策”三者的關系。管理者與員工可以更便捷地訪問數據，實時掌握數據異動風險，并通過增強型數據企業數字化轉型技術發展趨勢研究報告（2023 年）37分析輔助商業決策的過程。企業未來數據分析場景，需要用到下面這些關鍵技術能力。3.數據智能助手將成未來企業的必備工具通

69、過自然語言查詢（NLQ），用戶可以用“人話”來向系統提問，在理解用戶的數據查詢、數據分析意圖后，會自動從數據庫中查詢到對應的數據進行展示。自然語言查詢提供了比敏捷 BI 更加簡單易用的交互模式，業務用戶不用再學習復雜繁瑣的 BI 工具操作方法，直接通過向系統提問的方式即可獲得想要的信息。同時數據分析的范圍不再被限制在有限范圍的數據看板上，可以對全部數據庫中的數據進行靈活的查詢、篩選、運算。在與 ASR 語音識別技術結合使用時，用戶可以用語音來驅動數據查詢，解放雙手。自然語言查詢技術，為企業更快捷、更輕松地探索數據提供了支持。自然語言生成是自然語言處理技術（NLP）的分支，可以視為反向的自然語言

70、理解，主要是將信息轉化成為自然語言的描述，讓人可以更好的理解信息。在自然語言生成（NLG）技術的支持下，可以自動生成查詢問題的答案，對數據進行更為豐富的文本描述，用來展示自動化數據分析產生的結論。在引入知識庫以及垂直領域的事理型知識圖譜后，可以處理更為復雜的場景，比如：自動生成業務運營報告、財務分析報告等。在自然語言生成技術的幫助下，用戶更易于發現數據中的關鍵信息。企業數字化轉型技術發展趨勢研究報告（2023 年）38通常人工智能更擅長做的事情是通過機器學習構建黑盒算法模型對 y 進行預測，但數據動因解釋則正好相反，需要從已知 y 的變化中得到貢獻最大的因素。這需要用到可解釋的人工智能技術（E

71、xplainableAI），主要包括三部分內容：基于數據的可解釋性、基于模型的可解釋性、基于結果的可解釋性。在進行數據分析時，解釋數據變化的原因是最常見的業務場景。分析人員希望找到關鍵影響因素，制定行動方案，優化業務決策。通過構建業務邏輯構造面向業務分析場景的知識圖譜、特征工程進行業務建模，從多維度、多指標中找到影響數據變化的核心因素與主要因素。比如，時間序列歸因，解決“本月收入減少的原因”；進行預實歸因，解決“本月收入未實現目標的原因”。通過數據智能洞察幫助分析人員快速完成海量數據的自動化分析，從中提取出有價值的關鍵信息。數據智能洞察包含如：異常數據檢驗、聚類離群點檢驗、周期性檢驗、轉折點檢

72、驗等多種數據異常檢驗算法。在數據智能洞察的幫助下，業務用戶僅需要點擊下鼠標，就可以從海量數據中獲取有價值的信息，同時基于數據間的內在關聯，可以將挖掘出來的離散信息，自動按照數據分析的主題，生成數據報告。人類大腦更擅長對圖像進行處理，智能數據可視化，可以自動將密密麻麻雜亂無序的數值變成精美的數據圖表，從而幫助用戶更高效的從數據中獲取關鍵信息。通過識別數據的特征來推薦最合適的數據可視化圖表類型，比如對于時間序列數據集推薦折線圖、對于區間分企業數字化轉型技術發展趨勢研究報告（2023 年）39布數據集推薦柱狀圖、對于占比分布數據集推薦餅狀圖。除此以外，還能在圖表上標識出需要注重關注的信息，比如：在時

73、間序列上面標識出合理的運行區間、超出區間的異常值，數據智能助手把數據查詢、數據分析的能力賦予企業的數字員工，給全員企業提供 7*24 服務。通過自然語言驅動的數據查詢，為“人找數”場景搭建了無門檻的通路。其次，通過數據預警，為“數找人”場景提供了實時精準推送的渠道。最后，基于數智算法建立的歸因分析、預測分析、洞察分析，只需要一次點擊，即可幫助業務用戶從海量數據中快速得到有價值的信息。（四）以數據驅動提升企業決策能力（四）以數據驅動提升企業決策能力數據驅動是一種由數據主導驅動，而不是由人的直覺或者經驗來推進的狀態。數據驅動意味著管理的視角和資源將發生根本變化，需要管理者從數據的產生、加工、應用的

74、角度，把數據作為一項生產資料的前提，去思考和優化現有的業務模式和流程，讓數字技術與企業資源、商業模式、流程和業務緊密結合，實現創新和盈利提升。數據驅動對企業經營管理的價值：大中型集團企業對管理即時性、可及性、穿透性、前瞻性和可落地性等方面提出了非常迫切的需求，而打造數據驅動的管理應用能夠極大賦能企業管理者，尤其在企業的預算管理和風險管理中，表現得更為明顯。1.企業決策由被動響應轉向主動服務模式企業數字化轉型技術發展趨勢研究報告（2023 年）40來源：中國信息通信研究院圖 26 企業決策的演進方向如圖 27 所示，數字時代的預算管理形成智能化系統閉環，從企業決策被動到主動，向智能化的線上高效協

75、同的方向發展。來源：中國信息通信研究院圖 27 預算管理的智能化系統閉環風險管控從事后到事前，向風險量化和智能決策方向發展。企業數字化轉型技術發展趨勢研究報告（2023 年）41來源：中國信息通信研究院圖 28 企業風控逐步前置、量化、智能化2.數據驅動的層次提升促進企業盈利能力數據驅動的層次提升，對企業的盈利能力，運營效率的提升是顯著的，可量化的。埃森哲在其 2020 年做的一份面向高層管理的調研報告中，對企業的運營成熟度也進行了類似的劃分：穩定、高效、預測和未來級。每提高一個層級，企業運營效率將增加 7.6%，利潤率提高 2.3%。未來級，即達到融貫層次的企業的盈利能力高于其他組織 2.8

76、 倍。通過構建企業數智運營中心（IOC），并作為企業的智慧大腦，能夠讓企業實現數據驅動管理，提升企業數據驅動的層級，釋放企業數據的價值。整體而言，IOC 將幫助企業建設即時感知、前瞻洞察、科學決策、高效閉環、智能監管的企業新型治理形態。企業數字化轉型技術發展趨勢研究報告（2023 年）42來源：中國信息通信研究院圖 29 數智運營中心（IOC）成為企業智慧大腦3.監控決策指揮系統是企業敏捷決策基石建設數據監控、決策和指揮體系：監控決策指揮體系是企業的天眼、智慧大腦和神經中樞，能全面觀察、感知、認知企業內外部的價值信息，將信息進行合理的整合與連貫，做出正確的判斷，根據判斷做出正確的決策和行動部署

77、，驅動組織機構一次次高效的完成整個決策循環，建設敏捷決策型組織。作為驅動企業智慧運營的核心部件，監控決策指揮系統引導并驅動管理層，在面對不確定性時能快速做出正確決策。體系中的監控中心作為企業的“天眼”，對企業內外部環境進行全面的信息監控、偵查、感知，提供全面的、實時的價值信息收集，給決策層呈現完整的信息反饋。梳理和連貫有價值的信息，結合豐富的專家知識庫經驗，做出專家級的態勢判斷，給管理層提供導向性的價值結論。依據觀察到的信息和對信息的判斷，給管理者提供多樣化的決策企業數字化轉型技術發展趨勢研究報告（2023 年）43方案供其選擇，并能對不同的方案給出專家級的方案建議和結果評估。精準調度一線的執

78、行單元，一線執行也能快速響應指揮指令，快速執行，確保無延誤、無誤差地指揮動作執行，精準又快速地完成任務動作。監控：監控的職能對應決策循環中的觀察階段，負責對自身信息的全面了解，做到知己；負責對外面競爭對手信息的偵查，做到知彼；負責對外部環境的全面認知，對影響決策的天時地利人和信息進行全面清晰的認知，做到環境優劣形式的全面掌握。決策：基于對觀察階段信息的整合梳理，將觀察到的信息進行連貫，做出正確的判斷并依據自身的目標結果導向，做出正確的決策。指揮：通過精準的指揮，快速的調動，執行決策的部署，確保執行的無延遲、無誤差，指揮聯動，高效協同，指揮體系是正確決策執行落地的關鍵一環。智能化監控決策指揮體系

79、是以監控決策指揮的循環為基礎，隨著大數據、物聯網、云計算、人工智能、5G 傳輸等各類新技術的不斷快速發展和深化應用，極大的提升了系統的決策籌劃能力，擴展了系統決策工作任務完成得范圍，增大了人對系統的信任度，不斷往決策自動化方向邁進。建設智能化監控決策指揮體系需要企業高層的認可與深度認知，如果缺乏高層支持，體系建設只能流于表面，成為空談。同時，搭建大數據平臺基礎設施和數據治理體系是重中之重。建設基于數據的監控中心，全域監控、實時監測、主動預警、自企業數字化轉型技術發展趨勢研究報告（2023 年）44動歸因是監控中心的主要內容；決策中心是體系的關鍵一環，完成對信息的連貫、整合和梳理，借助數據的分析

80、洞察工具、多類決策模型、專家經驗知識庫等，完成正確決策方案的制定；指揮中心是落實決策執行的關鍵一環，在完成人、機、物的互聯互通之后，使決策的每一道指令都能實現精準快速的指揮和執行。（五）以人工智能挖掘拓展市場機遇（五）以人工智能挖掘拓展市場機遇人工智能（AI）是一種模仿人類認知的技術，從外部數據中識別模式，并利用學習過程中的知識實現特定的目標和任務。人工智能幫助企業從精細化的數據搜集中提取、治理、分析、預測，獲得更多高價值信息。1.無代碼 AI 是推動智能化落地的關鍵一環通過低代碼、集約化、可復用的形式，簡化 AI 模型研發和交付，是智能化落地的關鍵一環。IDC 數據預測，未來無代碼/低代碼全

81、球市場規模會持續上升，并且漲幅基本集中在云平臺市場（圖 30）。無代碼 AI 有兩個角度的含義：一方面，無代碼平臺需要提供流程自動化，使用戶可以通過圖形化的流程配置，將數據處理、特征處理、模型訓練、應用部署和管理快速實現智能化應用。另一個是 AI自身的技術，AI 模型需要在巨大的參數空間搜索最優參數，非常耗時。貝葉斯優化是一種通用優化方案，可以在高斯過程的約束下快速收斂到最優模型。對于神經網絡，通常采用神經結構搜索技術（NAS、ENAS 等）和可微分搜索（DARTS）等技術來實現。企業數字化轉型技術發展趨勢研究報告（2023 年）45來源：IDC（含預測），中信證券研究部圖 30 全球低代碼&

82、無代碼市場規模及結構（百萬美元）AI 中臺的目標就是為不同類型的企業用戶提供不同的建模平臺，讓業務人員可以方便的使用最先進的技術，實現人工智能的普及。無代碼建模平臺：AI 中臺將建模過程的雜性隱藏了起來，降低了企業用戶使用智能應用的技術門檻；同時將應用部署的工程化周期從傳統建模的幾周時間縮短到分鐘或小時級別，節省了開發周期。自動化模型調優：AI 中臺提供了多種數據增強和參數優化方法，可以在不耗費大量時間成本和訓練資源的情況下，為用戶提供最優的模型，提高模型落地的可行性。模型部署和解釋：創建成熟的模型應用，提供諸如歸因分析、模擬預測、多組時序預測、模型部署、服務監控等服務。比如對于海量SKU 的

83、銷量預測，AI 中臺會提供包括周期性、趨勢性和季節性的演化；對于通用的算法場景，AI 中臺提供基于博弈論的 Shapley 指標進行歸因分析，具有比較好的業務解釋性，讓業務人員對業務具有更好的感知和理解，從而對業務形成決策支撐。2.AI 清洗是提升業務主數據能力的重要方向企業數字化轉型技術發展趨勢研究報告（2023 年）46主數據是需要在多個系統間共享的、具有權威性和全局性的數據內容，對數據完整性、一致性和準確性需求較高。由于企業主數據內容多、人工操作效率低，容易出現內外部門聯系不緊密，影響企業全局統籌和項目決策的問題。人工智能可以幫助企業清洗數據、提取高價值附加信息、確保數據準確性，通過智能

84、搜索、匹配、清洗、糾錯、審核等流程實現主數據管理智能化提升。企業的業務主數據會產生各種分析數據、主數據，商業智能 BI在易用性和擴展性上已經不能滿足智能時代的要求，比如語音錄入、語義分析、復雜數倉、個性化展示等方面。新的技術發展趨勢既包括對數據的理解、主數據的因素分析、異常檢測、指標預警等，又包括對未來的預測，即在進行業務因子干預后，可以得到想要的結果。因此，多因子時序分析和預測是增強企業業務主數據能力的重要方向。3.可解釋性 AI 將助力業務洞察和商業創新眾所周知，深度學習以其強大的語言能力稱霸人工智能領域，但是其解釋問題一直以來都困擾學術界和工業界。工業界需要對業務進行決策和創新，對黑盒

85、AI 模型的解釋性要求越發重要，如醫藥領域的治療策略需嚴格把控，營銷、銷售策略的調整需要可信的模擬預測，司法領域對決策過程需要高度可解釋性等?？山忉屝?AI 可以從數據層面、模型構建和訓練層面、評估層面和部署監控層面進行分析。在數據層面，通過提供數據集的收集動機、組成、收集過程、推薦用途等信息幫助使用者評估數據集是否存在偏見；在模型訓練和評估層面，常用的方法有衡量特征重要性的企業數字化轉型技術發展趨勢研究報告（2023 年）47Permutation Importance，可視化變量和結果關系的 PDP、ICE，進行局部解析的 LIME，計算神經元信息傳遞相關性的逐層相關性傳播（LRP）等；在

86、部署和監控方面，谷歌的模型卡片通過調整變量對模型基本性能和局限性進行評估和解釋。4.因果推斷是企業調整經營策略的重要依據因果推斷通常用來評估政策變動、治療手段、因素調整所帶來的結果變動的程度。常用的機器學習算法，關注的是特征間的相關性，而非因果性，而做決策和判斷時，往往需要變量之間或者變量與事件之間的因果性。不能正確認識因果性會使方案達不到預期效果。比如企業在評估企業銷售額漲跌原因的時候，容易將觀測因子（如各子業務銷售額、地區銷售額等）或者強關聯的泄漏因子（如銷量）識別為原因，實際上真正的決策因子（如價格、研發、品質、口碑、人群營銷）才是企業應該進行干預的，企業需要根據決策因子調整經營策略。因

87、果推斷的方法包括基于隨機實驗方法，如 ABtest，DID 等的因果推斷，基于實驗的因果推斷依賴一個很強的平行趨勢和外生因素假設，實際上很多時候不能滿足。因此，人們發展了基于弱內生因素的相似度打分進行因果推斷，這一類算法通常包括 PSM 傾向得分匹配、IPTW、動態面板等。最近十年，合成控制法和廣義合成控制法及相關變種模型突飛猛進，通過構造虛擬對照組來進行控制實驗，極大的突破了因果推斷的約束限制，在很多領域都有廣泛應用。貝葉斯網絡也可以通過優化聯合概率進行訓練，但是搭建網絡的過程需要一些專業知識，普及率沒有基于統計方法高。企業數字化轉型技術發展趨勢研究報告（2023 年）48四、企業數字化轉型

88、技術應用的實踐場景（一）傳承升級：以解耦架構激活核心 ERP 潛能（一）傳承升級：以解耦架構激活核心 ERP 潛能傳統 ERP 面臨的困境和未來發展趨勢：ERP 作為企業信息化的骨干系統發揮了重要作用。在業務發生變化時，很多需求都在核心ERP 中加入了各種業務邏輯，這些業務邏輯是頻繁變動的差異型功能，甚至是一些創新型的功能，導致了 ERP 的穩定業務與差異層、創新層高度耦合，無法改動和維護，系統越來越龐大，成了“牽一發而動全身”、無法靈活修改的“巨石”系統，很難適應創新場景的敏捷化需求。困境一：產品設計理念的局限性。以企業管理為核心、以功能優先的設計理念，以穩定性為主、重上線和輕運營的運營理念

89、不能滿足數字化時代以用戶體驗為中心、以協同作業為核心的數字化需求，實現業務變化快速感知、及時響應、持續優化的全生命周期管理的運營要求。困境二：部署架構的局限性。成本昂貴、效率低下、安全性不高等特點給企業在轉型過程中加大了阻力。企業對 ERP 的業務依賴和近五年內 ERP 的分布架構正在逐漸洗牌，市場對 SaaS 化等這種輕量級的應用部署將繼續加深。困境三：技術架構上無法拓展以支撐企業靈活的需求變化、且敏捷迭代。傳統 ERP 在技術架構及產品能力上面臨著新技術的挑戰，市場需要更靈活、易拓展、更前瞻的新技術架構。企業核心系統通過新技術激活已經成為不可逆的趨勢，典型表現企業數字化轉型技術發展趨勢研究

90、報告（2023 年）49為三個趨勢：ERP 的場景化趨勢、ERP 的云化趨勢、ERP 的中臺化趨勢。來源：中國信息通信研究院圖 31 ERP 發展趨勢1.ERP 將向中臺化/云化/場景化方向發展中臺化趨勢：從“ERP 時代”步入“中臺時代”，中臺誕生的目的是調和前端輕盈快速變化和后端笨重的矛盾，是為了解決企業信息化架構構建的高效合理的問題，也為 ERP 減負提供了基礎。業務耦合、數據量大、資源有限、外部接口多、用戶體驗差等是 ERP 減負最底層原因。究其本質來講，ERP 減負是聚焦客戶價值，在架構上的深度變革。中臺的搭建會使 ERP 更騰出身手（資源）來專注自己的業務管理。云化趨勢：從技術角度

91、來看，ERP 云化的核心是云原生。ERP不僅要采用 SaaS 的服務方式，對于大部分中國企業來說，ERP 也要提供 PaaS 服務，以便于企業可以進行特性化需求調整，比如進行二次開發等等。未來將有更多企業從傳統的本地部署許可證模式轉向公企業數字化轉型技術發展趨勢研究報告（2023 年）50有云模式，云 ERP 需求將會成為絕對主流。表 1 傳統 ERP 與 SaaS ERP 各方面異同比較差異點差異點傳統傳統 ERPSaaS ERP實施周期系統部署周期長（2 周-6周）在線申請，無需調試，一鍵部署系統運維成本較高，需有專業運維團隊來保障無運維成本：云 ERP 能夠提供 7*24 小時技術支持。

92、系統擴容成本高、周期長。需重新采購服務器、部署系統。成本低，周期短：15 分鐘可快速完成系統擴容、無需重新部署。系統訪問本地訪問，性能一般。隨時隨地訪問，更高可用性：多線 BGP網絡接入，智能網絡負載均衡。數據安全需要考慮完整的數據安全，容災，備份機制數據安全性能更高：實時熱備，數據多重冷備，異地數據中心遠程災備。系統安全普通安全級別。重視系統安全：服務器雙重網絡保護，防火墻+服務器集群單獨 VLAN 隔離等來源：中國信息通信研究院場景化趨勢：在 5G、大數據新技術應用的推動下，ERP 需要逐步滿足全場景的企業管理需求，尤其對于生產型企業，從可視化生產到智能決策支持，對于提升生產企業 ERP

93、產品的可用性非常重要。以企業價值和用戶體驗作為雙驅動因素，對場景建設和運營進行持續的打磨，基于價值導向和用戶反饋，不斷驅動優化和創新。以生產計劃+工序維度查詢某一時段的計劃數量、下達數量、完成數據、待完成數量，進行可視化展示，幫助車間排產人員分析對應工序產線的負荷，依據提供的數據來智能決策后續生產進入的計劃安排，減少人工干預。不同行業企業的場景逐漸多樣化，傳統的企業管理邊界會被進一步打破，對 ERP 產品的場景化應用需求更為凸顯。2.ERP 打通會計引擎夯實實現業財融合基礎業財融合是企業數字化的核心場景，而業務數據、業務信息向財企業數字化轉型技術發展趨勢研究報告（2023 年）51務信息的高效

94、、自動化、無差錯的轉換是業財融合的基礎。按照云原生的設計思想，業務數據轉換到財務數據是一個獨立的服務，需要一個獨立的組件來提供，集團級的會計引擎可以提供統一的業務數據到財務數據的轉換服務。業務系統專注于完成業務任務，財務系統專注于完成財務核算與管理會計工作。高度可定義、可配置的會計引擎可以把業財數據轉換的規則顯性化，系統管理員可以直接通過配置更改來適應業務變化的需求。來源：中國信息通信研究院圖 32 智能化會計引擎新一代的統一會計引擎，兼具模型化，可配置的技術特點，支持明細數據可追溯。從技術趨勢上來講，有以下幾個發展方向：元數據驅動+業務對象建模：在新一代會計引擎中，基礎數據結構，業務單據數據

95、結構，會計憑證數據結構，都使用元數據描述，所有的業務邏輯，在業務對象模型上進行配置和編程實現，尤其是對于業務財務數據轉換的邏輯，更多的可以通過配置化實現；基于元數據驅動+業務對象建模來設計系統，也是現代智能系統的技術基礎。智能知識圖譜：智能化的知識圖譜支持業財轉換規則可定義，是企業數字化轉型技術發展趨勢研究報告（2023 年）52一個新的技術發展趨勢；數據節點，以及節點之間的關系，保存在智能知識圖譜中，知識圖譜支持在設計規則表達式定義中的上下文連接，輔助錄入，公式校驗等等。規則引擎：在知識圖譜的基礎上，會計引擎內置類自然語言的，可配置的規則引擎，支持業務用戶配置各種業務規則，數據轉換規則表達式

96、，可以通過手動觸發、定時觸發、事件觸發規則執行，并對規則生成的數據進行記錄與追溯。來源：中國信息通信研究院圖 33 智能化會計引擎架構3.ERP 融合數據中臺提升企業經營決策能力隨著企業業務的發展和管理的需要，企業對 ERP 的要求越來越高，尤其互聯網的快速普及，導致原來靜態，標準化的業務流程已經不足以支撐企業的快速響應。企業數字化轉型技術發展趨勢研究報告（2023 年）53來源：中國信息通信研究院圖 34 ERP 時代的流程式協作ERP 這樣的以流程為核心的組織形式也轉向平臺化的組織形式。來源：中國信息通信研究院圖 35 中臺時代的平臺式協作傳統 ERP 無法應對日常交易處理數據量的爆炸式增

97、長，無法為管理者提供更及時的經營決策數據。數據中臺具有強大的計算能力和分析功能，可以從 ERP 系統及其他各個業務系統中獲取數據，然后進行統一數據打通、統一建模、統一計算、對外提供統一數據應用。ERP 與數據中臺的數據處理和計算能力進行融合，將是 ERP 在數字化時代進行技術升級，擺脫數據困境的有效途徑。企業數字化轉型技術發展趨勢研究報告（2023 年）54數據中臺消除 ERP 數據處理瓶頸；數據中臺與 ERP 的融合后將為 ERP 系統提供了海量數據處理能力和數據處理的及時性。在零售快消行業和制造業等隨著數字化進程深入，數據量激增的行業具有很大的價值。零售快消類企業的全渠道統一的訂單管理平臺

98、或業務中臺，打通了各個渠道之間的業務端壁壘，但在財務端關注的全渠道線上/線下對賬環節管理薄弱。由于線上訂單量巨大、缺少統一的對賬模板、對賬規則復雜多樣、對賬數據處理量大，導致無法保障對賬及時性和準確性。數據中臺提供海量數據存儲、數據編排和跨平臺集成能力，實現與內部自建的大數據平臺及外部結算平臺的集成，突破傳統應用開發平臺的大數據處理能力瓶頸，從容應對電商業務海量的交易數據處理,實時查詢對賬單流程、對賬差異明細，對賬數據有跡可循，實時監控對賬進度，對風險事項進行及時預警，提升對賬管理內控水平。制造企業在材料成本核算中存在嚴重不足，包括不合理使用材料造成嚴重浪費、材料嚴重堆積、占用大量流動資金、管

99、理成本增加、材料賬務核算不夠規范、材料核算數據量大時效性要求高等問題。數據中臺提供材料成本核算模型，規范財務人員材料成本核算的標準和流程，提供海量數據存儲、編排、計算能力，突破傳統應用開發平臺的大數據處理能力瓶頸，可以輕松完成十萬級材料成本核算，核算的數據可以支持成本明細數據追溯、查詢，實現預算、預測、實際數據的對比分析，分析查詢數據可以秒級響應。數據中臺為 ERP 提供更實時的數據決策能力；數據中臺通過分企業數字化轉型技術發展趨勢研究報告（2023 年）55布式計算技術對海量數據進行采集、計算、存儲、加工，且進行統一標準和口徑，再進行存儲，形成企業數據資產層，進而為企業提供高效服務。無論企業

100、生產、運營、客戶溯源、供應商維護、外部公共數據等不同維度的數據，數據中臺都可以通過不同的功能實現海量數據的打通、共享。由于不同的業務場景需要不同規模的計算能力來處理海量數據。數據中臺的建設幫助業務人員根據應用需求隨時調度計算能力。來源：中國信息通信研究院圖 36 ERP 融入企業中臺架構數據中臺中具有豐富的數據集成工具、數據分析工具、數據挖掘工具、數據清洗工具。數據中臺與 ERP 系統進行融合，通過數據中臺與 ERP 集成可以幫助收集、處理和分析企業在財務、采購、銷售、人力、生產、庫存等一系列生產活動中產生的結構化和非結構化數據。釋放原本由 ERP 承載的數據運算與報表工作，使用數據中臺的算力

101、，為企業決策層及員工提供及時和準確的日常工作和經營決策的數據。實現企業數據的及時準確共享，提高企業用戶在使用 ERP 進行管理的實時性和前瞻調整。企業數字化轉型技術發展趨勢研究報告（2023 年）56（二）調度算法：APS 實現更廣泛的計劃和協同（二）調度算法：APS 實現更廣泛的計劃和協同運營模式數字化轉型的重要環節是改變生產計劃模式。過去，工廠的生產計劃主要是使用 ERP 中的 MPS 和 MRP 模塊制定主生產計劃，但到生產線的計劃執行需要人工依據經驗，進行現場調度安排。隨著生產復雜度和生產計劃量的提升，人工無法滿足生產計劃的制定工作。產線經常面臨訂單變更、生產插單、訂單取消等計劃變動，

102、導致產能分配不均、計劃質量下降的問題，或者缺少物料、產能不足、產能利用率不高等情況，存在生產計劃執行障礙或執行率較低的問題，導致生產計劃無法按時完成。計劃與控制類軟件一直受到企業重視，但一直面臨實施難度大、技術要求高、實施成功率低的難題。隨著軟硬件技術的進步、算法的精進，APS（Advanced Planning and Scheduling，高級計劃與排程）軟件有了新的生態環境，逐漸成為企業數字化轉型的核心環節之一。APS 實現基于物料需求和資源能力動態平衡的實時計劃；APS系統是基于資源能力、物料和時間約束條件的生產管理方法，解決了企業計劃不能實時反映物料需求和資源能力動態平衡的問題，解決

103、了ERP、MRP、MRP以及供應鏈管理系統長期困擾的問題。同時，APS技術同樣被應用于物流和運輸企業，解決企業的運輸問題。APS 系統的發展得益于計算機技術、生產管理技術、運籌學以及啟發式算法的發展，主要解決企業的生產計劃和車間排程問題，其功能可大致分為兩個部分：一個是生產計劃（Advanced Planning，AP），一個車間排程（Advanced Scheduling，AS）。企業數字化轉型技術發展趨勢研究報告（2023 年）57來源：中國信息通信研究院圖 37APS 的功能模塊生產計劃（AP）是通過智能算法在滿足各項生產約束的前提下，計算出一個滿足產能、物料、規則等約束的一定周期的日生

104、產計劃。生產計劃的制定是以企業的生產訂單、ERP 的主生產計劃、插單計劃等作為輸入，在滿足生產交貨日期和生產的產能限制、物料限制、庫存情況，在途、在制物料（即物料齊套檢查）等約束條件下，同時結合生產計劃分配的各種規則約束，使用運籌學以及智能算法，解決生產計劃的多目標規劃問題，通過求解器的計算或者啟發式算法的求解，求得一個滿足所有約束的最優解。這個最優的生產計劃在滿足所有約束的條件下，消除生產計劃中的瓶頸工序，并實現更低的生產成本、更快的交貨時間、較高的生產效率、較少的生產切換等等。在生產計劃制定過程中還會根據企業的需求開發生產仿真模擬功能，包括產能模擬、交期模擬等，滿足企業生產計劃需求。車間排

105、程（AS）是根據生產計劃中的日生產計劃，通過對生產工藝過程的分解，將日生產任務分解到車間設備上，實現對車間設備企業數字化轉型技術發展趨勢研究報告（2023 年）58的操作級生產排程。在 APS 系統做生產排程時，以日生產計劃作為輸入，對生產計劃進行生產排序，并根據產品 BOM、工藝路徑、生產節拍、生產執行規則等，將產品生產的各個過程分解成小的生產任務，將生產任務分解到相關的設備上，使用運籌學、智能算法等技術，計算最優的設備生產順序、生產時間、人員調度、任務開始時間、任務結束時間，實現對設備生產的分鐘級生產安排。APS 實現生產計劃和更廣泛生產資源的最優配置；在打造智慧供應鏈網絡時，運籌優化與智

106、能算法同樣被用于物流選址優化、倉內優化、路網管理、路徑優化、配送優化、分倉選品優化、配載優化、費率優化等方面，通過實施“更廣泛的 APS 系統”解決企業的運輸問題，幫助企業降低物流成本，提高物流運輸效率，打造智能化的物流體系。APS 生產計劃的制定是與更多的生產資源協同之后的成果。APS系統在計算生產計劃與生產排程時，考慮了工廠的設備生產能力、生產節拍、人工生產日歷、庫存情況、采購提前期、供應商生產周期、產品交貨時間等等因素，因此，APS 可以實現更廣泛的協同，將所有的資源進行最優的生產配置。企業的數據質量是保障 APS 系統成功運轉的重要一環。APS 系統的運轉需要對接 ERP、WMS、PL

107、M、MES、CRM、SRM 等多個系統，有時還需要定時爬取網絡日歷數據、地理數據等等。高質量的標準數據將直接決定了 APS 系統的運算結果，進而影響生產計劃或運輸優化的優劣。因此，通過數據治理和建設數據中臺的方式完成對企業數字化轉型技術發展趨勢研究報告（2023 年）59數據的標準化管理，為 APS、MES、PLM 等智能制造系統的實施打下基礎。根據產成品的復雜程度、企業管理的精細程度、計劃約束條件不同，APS 的實施一般有三種方式：第一種方式：標準軟件配置方式。類似 excel、甘特圖的展現方式。不使用復雜的數學手法，利用豐富的排程參數以及命令等更容易理解的設置方式，實現多目標排程優化，進行

108、超高速排產。第二種方式：求解器內核方式。求解器是用于求解運籌優化問題的底層專業計算軟件，能夠針對多種運籌優化模型進行計算優化和求解，是實現智能決策的核心。求解器的使用大大提高了 APS 求解問題的能力和效率。第三種方式：混搭方式。根據企業的管理層次、對計劃和調度需求、實施 ERP 軟件程度的不同，可以采用混搭的方式搭建計劃與排程體系。（三）解耦工具：低代碼平臺與 ERP 的融合與遷移（三）解耦工具：低代碼平臺與 ERP 的融合與遷移低代碼平臺是用來開發和配置差異型業務系統、創新應用的最佳選擇，打通了業務和技術壁壘，可配置、可擴展、可快速變動；低代碼平臺所開發的各種應用，承載差異化、創新性的功能

109、，并與 ERP形成一個高內聚、低耦合的體系，各自完成任務，通過集成有機結合在一起。企業數字化轉型技術發展趨勢研究報告（2023 年）60來源：中國信息通信研究院圖 38 低代碼與 ERP 的融合低代碼開發降低了應用搭建門檻，減輕對專業工程師的依賴，讓業務部門用拖拽的方式自行搭建應用平臺，滿足業務部門個性化需求，降低人力成本，減少與 IT 部門反復溝通的流程，縮短項目整體開發周期。在后期運維上，低代碼平臺的迭代速度快，靈活性更高；并且低代碼平臺支持跨平臺部署應用，能實現不同系統間數據聯通。低代碼平臺帶來系統能力多樣化：低代碼平臺經過多年的發展，已經日趨成熟，平臺能力越來越多樣化。除了核心的可視化

110、設計與模型驅動的理念，低代碼平臺包括了大數據處理、數據分析、IPaas 集成平臺、AI 技術等等，給企業提供了穩定強大的效率工具和架構基礎，更好地支持數字化轉型。企業數字化轉型技術發展趨勢研究報告（2023 年）61來源：中國信息通信研究院圖 39 低代碼帶來系統性能力變化低代碼平臺引領云原生、微服務的韌性技術架構：低代碼平臺不僅僅是一個解耦和效率工具，同時也帶來了技術架構的變革。低代碼平臺是基于云原生、支持微服務部署和多端體驗的一個底層技術平臺，與上層 aPaas 系統組成一個有機結合體。云上的資源伸縮性可以支持企業在業務量增長的時候彈性擴容，系統更具韌性。在低代碼平臺上開發出來的應用符合云

111、原生架構，專業的服務由專業的應用提供，由 IPaaS 集成平臺進行深度集成，協調協作完成服務于企業戰略的業務功能。通過低代碼平臺擴展 ERP 的創新應用，并與 ERP 深度融合，逐漸遷移升級 ERP 的核心能力，是 ERP 未來發展的一個必然的方向。企業信息化建設越來越依賴 PaaS 低代碼平臺：隨著市場變革與技術創新，企業的 IT 建設也發生了很大變化：企業協作/辦公流程優化軟件，更多融入外部生態中（企業微信，釘釘，飛書）；職能服務企業數字化轉型技術發展趨勢研究報告（2023 年）62類軟件，趨向于采用專業 SaaS 軟件（CRM，HCM，財務類）；主營業務系統深度定制化，依賴 PaaS 能

112、力-按需可組裝的通用能力；底層基礎設施更多基于混合云架構 IaaS；各個專業的系統提供專業服務，協作完成業務目標；集成平臺完成服務間的數據交換（IPaaS）。來源：中國信息通信研究院圖 40 低代碼促進企業 IT 建設在新一代企業技術架構中，以混合云架構為底層基礎設置，在統一技術底座和統一部署運維平臺之上，PaaS 低代碼平臺將會成為絕大部分業務系統的創建工具。（四）數據驅動：應用場景分析和企業實踐（四）數據驅動：應用場景分析和企業實踐實現數據驅動型管理的目標，是實現管理決策的智能化、自動化。但是，管理決策在企業中分布很廣，涉及的職能、節點、層次都較多且復雜，各層級的管理決策以點狀的場景分布于

113、企業的經營管理活動和價值鏈條之中，對企業的經營管理產生重大影響。因此，可以從應企業數字化轉型技術發展趨勢研究報告（2023 年）63用場景入手，以點帶面，逐步擴大數據驅動管理范圍。數據驅動型管理應用場景的建設框架：將企業傳統的經營管理與數字化技術結合，呈現出三大類管理活動場景：KPI 智能運營、智能風控及流程以及高價值管理決策支持，同時橫向覆蓋從營銷、采購、生產、財務、物流、供應鏈、研發、人力等各管理職能。以系統性框架幫助企業尋找數據驅動技術應用的高價值場景，進行數字化技術應用的設計和實施，以點帶面，逐步實現全面數據驅動的企業數字化轉型愿景，提升企業競爭力。以下是以財務域的數據驅動管理應用場景

114、建設框架示例：來源：中國信息通信研究院圖 41 數據驅動管理應用場景建設框架讓管理經驗、數據、業務模型三大要素有機融合，成為當下數據驅動管理建設的主流方向。1.智能 KPI 指標提升客戶體驗和經營績效T 集團在 2021 年圍繞著其自身的全面數字化轉型戰略目標：“實時在線、數據驅動、智能運營”，設計和規劃了通威集團數智運營管企業數字化轉型技術發展趨勢研究報告（2023 年）64理體系、模式及建設路徑。以營銷域的客戶管理場景為切入點，建立了集團的數智運營管理體系。T 集團的數智運營中心（IOC）以客戶流失率的核心 KPI 指標作為管理目標，將客戶全生命周期管理數字化、智能化。通過引入 NPS等前

115、導型數據指標，對客戶流失的傾向進行預測，結合客戶畫像、策略推薦算法、IoT 技術等，讓 IOC 在客戶全生命周期運營的每一個環節均能夠對業務員和管理人員進行賦能。降低獲客成本，提升客戶激活率、留存率，延長客戶收益期，在提升客戶體驗的同時提高了經營效益。來源：中國信息通信研究院圖 42 客戶管理數智化平臺建設藍圖2.智能風控推動審計主動預警和風控落地H 集團是一家國有資本運營公司。由于其業務涉及板塊較多，包括信息技術、基金與股權投資、物流供應鏈，城市綜合服務、新興產業投資等 5 大板塊，因此分子公司較多，信息化水平參差不齊，造成了經營風險監控、分析、管理的難度大，成本高，管理介入滯后的難企業數字

116、化轉型技術發展趨勢研究報告（2023 年）65點。針對這一場景，基于 IOC 設計了一套智能量化風控應用。通過財務報表、業務數據、風險判定規則主動預警，結合其內部審計流程，能夠智能化、自動化地對財務風險、經營風險進行有效的捕捉和識別，并且推動內部審計系統對于這些風險異常進行后續作業，確保風控落地。來源：中國信息通信研究院圖 43 智能量化風控應用流程（五）人工智能：可落地的多應用場景（五）人工智能：可落地的多應用場景1.AI 中臺大幅提升數據分析效率和質量針對分析型數據進行建模，應用最廣泛；庫存優化、畫像分析、廣告轉化預測和歸因分析等面向分析的場景，在企業的生產、倉儲、市場、營銷、財務部門中有

117、大量落地需求。如下圖展示了 AI 中臺對于廣告轉化的分析。歸因分析幫助業務人員了解各因子對廣告轉化率有怎樣的影響，并且在模擬預測中通過各因子大小來查看預計轉化結果，進而為廣告投放策略的決策提供參考。通過對每個類別的用戶進企業數字化轉型技術發展趨勢研究報告（2023 年）66行精準營銷，從而實現銷售業績的增長。來源：中國信息通信研究院圖 44 廣告策略歸因分析2.集成洞察推理算法有效支撐精準決策結合企業知識和業務常識進行決策和創新；知識圖譜、主數據對齊、銷量預測等面向決策的場景，需要結合企業的知識和業務常識，才能可靠地進行建模。圖 45 為圖譜審單應用，利用知識圖譜構建項目相關單據網絡，對員工報

118、賬進行自動審核和風險管控，大大節省了人工審核時間。AI 中臺的決策場景集成了數據洞察、歸因分析、智能預警和認知推理等模塊，除了需要算法的支持，還需要業務知識和人類常識，才能形成有效的決策支撐。企業數字化轉型技術發展趨勢研究報告（2023 年）67來源：中國信息通信研究院圖 45 圖譜審單3.AI 流程建模促進業務活動降本增效針對流程或任務建模，降本增效；面向業務的場景有諸如文本糾錯、合同要素提?。▓D 46）、單據附件識別、智能回款匹配等（圖47），通過 AI 流程建模，對業務流程進行高效地改進，大幅降低人工成本。比如在智能回款應用中（圖 47），一家大型企業一個月的臺賬數量可能達到幾千單，手工

119、匹配一筆臺賬平均花費 10 分鐘，規則加 AI 的方式只需要 2-3 分鐘，可以提高 80%的效率，每月可節省400 小時人工，非?？捎^。企業數字化轉型技術發展趨勢研究報告（2023 年）68來源：中國信息通信研究院圖 46 合同要素提取來源：中國信息通信研究院圖 47 智能回款匹配此外，AI 中臺還提供各類基本組件（圖 48）和其他專用組件（圖49），輔助智能場景的落地。同一個基本組件比如文本分類可以實現諸如情感分析、報銷意圖分類、附件類型識別等智能應用，在 AI 能力的復用性上提供了極大的便利。企業數字化轉型技術發展趨勢研究報告（2023 年）69來源：中國信息通信研究院圖 48AI 中臺

120、基本組件-自然語言處理來源：中國信息通信研究院圖 49AI 中臺專用組件4.RPA 與 AI 融合將成流程自動化主流方式機器人流程自動化（RPA）是一種基于人類預定規則、模仿人類行為的軟件，被視為第六波創新浪潮的關鍵要素，以及人工智能（AI）前序?，F有的 RPA 適用于高重復性、邏輯確定的流程，實現更快速、企業數字化轉型技術發展趨勢研究報告（2023 年）70更便捷的低成本自動化，取代枯燥、重復性的人工操作?；?RPA 的智能共享中心將傳統財務共享中心最枯燥的工作自動化、機器人化處理，重構和削減了大量財務流程，大大提升了運營效率。RPA 應用領域將更為廣泛。調查顯示，RPA 產品在我國銀行及

121、證券行業中的使用度是最高的，分別達到 84%和 90%，隨后是保險和醫療行業，制造業僅占 25%。來源：中國信息通信研究院圖 50 RPA 產品在各行業的覆蓋率不同行業企業在財務、內審、業務部門和人力資源部門部分場景中已經開始使用 RPA 操作，場景數量還有望繼續增加。來源：中國信息通信研究院圖 51 不同行業職能部門 RPA 應用情況企業數字化轉型技術發展趨勢研究報告（2023 年）71RPA 有效助力企業數字化轉型。通過安裝桌面和設備級軟件機器人、建立人工智能勞動力或虛擬助手（如聊天機器人等）以及連接打通異構系統的工具應用等方式，RPA 可以減少人工作業量，提供更好的合規性，降低風險并增強

122、整體消費者體驗。此外，沒有額外的基礎架構要求、低代碼和非侵入式開發優勢使其更容易滿足企業需求。只要正確安裝并實施 RPA，RPA 機器人就可以完全控制系統（鼠標和鍵盤）操作，包括單擊和打開應用程序，發送電子郵件以及將信息從一個系統復制到另一個系統。它們可以跨系統在各個數據字段級別工作，以實現無縫運行。越來越多的企業實施 RPA，以提高生產力，降低錯誤率并縮短周轉時間，推動企業數字化轉型?！癛PA+AI”更好地洞察數據工作。企業經常會對一些數據進行相應的整理，當數據量級達到千條數據后，RPA 技術效率顯而易見，系統里會形成一個統一的模板。RPA 應用更多的是做有規律的工作，包括多系統的數據收集、

123、合并，基于業務規則的數據核查、對比，基于業務規則的數據錄入、審核。不僅如此，RPA 還可以做部分無規律的工作，比如整合聊天機器人進行自動聊天、整合機器學習的 OCR以讀取掃描圖片、整合 NLP 和機器學習以讀取電郵?！癛PA+AI”的結合可以進行數據分析、洞察、決策，可預測客戶流失情況，協助推薦專家系統，提供機器人咨詢服務，或者與機器學習整合的高級分析能力，尋找欺詐模式。RPA 技術在財務共享和智能風控領域的應用，覆蓋預算、費用、商旅、稅務、報表分析等業務場景。通過運用業務管控模型、智能審企業數字化轉型技術發展趨勢研究報告（2023 年）72單助手、費控分析模型，實現費用分析結果不斷更新、事前

124、管控規則不斷優化。五、給企業的數字化轉型建議數字化轉型是企業從戰略到戰術的全面優化整合，涉及面廣，影響面大，必須得到企業最高領導的重視，才能有效推進，屬于“一把手工程”范疇。技術是推動企業數字化轉型的推動力量，但追求自身業務的快速穩定發展依然是企業始終如一的目標。所有技術應用都應該服務于業務轉型，而不是掉入為技術而技術的局限之中。建立以業務為導向，以技術推動業務進步的思維模式尤其重要。企業各級領導必須重視業務轉型過程中的技術需求，充分發揮新一代的數字技術優勢，不斷優化業務模式。（一）因企制宜制定個性化的數字化轉型戰略（一）因企制宜制定個性化的數字化轉型戰略不同行業、不同規模的企業需要基于自身個

125、性化需求，在技術專家的指導下，完成整體架構的設計和實施計劃。制造業的數字化轉型：制造業的數字化轉型目標就是實現從“制造”向“智造”升級，向精益管理要效益的目標。一方面數字化轉型為制造業帶來了彎道超車的機會，另一方面也需要企業重新考慮如何改造或重建數字化底座、開發智能化引擎，考慮人才、組織、流程等方面的布局。如何保證工業設備穩定運行，更好地融合 IT 和 OT 技術，基于多模數據交互實現智能化應用場景。不少企業已經在產線運行、質量檢測、倉儲物流、客戶服務等環企業數字化轉型技術發展趨勢研究報告（2023 年）73節引入了以人工智能為代表的數字化技術，幫助企業實現流程優化升級，降低內部運營成本，以達

126、到提升企業營收和利潤的目的。能源化工行業數字化轉型：在 2060 年“碳中和”的目標下，中國正在推進能源革命，通過建設智慧能源系統加快構建清潔低碳、安全高效的能源體系。在數字化建設過程中，能源行業企業積極擁抱云計算、物聯網、人工智能等技術，在發電、輸變電，配用電、電網安全與控制等環節結合自身業務場景，構建自主可控的數字化基礎設施，持續致力于融合創新技術，形成了覆蓋能源生產、能源銷售及能源利用等領域的智能化應用模式。由于能源行業專業場景較多，對技術的要求相對更高，更看重對行業場景的實踐與理解，因而從行業整體的應用場景深度以及成熟度上看，能源行業數字化轉型仍有較大的提升空間。金融機構的數字化轉型：

127、金融對實體經濟的發展起到催化和倍增的作用，金融行業的數字化轉型將是推動經濟社會發展的關鍵力量。金融行業數字化基礎較好，不少銀行、保險、證券及投資機構已經將較為通用的數字化應用部署到云上，積累了豐富的云應用實踐經驗。隨著金融機構數字化轉型的持續推進，數字化金融產品及服務的迭代更新正在加速。金融行業中 AI 場景的使用，已經從最初的用戶服務端的人臉識別、智能客服、精準營銷、智能風控發展到構建銀行智能化中臺、覆蓋機構整體經營環節等全面 AI 應用。金融行業在產品優化、客戶服務、市場營銷、風險管控、運營管理以及運營管理方面的智能化進展處于領先地位。企業數字化轉型技術發展趨勢研究報告（2023 年）74

128、根據企業的具體需求，選擇合適的數字化轉型路徑，也是企業轉型成功的關鍵。從大量企業的實踐經驗來看，可以從營銷、財務、決策和治理等幾個維度出發，不斷擴大實施效果，樹立信心，是推動企業整體數字化轉型的有效路徑。借力消費互聯網的成熟應用，從銷售端發起，滿足銷售場景的數字化轉型需求是一個可行方向。從建立財務共享中心的行業大潮出發，不斷深化財務共享應用范圍，推動從財務到業務層面的數字化轉型進程，是解決業財融合的有效途徑。從企業決策場景出發，在管理會計思想指導下，用“數據中臺+決策模型”制定決策分析的維度和方向。從物聯網、在線數據、新基建角度出發，制定數據采集、存儲、建模分析等數據治理體系和智能化應用。（二

129、）優化升級打造全面覆蓋的企業技術架構（二）優化升級打造全面覆蓋的企業技術架構技術是推動數字化轉型的基礎力量，因此，企業要基于現狀和未來發展需要，制定一套循序漸進的技術升級方案，從混合云、PaaS平臺、數據中臺、業務中臺到各類應用，從系統安全到智能化應用。企業各級管理干部都需要提高對人、機器和業務流程在線連接協同的價值和異同性認識，積極部署連接裝備，形成全員、全域、全業務的在線交易和覆蓋企業內外部生態系統的協同網絡，全面提升運營效率和效益。充分利用數字化手段，通過流程建模引擎建設，實現端到端的流程建模，促進端到端的連接與協同，不斷優化業務管理流程。在現階段和未來一個時期，企業應該大量導入成熟的

130、RPA 應用模式，提高企業數字化轉型技術發展趨勢研究報告（2023 年）75流程運行效率，創新優化新的流程管理模式。ERP 依然是企業管理的骨干系統，但傳統 ERP 需要重新用新技術、新應用激活和升級，創造更大價值，迎來新 ERP 應用時代。數據中臺技術和 ERP 的融合應用，將大幅提升與 ERP 相關的大量運營數據的計算性能。低代碼技術將助力 ERP 模塊的解耦和更多組合應用，有效提升 ERP 的應用效果和價值。（三）循序漸進構建數據驅動的管理決策體系（三）循序漸進構建數據驅動的管理決策體系數據驅動的基礎是數據、數據治理體系和實現技術，數據中臺是企業構建數據驅動體系的技術基礎。企業應該在業內專家的指導下，基于企業需求逐步完善優化從數據采集、使用、建模、分析、指導等全生命周期的數據治理體系，構建數據監控、決策和指揮體系。在數據應用體系中導入內存計算引擎系統，將直接影響企業建立數據驅動決策模型的運行質量和效率，進一步擴大數據智能應用廣度和深度，挖掘數據價值。數字化、智能化是企業數字化轉型之后的愿景目標，更廣泛地導入人工智能技術，才能更廣泛地挖掘轉型價值，展現更多轉型成果。人工智能技術在運算、感知、認知三個層次的不斷演進發展，為企業在語音識別、知識圖譜、數據智答等各個方面帶來更加實用可操作性的技術應用產品。