東軟：2024年提升數據能力打造數據創新型企業報告（57頁）.pdf

《東軟：2024年提升數據能力打造數據創新型企業報告（57頁）.pdf》由會員分享，可在線閱讀，更多相關《東軟：2024年提升數據能力打造數據創新型企業報告（57頁）.pdf（57頁珍藏版）》請在三個皮匠報告上搜索。

1、提升數據能力打造數據創新型企業序言核心觀點第一章 乘勢數字經濟發展，探索數據價值新紅利.踐行數字中國，轉型挖掘數據價值紅利.秉持數字優先，數據價值挖掘關乎成敗第二章 落實數字轉型戰略，集團型企業數據挑戰.發現數字壁壘，剖析企業數字落實維度.集團型企業高管調研，發現數據能力挑戰第三章 構建數據驅動創新力，推動集團型企業創新發展.數據驅動發展，推動企業提質增效與加速創新.落實數據戰略，關注數據價值提升的關鍵要素.建設能力大廈，推進企業數據管理體系建設.構建數據中臺，夯實數據能力體系重要環節0102040917 第四章 探尋行業數字場景，數據能力特征及實踐.大型制造：行業數據能力特征及實踐.能源礦產

2、：行業數據能力特征及實踐第五章 踐行數字優先理念，行動建議及未來展望.企業數據能力建設的行動建議.數據技術發展未來展望第六章 企業數據智能服務平臺東軟及其數據智能產品、數據資產管理、數據智能分析、人工智能平臺、數字孿生產品Contents第四章 探尋行業數字場景，數據能力特征及實踐.大型制造：行業數據能力特征及實踐.能源礦產：行業數據能力特征及實踐第五章 踐行數字優先理念，行動建議及未來展望.企業數據能力建設的行動建議.數據技術發展未來展望第六章 企業數據智能服務平臺東軟及其數據智能產品、數據資產管理、數據智能分析、人工智能平臺、數字孿生產品284043序言在數字經濟時代，數據已經成為新的生產

3、要素和重要資源。隨著技術的發展和互聯網的普及，大量的數據被產生和收集。這些數據包含了各種各樣的信息，可以加以分析和應用。數據的價值在于，它可以幫助企業和組織做出更明智的決策，提高效率和競爭力。通過對數據的深入研究和利用，企業可以更好地了解市場需求、消費者的行為和趨勢，從而更好地滿足客戶的需求。同時，數據也可以被用來開發新的產品和服務，創造出更多的商機和價值。集團型企業的數字化轉型是一項艱巨的任務，涉及到許多方面，包括組織結構、業務流程和技術基礎設施等。集團型企業通常由多個子公司組成，每個子公司都有自己的業務模式和信息系統。在數字化轉型過程中，需要統一各個子公司的信息系統，以實現數據共享和協同工

4、作。此外，集團型企業還需要重新設計和優化業務流程，以適應數字化時代的需求。同時，技術基礎設施的升級和整合也是一個挑戰，需要投入大量的資源和時間。因此，集團型企業的數字化轉型是一項復雜而困難的任務，需要全面考慮各個方面的因素。在本白皮書中，東軟集團攜手IDC對大型集團型企業的數據能力現狀展開了研究和分析。我們深入剖析現狀并分析原因，同時為大型集團企業的數字化轉型提供了綜合建議，建議涵蓋了從策略到方法、從技術到產品的各個方面。通過這次研究，我們希望為大型集團企業提供有價值的指導，幫助它們在數字化轉型的道路上取得成功。核心觀點 觀點：數字化優先戰略背景下，企業數據價值凸顯，數據能力建設進入關鍵期企業

5、數字化優先戰略的核心是發揮數據要素的價值，充分實現數據的業務化，讓數據真正對企業業務的開展及企業管理產生增量價值。最新的數字化轉型研究發現，當前大多數中國企業與真正的數據創新型企業仍相距較遠，多數企業尚處于數字化轉型成熟度的第或者第階段，而這也是數據能力綜合建設與應用的關鍵時期。這些企業在領導力建設、組織架構設定、運營體系、數字化建設以及人才隊伍層面都遇到了一系列共性的問題。因此，企業需要著力打造自身的全要素、全場景數據能力，將數據資產的潛力和價值充分轉化為在生產、經營、市場、財務等領域的顯著競爭優勢。觀點：集團型企業正面臨全面提升數據能力的關鍵挑戰對于當前的集團型企業來說，數據治理全鏈路能力

6、仍是企業數據能力建設的核心和重中之重。受制于其在整體數字化認知、組織、制度、能力及工具平臺方面的不足，企業在數據能力建設的過程中普遍面臨著數據戰略缺失、組織管理分散和流程不清晰等挑戰。在具體實踐過程中，數據采集、數據標準、技術平臺、數據運營等環節的不暢，都會成為限制企業數據價值發揮的障礙。其中，數據治理作為發揮數據資產價值、優化企業數據管理流程的基礎手段，不僅是企業重點關注的核心領域，也是多數企業計劃在下一階段重點提升的數據管理能力域。為應對上述挑戰，集團型企業應認識到“數據驅動型創新能力”帶給企業的巨大價值，構建全面的數據發展戰略，并持續不斷地實踐，形成體系化的數據資產全生命周期管理和運營能

7、力，從而為企業創新發展提供源源不斷的動力。觀點：構建數字化能力大廈是集團企業轉型進階的必要路徑企業應結合整體發展戰略和數字化轉型目標，制定完整的數據發展戰略，并在實踐落地的過程中重點解決數據的開放化、資產化、標準化、價值化和服務化問題。在這個過程中，各類市場主體也應不斷完善自身的數據能力體系，加強數據資源的規范管理。IDC和東軟研究認為，企業的“數字化能力大廈”包含數據的評、治、管、用、創五方面能力，這些能力能夠有效幫助企業形成一體化的數據價值觀和全要素的數據驅動業務發展流程，推動企業建立完整的數據管理和應用體系，打造企業內部針對數據要素的深層理解和對數據文化的傳承局面，進而形成企業數字化轉型

8、過程中的機制、方法、規范和標準。.踐行數字中國，轉型挖掘數據價值紅利當前，數字中國建設進程正在加速推進。年月日，中共中央、國務院印發了數字中國建設整體布局規劃（以下簡稱規劃），并發出通知，要求各地區各部門結合實際認真貫徹落實。規劃進一步明確了中國整體數字化發展與建設的目標，第一次給出了整體清晰的“”框架布局及完整的落地實施保障。這一規劃的適時推出，為中國數字經濟加速發展提供了更加堅實的理論指導和政策保障，也將大大推動企業的數字化轉型和數字業務的發展。規劃對中國數字經濟發展的影響正在持續凸顯。IDC的數據顯示：規劃發布后，全國已有至少個省/自治區/直轄市啟動了年度重大數字化項目，很多省份的投資規

9、模都在萬億元量級。雖然這些投資不完全與數字化相關，但無疑會加快包括G網絡、千兆光網、IPv、移動物聯網、北斗衛星、算力中心在內的各項數字化設施建設與投資的步伐。第一章乘勢數字經濟發展，探索數據價值新紅利:“”框架布局：即夯實數字基礎設施和數據資源體系“兩大基礎”，推進數字技術與經濟、政治、文化、社會、生態文明建設“五位一體”深度融合，強化數字技術創新體系和數字安全屏障“兩大能力”，優化數字化發展國內國際“兩個環境”。隨著數字化、智能化投資的加快，企業的一切業務活動都在以數字化的方式進行重構，數字技術正在對業務發展全面賦能，數據成為這一進程的關鍵所在。IDC的調研結果顯示，超過九成企業的實時數據

10、應用場景都在快速增長，企業也認識到深入挖掘實時數據商業價值的重要性。此外，七成企業提到，業務智能化場景增長，對企業數據價值挖掘能力提出了更高要求。據IDC的最新預測數據，年中國數字化轉型支出將達到,億美元，同比增長.%，占所有企業ICT支出的.%，遠高于全球的.%。年間，數字化轉型總支出預計將達到.萬億美元，年復合增長率（CAGR）也將達到.%。圖 中國數字化轉型支出規模和預測概況來源：IDC數字化轉型支出預測 -支出（$B）與增長（%）總體市場.總體市場.硬件服務軟件總體增長（%）:烏卡時代(VUCA)，是volatile，uncertain，complex，ambiguous的縮寫。烏卡時

11、代是一個具有現代概念的詞，主要指的是當前經濟發展正處于一個易變性、不確定性、復雜性、模糊性的世界里。然而現實情況是：不同部門、不同企業、不同行業間的數據流通和共享難題，極大地限制了數據價值的發揮。規劃明確提到要促進數據資源大循環，特別提出要加快建立數據產權制度，開展數據資產計價研究，建立數據要素按價值貢獻參與分配的機制。該政策的推出有望在一定程度上指引企業、行業間打破數據孤島，加快數據價值化的進程。.秉持數字優先，數據價值挖掘關乎成敗IDC近十年來數字化轉型的研究發現，中國企業從信息化到數字化的過程已經持續了較長時期，在取得矚目成就的同時，也逐漸發展進入更具挑戰的“無人區”。特別是一些行業頭部

12、的大型企業，其涉及的業務板塊多、規模大，市場競爭日趨激烈，不少企業正在通過數字化重塑其流程、產品、服務以及員工/客戶體驗，以提升企業在VUCA時代的競爭力，它們對于利用數字化能力推動企業轉型與業務創新也更加積極。圖 當前企業數字現狀描述來源：IDC數據中臺調研，N=實時數據應用場景激增，深入挖掘實時數據商業價值需求大量涌現業務智能化場景增長，對企業數據價值挖掘能力提出更高要求業務需求爆炸式增長，存算資源性擴展能力急需增強當前數據技術架構運維成本過高，數據系統架構需簡化.%.%.%.%.%.%.%.%.%.%.%.%.%.%.%領先的企業已經采用了數字化優先戰略，邁入由數據驅動的全新業務時代。這

13、一時代的顯著特征是，大量的企業從數字化轉型的低階階段升級至高階階段，即通過數字化的持續積累，以數字化優先戰略重構業務開展方式、創新商業模式和管理模式。數字化業務時代和數字化優先戰略的核心，是發揮數據要素的價值，充分實現數據的業務化，讓數據真正對企業業務的開展及企業管理產生價值。隨著大數據在眾多領域的持續深入應用，大數據相關的政策、產業、技術、商業模式等，都朝著拓展重點領域應用場景以及更好釋放數據價值的方向快速演進，數據與業務正在加速融合，數據創新型企業成為轉型的重要目標。數字業務時代，數據創新型企業有大關鍵特征：深入踐行數字化優先戰略，即：為了實現業務目標能夠優先考慮各類數字技術的部署和應用，

14、不斷滿足客戶需求；數字化舉措由CEO和業務高管直接支持和推動，所開展的數字化業務涉及企業所有部門，CEO與業務高管的協同與推進成為必需；更加依賴于利用數字技術加強競爭力，通過不斷地差異化創新贏得市場地位；企業圍繞數字化創新的舉措，可以直接轉化為大規模、可交付的商業價值。然而IDC最新的數字化轉型研究發現，當前大多數的中國企業與真正的數據創新型企業仍相距較遠，多數企業尚處于數字化轉型成熟度第、第階段，而這兩個階段也是數據能力綜合建設與應用的關鍵時期。:IDC定義的數字化優先指的是指組織為了實現業務目標能夠優先考慮各類數字技術的部署和應用，進而不斷滿足客戶需求，提升組織競爭力，實現可持續發展。數字

15、化轉型早期階段（第階段）的企業，側重于夯實數據能力基礎，利用基礎平臺和科學的方法，保證前鏈路的數據采集、儲存、管理等環節的質量，并發展初步的數據治理能力。數字化轉型中間階段（第、階段）的企業，處于數據能力建設的關鍵時期，可通過戰略、組織、方法論和工具平臺相結合的方式，重點打造全流程的數據治理能力，推進數據中臺等一系列實踐。數字化轉型的較高階段（第、階段）的企業，更進一步關注數字化能力與業務的深度融合，將數據智能應用于企業的各個關鍵領域，實現由數據/信息驅動的全面業務整合和創新。圖 數字化轉型成熟度來源：IDC 年單點實驗 局部推廣 擴展復制 運行管理 優化創新.%.%.%.%.%.%.%.%.

16、%.%.%.%.%.%.%中國美國全球在數字化轉型過程中，企業面對行業、市場、客戶、內部管理、業務融合等多方需求，在打造數據能力時將會面臨來自不同維度的困難與挑戰，涉及到組織、領導力、運營及數字化基礎設施建設等多重要素。.發現數字壁壘，剖析企業數字落實維度從企業視角看，不同的集團型企業因其組織和業務的管理方式不同，對數據驅動能力的需求存在一定的差異性：管理層級多、業務領域集中、處于數字化轉型成熟度高階階段的企業，更加關注深層次的數據治理工作，進而以數據為核心驅動設計、研發、生產、銷售等領域的數據標準化和全面數字化協同，實現企業智能化的目標。業務多元、地域及行業覆蓋廣、數字化轉型成熟度仍處于中間

17、階段的企業，更加聚焦數據驅動的業務場景，通過做好數據基礎治理、推動標準化建設，提升企業創新力和管理效能。第二章落實數字轉型戰略集團型企業的數據挑戰數字化起步較晚、當前信息化建設能力僅能支撐一部分管理職能及業務的企業，主要關注一些亟需通過數字化技術進行變革的應用場景，包括數據基礎能力建設和數據分析等數字化業務實踐。具體來看，這些企業在領導力建設、組織架構設定、運營體系、數字化建設以及人才隊伍層面存在的共性困難與挑戰包括：領導力建設層面：領導者和執行者在面向企業運行全局的精細化感知需求上存在差異，認知和行動能力要求也不一致，導致在推進數字化轉型時缺乏一致的領導力。領導層對轉型的信心不足，存在畏難情

18、緒，不敢轉、不會轉，相關人員更是墨守成規，不想轉。組織架構層面：集團企業經過多年的發展，形成了相對龐大且固化、責權分明的組織架構。這些長期形成的組織體系穩定有余但敏捷靈活不足，在面對快速變化的數字化業務時往往運行效率一般；尤其是在快速變化的市場競爭中，企業受限于組織架構，無法形成統一、主動、敏捷、清晰的決策與行動。運營體系層面：很多企業缺少規范化的業務程序與規則設定，導致工作流程不健全，標準不清晰，企業內部運營的掣肘頗多，進一步體現為數據流、信息流的不暢，企業運營缺乏科學的依據，運營效率往往不高。數字化建設層面：集團企業在不同時期建設了大量的信息系統，用以支撐企業生產、運營、管理、財務、人力等

19、體系的日常運行。這些系統技術架構不一，數據管理制度與標準粗放，而舊有的IT技術無法與快速變化的新型基礎設施相兼容。很多企業的數字化建設缺少前瞻設計，導致在數字化實踐中存在大量低水平的重復建設和無序運營。人才隊伍層面：新興技術和軟硬件設施的高效運行和使用，離不開高水平的人才隊伍。很多集團型企業在數字化深入發展時忽略了在專業化人才隊伍方面的投入，導致新興技術動能無法被充分發揮，人才隊伍建設滯后于業務發展需要。.集團型企業高管調研，發現數據能力挑戰在數據驅動企業發展的時代背景下，企業積極打造自身的數據能力，期望將數據資產的潛力和價值充分顯現，轉化為在生產、經營、市場、財務等領域的顯著競爭優勢。據ID

20、C企業數字化高管的調研（年）結果，中國企業更關注數據的及時可用性并認為此項最具挑戰(.%)，即：多數企業的數字決策者認為，在影響組織決策的挑戰中，數據的及時可用性問題最為關鍵。這一結果表明，很多本該用于決策的數據并未被真正用起來，這對其他決策支持要件也將造成影響。圖 影響企業決策的三個最具挑戰性的數據問題來源：IDC Survey 數字決策者投資指南，調研：按順序對影響組織決策的三個最具挑戰性的數據問題進行排名?%.%.%.%.%.%.%.%.%.%.%.%.%.%.%.%中國美國全球數據及時可用性數據的及時分析及時決策執行決策時的及時行動及時評估決策影響這一結果也揭示了一個事實：即使經過數年

21、的數字化積累，一些企業的數據及時可用性等問題依然未得到有效的解決?？傮w而言，在企業深度數字化進程中，如果不做好與數據要素有關的基礎工作，那么成為數據創新型企業便無從談起；這一點在大型集團企業的數據能力建設過程中尤為突出。在本次報告中，IDC對眾多的集團型企業數字化負責人進行了深度采訪。在溝通中發現，受制于其在整體數字化認知、組織、制度、能力及工具平臺方面的不足，企業在數據能力建設的過程中也普遍面臨著數據戰略不清晰、組織管理分散和流程不清晰等挑戰。在具體執行過程中，數據采集、數據標準、技術平臺、數據運營等都會成為限制企業數據價值發揮的障礙。其中，數據治理作為發揮數據資產價值、優化企業數據管理流程

22、的基礎手段，是企業重點關注的核心領域，也是多數企業計劃在下一階段重點提升的數據管理能力域。圖 當前，企業重點關注且認為應進一步提升的數據管理能力域來源：IDC數據中臺調研，N=.%.%.%.%.%.%.%數據治理數據標準數據安全數據戰略數據架構數據質量數據生命周期.%.%.%.%.%.%.%數據戰略不清晰：集團企業雖然已具備相當程度的數據驅動意識，甚至很多企業設置了首席數據官的角色，但受到認知局限性的影響，數據戰略仍不夠清晰。絕大多數的企業還停留在如何打通數據并實現數據共享服務的單點環節上，而在企業未來如何應用數據、通過數據對企業發展和創新進行加持以及實現智能化發展等方面，仍缺乏戰略層面的規劃

23、。缺乏制度與流程保障：在數據驅動業務的新思維影響下，企業希望建立更加敏捷、彈性的業務運行體系，但卻沒有能力通過流程化和規范化的方式在技術部門和業務部門之間形成閉環和聯動，難以為全新的數字化運營規劃和執行過程提供制度與流程保障。缺少成功的實踐經驗：IDC調研顯示，不少企業跟風花費長周期和高成本建設大數據平臺、數據中臺等基礎設施，具備了多樣性的工具組合，但著力點仍只局限于技術領域，在實踐經驗方面更是存在較為明顯的缺失，導致數據價值很難與業務發展形成協同，無法保障數據資產的持續更新迭代。此外，一些尚未建設數據類平臺的企業，也囿于成本與收益的差異持觀望態度。圖 企業對于建設數據中臺的主要顧慮來源：ID

24、C數據中臺調研，N=.%.%.%.%.%.%.%.%.%.%建設成本高，建設周期長管理層無建設意向對已有業務影響過大，難以調整業務形態不適合或無需建設數據中臺.%.%.%.%缺乏數據域與業務域雙通的綜合人才：雖然很多大型企業數字化團隊人員規模龐大，但其數據類的人才仍相對匱乏，特別是缺少業務和技術能力兼具的復合性人才。此外，企業自身也沒有相關的培養能力和人才培訓計劃。隨著生成式AI的發展，與AI應用有關的系統架構師、模型管理運維等人才更是炙手可熱，而這些領域人才的缺失會進一步阻礙企業在智能化方面的發展。對于當前很多集團型企業來說，數據治理全鏈路能力仍是企業數據能力建設的核心和重中之重。數據治理涵

25、蓋的鏈路較長，所以，通過高水平的數據治理過程、沉淀高質量的企業數據資產，仍是極具挑戰的工作。IDC企業數字化研究發現，不同行業的數據能力與應用所處的發展階段和特點各不相同：圖 在專業人才領域，企業已經具備的角色來源：IDC數據中臺調研，N=.%.%.%.%.%.%.%數據工程師：數據準備，清洗工作業務分析師：將業務需求轉換為數據和模型需求數據科學家/算法工程師：特征提取，模型選擇、設計數據標注工程師數據/商業策略分析師：算法模型的使用者模型管理師：模型管理，提升模型的可靠性和可運維性AI系統架構師：AI類產品應用架構規劃與設計.%.%.%.%.%.%.%成熟行業：以銀行、保險、電信運營商為代表

26、的金融、電信行業發展較為成熟，其數據能力顯著領先于其他行業。這些行業數字化起步較早，有較深厚的技術積累，在利用數字化推動業務發展方面更具經驗，其面對的挑戰是如何進一步確立數據的價值化過程，即：強化數據的標準化環節，通過深層次的數據治理及高價值的數據服務加速其業務創新，勾勒新的增長曲線。金融行業已經圍繞數據治理和數據應用工作形成了體系化的行動力，包括在組織體系、技術架構和平臺建設方面都取得了較為顯著的成果。從多家銀行的公開資料和近期披露的年報中看，很多大型銀行都設立了數據管理部門，相關的數據治理工作也已經進入深化階段。工商銀行在企業級數據治理平臺能力的基礎上，利用新增模塊和規則庫強化基于數據分級

27、分類的數據安全管理；中國銀行也通過“三橫兩縱”數據治理加速集團的全面覆蓋和推廣?？焖侔l展的行業：如大型制造企業、礦產資源類企業，這些行業企業的生產、運營、服務等流程復雜，具有較強的專業性要求。同時，行業普遍有相對較好的信息化基礎，也已經具備了較為清晰的數據價值化意識，在面對激烈的市場競爭時，普遍積極采用數字化方式變革當前的管理和業務模式。因而在數字化轉型向縱深領域邁進的過程中，這些行業的企業對進一步提升數據管理水平、盤活數據資產價值有著強烈訴求。汽車制造行業正在加速發展企業數字化技術能力，以應對業務系統快速增加的數據量和復雜度。圍繞車聯網管理、新能源車運營以及新一代數字營銷等場景，各大型車企都

28、在持續通過數字化手段提升效率，優化體驗，推動整體競爭力的躍進。這些車企已經認識到打通內部數據連接的重要性，并正在嘗試利用更多的技術手段，實現面向上述場景的數據賦能。起步階段的行業：例如農業等相對傳統的行業，很多企業還處于數據能力建設的起步階段。對如何建立規范化的數據采集、匯聚、治理、分析和服務能力存在很多知識盲區，亟需借鑒先進行業的實踐成果，通過理念、方法論、技術工具等相結合的一體化綜合賦能過程，快速補齊自身短板，形成良性發展的格局。一些農業數字化企業正嘗試利用物聯網手段，采集相關土壤、溫度以及生長態勢信息，以構建實時監測能力；然而，相關的數據匯聚和治理發展尚處于起步階段，缺少規?；臄祿e累

29、以及數據業務化形成知識能力沉淀。因此，這些領域仍需要在數據與業務相結合的過程中做好基礎能力建設工作，推動數據在規?；r業生產、管理和特色農產品營銷等工作中發揮更大的價值。為應對數字化轉型中的數據能力挑戰，集團型企業應該充分認識到“數據驅動型創新能力”帶給企業的巨大價值，構建起全面的數據發展戰略，并通過持續不斷的實踐，形成體系化的數據資產全生命周期管理體系和運營能力，從而為企業創新發展提供源源不斷的動力。.數據驅動發展，推動企業提質增效與加速創新全面的數據能力建設，有助于企業通過數據驅動強化內部管理效能，加速業務創新發展，更快、更敏捷地響應市場需求。IDC調研顯示，企業數據應用的主要場景包括營銷

30、、運營以及內部的生產調度、產品管理等?？傮w上看，當前的企業數據驅動創新的成果主要體現在以下三個方面：第三章構建數據驅動創新力，推動集團型企業創新發展圖 當前企業能力建設主要服務的業務場景來源：IDC數據中臺調研，N=.%.%.%.%.%.%.%.%.%數字化營銷日常運營管理企業員工數字助理人臉識別進行身份認證專家導購及產品推薦系統智能生產調度產品外觀檢測流程自動化公共衛生領域城市能源消耗管理與優化社會治安管理產品自動分揀供應鏈及物流管理大數據治堵/線路優化生產過程管控資產績效管理設備健康通信增強性維護維修及生產監測自動化實施鉆井優化產品質量預測.%.%.%.%.%.%.%.%.%.%.%.%.

31、%.%.%.%.%.%.%.%.%數據驅動的產品服務創新：數據驅動的產品服務創新，是企業生存和發展的基本盤。圍繞企業核心產品的設計、生產和服務環節都存在巨大的提質增效空間。在用戶個性化需求不斷增加的時代，產品的創新設計、小批量快速迭代、柔性供應鏈建設以及利用高效互動手段達成用戶持續運營局面，都離不開數據的采集和價值挖掘。數據驅動的集團管控：以央、國企業為代表的一些大型集團企業，業務規模和資產規模都極為龐大，通過一體化管控實現統籌和降本增效的潛力巨大。近年來，以業財一體、業財稅一體為代表的新一代企業數字化能力建設，其核心就是圍繞內部運營優化目標開展相關的數據管理和數據開發工作，使多年來積累的大批

32、數據成果呈現出全新的價值，實現集團企業上下“一盤棋”、“一通百通”。此外，基于數據的供應鏈管理也使整個流程更加清晰透明，持續降低采購、庫存管理成本，提升原材料供應的及時性和應急響應能力。近年來，國資委等機構建立了國資監管系統等一批國資運營監管平臺，其核心目的是通過數據的采集和上報，加強全局管控，實現基本的企業資產盤點。但是從企業內部管理視角來看，相關數據的標準化和時效性還遠遠不夠，這是影響企業運營能力優化效果的關鍵環節。如何打通包括生產、財務、市場甚至人力等領域的數據，通過構建融合數據服務能力驅動企業不斷提升運營效率，是當前大型集團企業數據能力建設的熱門場景。數據驅動的體驗創新：在市場波譎云詭

33、、競爭日趨白熱化的今天，企業面向用戶端的體驗成為關乎企業生存的核心環節。在面對外部市場的巨大壓力時，企業如何精準把握客戶需求、構建客戶畫像，進而實現千人千面的精準營銷、并提供個性化的服務，都需要科學的營銷策略和動態靈活的服務模式支撐，這也是數據驅動業務價值的主流應用場景之一。面對上述的數據價值發展目標，集團企業應該進一步關注設計生產、供應鏈管理、市場營銷與拓展、內部運營等領域的提質增效難題，有針對性地規劃關鍵性的數據應用場景，加強面向業務關鍵環節的數據能力建設。在此背景下，進一步強化對數據的資產管理和數據治理能力仍是當前和未來的顯著發展趨勢，也是未來保障數據要素交易全流程可控的重要前提。.落實

34、數據戰略，關注數據價值提升的關鍵要素集團企業應結合企業整體發展戰略和數字化轉型目標，制定完整的數據發展戰略，并在實踐落地的過程中，重點解決好企業數據的開放化、資產化、標準化、價值化和服務化問題：開放化資產化服務化標準化價值化開放化：數據的全面、合理、有序開放是數據價值釋放的重要保障。在保證安全可控的前提下，企業應利用一切技術手段為內、外部用戶提供全量、可持續的數據服務。企業數據的開放過程，可以根據數據的權屬情況和隱私保護要求，綜合采用通用數據服務接口、隱私計算、區塊鏈、脫敏等多種技術模式來實現。資產化：數據的資產化是企業數字化轉型的高階目標與要求，即在分類分級管控的基礎上，強化企業數據的權責利

35、機制，讓數據成為可盤點、可流通、可量化的企業資產，為企業內部融合和外部業務拓展提供更多的模式選擇。標準化：數據的標準化是一切數據能力發展的基礎。從數據采集的源頭開始，標準化的工作即可有效展開，確保每一條新生成的數據均符合存儲規范。在后續的持續價值提煉過程中，標準化工作為數據可管、可控、易用提供制度保障，幫助企業建立堅實的數據基礎能力。價值化：面向潛在的業務需求，持續對數據進行深度治理和分析挖掘，讓數據的價值密度逐層提升，讓數據的呈現形式更加直觀和多樣，進而轉化為企業業務發展的增量空間。服務化：讓數據成果充分貼近業務側的使用習慣，遵循業務創新的方向，實現數據的按需取用；通過靈活的技術手段構建更多

36、的共享服務接口，所有業務系統都能便捷獲取和使用數據。隨著數據要素市場化進程的加速，企業數據戰略的全面執行與落地迫在眉睫。各類市場主體都在不斷完善自身的數據能力體系，加強數據資源的規范管理。企業之間在實現融合數據服務的基礎上，也有望形成更多與數據標準化、分析、維護、運營有關的產業。調研顯示：數據標準體系的建立和維護工作由于涉及面廣、運行周期長、見效慢，成為各企業面臨的最顯著的挑戰。對于數據能力尚處于中間階段的大多數企業來說，建立數據標準化的全過程至關重要，其包含關鍵環節及舉措如下：數據采集：集團企業的數據采集問題已基本得到解決。數據采集階段的主要目標是確保采集的時效性和準確性，以及采集點的合理設

37、置、數據標準規范、合規有保證等。隨著未來更多新的業務場景出現，企業對數據采集將提出更高的要求，數字化環境變革也將帶來新的工程實現課題，例如信創環境的數據采集要求、未知領域數據要素建設等。圖 數據治理標準化工作面臨的主要挑戰來源：IDC數據中臺調研，N=圖 數據價值化全流程來源：IDC.%.%.%新標準實施對現有業務的影響沖擊力大，歷史系統難以更換業務部門參與度不高，都難以形成廣泛、明確的共識，數據標準研制效率低、可用性差數據標準體系的建立和維護工作牽涉面廣、運行周期長、見效慢數據采集數據存儲與計算數據規范化治理數據資產管理數據的智能化應用數據存儲與計算：圍繞海量數據的標準化過程，構建數據存儲、

38、加工、開發和資產管理的基礎環境，包括：數據倉庫、數據湖等存儲環境；支持清洗、比對、轉換等加工過程的工具環境；以及離線計算、實時計算、機器學習等基礎計算環境等。數據規范化治理：即形成以數據治理為核心的數據價值提煉過程。如果將整個數據的資產化過程理解為感知、認知、分析、決策過程，則認知環節目前仍具有極大的提升空間，包括執行元數據管理、數據質量、數據安全等一系列規范化的舉措，將數據的價值逐步濃縮和呈現，形成可持續的服務能力。數據資產管理：在數據有效治理的基礎上，通過科學的管理和運營舉措，實現數據資產的沉淀、迭代和數據價值的聚集，并能夠利用科學的手段實時盤點數據資產，對數據責權利進行有效梳理，讓數據在

39、可管可控的前提下，提供更多的對外服務。數據智能化應用：即圍繞一些智能化的能力對數據做二次加工，使其與業務實現更深入的結合。自動化和智能化是包括數據能力建設在內的各個領域的廣泛趨勢。隨著知識圖譜、大模型等技術的快速發展，高質量的數據將不斷轉化為直接的業務輸出成果；反之，這些成果也將進一步提升數據治理過程的效率，例如建立智能化的數據資產盤點過程，從而形成循環往復的良性閉環。.建設能力大廈，推進企業數據管理體系建設集團企業在全面發展數據能力、構建數據驅動業務發展格局的過程中，需要高度關注數據能力體系建設的方法論和評價標準，避免大量無序活動所造成的內耗和停滯不前?！皵底只芰Υ髲B”是企業數據能力建設的

40、體系化評價參考和行動力指引，有助于企業快速理清現有資源和能力，建立起面向未來的數據價值體系。評估能力：參照DCMM（Data Management Capability Maturity Assessment Model，數據管理能力成熟度評估模型），即企業數據管理能力建設的參照依據和評價標準。通過對企業數據能力及數據現狀進行盤點，對數據管理成熟度進行評估，提出改進意見，讓大型集團企業全面認知自身的數據能力發展現狀，分析和識別差距，并從組織、流程和運營上進行全面改進。治理能力：即通過理念、方法論、平臺工具相結合的全流程數據治理，為企業建立可知、可信、可用的數據資產，并實現長期可持續的迭代和運營

41、。數據治理能力也是調研結果中企業重點關注且認為應該重點提升的能力域。:DCMM（Data Management Capability Maturity Assessment Model，數據管理能力成熟度評估模型）是由全國信標委大數據標準工作組（國家工信部信軟司主導，多家企業和研究機構共同組成）研發，并于年月日正式發布，是我國數據管理領域最佳實踐的總結和提升。IDC和東軟的本次研究認為，企業的“數字化能力大廈”包含數據的評、治、管、用、創五方面能力，這些能力能夠有效幫助企業形成一體化的數據價值觀和全要素的數據驅動業務發展流程。圖 企業數字化能力大廈來源：IDC 創新能力應用能力管控能力治理能力

42、評估能力管控能力：即建立規范化的企業數據規章制度，并利用不斷加強的平臺技術能力，保障各項規章制度和流程切實落地執行，形成實時、細粒度的數據資產管控。應用能力：將數據資產實現最大程度的服務化，使不同的用戶都可以圍繞業務場景方便查找數據并獲取數據服務成果，感知數據的變化，并最終通過數據的業務價值得以表達，從而在企業生產和運營中發揮更顯著的作用。創新能力：數據驅動業務創新是提升數據能力、挖掘數據價值的高層級目標。通過對數據全生命周期的科學管理和運營，將數據與業務深度融合，實現產業數據化，能夠更有效地開啟企業智能決策和敏捷創新之路。企業的業務人員也能夠在數據智能的加持下發揮更大的主觀能動性，幫助企業取

43、得超預期的發展成果。.構建數據中臺，夯實數據能力體系重要環節集團企業推動數據驅動戰略、實現數據與業務融合實踐的關鍵落腳點，將是以數據中臺為代表的技術和平臺架構體系。雖然目前數據中臺的建設仍存在很多不同的理念、認知和建設路徑，但從宏觀角度看，數據中臺仍是企業整合數據資產、提煉數據價值、廣泛拓展數據服務、進而實現數據驅動業務發展新局面的關鍵。對當前的企業數字化進程而言，數據中臺既是泛化的理念，也是覆蓋組織、流程、技術、工具和服務的一系列具象舉措，覆蓋數據的采集、匯聚、治理、分析、服務和運營等關鍵環節。IDC調研顯示，企業在推動數據中臺建設時，普遍擔心數據標準化過程過于復雜，以及投資回報率等指標不及

44、預期的問題，同時也會對如何滿足應用場景要求心存疑慮。對于企業用戶來說，數據中臺應該是一體化的解決方案，而非簡單的技術或產品組合。數據中臺的實施和運營水平，代表了企業對數據價值的全面認知能力和對數據要素的綜合理解力。數據中臺用以幫助企業建立完整的數據管理和應用體系，打造企業內部針對數據要素的深層理解和對數據文化的傳承局面，進而形成企業數字化轉型過程中的各類機制、方法、規范和標準。以此，可以激活整個企業建立創新機制，幫助企業面向外部市場形成更多的壁壘。圖 數據中臺在推廣應用的過程中面臨的主要挑戰來源：IDC 企業內外的認知和推廣，數據中臺效果與企業業務現狀及需求不符數據標準化困難、好使費力，數據多

45、源異構，共享復用程度低，及時水平要求高業務前臺與技術中臺聯動差，無法滿足動態業務場景需求、挖掘隱性價值、提出前瞻策略投資回報率等收益標準難以量化，建設中臺過程風險高，回報難以計算.%.%.%.%數據中臺的一些普適性特征值得集團型企業密切關注：集團數據服務普惠：推行集團層數據服務平臺、團隊、需求對接、接口標準等建設，使企業內數據服務形成標準，為集團各業務線、內部企業、智能部門等提供統一的數據服務，構建集團內的數據普惠服務，實現高效、同標準的集團數據業務化改造，使數據在企業內被真正利用起來。數據共享打破壁壘：即能夠面對企業內部（甚至包括外部）的多樣化用戶，最大化地對共性需求進行抽象，進而轉化為多用

46、戶共享的數據服務。數據中臺的共享能力有助于幫助企業提升數據應用效能，創造更多的拉通和連接機會，消除相關用戶間的壁壘，進一步盤活數據資產的價值。平臺數據能力沉淀：數據中臺本質上是“產品+服務”的實踐。企業在建設數據中臺的過程中，一般會借鑒和融入大量的實踐化理解，也會在解決實際數據問題的過程中，產生很多新的創新服務。數據中臺體系能夠讓企業在實踐過程中不斷沉淀高價值的數據服務，從而實現整體數據能力的持續進步。集團數據服務生態：隨著數據開放態勢的逐漸明朗，企業也需要更多的創新性數據服務產品，用以支持自身創新業務的加速發展。數據中臺的服務提供商將更加注重平臺的開放性和生態活躍度，也會引入更多的產品和專業

47、化服務能力，甚至在數據治理的功能中融入大量的行業認知和業務邏輯理解，整合輸出給企業用戶。這是體現數據中臺未來競爭力的重要一環。對比行業差異，探索行業數字場景特點，揚長避短打造行業化和場景化的數據能力。.大型制造：行業數據能力特征及實踐制造行業數字化轉型概況近年來，國家在智能制造領域的戰略性發展布局，促使龐大的制造企業群體正在從低端向高端持續轉型?！盎ヂ摼W+”、“數實融合”所引領的制造企業數字化轉型，大幅提升了制造行業的生產效率和運營水平，推動制造企業向更具挑戰的國際市場進軍。當前的制造企業普遍面臨著經濟增長放緩所帶來的巨大經營壓力。企業生產和運行成本居高不下，供應鏈存在顯著的波動和大量的不確定

48、因素。在用戶端，大量的線上用戶使制造企業亟需拓展新的營銷渠道和模式；既有的營銷渠道則需要進行深層第四章探尋行業數字場景，數據能力特征及實踐次的變革，以全面適應環境市場變化，持續提升用戶體驗。從企業數字化轉型來看，IT與OT不斷融合，也會使傳統的企業運營形態發生顯著變化，一些企業開始構建以業財一體為代表的全新運營模式，形成一系列新的數據指標體系，幫助自身完成自上而下的整體行動。工業互聯網的快速發展，也推動制造企業加速融入整個國家的制造業智能化轉型進程。制造行業數字化能力基礎現狀很多制造企業正在構建覆蓋企業運營全生命周期的數字化運營平臺，包含數字孿生設計、供應鏈管理、智能制造、智能服務等核心環節。

49、然而，制造業數字化轉型相對起步較晚，大量的制造企業數字化轉型尚處于單點試驗和局部推廣階段，相關的生產制造和運營管理系統并未形成基礎的連接。由于物聯網設施的大量引入，制造業每天都在產生大量多源異構和多模態的數據，這些數據大部分僅應用于孤立的系統和封閉環節中，并未與企業的整體運營管理體系打通，也未能得到較好的匯聚和治理。因此，制造企業數字化轉型的核心問題之一，是盡快推動數據能力的體系化、標準化、規范化建設，為企業發展提供新的創新動力。制造行業數據應用主要場景制造行業的數據應用，以制造協同創新目標指引下的數字化轉型應用場景為主要承載，主要聚焦于數字供應鏈、智能制造、互聯互動、數字創新等戰略要務，其中

50、包括：以產能為導向的采購、物流自動化、智能工廠、客戶連接、高級數字仿真等。圖 制造行業數字化轉型應用場景來源：IDC IDC Manufacturing Insights:制造協同創新（AOVC）數字化轉型應用場景戰略要務方案數字供應鏈智能制造互聯互動數字創新以產能為導向的采購采購智能供應基地數字化管理供應商互動全球一體化成本控制供應編排實施需求匹配認知供應鏈一體化供應鏈供應鏈韌性數字化結構智能倉儲運輸優化全球貿易自動化規劃擴展物流自動化戰略資產管理智能工廠企業質量客戶連接規范管理服務模式創新高級數字仿真配方管理產品創新平臺基于模型的設計多功能分子基于數字化的可視化業務情景建模配方管理協作開發

51、數字孿生生態系統知識共享數字服務平臺校準補貨產品績效管理度客戶畫像管理動態材料要求配方規范智能定制定制化產品大規模追溯客戶支持協作式自助支持施風險和合規認知型根本原因分析協作式處置環境資源優化健康與安全認知規劃可得性生產資產儀表化資產集中監控和診斷增強型維護資產績效管理配方管理數字化知識庫數字供應鏈方面的數據應用，側重于對供應鏈的多維感知、分析、協同和優化，其對數據的應用和創新能力有很高的要求，在數據與業務的融合發展方面有很多研究和拓展的空間。智能制造與智能工廠、戰略資產管理、企業質量等方案相關，需要更多地做好數據源頭的采集和標準化工作，實現海量感知數據的規范管理和實時分析反饋?；ヂ摶优c客戶

52、有關的連接、服務模式創新等，側重于產品和客戶體驗的提升；企業應該持續提升數據治理和數據服務水平，讓客戶端的觸達更加精準高效。數字創新與高級數字仿真、配方管理及產品創新平臺等相關，更需要以數據的全周期管理和應用為基礎，與伙伴以及客戶加強協作，通過強大的生態能力拓展數據的能力空間，發揮數據在企業創新發展過程中的價值。實踐案例：中國航發商用航空發動機數據治理助力芯發展中國航發商用航空發動機有限責任公司（以下簡稱“商發公司”）成立于年月日，是由中國航空發動機集團與多家公司共同出資組建的股份多元化企業，主要從事商用飛機動力裝置及其相關產品的設計、研制、生產、總裝、試驗、銷售、維修、服務、技術開發和技術咨

53、詢等業務，下設研發中心、總裝試車中心、大修中心和客戶服務中心。在數字化轉型的過程中，商發公司面臨著來自內部和外部的雙重壓力。對內：數據標準不統一，數據口徑不一致，數據質量問題較為顯著；對外：在國家政策導向和集團政策導向的大環境下，數字化、合規化已不可或缺。在過去的五年中，商發公司進行了大量的流程體系建設，建立了涵蓋各個業務部門和環節的完整流程驅動模式以推動業務的發展。然而，管理層也意識到，現有的數字化成熟度已經無法滿足橫向互聯互通以及全過程優化的要求，特別是數據領域與先進行業差距較大，存在分散割裂、多頭管理、責任不清等現實問題，缺乏統一的數據管理標準，也缺少相應的技術和工具支持。公司領導層和各

54、業務部門主管都期望推動以數據驅動為核心的數字化轉型，將企業流程驅動轉變為數據驅動的模式，通過數據治理的決策和行動，提升數據的價值和利用效率，支持公司數字化轉型的順利進行。在數字化轉型的過程中，商發公司圍繞數據能力建設，攜手東軟，完成了一些重要舉措：數據治理體系建設：根據集團要求，建立了明確的數據治理和數據要素規范，以確保數據的安全性和可靠性。同時，公司也設立了集團級的數據中心，提升了數據傳遞能力。數據治理主要圍繞設計、生產制造和供應鏈等業務場景展開，其中較多的是財務協同以及與設計、生產制造和供應鏈相關的子場景。數據團隊建設：為推進數據治理工作，公司成立了專門的數據團隊，致力于數據管理、數據分析

55、、數據服務等方面的工作，以支持公司的數字化轉型。數據治理試點工作：搭建了基礎的數據中臺工具和數據治理框架，并將數據治理流程融入到各個業務部門中，為其提供數據服務；特別是在一些業務領域，提出了“速營速效”的概念。在單個業務領域、單個部門和單個組織中建立基于方法論的驗證體系，并總結了一套方法論，在整個業務領域中采用快速迭代的循環模式來推動工作。推動數據應用：例如在供應商管理和項目管理領域進行深入試點，建立統一的數據應用平臺來管理供應商和項目相關信息，并提供深入的分析和服務能力。數據治理和數據能力體系建設，確保了商發公司不同系統之間的數據流動和互聯互通。通過開放API的方式，實現了數據集成接口管理的

56、目標，同時構建出具備對外提供數據API服務能力的中臺。在權限方面，各個業務部門可以向IT部門申請數據集成相關信息，尤其是在新建信息系統時，會利用中臺工具提供共享的API服務。相關的數據應用場景顯示，數據能力的提升明顯推動了工作效率的提升，并大幅減少了數據的重復錄入。例如裝配制造場景，相關的數據解決方案可平均節省個工時的人工成本，提高數據質量約%，精確度提升約%。圖 中國航發商用航空發動機數據治理成果實踐案例：中國航發商用航空發動機數據治理助理芯片發展企業數字化能力大廈待優化點治理成果應用能力管控能力治理能力評估能力數據的“評、治、管、用、創”業務洞察能力數據治理能力數據助推業務治理積累實力數據

57、與創新呈弱關聯性，企業創新不基于數據，業務對經營了解不一數據服務沒覆蓋到全業務部門，業務部門不知道數據能用到什么程度顯著提升商發公司數據治理能力及質量，實現數據助推業務的正向循環依平臺構建數據服務，開放API，“速營速效”，推動業務單體驗證的應用模式缺少數據管理規范化標準或有標準沒有治理載體，導致管控流于形式缺少治理的平臺或觸點，數據資產改造無法向前積累，治理能力無法得到提高數據評估能力長期沒有改善的跡象，數據管理成熟度發展停滯不前依托廠商經驗完善管理規范，組件數據治理團隊，做好業務數據支持銜接搭建數據中臺工具，完善治理規范，迭代積累數據治理能力建成數據治理框架，依應用場景梳理數據，設立集團層

58、數據中心支撐治理應用攜手共創創新能力.能源礦產：行業數據能力特征及實踐能源礦產行業數字化概況能源礦產行業包含的企業類型較為多樣，覆蓋能源生產、礦業加工、金屬材料、新能源、新材料等。近年來，能源礦產企業面對國際能源價格下跌、新冠疫情等因素的多重影響，既要維護國家能源安全大局，保證產量、效益和市場的相對穩定，也需要結合雙碳戰略的要求，大力推廣清潔能源、助力新能源產業快速進步。能源礦產行業數字化能力基礎現狀能源礦產行業的數字化轉型涉及勘探、開發、工程、管道、運營、銷售、安全、科研等多個核心業務。很多大型企業已經圍繞各領域的專業化需求采購了相關的信息化系統及平臺，包括生產運行平臺和ERP、協同辦公等企

59、業日常運營類系統，用于支撐業務的流程化管理。在長期服務業務的過程中，這些系統積累和沉淀了大量的數據，這些數據的價值將是能源行業在數字化時代創新發展的“金礦”。能源礦產行業的數據能力建設工作同樣起步較晚。由于不同領域數據存在較強的業務壁壘，因此數據的整合和應用都面臨一定的阻力。在一些子領域中，雖然數據得到初步治理，并用于相對閉環的場景中，例如生產狀態監測、勘探開發、人力資源管理等，但從整體上看，大量數據仍有待進一步整合治理，進而深入開展跨領域數據應用，賦能行業業務創新。能源礦產數據應用主要場景目前，能源礦產行業的數據應用典型場景涵蓋了勘探開發、管道儲運、煉油化工、產品銷售等大類，具體可包括：智能

60、化勘探、數字化運營、生產實時監測、工程作業動態分析、勘探開發成果數據集中管理、專業領域分析（例如壓裂井分析）、項目設備需求分析、營銷新業態等。圖 能源礦產行業數字化轉型應用場景-敏捷采礦運營來源：IDC IDC Energy Insights：敏捷采礦運營數字化轉型應用場景戰略要務方案數字化上游互聯資產敏捷綜合運營下一代安全和可持續發展鉆探優化洞察引導式鉆探地質數字化平臺虛擬地球物理無人機勘探礦石智能礦石快速測定綠地開采可能性資產自我修復資產儀表化設備狀態提醒找礦優化智能資產戰略資產管理韌性運營一體化/協作式運營智能處理數字供應鏈客戶協作流程安全個人安防增強環境與可持續發展程狀態監控智能網聯勞

61、保服裝礦區修復可持續能源管理流程自檢虛擬臨場尾礦和其他存儲設施管理定制化產品數字服務平臺供應商互動庫存智能按需開采開采現場到港灣優化供應鏈自動化全球貿易自動化預測性礦石優化自主庫存管理數字化配礦智能處理洞察礦石一體化回收協作開發運營生態系統協作與自主運營數字化孿生礦石等級優化資源管理運營決策支持精益礦場執行組織結構和敏捷性自主采礦礦山數字原生設計采礦流程洞察增強型維護預測性分析數字化分析協同維護資產績效管理資產跟蹤以資產為中心的一體化維護增強型培訓環境資源優化合規管理機器人安全采礦作業空間安全造福當地社區數字社區論壇當地供應鏈采購實踐案例：華友鈷業向數據要效率浙江華友鈷業股份有限公司成立于年，

62、是一家從事新能源鋰電材料和鈷新材料研發、制造的高新技術企業。經過二十多年的發展，公司完成了總部在浙江、資源保障在境外、制造基地在中國、市場在全球的空間布局；打造了新能源產業、新材料產業、印尼鎳產業、非洲資源產業以及循環產業五大事業板塊；構建了鎳鈷鋰資源開發、有色金屬綠色精煉、鋰電材料研發制造、資源回收利用的新能源鋰電材料全產業鏈。在集團戰略運營管控的模式下，以戰略管控管理需求為指引，華友鈷業開展了大量的數字化建設工作，已建成以SAP為核心、支撐各業務條線的經營管控平臺；規劃圍繞MES和大數據為核心，集成自動化控制系統，建成支撐各產業的生產執行平臺，對整體生產執行進行管控；底層DCS/PLC系統

63、也已初具規模，基于控制系統的生產管理應用正在逐步建設中。在數據能力建設方面，面對眾多的數字化系統，企業內部的數據連接和整合工作面臨很多現實問題：數據匯聚和整合：數字化系統多而雜，整合存在諸多堵點。隨著大量系統上云，相關的人力、財務、采購、業務域等系統的數據具備了打通的基礎，但是如何有效管理和使用這些數據，仍需要做很多基礎性的工作；數據應用場景繁雜：企業對于數據的應用場景有一些規劃，例如通過數據分析判斷設備使用周期，實現產品質檢，建立多維對比分析能力，對庫存提供較強的預測能力，在營銷端實現更加精準的觸達等，但需要科學的路徑來對場景進行落地；組織戰略和意識：很多內部用戶仍希望保留傳統習慣，對于數字

64、化的接受程度有限，對于數據價值更是缺少科學的認知；企業期望培養“技術+業務”的融合性人才，但是實踐起來有很多阻力。在數字化轉型和數據能力建設上，華友鈷業制定了為期五年的發展規劃，并依照具體的計劃，與東軟等各廠商開展緊密合作，逐步推動數據驅動業務能力的發展：第一年：在總部開始實施數字化工程，并建立八個系統；第二年：制定標準治理指標等，并繼續推進系統建設；第三年：專注于數據整合和安全性，確保準確性和保密性；第四年：重點實現知識中臺應用，推動智能化發展；第五年：致力于將數據應用于用戶服務，以提供指導和支持。目前，集團已經發展至第三階段，正在實施數據整合工作，并致力于完善和優化標準和系統建設，解決各系

65、統和已有標準存在的問題。相關的建設成果已經開始發揮出顯著的價值提升作用。例如，通過集成數據質量模塊，實現了量化指標在企業人力資源審計方面的應用，利用數據報告推動業務部門進行整改，建立了有效的循環機制，為企業內部審計打下了堅實的基礎，并大幅減少了工作量；在人力資源體系中，數據資源在源端即進行有效的標準化工作，制定了全面的數據質量規劃，人力資源數據的準確度從以前的約%-%提高到%。下一步，集團將繼續推進規劃，通過循環迭代方式進行持續改進，并定期評估和調整。未來五年，公司還將進一步優化數字化戰略，在以下方面進行重點投入：提升數據的預測功能，改進決策能力；增加自動化設備，減輕手工操作，不斷完善自動化應

66、用；使用自動化機器人處理重復性任務，如報銷流程，提高效率和生產力；加強員工技能培訓，與高校合作招聘更多人才；實現數字化運營，重點優化供應鏈環節，包括內部流程和運營管理等。圖 華友鈷業數據治理成果實踐案例：華友鈷業向數據要效率企業數字化能力大廈待優化點治理成果應用能力管控能力治理能力評估能力數據的“評、治、管、用、創”業務洞察能力數據治理能力數據助推業務治理積累實力業務部門不愿改變傳統習慣，排斥新鮮事物，認為IT沒有做實質性的數字化數據服務能力無法匹配復雜應用場景，業務想駕馭數據，但僅非專業內部研究實現數據業務預測及科學決策，二次提升系統效能，為智能創新打下平臺基礎標準化流程，將數據應用于用戶服

67、務，為用戶提供指導與支持，系統提升效率系統多而雜，數據離散轉移，數據管控停滯不前，數據孤島嚴重且整合困難缺乏中臺，數據治理體系薄弱，系統的增加使的治理工作變得更加困難企業希望向數據要效率，然而缺乏專業的數據治理能力及行業最佳實踐借鑒通過數據質量模塊，提高業務部門參與度，協作提升管控能力及供應鏈透明度落實標準治理體系，將指標與數字化系統打通，利于企業后期的標準化工作企業獲得東軟的數據評估能力補充及系統集成對接支持及定制化支持攜手共創創新能力.企業數據能力建設的行動建議聚焦“數據資產”提升企業的競爭力，深度擁抱數字化，既是大勢所趨也充滿機遇，尤其是伴隨著AIGC熱潮的興起，企業的數據能力無疑會成為

68、其提升綜合競爭力的關鍵。針對集團企業如何發展體系化的數據能力，打造數據驅動業務的良性發展局面，IDC提供建議如下：踐行數字優先理念，業務賦能是第一要務：數字化的目的是“解放生產力”，數字優先的立足點是業務。數字業務戰略是企業長足發展的“載體”，長期的發展離不開技術的賦能、管理的適配、員工數字意識的對齊等，賦能業務則是第一要務。落實業務場景需求，數據治理是重中之重：業務賦能需從場景出發，形成自上而下的發展路徑。然而，無論是集團型企業價值鏈打通、集團管理管控、客戶體驗及營銷，還是數字孿生模擬、供應鏈管理等具體數字化場景，數據治理都是前提且是重中之重。只有做好數據治理，打牢數字地基，數字化場景上層建

69、筑的運行才能穩，相關的分析、模擬、決策輔助、業務預測等才能科學有效。第五章踐行數字優先理念，行動建議及未來展望了解數據治理進程，能力大廈是直觀反應：在數據治理實踐規劃的過程中，行業企業可體系化提升數據的“評、治、管、用、創”五大能力建設。依據“數字能力大廈”建設現狀，企業領導者可直觀了解數據治理情況，針對性修煉“數字化內功”。彌補治理能力缺陷，尋求契合的合作伙伴：案例實踐豐富、服務具可陪伴性、工具人性化、可滿足企業長期個性化需求等，是企業尋求合作伙伴的重要出發點。IDC的調研數據顯示：不同行業企業用戶選擇大數據服務商時，重點考慮的因素是能夠支持豐富的數據源與數據類型以及擁有完善的數據治理能力，

70、兩項所占比例均高于%；此外，提供陪伴式服務、一體化數據鏈路能力、數倉和數據湖能力等因素也都相當重要，比例都接近或超過%?？梢?，選擇全面、專業、具備一攬子服務能力的技術伙伴是關鍵。圖 企業選擇數據服務商的主要考慮因素來源：IDC數據中臺調研，N=.%.%.%.%.%.%.%.%.%完善的數據治理能力豐富的數據源和數據類型，支持結構化、半結構化和非結構化數據數倉和數湖能力，有效消除數據孤島提供陪伴式的服務，為合作過程中的不同問題提供服務一體化數據鏈路能力，支撐端到端的數據價值實現分析洞察能力，提供BI，關聯分享，時序分析等多數據分析手段具備數字化轉型方法論指導，能夠指導我們的數字化轉型專業領域知識

71、的系統管理和復用能力符合信創標準，實現國產化替代機器學習模型訓練和運維能力自發的產生和更新專業領域知識的能力云上部署與彈性延展在本行業有豐富的實踐經驗，可以借鑒到本企業中支持智能化的數據分析和應用簡化系統架構，統一管理數據.%.%.%.%.%.%.%.%.%.%.%.%.%.%.%.數據技術發展未來展望隨著技術架構、數據架構和應用架構的不斷升級迭代，企業內部的數據正越來越多地呈現出分布式、多樣性、實時性的特征。眾多的企業和機構正在重新評估現有的數據湖、數據倉庫以及數據集成能力，力求推動數據管理架構升級或重構。數據服務市場方面，在云廠商塑造大數據公有云市場的同時，一些具備技術創新能力的成長型企業

72、，也將在企業私有化數據平臺和服務市場中占有一席之地。關于數據技術發展的未來，IDC與東軟認為，行業企業應重點關注以下方面：行業增強分析：在一些行業場景下，平臺提供商有望與數據服務商（生態企業）聯合，共同推出面向業務深層融合的算法，并通過構建算法超市或開發者平臺等方式，為行業客戶深度賦能，甚至讓行業客戶基于基礎成果進行精調。廣域數據治理和分析：即不斷拓展數據的來源和跨域、跨模態分析場景，特別是針對大量非結構化數據（例如圖像、視頻等）建立分析能力。自動化、智能化數據治理：大量的智能化手段將應用于數據治理領域，幫助企業客戶縮小與頭部企業之間的差距，釋放數據價值用于數據驅動場景創新。引入大模型、AIG

73、C等技術：加速客戶的智能化應用進程，例如將數據成果以智能化人機交互的形式，賦能更廣泛的內、外部受眾，形成更加靈活多樣的企業知識庫。數據資產管理與數據交易：企業數據資產價值被高度提煉，實現結構化和知識化，以知識圖譜等形式提供對外服務。同時，數據交易將進一步被激活，在數據合規的范疇內，新的數據共享服務和新的商業模式將加速涌現。東軟集團是行業領先的全球化信息技術、產品和解決方案服務商，是產業創新變革的推動者和數字化轉型的賦能者。憑借三十余年的行業深耕經驗和技術沉淀，通過軟件與服務、軟件與制造、軟件與各行各業的融合，東軟致力于為運營商、能源、金融、民航、文化傳媒、智能制造等眾多領域的大型企業客戶提供差

74、異化、場景化、智能化的產品與服務。通過持續洞察時代發展趨勢，探索軟件技術的創新與應用，東軟以自身的技術能力賦能全球數萬家大中型企業實現數字化、智能化發展，在智慧城市、醫療健康、智能汽車互聯、企業數字化轉型、國際軟件服務等眾多領域處于領先地位。在與企業數據能力建設方面的合作中，東軟堅持聚焦于數據資產的整合、治理、分析和智能化應用，幫助企業打造面向未來的數據資產應用模式。在實踐層面，東軟定位于為用戶提供完整的數據治理和數據應用解決方案，以用戶為中心，將眾多的數據工具集轉化為工具鏈，使其之間產生聯動和友好性的交互，實現全生命周期、一攬子的數據驅動業務能力。同時，東軟還致力于提升企業的數據綜合服務能力

75、，通過數據資產管理、數據可視化智能分析、AI人工智能應用、數字孿生場景應用等第六章企業數據智能服務平臺東軟及其數據智能產品平臺化產品與方法論、服務的結合，形成一系列最佳實踐，以標準化服務形式讓用戶更加快速地理解和掌握，幫助企業獲得全面、綜合的數據管理能力提升。、數據資產管理東軟數據資產管理系統由執行引擎、控制臺以及第三方接口組成。其中：執行引擎具備完善的讀取和加載適配模塊，可以適配國內外主流的數據庫、文件數據源以及大數據平臺數據源等。用戶可以依托產品提供的各功能模塊完成對交換任務的設定，包括數據的抽取策略、加載策略、數據清洗策略等核心交換流程。同時，客戶可以通過交換流程編排模塊對多個交換任務的

76、執行順序進行自定義編排，滿足復雜的交換業務場景。對于保密性要求較高的情況，系統提供傳輸加密功能，以確保數據的安全性?？刂婆_負責為用戶提供多種管理和監控功能，包括數據采集的性能監控、異常情況的管理、采集任務的調度管理以及元數據的管理等。第三方服務接口包括管理監控類的接口，以及服務集成類的接口等。通過上述服務接口，用戶可以在第三方系統中進行產品的集成和二次開發，以滿足其不同業務場景的功能需求。數據資產管理系統支持對一系列規范、機制、制度的落地實踐。系統的標準規范體系包含數據標準規范、技術標準規范、管理標準規范、業務標準四大部分。數據資產管理系統包含數據匯聚、數據資產、數據治理、數據可視化建模、數據

77、脫敏、數據API、數據安全、數據權限、數據倉庫、數據開發工具等一系列豐富的功能。其中，數據資產模塊支持數據目錄架構、組織機構、數據用戶、數據資產注冊、檢索、目錄驅動共享、數據資產申請、數據審計管理等管理能力。數據開發工具平臺則提供統一的方法、工具及標準，為數據有效資產的高效利用挖掘、流水線式的應用場景生產提供保障。為構建數據資產化過程中的全面支撐能力，數據開發平臺能夠有效支持用戶多個方面的能力建設，包括數據采集工具、ETL工具、數據交換工具、數據比對工具、數據質量工具、數據建模工具、接口生成工具、數據計算工具、流程調度工具、脫敏加密工具等。數據資產管理系統為企業用戶的數據全生命周期管理提供了豐

78、富的工具和能力選擇，支撐用戶構建起一體化的數據資產管理和運營能力，推動用戶的數字化轉型進程邁上新的臺階。、數據智能分析東軟數據智能分析產品SaCa DataViz是一套自助式數據探索與可視化分析平臺，提供多數據源接入、輕量級數據建模、自助可視化分析工具、交互式故事板等功能；旨在以高效、低成本的使用方式，為業務人員提供自助式數據探索與可視化分析手段，深入分析數據，洞悉商業價值。該平臺主要由自助式數據可視化分析、數據探索分析、敏捷BI、現代商業智能等能力單元組成。SaCa DataViz提供一站式的自助分析服務體驗，從底層的數據接入到上層的自助分析及交互展現，都可以在平臺中輕松、高效完成。SaCa

79、 DataViz支持內置的高性能大數據計算引擎，通過大數據技術，能夠將建模好的數據集同步到并行計算引擎中。同時，它也支持與原始數據源間數據的定時同步，能夠輕松處理TB級數據，實現秒級響應。SaCa DataViz還支持調用R Server高級分析算法，內置時序預測、聚類分析、回歸分析等算法，也可以通過自定義R腳本實現算法擴展。SaCa DataViz可用于企業構建自主數據分析平臺，或打造多終端數據可視化交互展示能力。構建企業自助數據分析平臺：企業用戶可以輕松將業務數據庫連接到數據分析平臺，選擇數據表，搭建數據關聯關系，可視化選擇需要分析的業務數據范圍，再利用鼠標簡單拖拽維度數據和度量數據進行O

80、LAP多維分析；也可以按地區、細分市場、類別和年份等維度查看數據，并對應生成準確的數據可視化分析圖表，直觀展現數據分析結果。利用SaCa DataViz平臺，企業中的任何業務人員都可以對應業務問題分析數據，讓分析結果更準確地輔佐企業決策。多終端數據可視化交互展示：SaCa DataViz內置豐富可視化圖表類型，支持基于GIS地理信息可視化展現，支持自適應布局、自由布局以及移動端布局等多種布局方式，自定義分辨率可以快速適配不同的終端展示，方便企業領導層多終端訪問，隨時隨地掌握企業運行動態，從而做出正確決策。圖 東軟數據智能分析產品SaCa DataViz來源：東軟，移動端企業管理用戶管理組織管理

81、角色管理資源管理權限管理系統集成單點登錄嵌入式集成URL集成故事版多屏應用自助式探索分析數據直連數據直連多數據源大屏PC端即席分析數據地圖上卷、下鉆、鉆透多維分析可視化拖拽數據集數據抽取SQL數據集數據存儲關系型數據庫文件數據源RESTful數據源大數據平臺Hadoop等數據透視表聯動分析多終端查看面向角色：領導、管理者自助分析、透視分析、聯動儀表盤面向角色：業務人員數據連接與建模面向角色：IT人員數據連接面向角色：IT人員作為一款數據可視化智能分析平臺，SaCa DataViz平臺擁有一系列關鍵特性，保證其能夠幫助用戶打造全方位、超預期的數據服務。多種數據源類型：SaCa DataViz支持

82、對接多種數據源類型，包括文本數據源、數據庫以及Impala、Hive、Kylin等大數據平臺、第三方接口數據源。同時，支持多種國產數據庫，全方位對接分析企業業務數據?？梢暬瘮祿＃簾o需編寫SQL語言，SaCa DataViz 提供可視化操作界面，通過簡單拖拽即可創建表間關聯關系，自定義修改數據字段類型和名稱，設置數據過濾條件，查看數據結果。當面對復雜的數據查詢需求時，也可手動切換，通過寫SQL代碼的方式創建數據集。多維度自助交互分析：SaCa DataViz面向業務人員，提供自助式的可視化探索分析服務；借助平臺的多維分析能力，可以進行統計分析、鉆取鉆透、篩選過濾、數據透視、地理分析、高級計算

83、等多種操作，實現數據的立體式呈現。數據透視表：用戶可以自由選擇多個字段的不同組合，實現字段與字段之間的關聯分析；可以動態改變版面布局，實時更新數據計算；支持拖拽數據字段，快速生成數據透視表功能；同時，結合熱力圖還可快速查看表中數據大小分布規律，數據展現更直觀。豐富的圖表類型：SaCa DataViz提供近百種可視化圖表展現形式，除傳統圖表外，還包括更酷炫的弦圖、玫瑰花圖、太陽輻射圖、地圖等；支持可視化設置圖表屬性以及詳細屬性修改，自由擴展圖表的展現形式?；贕IS地圖的數據可視化：SaCa DataViz提供了強大的地理分析功能，可以分析數據的區域特征，并結合時間軸組件，完成特定時間范圍內區域

84、變化情況的分析。其內置多種地圖，包括數據地圖、GIS地圖、D地圖等，用戶可以根據其自身數據及業務特征進行可視化展現。交互式分析圖冊：SaCa DataViz支持快速制作業務交互式分析圖冊，提供了豐富的資源，包括標題、文本、圖片、網頁、空白塊、自由塊、邊框、按鈕、視頻、輪播頁、動效組件等。同時，提供圖表聯動交互、數據過濾篩選、頁面跳轉分析、圖表類型切換等功能。此外，SaCa DataViz平臺提供豐富的個性化配色方案和酷炫的數據大屏模板，并為移動端用戶提供了友好的瀏覽訪問方式，支持圖冊的移動端布局能力。平臺還具備全方位的企業級管控能力，包括用戶、組織、角色的資源授權管理功能，以及公共項目、看板管

85、理、任務調度等功能。豐富的二次開發接口，能讓企業用戶更快捷地進行業務系統或項目集成。、人工智能平臺東軟的人工智能（AI）能力基于東軟人工智能產品SaCa NeuAI，旨在以數據治理成果為基礎，幫助企業建立一體化、自助式、企業級的大數據分析應用能力。其運行機理是將多源異構的數據進行綜合接入處理，并與機器學習、深度學習過程以及模型的工程化應用過程打通，形成持續性的數據智能應用和反饋閉環：圖 東軟人工智能平臺產品NeuAI運行機理來源：東軟，傳感器數據運行數據業務數據日志文件第三方數據數據源新增數據源增量數據預測結果服務（REST,SDK)結果反饋預測結果智能模型應用N模型模型最優算法智能選擇反復迭

86、代優化模型設備標簽Core基礎分析平臺文件上傳（CSV,XLS)文件上傳（CSV,XLS)實時數據（消息隊列）批量數據（ETL)特征提取算法選擇模型訓練屬性特征行為特征運維特征機理特征執行特征新標簽算法模型模型構建實時優化原始數據原始數據模型導出/部署、智能應用機器學習、深度學習數據接入管理業務執行結果反復迭代優化模型反復迭代優化模型最優算法智能選擇反復迭代優化模型反復迭代優化模型反復迭代優化模型.平臺功能架構和主要能力如下：提供自助式、面向業務人員的分析工具，通過零編碼、配置式、拖拽式的模式，實現低門檻、高效率的數據智能應用，讓無AI經驗的人也可以快速開展數據分析；實現企業級數據管控，保障數

87、據資產安全，提升協同效能。通過系統管理員、安全管理員、安全審計員等角色，構建出角色權限、數據權限、空間權限、應用權限、成果權限能力，支持多角色協同管理，并應用開發協同以及知識管理協同服務；圖 東軟人工智能平臺產品NeuAI 架構圖來源：東軟，系統管理組織人員分類管理數據處理深度學習集成學習自動學習機器學習擴展編程信號分析自定義算法.文本分析流程設計資源配置導入導出斷點緩存模型庫主題模板空間管理.關系數據源配置數據模型數據權限我的數據API數據源配置流程概覽服務配置調度配置服務監控服務審計流程洞察節點洞察分析報告發布應用應用同步應用管理安全體系機器學習建模洞察基礎功能數據管理部署應用分類統計應用

88、趨勢分析應用調用分析應用日志分析角色權限進程管理挖掘參數組織人員部署管理隊列管理.系統安全功能安全應用安全數據安全實現成果集成共享，助力企業沉淀知識資產，即：通過算法管理模塊幫助企業將行業內特有的算法和數據處理邏輯圖沉淀到平臺中，形成算子，并可拖拽算子快速復用行業算法及處理邏輯。相關的案例庫也可幫助企業將成熟的解決方案直接集成到平臺中，統一管理及維護，持續創造商業價值；通過靈活開放的架構滿足個性化定制需求：平臺提供豐富的API接口，覆蓋系統管理、數據管理、機器學習、成果管理等方面的一系列服務功能，幫助企業打造出專屬的“大數據分析平臺”。東軟人工智能平臺可全面促進企業知識沉淀和復用，推動企業從I

89、T驅動向業務驅動轉變，打造企業一體化專屬平臺，實現特征中心、建模平臺和機器學習平臺的無縫整合。其相關的特性包括：具備豐富的數據源接入能力和強大的分析能力，能夠滿足各類業務問題的分析訴求。同時具備更智能的模型學習能力，有效降低建模技術門檻，利用全流程智能化建模過程提供一鍵式建模功能，自動完成數據處理、特征工程、算法及參數擇優等全流程。具備全面、靈活的分析洞察能力，為用戶優化流程提供依據。用戶對于挖掘流程中的任意節點均可靈活控制，實現結果洞察；豐富詳實的洞察內容包括數據分布、分析結果、模型信息、模型對比、模型評估等，可輕松獲取隱藏在業務數據中的規律和模式。具備完善的模型管理及模型部署方式，能夠滿足

90、多種工程化應用需求，例如調度、同步/異步服務、流服務、灰度服務、離線服務包等。平臺支持靈活的系統擴展及應用部署，滿足企業個性化業務需求。、數字孿生產品東軟RealSight DT數字孿生場景建模平臺是基于B/S架構的、一站式的D/D場景建模工具。其支持多種格式模型及模型自動輕量化，支持數據綁定、動畫和交互的可視化配置，實時數據交互，與物聯網平臺、數據分析平臺、知識圖譜平臺無縫整合，低代碼快速實現數據可視化、模擬仿真、VR等應用。D、D編輯器：基于瀏覽器，通過拖拽方式構建D組態、D場景，對組態圖紙和元件或場景和模型的屬性進行編輯，所見即所得。支持多種模型：支持obj、fbx、stl、dae、sv

91、g等多種模型格式的渲染和編輯。圖 東軟RealSight DT 數字孿生場景建模平臺來源：東軟，公共交通（機場）鉆探壓裂智能制造（離散）智能制造（流程）行業應用孿生體管理分類開發工具數據底座數據采集數據清洗轉換多源數據融合數據質量數據服務原模型管理*規則管理*D編輯器D編輯器模擬仿真編輯器AI工具模型預處理模型減面模型輕量化資源導入上傳配置映射元件屬性編輯場景屬性場景大綱CAD圖紙識別數據分析流程建模模型開發預測服務算法庫初始值定義約束定義仿真分析最優化引擎仿真算法庫動畫配置場景光源地理圍欄規則綁定數據綁定模型快速定位常用設計工具可視化交互數據綁定動畫配置常用設計工具可視化交互資源庫資源/模型

92、庫模型庫模型屬性油氣管道智慧園區智慧物流數據綁定：支持和物聯網平臺、GIS數據、消息隊列等多種數據源進行綁定，數據驅動D組態和D場景中孿生體姿態變化。動畫配置：提供模型或元件常見的動畫配置，例如變色、旋轉、位移、縮放、閃爍、透明、流動、開關等，通過配置邏輯表達式實現業務場景動態展示。交互配置：鼠標的單擊、右擊、雙擊、懸浮等事件的交互配置，可實現切換場景，打開鏈接、打開標簽等動作。模型輕量化：基于模型進行自動化減面，可含紋理的處理，將M模型自動減面到M，節省人工成本和時間成本。目前，RealSight DT數字孿生場景建模平臺可應用的場景包括：模擬仿真：面向工廠規劃、加工、裝配、物流等不同環節進

93、行模擬、評估和優化。降低試錯成本，縮短投產時間，優化生產與運行效率。虛擬調試：在虛擬環境中實現反饋式設計、迭代式創新和持續性優化。生產管控：實時監控生產工況，及時發現和應對生產過程中的各種異常和不穩定性，日益智能化地實現降本、增效、保質的目標。智能運維：依托現場設備數據采集和孿生體分析，提供可視化的統一集成式管理，提高運維效率。VR虛擬培訓：支持設備組裝拆解、安全培訓、應急演練等場景，使員工快速學習上手，提高培訓效率，降低培訓成本。關于 IDC國際數據公司（IDC）是在信息技術、電信行業和消費科技領域，全球領先的專業的市場調查、咨詢服務及會展活動提供商。IDC幫助IT專業人士、業務主管和投資機

94、構制定以事實為基礎的技術采購決策和業務發展戰略。IDC 在全球擁有超過名分析師，他們針對多個國家的技術和行業發展機遇和趨勢，提供全球化、區域性和本地化的專業意見。在IDC超過年的發展歷史中，眾多企業客戶借助 IDC 的戰略分析實現了其關鍵業務目標。IDC 是 IDG 旗下子公司，IDG 是全球領先的媒體出版，會展服務及研究咨詢公司。IDC ChinaIDC中國（北京）：中國北京市東城區北三環東路號環球貿易中心E座室郵編：+.Twitter:IDCidc-版權聲明凡是在廣告、新聞發布稿或促銷材料中使用 IDC信息或提及IDC都需要預先獲得IDC的書面許可。如需獲取許可，請致信。翻譯或本地化本文檔需要IDC額外的許可。獲取更多信息請訪問，獲取更多有關IDC GMS信息，請訪問https:/ IDC。未經許可，不得復制。保留所有權利。