用友数据中台解决方案 用 友 网 络 科 技 股 份 有 限 公 司 企业数据中台 —— 助力企业创新化、提升对用户需求的响应力—— 元数据管理、 数据标准、 数据质量、 数据清洗、 数据安全 SOD(Systems of differentiation) 用友数据中台是基于新的数据湖存储方案基础上重新定义的企业 IT 架构核心组成部分 稳定可靠 产品系统 客户管理 系统 财务系统 ，通常是对象 blob 或文件。 数据湖通常是所有企业数据的单一存储 ，包 括源系统数据的原始副本和用于报告 ， 可视化 ，分析和机器 学习等任务的转换数据。 数据湖可以包括来自关系数据库 （行和列） 的结构化数据 ， 半结构化数据（ CSV ， 日志， XML ， JSON ） ，非结构化数据（电子邮件 ， 文档 ， PDF ） 和二进制数据（图像 ， 音频 ， 视频） 。 BI 、仪表盘 机器学习、预测分析、数据画像、数据发现 企业数字化的数据挑战 管理问题 数据规范执行 数据质量监控 数据变更管理 使用问题 查询不便 关联关系不清晰 有效信息过少 数据问题 多存储系统 高频数据变化 大数据量 用友云数据中台 数据智能 分析、报表、搜索与机器学习 智慧数据服务 社会化大数据 + 企业小数据 技术 + 数据 企业数据湖 OneData

New Economy Weekly 10/2018 文 / 车品觉 信 息及数据的收集及处理自古有之，几千年 来变化不大，直到个人电脑的普及才开始 出现了极其微妙的改变。首先是带动着数 据化的领先企业包括 Google、Amazon、Facebook 及 中国的 BAT, 然后是移动应用和人工智能所引起的智 能热潮。再加上物联网的加入，让我们在不知不觉之 间每天都在生产着数据，甚至消费着数据。可以说， 经过数据的分享增加了预判及还原现实的可能性。所 以成本效应成为了企业及政府机构数据化的绊脚石。 如今企业都意识到数据是重要的资产，也意识到 有效数据治理是数据资产化的前提，近年本人在国内 做市政府和一些互联网企业的咨询专家及顾问，都涉 及到如何建立横向的数据治理系统。这个经验最早来 自阿里巴巴，当时在企业飞速的发展过程中，我们发 现数据使用面临着如下挑战： —各部门低水平重复开发数据集，浪费大量的 —组织架构制约了数据的共建和共享，缺乏标 建设数据中台，赋能创新改革 成本效应成为了企业及政府机构数据化的绊脚 石，管理层必须理解，从信息化到数据化再到 应用，必须有强大的技术支持、灵活的政策保 障以及开放的生态支撑，方可马到功成 10/2018 New Economy Weekly / 新经济导刊 / 23 准及激励机制。 经过内部总结发现，数据的“汇 管用”过程中伴随着三个现象特点： 数字业务变化速度非常快、数据处理技

美图数据中台建设实践 陈满意 - 高级技术经理 目录 01 02 03 04 数据服务 数据中台 中台 数据平台 初期痛点 基础建设 数据治理 服务建设 总有一款美的产品你感兴趣 加拿大 美图秀秀 美颜相机 美拍 美妆相机 BeautyPlus 日本 中 irBrush VCUS Pomelo 美图问医 美图定制 菲律宾 肤三款产品， 通过 AI 测肤算法， 为皮 肤科研及皮肤管理行业提供技术支持 与多场景测肤解决方案。 解决用户面部皮肤问题的医学专业平 台， 目前与上海市皮肤病医院共建的 皮肤专科互联网医院已经获批， 能提 供网上医疗问诊 、线下药品配送等医 疗服务。 目录

IBM Watson Talent 人力资源中的 AI 业务案例 关于入门的见解和提示 Nigel Guenole 博士和 Sheri Feinzig 博士 人力资源中的 AI 业务案例 2 前言 人力资源正处于大规模颠覆的边缘。无处不在的移动和社交技术以及个性化重新定义了员工体验的 门槛。随着所有行业商业模式的颠覆 ， 人才获取游戏发生了变化 ， 随着技术变革对工作的影响 ， 站在所有这些需求的交叉点 ， 通常预算下降和持续的运营分心。 正是在这个合适的时刻，人工智能和自动化正变得适合人力资源行业。根据我的经验，它使我们能 够解决普遍的人才问题，例如了解我们的技能，防止不必要的员工流失，对员工热点做出快速反应 ，将员工和外部候选人与职业机会相匹配 ，为管理者提供更好的薪资投资指导，通过机器人流程自 动化消除福利管理和薪资中的手动任务，并为员工创建一个不可抗拒的学习平台。 有了一些 Diane Gherson IBM 首席人力资源官 XVCXvMrMnOoPpRtQsPqPmN7N8QbRtRmMmOrNlOqQoPjMrQqObRpPyQxNsPoPMYoOtO 人力资源中的 AI 业务案例 3 Introduction 人工智能与战略洞察力相结合创造了新的商业机会, 并正在改变人力资源对组织竞争优势的贡献方 式。 本报告概述了人工智能在当今人力资源中提供价值的具体例子。它描述了

万亿元，已超过美、德、意、英制造 业增加值之和，并是日本制造业 GDP 总量的 5 倍以上。在传统制造 过剩和低附加值的背景下，“高端制造”成为转型必然，而具身智能 正是这一战略升级的底层支撑。 具身智能引领“自动化→智能化”的范式跃迁。传统机器人依赖 硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端 控制，实现感知—认知—决策—执行的动态闭环。应用场景有望从商 用、工业扩展到医疗、家庭、教育等，推动“软件定义硬件，硬件产 品承载软件剩余价值”的产业趋势发展。 国家逻辑×市场逻辑双轮驱动，开启 20-30 年黄金期。具身智能 已被纳入国家战略，既服务于国家安全和“卡脖子”突破（无人装备、 航空航天、工业机器人），也顺应市场逻辑，满足老龄化社会、消费 升级和产业升级的需求。政策、资本、产业与学术界的协同作用，正 在为中国具身智能产业奠定 20-30 年的黄金发展周期。 技术创新（人类智能 VS 智能定界），是影响本轮具身智能产业 引突破。该路线的核心在于将复杂、时变、不确定的世界模型构建难 题，转化为构建一个专注于具体现实环境的、更容易“有限范围求解” 的垂类小模型，这类模型具备环境可确定、任务可操作、过程可数据 化、且高安全性的特性。 应用场景反向定义价值，头部企业重塑供应链优先级。具身智能 的创新价值不再由“技术先进性”单一决定，而是由不同场景的需求 强度驱动，推动产业链资源重新分配促使头部企业诞生，从而推动下

数字化建设—财务系统规划方案 2 目录 1. “ 智慧”财务系统建设的价值 2. 财务共享的建设方案 3. 系统详细设计 3 财务系统的战略价值定位：战略支持、风险管控、效率提升 • 流程提速 基于业务处理流程标准化，实现 流程提速 • 运营自动化智能化 更加有利于推进新技术的应用 • 支持集团快速扩展 更加灵活地支持业务扩展和子公 司新建需求 1 战略支持 2 风险管控 团管控 • 集团信息透明 信息汇于财务共享中心，提高信 息透明度 • 风险快速应对 实时监控风险事件，提升风险反 应速度 • 支持战略实施 整合释放财务资源，使更多财务 力量投入到公司的战略支持中 • 支持经营分析 形成数据中心，为经营分析提供 数据基础 4 “ 智慧”时代来临，企业内外环境快速变化，企业对财务的角色定位提出了新的要求 环境 · 趋势 外部环境变化 更敏捷 更智慧 企业价值创造 实现质的飞跃，从而达到资源效益最大化。 战略 价值 质量 效率  为公司的战略策略提供坚 实的依据  支持战略目标的实现  形成并购整合的平台  实现流程和系统的标准化  更高的管理效率  更低的运营成本  改善运营资金状况  减少基础设施成本  改善信息质量以更好地支 持公司的决策  更好的客户服务  大大降低错误率 – 从源头

集团数字化转型采购供应链业务 规划方案 业务流程体系设计 聚焦用户体验的全面需求调研 业务能力提升机会整体识别 总结与后续计划 三 一 二 四 目 录 2 采购物控的业务管理愿景 愿景： “低成本、高齐套”的材料供应 降本增效 提高库存周转，减少库存呆滞 采购齐套，提升生产供应及时性 3 未来一到两年内，将首先实现“全面集成采购”的目标 ，聚焦于价值链共 赢，打通客户、内部及供应商的业务流； 在此基础上，进一步打造“智慧采购”，全面提升价值链的能力水平， 向 可 预测、智能化方向发展，从而不断健全现代采购能力。 基于大数据快速决策 全面提升价值链的能力 水平  全方位生态圈发展  大数据建模，辅助决策  IT 技术应用实施数据采集，在 预设的规则下触发自动化工作  可预警，初步可预测  价值创造 聚焦于价值链共赢  标准化流程、全流程可视  采购横向纵向打通协同  统一、完备的系统平台 统一、完备的系统平台  端到端信息化集成  品类管理 初级的采购 关注低价格，事务型 结合行业发展趋势，明确采购发展目标  规定场景规定权限的机器自主 决策  机器进化和自我修复  敏捷弹性的响应能力  开始强化企业内部采购相关部 门的协同  与外部供应商及客户的协同性 不足 集成的采购 认知的采购 智慧的采购 自我优化 4

智能财务培训专题 —— 人工智能在财务中的应用 目录 人工智能概述 人工智能对财务的影响 人工智能在财务领域的实践运用 财务机器人 一、人工智能概述 • 人工智能概念 • 人工智能特征 • 人工智能分类 • 人工智能产业 2017 年 12 月， 人工智能入选“ 2017 年度中国媒体十大流 行语” 从 2017 年开始， 人工智能连续三年被写 的神经网络，实现机器智能化 1.2 AI 系统特征 （ 1 ）自适应和自我学习 可以根据外部环境任务和 输入数据的变化自主调节参数 并更新优化模型 （ 2 ）扩展性与灵活性 可与云、端、人等进行数字连接， 实现机器的进化迭代 （ 3 ）自动化 机器自动生产，强调的是大规模的 机器生产 （ 4 ）智能化 机器的柔性生产，强调机器能够自 AI 发展的基础，是计算机模仿人类思考所需的“原材料”。优质的数据能够 提高深度学习效率，构建“护城河”，如科大讯飞的方言数据  计算能力：衡量计算机硬件的性能，是 AI 发展的核心动力。现实应用中需要解决的具体 问题越来越复杂， AI 算法对硬件计算能力的需求近乎无止境（当前芯片技术、云计算技术无法满足需求）。  算法：一系列解决问题的清晰指令，是 AI 发展的领航图。通过一个算法，能够对符合一

危化企业安全风险 智能化管控平台解决方案 -2- 目录 CONTENTS 一 . 政策概述 二 . 核心功能 三 . 应用案例 产业布局： 7 0 有竞争优势的化工园区 依、、、 创新发展： 20+ 共性技术 ， 40 + 新产品 五大主要目 标 产业结构： 75 % 新材料 依、、、 数字化转型： 30+ 智能工厂 ， 50 + 智慧园区 石化、煤化 工 等 重 点 领 低 10% 以上，本质安全水平显著提高，有效遏制重特大生产安全事故。 依、、、 依、、、 提升创新发展水平 完善创新机制，形成协同创新体系 攻克核心技术，增强创新发展动力 推进产业数字化转型 加快新技术新模式协同创新应用，打造特色平台 推进示范引领，强化工业互联网赋能。 六大工作任务 推动产业结构调 整 强化分类施策，科学调控产业规模 加快改造提升，提高行业竞争能力 加快绿色低碳发展 转型成效 突出 示范引领 增强 数字化水平 提高 支撑保障 增强 解决方案 上新台阶 01 强化标准基础， 科学评估数字化现状水 平 1. 健全标准体系： 发布实施石化、 化工行业智 能 制 造 标 准 体 系 建 设 指 南 ， 健全涵盖基础共性、 重点领域应用、 综合评估的横纵一体标准体系； 2. 实施全面评估诊断 ：依托石化化工行业数字化转型推进中心，推动各省区 组织评估活动，