不断演变的价值衡量标准：价值的定义正在超越成本节约的范畴。现在，对采购领导者的评估 标准是应变能力、可持续性和合规性。这些新的衡量标准反映出一种环境，长期适应性、合乎 道德的采购和稳健的风险管理比眼前的财务收益更重要，采购职能得到重新调整以匹配组织的 战略需要。 供应链弹性与监管要求：随着监管审查的加强，企 业方针必须从以合规为导向转向主动风险管理和问 责制。透明度和供应商审计变得至关重要，这就要 求企业实施能够确保合规并增进与监管机构、消费者 洞察 推动 创新 2025 年全球商业和宏观经济趋势 通货膨胀 回归近期历史常态 随着我们步入 2025 年，全球经济力量正朝着不同方向策动，形成了一个复杂的局面。这要求采购和供应链团 队重新为战略注入活力，提高敏捷性。报告下文重点介绍了影响未来一年的六大宏观经济趋势，每一项都会 对全球企业产生重大影响。 根据国际货币基金组织 (IMF) 测，全球通胀率在 2022 年第三季度达到 9 依赖于人类专业知识，往往会面临效率低下、数据分散和劳动密集型流程等方面的挑战。人工智能提供了令 人信服的解决方案，为专注于战略性、高价值活动创造了更多机会。 采购领导者已经在思考：技术是否会重新定义人类的角色？采购职能未来是否还会存在？GEP 预计答案是肯 定的，但不是以当前采购领导者所理解的形式。随着企业踏上人工智能演进之旅，人工智能将以三种不同的 阶段影响运营模式，每个阶段都比上一个更具变革性。

小下大的原则合理放置。 餐前准备 检查设施设备、环境卫生、 空调温度、餐具酒具、服 务用品、仪容仪表等。 检查 检查客人有无遗留物品； 按照先玻璃器皿、再瓷器 的顺序收台；更换干净台 布，重新摆台。 餐后服务 摆放餐具相对集中、整齐 一致，餐具图案对正、距 离均等、美观大方。 摆台 要注意熟悉当日菜品，并适 时推销；运用座位示意图准 确记录客人点单；注意菜肴 与酒水的搭配；勤巡台，服 在客人左侧先上黄油， 再分派面包或用面包篮 送上各种面包。 服务黄油、面包 按每位客人点菜内容和 上菜顺序摆放餐具。最 先使用的餐具放在最外 侧 , 其余餐具根据菜肴 顺序依次由外向里摆放。 重新布置餐具 根据客人所点酒水，领 取并准备相应的服务用 具及酒杯。 酒水服务 呈递葡萄酒单 ( Wine List) 给主人，根据客 人所点的菜肴介绍和推 销与其相配的佐餐酒。 推销佐餐酒 餐具 餐后酒 服务 咖啡或 茶 上糖缸、 奶缸 04 餐后服务 检查有无客人 遗落物品 清理台面，先收餐巾、 后收玻璃器皿、再收不锈 钢餐具、最后收瓷器类餐 具。 重新摆台 餐后服务 任务工单 任务描述 某西餐扒房来了 4 位客人用餐， Cassy 负责为客人服务。请以小组为单位，根据提 供的菜单模拟为客人点单，并进行模拟菜品服务。要求画出点餐台迹图，列出菜品服务流

数字化 核心 同步 规划 互联 客户 智能 工厂 智能 供应 动态 执行 数字化 开发 智能制造时代的商业模式重构 •数字化转型不仅能够帮助制造型企业实现降 本增效，也赋予企业重新思考价值定位和重构商业 模式的契机。同时，新进入者也在不断挑战传统市 场参与者的地位，众多技术型企业加入战场推动工 业企业探索商业模式上的创新。 商业模式 特点及趋势 主要挑战 平台型 • 数据建模 数据模型 数据安全 主数据 元数据 数据存储 数据分布 数据交换 数据 集成 数据质量 数据服务 组织 制度 流程 角色 目标 规划 战略 数据治理整体思路 重新组织数据 重新组织数据，让数据变得 更好用。 • 主数据建设 • 真实世界模型 • 数据仓库 • 数据标签和画像 • …… 盘点数据资产 让数据成为资产，了解企业有哪 些数据，在哪里，有多少量级。 主要包括数据元、数据元代码集和信息实体等 建立实用、高效、统一的管理体系 • 制定信息系统运行维护管理制度、安全保障制度、 数据安全管理规范、数据共享交换管理规范等管 理规范。 数据标准 重新组织数据 • 重新组织数据包括： • 基础工作：主数据建设，真实世界模型； • 扩展内容：数据仓库，数据标签和画像； 主数据建设 真实世界模型 数据仓库 数据标签和画像 建立企业数据资产统 一口径、统一标准

并留有合理 的扩充余地，以便根据需要进行适当的变动和扩充；主要业务平台系统应采用开放的结构， 符合国际标准、工业标准和行业标准，适应技术的发展和变化。由于本次市局信息系统整 体东迁，相当于系统重新规划和建设，所以我们把主要精力放在满足现有业务需求和对未 来的系统扩展的支持性上，也就是需要设计成一个便于扩展的系统架构，系统应具备良好 的扩展能力并能够便捷地进行扩展。 2) 合理性原则 计可节省能源达到 70%以上，响应国家节能减排的要求。 4) 完善应急安全机制 云平台可以自动监控资源池中计算单元和应用单元的可用性，检测物理服务器故障， 如果检测到故障，可重新在资源池中其他物理服务器上重新启动相关业务，整个过程无需 人工干预。 通过云安全平台，可快速部署网络安全应用防火墙、IPS 、WEB 应用防火墙等。 5) 提供便捷的管理运维方式。 可以通过一个统一的管理平 于创 建动态、自动化、自我优化的数据中心的关键促成技术。 图 4-5 拟机迁移 4.2.2 高 可 靠 性 （ HA） 自动监控物理服务器的可用性。可检测物理服务器故障，如果检测到故障，可重新在 资源池中其他物理服务器上启动虚拟机，整个过程无需人工干预。该功能组件比传统的双 机冷备更具有自动启动的优势。 第 24 页 XXXX 税务大数据中心建设方案 图 4-6 高可靠性（HA

信息化必须与业务和管理进 行深度融合： 为企业发展重构新理念、新 业态、新能力、新模式 信息化在企业发展战 略中需要重新定位： 信息技术应用要从支撑转 变到引领、从辅助手段升 级到新动能、从使能效率 到赋能创新 信息化组织自身需要变革： 一方面根据商业模式重构组 织架构，另一方面重新确定 信息化目标、任务、人才结 构和队伍素质 组织 变革 数 治 字 理 融合 创新 服务和和支撑企业数字化转型 EA 架构” ，要从传统的系统思维转变到“数字思维” ，要从 IT 治理转变到 “数据治理” 新规划要与变革信息化组织相衔接——数字化转型带来企业管理变革和组织架构的变化， 信息化机构要重新明确功能定位和人才队伍知识结构 业务融合： IT 与 业务运营机构融 合 科技融合： IT 与 科技管理机构融 合 管干分化： IT 管 理并入其他机构 +IT 技术成立专职 中心或公司 代设管理机构：

人事智能助手，实战演示 OKR 管理和薪资计算！ HR 系统为什么需要报表分析功能 79 82 AIGC+SaaS的明天是什么样的？ 人工智能在过去的几十年经历了几个阶段，从热门领域到无人问津，再到重新焕发生机。随着进入 21 世纪以来， 我们目睹了数据量的爆发性增长，计算能力的巨大飞跃，以及深度学习的快速发展和成熟，这些都推动着人工 智能迎来了第三次发展浪潮。这一浪潮带来了全面应用的人工智能技术，激发了一场新的产业革命，在全球范 系统就选懂业务的 i 人事 �� �� 洞 察 ChatGPT 如何驱动人力资源管理变革？ 我们与它进行了一次访谈 奇点大学创始人雷 · 库兹韦尔说：技术的变革是我们时代最强大的 力量之一，它将重新定义我们的未来。 近来，科技领域最轰动的事件莫过于 ChatGPT 的横空出世，它的 出现标志着人工智能领域的重大突破，也让人类世界陷入将被人工 智能代替的恐慌。然而，“技术奇点”一旦出现，世界就无法倒带， 人们获取、整合信息的方式，使得信息更易获 得，但也需要更好的判断力和批判性思维来评 估信息的可信度和准确性。 自动化和任务转移：某些重复性和繁琐任务将 被机器取代，可以将时间和精力用于更有创造 性和战略性的工作，促使人们重新思考工作的 本质和价值，以及如何发挥自身的优势和创造 力。 智能辅助和决策支持：提供智能辅助和决策支 持，帮助人们更快速地分析和处理复杂问题。 这可能改变人们的决策方式，从依赖经验和直 觉转向数据驱动和基于模型的决策。

而在竞争格局方面，本文认为既存在“马太效 应”又存在“乘数效应”，即大型机构与中小机构 的整体差距可能进一步拉大。在头部机构中，能够 更好地将大模型应用于金融业务的大型机构更有望 脱颖而出，使得头部机构之间重新排位；部分具有 一定禀赋、占据同业领先位置的中小机构也有望在 细分领域打造精品服务和品牌效应，实现跨越式 发展。 图3 从“需求—渠道—供给”框架来看，大模型对投顾、投研领域的赋能空间相对更大 融场景，并有望在未来向其他金融机构输出技术 能力。 3. 竞争格局：既有“马太效应”的加剧分化， 又有“乘数效应”的重新洗牌 大模型在金融领域对行业格局的影响既存在 “马太效应”又存在“乘数效应”。其中，具备牌照 资源、金融专长、业务场景、数字能力的头部金融 机构及金融科技公司有望推动头部机构重新排序， 而部分处于领先位置的中小机构也有望在垂直领域 打造精品服务，实现跨越式发展。 在“马太效应”方面，大模型的应用可能推动 部分中小机构受限于资金预算约束、相对有限的业 务规模和专业人才资源，与头部机构的整体差距可 能将被拉大。 在“乘数效应”方面，除体量优势外，数字能 力、金融专长等禀赋可能更为关键，头部机构及大 型持牌金融科技公司可能重新排序、部分中小机构 也有望“弯道超车”实现跨越式发展。大模型需要 紧密结合金融领域的高质量数据和专业认知以提升 金融服务能力，进而应用于具体业务场景的对客服 Financial Technology

率） 更精益的运营：自动化和整合是效率的强大驱 动力 自动化人工流程 优化当前工作流程 内部离岸外包 整合 IT 基础设施 外包非核心服务 合理化产品组合 重新谈判供应商合同 减少整体员工数量 重新部署/再培训员工 ��% ��% ��% ��% ��% ��% ��% ��% ��% � | 探索迈向数字卓越之路 我们会积极寻找（内部）离岸外包机会，因为这不仅有助于我们控制预算，还能帮助我们更接近于将这些流程规范化并最终实现 自动化。 运营副总裁 行业 领导者 重新部署/提升员工 技能 ��%��% 优化当前工作流程 ��% ��% 自动化人工流程 ��% ���% 将业务内部离岸外包至 成本较低的地区 ��%��% 整合 IT 基础设施 ��%��%

不承担法律责任。 PREFACE 前言 在 AI 技术飞速发展的时代，企业正迎来数智化转型的历史性窗口期，数据战略成为 AI 项目的 ROI 放大器。数据，这一 数字时代最核心的生产要素，正在重新定义商业价值创造的边界和路径。传统的商业智能模式正在经历根本性重构 : 在数据消费端，智能 BI 技术的突破性进展，正推动着数据消费范式的深刻转变一从传统的 " 人找数 " 模式，转向智能 化的 如《2024 面向人工智 能的数据治理实践指南》所指出的，人工智能的发展已从 " 以模型为中心 " 转变为 " 以数据为中心 "，数据已成为企业 AI 项目成败的决定性因素。这一转变要求企业必须重新审视和升级其数据治理工作，以应对 AI 时代的新挑战。 考虑到数据治理工程的复杂性，我们提出了两种目的性不同的数据治理策略：拉式策略（Pull Strategy）和推式策略 （Push Strategy）。 IT部门维护的报表系统存在逻 辑不透明问题，既难以快速定 位数据问题，也无法灵活验证 新业务逻辑。 频繁的人员流动使电商运营分 析 交 接 成 本 高 昂 ， 理 解 旧 分 析逻辑反而比重新制作效率更 低。 公司每半年重组架构导致销售 数据核算规则持续变动,数据分 析师需反复追溯数据处理逻辑, 被迫依赖文字记录进行修改,耗 费大量精力在逻辑维护而非分 析工作上。 管理者 财务 项目

市场报告 目录 快速消费品行业的主要趋势和挑战是什么？ 这些趋势如何影响快速消费品行业？ 前路何在？ 有哪些潜在优势？ 趋势与挑战 鉴于消费者偏好不断变化，商业环境日益复杂， 企业有必要全面重新评估和调整其战略和运营。 11.4% 自有品牌“产品”类别增加。 2.7% 自有品牌“饮料”类别增加。 40% 购物者已改变品牌态度或购买行为。 高达 120% 投入成本同比增长 20% 能源成本同比增长。 供应链中断频发，企业不得不开发替代配方。 30% 供应链不确定性增加。 7 倍 需求季节性增加。 供需 手动配方管理 在新地点生产 生产效率目标 上市时间 每次转移生产地点时，企业都需要 重新校准设备、成分质量和原材料 用量。 这些信息未集中存储在某处， 不利于在不同工厂之间快速量产。 然而，欧洲仅有 36% 的供应链 企业计划采用灵活的自动化 解决方案（而该数字在美国更低， 仅有