 通过建立一 些定性或定 量的数据管 控评价考核 指标，去评 估及考核数 据相关责任 人职责履行 情况、数据 管控标准及 数据政策的 执行情况 等  规范了数据 管控过程 中，各个环 节日常任务 处理的运作 模式，例如 数据定义如 何变更、数 据冲突如何 协调等。  采用专门的 技术平台支 撑管控流程 的自动化， 发布管控组 织制定的一 些相关标准 和规范，及 时反映管控 过程中存在  梳理企业数字化转型 ETL 流程各环节的数据质量要求，指定数据质量检查规 则、评价指标、管控流程，并落地实施数据质量管理系统  梳理企业数字化转型包含的技术元数据，如：数据字典、 ETL 任务、 ETL 流 程、 BI 语义层等，制定相应的管控流程 并 落地实施元数据管理系统  同步企业数字化转型 ETL 建 设，实现了数据质量管理系统  收集并整合了消费企业所有技 术元数据，实现了数据生命周 集群实现了进出数据平台数据的暂存，业务数据交换组件实现了业务系统每日增量数据加载，数据区数据交换组件 实现了基础计算平台与管理分析平台间的数据交换  流程 调 度 平台：自主开发的流程 调 度 引擎实现整个数据平台的数据处理任务调 度 和运行  管理分析平台：由 X86 分析型数据库集群、 BI 软件 1J2EE 应用构成，实现了面向应用的数据加工、管理、分析服务  实时分析平台：由高档 X86 服务器组成的集群，实

货！ 营销 制造 采购 金融 财务 人力 协同 平台 WMS 是什么 WMS （执行层） PDA/WCS （操作层） 执行分配 基于仓储管理规范的 任务分解和任务分配 执行跟踪 任务执行过程 动态管控 执行反馈 任务执行结果 动态更新 ERP/OMS （计划层） 主数据 智能设备集成 营销 制造 采购 金融 财务 人力 协同 平台 仓库精细化管理的变革趋势 管理模式变革 通过收货、上架、拣货、补 货和发货等作业动线的合理 规划，通过 WMS 对整箱区 和拆零区严格区分管理，保 障仓库作业的流畅性。 提高效率 通过部署基于无线 RF 技术的 WMS ，实现现场作业任务 的实时调度，通过各类作业 策略的应用，提高人员的作 业效能。 提升员工绩效 记录仓库内部收货、质检、 上架、拣货、装箱、发货、 补货、移库、盘点等作业的 完整历史。建立对人员绩效 的完整记录，实现准确的人 委外管理 库存管理 WMS 管理端 ASRS （ WCS ） 输送系统 分拣系统 电子标签系统 自动货架 堆垛机 AGV 在线称重系统 取消操作 收货 上架 入库任务管理 出库管理 出库任务管理 预配 分配 拣货 发运 取消操作 库存管理 库存查询 库存冻结 库存转移 / 调整 仓库盘点 策略管理 批次规则 包装规则 上架规则 库存周转规则 拣货规则

最直接的收益，避免了通过单据进行 数据传递带来的延迟和数据错误。  作业流程衔接 通过使用条形码和 RF 的结合，可以将不同作业区 和不同作业段的任务高效地衔接在一起。例如入 库作业可以分为收货区收货、地面平移和货架上 架三段作业。  任务动态调度 仓库现场作业人员可以使用 RF 根据所在的作业区 动态获取作业指令，避免出现作业中断，提高订 单执行的效率。  绩效考核 使用 RF 库内管理 基于业务理解的解决方案：出库流程 拣货、出库作业（拣货→集货→装车→码头 / 轮船） ◦ 接单 ◦ 分配订单 ◦ 根据订单类型及特点，选择拣货方式（订单拣选 / 波次合拣） ◦ 分区、分任务拣货（生活食品（冷藏和冷冻）、备件（工业品）、耗材、 地堆 / 大型零件） ◦ 集货 / 二次分拣（波次合拣） ◦ 复核、包装、集拼（托盘） ◦ 集货区：等待装车 ◦ 配送出库，发往码头或者轮船 配送出库，发往码头或者轮船 出库流程描述 1. 订单拆分：轮船采购订单下达后，会根据不同船只的不同部门需求进行任 务的拆分。 2. 拣货：按订单的预计发货时间等规则创建波次，根据商品存放的不同区域， 类型，生成捡货任务单，并完成拣货。 3. 集货复核：根据商品类型指定集货区，不同商品可配置是否需要复核。 4. 集拚箱：完成集货后，根据子订单的信息即船舱各部门进行打托，并打印 托盘清单。 5. 装车发运

产品，央国企愿意 投入极高预算。央国企应用RPA+AI面临两大挑战：行业特定需求变化和跨部门协调。此外，RPA结合AI语言大模型和智能体，形成新的自动化模式APA，实现从“规则化 任务处理”向“动态决策和复杂环境任务处理”的转型。 ◼ 央企数字化转型加速，数科公司成为RPA/APA产品的重要推广渠道，未来趋势中，数科公司在央企RPA采购链条中的占比将迅速提升至40%-50%，央企数科公司将迅速占 RPA；（4）按技术特性，分为执行式机器人、交互式机器人和协同式机器人。 5 控制台 设计器 机器人 运行自动化任务 机器人脚本设计、开发、调试 和部署的配套开发工具 完成自动化任务的执行操作， 可以是不同类型的机器人 RPA平台核心，负责管理机器人、 任务调度、监控运行状态等 按运行 模式 按部署 位置 按应用 领域 按技术 特性 有人值守 无人值守 桌面型RPA 完全自动化处理流程，适用于不需要人工干预的后台任务，如数据输入和系统维护 适用于没有特定行业属性的业务流程，如财务管理、人事管理、销售管理等 在通用RPA的基础上，针对特定行业或领域的需求进行定制和优化 最为基础的一种形式，主要执行预定义的工作流程，适用于重复性高的任务 增加了与人类用户的交互，可能需要人类用户提供某些信息或做出决策 允许人工干预和实时控制，适用于需要快速响应和人工审核的任务 运行在个人电脑上，适用于简单的自动化任务

ERP 系统用于统一基础数据源，生 产 主计划的排产，以及生产产品内 料配 方的管理。 称量系统主要用于管理各种物料 的称 量防差错。 配料系统主要用于管理内料半成 品的 工单任务，排产计划，称量计 划，配 料计划，物料数据追溯，报 产等。 备料称量流程 基础资料 原料仓库 配方管理 生产工单 生产任务单主要包含内容如下：生产工单号，生 产 指令单号，产品编号，产品名称，配方代号， 生产 车间，生产设备组，预计产量，称量时间， 配料时 间，实际产量。 生产任务单根据生产预计产量以及配方工艺，计 算 该批次所需的所有物料实际量，以及根据排产 的设 备计算称量物料进入的设备。 生产任务单状态分为：待生产，生产中，生产完 取消 四个状态，状态均可通 过 扫描作业来完成。 生产任务单开始生产之后可以对称量物料进行扫 描 投料。 生产管理 - 生产任务 生产管理 - 生产任务 每个排产任务单认定为一个生产批次，便于做生产数据追溯，同时每个排产任务单均有其生产状态，以及工单执行的结果。 所有的生产

文本生成、图像生成、视频生成、声音生成 … … 人类社会 中的问题 AI 定义： 一种先进的人工智能聊天机器人，能理解和生 成自然语言，用于回答问题、写作、翻译、编程、学习 辅助，甚至可以进行情感支持和角色扮演等多种任务。 母公司： OPENAI 创始人： Sam Altman 成立时间： 2015 年 里程碑： • 2022 年 11 月 30 日， ChatGPT 3.5 上线 • 2 用高级功能，而初学者可能更 依赖于易用性和指导。 • 这是基础且关键的因素， 因为 模型的性能直接决定了 AIGC 的质量和有效性。 • 一个强大的模型能够更准确、 更快速地处理复杂任务，生成 质量的内容 • 即使拥有高能力的模型，如 果用户无法有效地与之交点， 其潜力也难以充分发挥。 • 交互技术的优劣直接影响用 户体验，包括易用性、响应速 度和个性化等方面 度和个性化等方面 = 模型能力 × 交互技术 × 专业能力 生成 效果 Prompt 昵称：咒语 是用于引导或指示 AI 生成特定内容或执行特定任务 的 “ 关键词”、“短语”、“句子” 备注：这些“关键词”、“短语”、“句子”的质量 ，决定了 AI 给你的内容是不是相关、准确和高质量以及是不是符合你的预期。 什么是 AI 提示 词 让 AI 扮演一个角色

一系列下游任务的模型 预训练语⾔模型“预训练 + 微调”技术范式 ⼤规模⽆标注 ⽂本数据 模型预训练 不同特定任务 有标注训练数据 模型微调 测试数据 最终模型 从海量数据中自动学习知识 Ø Big-data Driven，模型基于大规模语料训练而成； Ø Multi-tasks Adaptive，支持多种任务，包括自然 语言生成NLG和自然语言理解NLU类的任务； Ø Few-shot 框架在机器翻译中取得显著进步，其分布式学习和强大编码能力受到广泛关注。 Ø 2018 年 Google 和 OpenAI 基于Transformer 提出了预训练语言模型 BERT 和 GPT，显著提高了NLP 任务的性能，并展示出广泛的通用性。 AlexNet (图灵奖得主 Hinton) CAN (Gioodfellow. 图灵奖得主 Bengio) Word2Vec (Google. 引用78550) 为确保中国大模型的长远发展和避免外部制裁风险，国内AI计算芯片的自主研发将成为关 键战略方向。 数据产权标准深化 优化和完善现有数据标准和规范，是 推动大模型“燃料”质量提升和数量增长的重要驱动 力，在2024年将作为产业发展的首要任务。 “套壳”微调策略 为满足产业实际需求并适应中小企业的发展特点，“套壳”微调（即在现有大模型基础上 进⾏针对性调整）将成为除行业巨头外企业的主要发展策略。 人工智能伦理责任 随着大模型性能

据平台全网统一运营管理视图、统一资源调度管控（即“可监控、可调度”）的 总体目标。 建设企业级省大数据平台运营维护子系统，标准化运维数据采集及监控功 能，实现对企业级大数据平台内所有节点的设备、系统、集群、应用、数据、 进程、任务等指标的全方位监控；建立统一调度管理，通过构建运营管理统一 视图实现对企业级省大数据平台进行作业统一配置、资源统一调度和管理；建 立安全管理及运维支撑体系，保证企业级省大数据平台的安全、稳定、高效运 安全性：对于数据查询接口统一进行认证，保证数据访问的安全性； 2、 支持多种接口：提供标准的 REST/SOAP、API 接口； 3、 数据访问高效、可靠：数据查询语句被解析层分解成针对各个数据实例 的执行计划，执行计划通过任务调度进入到执行层的具体执行模块，运 行在各数据实例中，中间通过数据不落地的交换方式进行汇聚，保证了 数据访问的高效、可靠； 4、 基于当前的主流大数据访问技术 Hive、Spark、Pig 等构建，技术成熟 义一套反应这些业务实体的“逻辑”或“规范”视图。这些视图可被重复利用，并且 应当被多个使用者用于多种业务范围。 格式层 – 物理数据源最终必定会集成到虚拟层内。此任务在“格式层”中完成， 以及别名设置（name aliasing）、值格式设置、数据类型转换、派生列转换和 轻数据质量映射等简单任务。通常，该层源自物理数据源，并执行物理源属性 与其相应“逻辑/规范”属性名称之间的一对一映射。 命名规格非常重要，并在此 层中引入。

每个项目只发生一次； > 不确定性： 需要较多的协调活动 ; > 目标性： 项目目标非常明确 ，进度质量时间要求清晰 ， 并以合同书或协议书方 项目是为完成某一独特的产品、 服务或任务所做的一 次性努力。 ? 式明确 第 4 页 一般公司有哪几类项目 产品开发项目： 基于明确的外部市场需求 ，充分利用货架化技术模块快速、低成本低 风险地形成产品的活动。 定制开发项目： ) 使用 。 预研项目： 为了支撑各产品线、研发部的发展或其项目而进行的预先研究活动。 平台项目： 为形成企业共用基础模块 ( CBB) 而进行的开发活动 。 第 5 页 对项目的任务、资源和成本进行计划控制以及管理的过程； 项目管理的目的在于在一定预算内达到既定的最终明确目标， 同时达到 可 接受的质量水平。 端到端的以产出为核心各资源配合面向交付业务和交付的项目管理， 单板总体设计 单元测 和单元测试 任务 SOW 目计划 设计规 ( 更新后 的 ) 划 目 计 ) ( 项 项 格 架层次对应的流程和项目管理框架 产品开发子项目 n ( 三级计 划 ) 内部立项 外部触发 CBB

5%，预计到2026年市场规模将达到13.6万亿 元，通过促进专业化和标准化，推动中国企业的现代化经营管理。 技术变革：1）大模型：大模型赋予生成式AI应对复杂任务的泛化能力，拓宽企 业服务的能力边界。将行业专业知识、企业私有数据与大模型相结合，降低模型 幻觉，提高对特定任务的适应性，可以更加符合专业场景的诉求。 2）Agent：大模型兴起后，Agent与大模型两者融合相互成就。AI Agent通过 选择性综合大模 在信息化进程的推动下， 逐渐衍生出平台型服务 和租用型服务 • 从生产要素的角度，这 一阶段的企业服务以劳 动密集型为主，知识密 集型为辅 劳动密集 • 基于大规模数据训练而来的大模型 在跨领域、多任务的处理中表现出 更强的学习和理解能力 • 各细分赛道的企业服务厂商，通过 寻求叠加大模型能力，对现有服务 进行升级，实现服务价值的跃升 • 结合企业管理理论与各类技术手段， 促进企业流程标准化，提升企业经 键收益？（2023年10月/12 月）；N= 2,835。 来源：德勤2024年一季度《企业生成式AI应用现状》，艾瑞咨询研究院整理及绘制。 生成式AI重塑企业服务 大模型赋予生成式AI应对复杂任务的泛化能力，拓宽企业服务的能力边 界，实现服务价值提升 生成式AI是一种基于已有数据生成新的数据实例的人工智能技术，得益于Transform架构大模型的自注意力机制和泛化能力，由大 模型加持的生成