如果将数智化转型比作企业的大航海旅程，数据和智能就像是大航海过程中企业必须穿越的海峡。随着数智化转型的不断深入，很多企业驶进数据智能海峡后发现，要用好数据智能没那么简单，会面临无数的疾风、高浪、迷雾和暗礁，比如：

“我有数据资产，也做了很多图表，可为什么还是没有解决业务问题？”

“AIGC很强大，这些最新的AI技术如何才能用到自己企业的业务场景中？”

“传统企业数据多、场景复杂、人才短缺，老板对数据智能项目的期望还特别高，怎么办？”

数智化转型中，企业需要的不是产品、技术，而是能真正解决业务问题的端到端方案，懂业务的数智化底座成为破局的关键。然而除少数巨型企业外，绝大部分企业不具备自建综合平台的能力，也不必自行构建，市场上早有成熟易用的数智平台，用友iuap就是其中的领头羊。

过去35年来，用友把服务数百万客户通用的企业服务功能和领先实践，提炼封装成可复用、可扩展、可运营的中台能力和平台能力，赢得了企业客户的广泛欢迎。根据Gartner数据，用友是全球应用平台软件aPaaS市场TOP10中唯一的中国厂商。同时据IDC市场研究报告，用友iuap平台位居中国aPaaS整体市场、公有云市场、私有云市场三项第一。

那么，企业应该如何突破数据智能落地的瓶颈？在赋能企业数智化转型过程中，用友数据中台和智能中台有哪些独特的优势？近日，「智能进化论」采访了用友BIP高级应用架构师曹正凤。

用好数据智能，企业需要指南针和路线图

行业内，数据与智能通常被认为是两大独立的场景。但在用友看来，数据与智能是一个整体，无论从技术研发、产品规划，还是落地应用维度，用友的数据和智能都是一体化的。

“数据和智能本身就不能分家，这两件事就是一件事。数据是智能的基础，同理做数据的时候，如果不想智能的事，这个方向就错了。”曹正凤表示。

在用友的企业服务版图中，数据中台和智能中台扮演着急先锋的角色。用友BIP PaaS平台iuap，包括“三中台+三平台”，即：业务中台、数据中台、智能中台以及技术平台、低代码开发平台、连接集成平台。可以看出，数据中台和智能中台在用友BIP中发挥了中流砥柱的作用。

针对数据智能在企业实际落地中的痛点，以及用友多年服务企业客户的经验，用友认为企业用好数据智能有一个简单的衡量标准或指南针：能否解决实际业务问题。围绕这一目标，还需要有路线图，避免转型过程中的弯路。用友总结出通过数据智能加速企业数智化落地的实战经验：

第一， 基于企业自身数智化现状，对数智化目标做出理性的预期和规划。如果数据基础薄弱，上来不要做智能，先把数据的事做好。数据基础好的企业则可以借助深度学习算法，进一步挖掘数据价值，这方面用友已经积累了很多标杆案例。

第二， 搭建相应的专业团队。企业想要真正用好数据智能，无法完全依靠外部力量，需要具备一定的运营能力，因此企业可以逐步构建自身的数据和智能专业团队。

第三， 改变信息化时代买软件交钥匙的理念，与IT服务商携手走共创模式。同时实施过程中要有详细的计划。

“做数据项目和智能项目，不是交钥匙工程，不像软件一装完就能用。数据更新后可能出错，数据质量可能没有符合标准，同时随着业务场景的新变化，需要算法人员加入新的因素进去。企业需要有一定的运营人员，保持持续跟进的状态。”

曹正凤认为，相比于已经进入深水区的数据应用领域，目前智能化在各行各业的落地还处在早期阶段，很多时候共创的模式是比较高效的。“客户、我们和ISV合作伙伴，有时候需要一起来探索，怎么去做出能解决客户业务上问题的一些智能化应用场景。”

更懂业务，用友iuap数智中台的核心能力

自2019年投入中台战略以来，目前用友iuap数据中台沉淀了众多先进管理思想和领先企业实践，预置了覆盖财务、人力、采购、制造、营销等10大领域240+业务模型和多个行业的主题包。

用友iuap智能中台则形成RPA、VPA、智能大搜、规则引擎、知识图谱、AI工作坊等多项智能化能力，能够提供企业画像、人才画像、商机推荐、供应商推荐等智能服务，目前已经建立了100+数智员工技能、1000+开箱即用机器人、1000+AI智能场景。

强大的中台背后，是用友多年打磨的企业服务的核心能力——更懂业务。

“更懂业务，能够将数据中台和智能中台与业务完美地结合，这是我们独特的优势。我们更追求实用主义，能解决业务问题。” 曹正凤分享道。

近几年，随着数智化转型浪潮在政企市场、传统行业的攻城略地，云厂商、IT服务商都在强调懂行业、深入场景。那么，在数据中台和智能中台领域，用友iuap是如何做到更懂业务的？

传统模式下，IT服务商往往是拿锤子找钉子，抛开企业实际业务问题不谈，先搭中台，中台搭好后，再一个环节一个环节地解决业务问题。这样不仅成本高、周期长，也会造成技术与业务的脱节，导致很多企业花费不菲地将各类中台建好后却用不起来的行业痛点。

用友从客户需求出发，将数据中台和智能中台能力直接嵌到流程服务中，也就是说，用友BIP出厂自带数据智能能力。在企业运营流程的每个环节，用友还在不断拓展数据和智能服务的数量，力图让客户体验到打开软件，即刻就能用上场景化的数据智能能力。

此外，在组织架构方面，用友内部也做到了将数据中台和智能中台两大业务线无缝融合在一起。从技术研发、产品规划、到行业落地，各个维度做到统一管理。这种以客户为中心的企业组织架构变革，也极大加速了用友数据中台和智能中台落地的速度和广度。

目前，用友iuap数据中台和智能中台已经在供应商评估与智能推荐、智能库存预测、门店销量预测等核心场景实现了众多标杆案例。

供应链效率是企业数智化能力的典型练兵场。此前，某供应链企业深受物料需求预测的困扰。由于无法预测下游企业接下来要消耗多少物料，物料采购时常面临要么库存积压，成本上升，要么物料不足，急需补货的两难处境。

通过用友iuap智能中台深度学习算法打造的专用模型，该供应链企业实现了精准预测物料消耗量，将物料库存周转率提升了48%，库存积压率降低了20%，库存成本降低了16%。

销量预测也是数据智能的高频应用场景。过去，某烟草公司在测算全年销售量和税利时，由各子公司人工上报预计销售量，由于存在不同程度多报或人为控制，导致需要进行反复核对调整，消耗大量的人力及时间。

用友iuap智能中台为其打造了专属AI算法，让该烟草公司实现了以业务预算管理确保经营目标精准实现，模型测算可精确至小数点后6位，大大提升了精确度和业务运营效率。

企业服务与大模型的碰撞，打造企业数智化大脑

在4月19日用友BIP技术大会上，用友正式宣布已启动企业服务大模型训练，引发了行业广泛关注。

曹正凤介绍，与ChatGPT等面对C端的AI应用不同，用友的AI能力面向ToB行业，将直面企业的核心问题——如何辅助企业做关键业务决策，即打造企业数智化大脑。因此，分类、预测、寻优等场景是用友iuap智能化能力的关键场景。

“智能化方面，用友的定位一直是企业数智化大脑。如果说计算机视觉、自然语言处理、ChatGPT等垂直领域的AI解决的是听、看、说等单点问题，用友要解决更核心的企业实际问题，如何帮助企业更精准更高效地做决策。”

曹正凤向「智能进化论」分享了用友在大模型领域的布局思路。用友将大模型分为L0基础大模型，L1行业大模型，L2应用场景模型三类。“我们重点在L1、L2领域发力。”

在L0基础大模型方面，用友会积极引入开源或商业领域的头部大模型，比如文心一言，目前双方合作已经在用友数智员工、VPA等产品落地。

在L1行业大模型方面，接下来用友会积累更多的行业模型。基于L0基础大模型，用友接下来会将多年企业服务的知识经验沉淀为行业通用模型向外赋能，包括但不限于用友最核心的10大领域，27个行业应用。

“大模型给我们的启示是要积累更多模型，不一定非得是大模型。模型参数大小不是最关键的，更重要的是能解决企业业务问题，去解决企业在销量预测、库存消耗预测、客群预测等更核心的现实需求。”

在L2场景模型方面，用友iuap智能中台已经有很多场景化落地产品和方案，比如基于RPA、VPA的数智员工，智能搜索，知识图谱等。同时，为了把AI应用开发的门槛进一步降低，用友智能中台还推出了AI工作坊，具备算法模型创建、训练、推理闭环管理能力，支持企业进行高性能扩展推理服务、迭代式改进模型效果等。

写在最后

对于未来数据智能业务的发展规划，曹正凤透露，过去粗放维度进行的数据价值挖掘，正在向着更多维、更精细化的方向迭代。为了充分发挥企业数据价值，更好助力企业实现精细化管理，用友发布了多维数据库。未来用友还将基于多维数据库技术以及数智中台能力，深化数据智能应用，助力企业高效决策。

“目前我们看到很多企业最关键的业务诉求，就是需要精细化管理。现在越来越多企业希望借助数据智能能力，获得细颗粒度的商业洞察。未来，一张资产负债表可能需要从数十个甚至上百个维度去挖掘数据背后的价值。”曹正凤表示。

在数智化转型这条企业必经的航海旅程中，如何借助更领先的数智化底座，将数据智能能力用到业务中解决实际问题，成为企业致胜的关键。用友iuap数据中台和智能中台，正在用一种更轻量易用、更“润物细无声”的方式，助力企业破浪前行。

图片来自摄图网

END

本文为「智能进化论」原创作品。