for CRM）产品价值主张 行业型AI 紧密融合业务智慧 • 融合行业知识与业务数据， 提供切实可行增长策略 • AI能力融入行业核心场景， 业务赋能提效无时不在 • AI加持行业BI数据洞察， 精确归因加速智能决策 可信赖AI 强化数据安全和隐私管理 • AI数据使用权限采用和 CRM业务数据一体化的权 限机制 • 严格执行AI数据零留存机 制，保障企业数据安全 • 支持敏感数据掩码、毒性 于知识库实时话术引导 推荐 • 互动洞察 针对互动内容做话题、 需求、关注点、待办、 新机会、参会人态度、 关注点等洞察 • 客观还原客户现场 基于和客户互动的原始 语料，还原客户现场， 降低信息传递流失，把 握客户MOT • AI情报获取与风险洞察 • AI自动获取市场/客户/关 键人情报机会与风险的 洞察与建议 还原客户现场，提高业务洞察能力，助力赢单 服务场景 扩展场景 扩展场景 智能 BI 销售场景 ShareAI-销售场景一：情报Agent，AI情报获取与风险洞察 01. 客户情报请阅  可自定义订阅企业关注的客户信息情报维度  自定义情报获取的数据源  当客户舆情信息发生变更，自动提醒相关人 02. AI自动获取市场/客户/关键人情报  情报数据包括： 企业工商、舆情、招投标、财报、联系人履历、新闻市场分析报 告、行业数据等 自定义客户情报维度

com 400-072-5588 3 目录 ◆ 中国人工智能与商业智能市场洞察 ---------- 4 • 企业对数据的依赖 • 传统BI局限性 • ABI定义 • BI到ABI的发展历程 • AI赋能BI的核心功能 • AI赋能BI的核心价值 • 中国ABI市场规模 ◆ 中国人工智能与商业智能应用洞察 ---------- 17 • AI for BI模式 • AI + BI模式 Technologies • 汇数智通 ◆ 方法论与法律声明 ---------- 40 4 www.leadleo.com 400-072-5588 Chapter 1 中国人工智能与商业智能 市场洞察 ❑ 企业数据生命周期贯穿多环节软件服务协同，凸显数据作为 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 AI赋能通过构建自动化数据流水线释放人力冗余，依托智能 算法提供动态预测与战略决策支持，不仅重构数据采集、处 理与分析的全链路效率，更推动决策机制从被动响应转向前 瞻预判，实现资源精准配置与业务流程深度优化，最终构建 起"数据-洞察-行动"的闭环价值体系，全面赋能企业高效决 策与智能运营。 ❑ 中国ABI市场呈现爆发式增长，2023年规模达3亿元，预计 2024年跃升至8亿元，2024-2028年间将以42%的年复合增

营。精益制造过 程中有许多手动步骤。进展往往很缓慢。 智能制造是一种主动性制造。精益制造注重过去的数据，而智能制造则不 同，它使用先进的软件解决方案和分析方法将实时生产数据转化为可操作的 洞察，以提高当前和未来的绩效。 智能制造极大地增强了数据的力量 通过系统之间的端到端连接，可以直接从半导体制造执行系统 (MES) 收集实时数据， 为半导体专用仪表板（包括独特的半导体特定制造流程清单 后端 数据仓库 数字孪生仿真 闭环智能制造 感知 连接 预测 在不影响任何精益制造流程的情况下，智能制造还能使企 业实现以下几点： • 实现整个工艺节点和制造线的虚拟呈现，以便深入 洞察生产情况 • 通过实时报告和分析收集当前的制造数据，以便作 出数据驱动型决策 • 实现更快的 NPI 并缩短上市时间 • 消除返工，提高良率，实现零缺陷 • 通过数字方式连接生产流程和系统，以便清楚地了 across disciplines 从精益制造发展到智能制造需要哪些步骤？ I. 虚拟呈现制造流程。 首先，需要模拟实际制造流程，包括工艺节点和制造 线，对其进行虚拟再现，以获得对规划和生产必要的 洞察，从而消除缺陷和产品返工，提高 NPI 良率。 II. 实时报告和分析。 其次，需要利用来自 MES 的实时生产数据实现闭环， 以便更新仿真模型，将数据智能提升到一个新的高 度，从而提高生产绩效，实现无返工、可追溯、安全

从3个层面制定全链路的数据解决方案： · 数据层：对于珠宝品牌而言，通过构建强大的数据基础架构至关重要。它能够确保平 台无缝集成不同数据源，实现业务领域的全覆盖。这种全面的数据处理能力使得品牌可 以提供准确的市场洞察和用户行为分析，优化服务流程，并为各业务线提供决策支持。 这样的数据底座不仅提升了品牌运营的灵活性和可扩展性，还使其能够迅速应对市场变 化，满足新兴业务需求，从而保持市场竞争优势。 · 产品层 打 通，提升客户全生命周期价值。为每一位用户构建独一无二的身份标识。无论用户在 何种平台、何种设备上产生数据痕迹，都能借助 OneID 精准关联至同一用户主体， 极大地提升了用户行为分析与偏好洞察的精准度。 数据管理模块功能丰富，支持对多种数据类型进行管理。企业管理后台专注于账号、 组织、项目、权限管理以及系统设置等基础运营支撑功能，而开放平台通过提供开源 SDK、前端集成、后端接口 ，有效促进外部系统与平台 的数据交互与融合，极大地拓展了平台的生态边界与应用场景。 15 综上所述， GrowingIO 的数据运营管理平台凭借其强大的数据整合、分析与管理能力， 以及在用户洞察、业务决策、数据治理和安全管控等多方面展现出的显著价值，为企业 在数字化时代的数据驱动转型提供了坚实可靠的支撑与保障。助力企业在激烈的市场竞 争中脱颖而出，实现可持续的创新发展与价值创造。 产品层

—这种架构转变将催生新 的物联网应用场景并带来变革性效益。通过赋能实时决策、提升安全性及强 化运营韧性，边缘人工智能有望释放全新可能性并创造显著价值。 在这本电子书中，Omdia专家将分享可操作的洞察与实证研究，助您应对当 前最关键的人工智能相关挑战： 克服企 克服企业 业人工智能 人工智能扩 扩展障碍 展障碍 通 通过 过人工智能 人工智能协 协调转 调转变 变工作 工作场 场所 所动 动态 Practice Lead, IoT 物联网部署正逐步成熟，越来越多的组织开始寻求从海量数据中获取更多洞 察。 越来越多的组织开始借助人工智能（AI）/机器学习（ML）和边缘计算技 术，以实现对运营环境的实时洞察（见图1）并提升自动化水平。 人工智能与物联网的融合，使得从制造设备预测性维护到RPM医疗设备心率 异常检测等应用场景成为可能。 物 物联 联网 网应 应用形式多 用形式多样 样 传统上，大多 承诺进行快速追逐的过程中，是否注定会重蹈覆辙？ 尽管人工智能在颠覆IT、业务流程和客户体验方面的潜力备受炒作，但重大 挑战正威胁着其成功。 根据Omdia的IT企 根据Omdia的IT企业 业洞察 洞察调 调查 查， ，仅 仅有11%的企 有11%的企业 业正在 正在优 优化人工智能以 化人工智能以实 实现 现业 业 务 务成果 成果，而近90%的企 而近90%的企业 业仍 仍处 处于人工智能采用的早期

因此，汽车产业的数智化转型，不再是单点技术的叠加，而是一场系统性的“经 营再造工程”。企业需要的不仅是一个数据平台，而是一套贯通“研产供销服”的智 能体系——既能让数据在链路间自由流动，又能通过 AI 实现实时洞察与预测；既能用 数字孪生实现虚实协同，又能在业务层面支撑高频决策。唯有如此，才能让车企从 “制造车辆”迈向“经营智能体”，从规模驱动走向效率驱动与体验驱动的可持续增 长。 这正是本白皮书撰写 。相反，部分直接 跳过 PHEV、将资源完全投入纯电路线的合资品牌，则因产品线的缺失而错失了重要 的市场窗口期，导致部分市场份额流失。这场由技术路线选择带来的市场格局变化， 验证了在产业转型期，精准洞察用户真实需求并提供适配技术方案的战略重要性。 （三）燃油车的“存量焦虑”与利润重构 新能源汽车的每一次市场份额增长，都对应着传统燃油车（ICE）市场空间的收 缩。2024 年，传统燃油车市场所 务的增长，实现了销量的快速提 升，稳居销量排行榜前列。自主品牌已形成强大的集团竞争优势。 这场由技术路线变革驱动的品牌格局重塑表明，在产业转型期，过去的成功经验 可能成为未来的制约，而能够敏锐洞察趋势、勇于自我革新并进行果断战略投资的企 业，才能抓住机遇，实现跨越式发展。 （五）国际化扩张与外部风险 在国内市场竞争日趋激烈、利润空间受挤压的背景下，“全球化”已成为中国汽 车企业寻求长

洞察源自 智 能 世 界 的 I C T 岗 位 与 技 能 目录 执行概要 第 1 章：重塑工作：重大变革与新挑战 第 2 章：AI、新技能与工作重构 第 3 章：各区域岗位与技能需求 第 4 章：技能培养策略：高校及其他领域探索 第 5 章：ICT 岗位分类体系 第 6 章：未来展望 研究方法 附录 I. 人工智能岗位 II. 软件岗位 IV. III. ICT基础设施岗位 并指出技能短缺是加强数字防御 的首要障碍。网络安全专业人才的填补率估计在30%至40%之间，这一专业人才的缺口带来了重 大风险。 数据科学和分析职位的重要性也在提高，其通过挖掘海量数据集以获取洞察来获得竞争优势。尽 管需求飙升，全球有数万个职位空缺，但填补率仅为60%左右，这表明了一些进展，但仍存在巨 大缺口。 此外，云计算职位对于实现混合和远程工作基础设施至关重要，但全球仍有超过22万个空缺职 知识应用 于实际问题解决。 对领导者而言，“交互式AI教练”的应用堪称一场并行的能力发展革命：它不仅有助于提升“沟 通、批判性思维、创造性问题解决” 等重要人文技能，还能为团队绩效提供实时分析洞察。 这类AI驱动平台让领导者能在“零风险环境”中练习并获取反馈，最终既提升个人领导能力，也 改善组织整体绩效。这种全面、主动的学习与发展方式，是构建“具备韧性、强适应性” 的组织 的核心 ⸺

9 定制化 升级产品、服务 场景、互动 升级顾客体验 数据互通 提升物流协同 顾客洞察 推动精准营销 疫情 导致 消费 行为 演变 参考《阿里：后疫情时代的智慧商圈发展 _ 消费 者》 人 货 场 转 型 顾客数字化 渠道数字化 物流数字化 商品数字化 • 中国户均人口变化从 时库存 跟 踪 机器人 驱动自 动物流 获客难 缺乏用户感知 用工成本提高 获客成本提升 流量及数据垄断 无法全链路触达 买家增速放缓 转化率低 龙头电商垄断 顾客深度洞察 成本降低 顾客体验优化 线上线下融合 供应链数字化 产品定制化 3D 打 印 驱 动大 规模定 制 AI 驱 动 自 动化 客户交 互 AR/VR 驱动浸 入式体 验 13 全产业各个要素均透过大数据参与构建与消费者的链接 ，发挥 各 自的优势及能力所长 ，共同通过场景、互动、链接、体验、 定制 来洞察消费者需求 ，最优化产业资源配置 ，基于敏捷感知 和生态 服务满足和创造新需求。 全链路环式价值网 技术 组织 金融 物流 物流 金融 组织 研发数 据 消费者 数据 终端数

.........................................................................................10 第二章：现状洞察：制造业数智化进程全景扫描............................................................... 15 2.1 发展阶段评估：四类企业的转型路径与困境 生产环节创造价值；升级了设备，但组织能力和人才结构却成为制约发展的短板。这些问题 背后，是一个根本性的认知偏差：数智化不是技术的堆砌，而是一场涉及战略、组织、人才 与文化的全面重塑。 正是基于这样的洞察，2175 云团队撰写了这本《制造业数智化发展白皮书 2025》。这不仅 仅是一份行业报告，更是我们深耕制造业人力资源数智化领域多年的实践总结与思考结晶。 在本白皮书中，您将看到： 清晰的演进路径 “数智化”是在数字化奠定的坚实数据地基上，引入 AI、机器学习、大数据分析等智能技 术，实现从“流程驱动”到“数据智能驱动”的根本性转变。它的目标不再是简单的效率提 升，而是效能跃迁与决策革命。 核心是“洞察”与“赋能”：它让数据“活”起来，能够自我分析、发现规律、预测趋势， 并最终赋能甚至替代部分人类决策。 AI 分析：这远不止于生成几张饼图或柱状图。它意味着： 在招聘端：通过自然语言处理技术，

存储、 虚拟化技术。 大数据（ Big Data ）是一个 IT 行业术语，是指无法在一定时间范围内用常规软件工具捕捉、管理和处理的数据集合，是需要新处理 模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。 数字技术和基础设施（大数据） 多样的数据类型 价值密度低 海量的数据规模 快速的数据流转 大数据的四大特征 容量更大 超大网络容量，连接数密度大幅度提高，具 数字化转型是大势所趋，但中国企业的数字化转型参差不齐，差距非常大。 2019 年国家工信安全中心联合阿里研究院，对中国的 157 家领军企业数字化转型现状进行调查和分析形成《中国企业数智化转型趋势洞察报告》 ，从中可以看出企业数字化转型的一些趋势， 以及学习实现数字化转型的企业的一些经验。 84.7 70.2 47.8 数字化转型各关键领域对比： 转型领跑者在数字化转型各关键领域全 业基于数据精准洞察消 费者需求并快速验证产品性能与功能，从而提升研发创新能力。 基础设施“上云”助力数字化研发能力建设 未上云 <20% 20%~50% 50%~80% >80% 企业基础设施上云比例 数字化转型的现状和趋势 6.3% 25% 产品性能与功能的 数字化验证 企业上云与数字化研发能力提升 消费者洞察数字化 40