数智焕新 用友BIP为企业补上数据这一课

　　在DeepSeek最火爆的那段时间,和一家制造企业CIO聊天时,听到了一个颇具代表性的“吐槽”:“公司高层看到AI大模型这么火,立刻喊出了‘全面拥抱AI’的战略口号。可现实是,我们的生产数据锁在MES系统里,销售订单躺在CRM里,库存信息卡在WMS里,财务数据关在ERP里——这些系统像一个个互不相通的,连基础的业务全貌都拼凑不齐,你让我拿什么去‘拥抱AI’?这AI战略,第一步就卡在了‘数据孤岛’上啊!”这位CIO的无奈,道出了众多企业在AI热潮下的真实困境。

　　无独有偶,在用友发布的《企业AI应用落地白皮书》通过对175家企业的深入调研也印证了这一点:在谈到大模型和AI落地面临的挑战时,数据质量的提升、战略与治理能力被企业公认为当前最大的能力短板。

　　在新一轮的数智化转型升级中,企业其实并不是只关注AI应用就可以了。它是一场需要同时应对双重挑战的变革。既要解决降本增效、精准运营、合规风险等经营管理方面问题,又要消除应用烟囱、数据孤岛、AI碎片等系统方面障碍。数据无疑是解决上述所有问题的第一道门槛。所谓“数如江河,智如舟楫”,以数载智、以智驭数的迫切需求成了企业数智化系统升级焕新的催化剂。

　　数智焕新是必选项

　　在信创大潮的推动下,央国企正加速国产化替代,致力于实现自主可控的数智化转型,因此迫切需要构建创新高效、安全稳定的数智技术平台,在提升业务运营效率的同时,更好地支撑业务应用场景的创新;推动AI在千行百业中落地,前提是消除数据孤岛、系统割裂、技术重复投入等,数智融合的一体化底座是不可或缺的清障工具;“出海”企业面对愈加复杂的国际竞争环境、本土合规经营的诸多挑战,如果没有一个稳固的数智底座保障其供应链的安全与韧性,将举步维艰。

　　对于所有企业来说,“数智焕新”不是可选项,而是必选项,将支撑企业跨越周期、迈向高质量发展。用友网络高端BG总裁杜宇介绍说,一些国内企业开始着手全球化布局,或者在发展到一定规模时才真正体会到,原有的作坊式或者粗放式的经营管理已经不能适应企业今天业务发展的需要。不管是出于精细化管理的考虑,还是满足业务拓展的需求,企业都需要对其数智化系统进行升级。

　　在数智化时代,企业若想拥有一个赖以生存和发展的“底盘”,它的数智底座不可能在封闭、低效、数据割裂的传统架构上修修补补而来,而是需要一次脱胎换骨的重塑。事实已经证明,单一性的工具肯定不行,数据与流程条块分割更不可取,原生一体化的理念和架构成为数智焕新的基本逻辑。

　　补上数据这一课

　　当前,虽然一些行业头部企业已经取得一定的信息化成果,在数据治理方面打下了良好基础,但是大部分企业的数据基础还远不能做到支撑AI的高价值场景落地,主要表现在数据和知识的准确性、完整性、实效性等方面存在不足。因此,AI正在倒逼企业提升数据质量。

　　企业的数据壁垒问题并不是一日造成的。此前,以部门为单位的传统信息系统建设模式,极易导致数据分散存储,形成数据孤岛;企业在不同时期引入的财务、ERP、CRM等系统,由于采用的数据格式、存储方式、接口标准存在差异,数据之间难以互通;企业缺少统一的管理规范和共享机制……

　　数据孤岛、数据冗余、数据标准不统一、数据质量低下、数据访问受限、数据获取和使用成本居高不下,这些数据壁垒成了企业数智化转型的“绊脚石”,其负面影响显而易见。

　　场景一:产销脱节,决策“失明”。想象一下:生产部门依据上月历史数据排产,却不知销售部门刚签下大单;仓库积压着滞销品,营销部门却因看不到实时库存,仍在大力促销缺货品。这正是数据孤岛的典型后果:数据无法跨部门流动共享,导致企业像在“盲人摸象”,无法形成统一、实时的业务视图。这直接影响了经营效果——生产浪费、库存失衡、错失商机,更让高层决策失去了精准的数据支撑。

　　场景二:知识“蒸发”,经验难传。在传统的知识管理模式下,宝贵经验散落在各个部门、员工电脑甚至离职人员的记忆中。例如,某机械制造厂的老技工积累了丰富的设备故障排除经验,却因缺乏统一的平台记录和分享,导致其退休后,同类故障再次发生,新员工只能从头摸索,效率低下甚至造成停产损失。数据分散导致的信息壁垒,使得知识无法有效沉淀、共享和复用,难以转化为可传承的企业数据资产。

　　场景三:数据“打架”,AI“幻觉”频生。对于企业而言,数据应该是最可靠、最准确的结果。如果没有高质量的数据,没有高质量的RAG,那么无论是通过小模型还是大模型,第一次和第二次得到的结果很可能是不一样的。如此一来,容易造成大模型幻觉,影响企业应用AI的实际效果。例如,某零售企业的“同一商品”在财务系统、库存系统和POS系统中,名称、编码、价格甚至库存量都可能不一致。当企业试图利用AI进行销量预测或智能补货时,若没有高质量的数据作为“燃料”(包括高质量的RAG用于知识增强),模型就像吃了“变质食物”。结果就是:同一问题,AI今天预测缺货建议补仓,明天却显示库存充足无需采购。这种前后矛盾的“大模型幻觉”,不仅让业务人员对AI失去信任,更会误导实际运营,造成资源错配和损失。

　　谁掌握了“黄金数据”,谁就扣住了数智化转型的命脉。这里所说的“黄金“不仅表明数据价值的重要,更道出了数据质量这一本质问题。如果企业在大数据时代兴起的时候,没能有意识地做好数据的积累与沉淀,没有实现数据的拉通与共享,更没有实现基于数据的洞察,进而实现数据驱动业务,那么在数智化转型升级的阶段,就必须重新补上欠缺的数据这一课。

　　原生一体化平台加速数智融合

　　要真正攻克数据质量难题、打通数据壁垒,企业需要构建一个统一、融合、智能的数智底座。这要求企业在方案设计上,必须将统一的标准规范、高效的流程管理以及先进的技术平台紧密结合,形成合力。

　　具体而言,亟需建立覆盖全企业的数据定义、格式和质量标准,为数据的资产化奠定基础;同时,设计并固化端到端的数据采集、治理、共享流程,确保数据流转的规范与高效;最终,也是最核心的变革,在于摒弃传统“拼积木”式的技术和产品堆砌模式,转向流程、数据、AI原生一体化架构。这种架构让智能应用与业务数据、业务流程天然一体,数据不再是事后抽取的对象,而是在业务运行中自然产生、流转并被智能引擎实时洞察的活性资产。

　　杜宇表示:“用友BIP推动企业数智焕新,就是要基于原生一体化,消除数据、架构、流程等相互割裂、各自为政的局面,构建起统一的数智底座。”

　　用友BIP基于原生一体化的设计理念,以同一个底座、同一套语言支撑,实现了智能与数据流程端到端的一体化,从而有效避免了数据孤岛、应用烟囱和智能化碎片。数据天生就自然地融入用友BIP之中。它不是把数据抽出去,而是在整个业务流程中看数据,包括数据从哪里来到何处去,中间又经历过什么等。所以,在用友BIP平台上,企业能够知道每一个业务场景中的数据所代表的业务逻辑和业务过程。这样才能更了解,更精准地读懂企业数据。

　　国务院国资委已连续两年组织召开了“AI+”专题推进会,旨在推动央国企主导人工智能创新,以数智化赋能产业升级。其中优化数据质量,推动数据开放共享是关键。这进一步印证了:破解数据难题、实现数据与智能的深度融合,是企业数智化转型升级无法绕过的命题。面对这一“必修课”,选择以用友BIP为代表的数据、流程、AI原生一体化的平台架构,已不再是前瞻性的探索,而是已经成为企业新一轮数智焕新的核心支撑。(文/云数智观察)