项目实施方法 目录 11 ▪ 有效整合流程与数据信息，为公司战略决策和业 务 活动提供内部专家支持 ▪ 共享平台与集团财务、业务单元财务的管理边界 清晰， 协同合作机制有效 ▪ 完整的绩效管理体系，服务水平透明、稳定 ▪ 具备持续自我优化的管理机制与人才储备 ▪ 效率卓越，能够有效支持端到端的流程服务 ▪ 高度自动化的系统平台 ▪ 通过标准化流程和系统整合实现成本降低 实施 持续优化 风险管理 项目管理 变革管理与培训 O （组织与人员） Organisation 共享中心的定位 ▪ 借助德勤财务共享服务完整解决方案和对中国企业多年的专业服务经验，德勤相信可以为 WD 集团共享服务建 设之路保驾护航 德勤财务共享服务方法论 项目实施方法—— SPORTS 模型 R （政策与法规） 6.1 银行账户余额 期末对账 7.1.8 付款计划变更 7.6.2 银行预留印鉴 保管及使用 ▪ 银行主数据 NC 维护（直联行统一付款账户） ▪ 银行余额调节表编制（由共享完整负责的账户，如直联行账户 和 通过第三方支付账户） ▪ 资金上收（直连行）、下拨、调配统一操作 ▪ 资金上收、下拨、调配会计核算 ▪ 银企直联支付与非直联行付款（第三方支付） ▪ 付款查询

数 字 化 成 熟 度 评 估 应 用 现 状 分 析 业 务 现 状 分 析 现 状 总 结 及 提 升 2.3.1 人力资源业务现状分析一人力资源战略  组织管理体系不完善 未见完整的授权手册，组织管控、授权体系、职位职级体系、任职资格等组织管理体系不完善。 部分业务在不同业务单元之间存在交集，部分职责划分不明确，存在职能缺失、模糊及弱化现象。 未见书面的正式文件对组织的设 。  干部培养机制不健全  干部退出机制缺乏 主 要 问 题 原 因 分 析 提 升 建 议  建立完善的干部管理体系 制定明确的干部选拔、培养、评价、激励和退出机制，确保体系的完整性和有效性。  结合战略需求，规划干部继任管理 做好资源池蓄水工作，为未来战略识别和提供优秀干部各层级预备队。  建立多元化的干部培养机制 为干部提供多样化的培养机会和经验积累，通过实践 给予受训人员适当的激励和奖励，增强培训的应用度和员工参与度。  当前针对干部、毕业生及部分关键岗位的人才发展体系较健全，其他岗位的人才发展体系尚未开始，没有建立健全的人才储备机制。  公司建立了较完整的培训管理体系，对关键岗位人员培训较为重视，投入了较多资源开展相关培训。  缺乏系统性的培训和发展机会，外训、走访标杆学习、线下培训的方式不足，员工的职业发展受限。  没有建立完善的知识管理

Page13 企业数字化转型建设背景 Page14 消费企业管理分析类应用建设现状基本分析 关注的内容 存在的问题 基本的现状  商城数据仓库累积数据没有充分利用  缺乏面向整个消费企业的统一、完整 的数据视图；  缺乏支撑消费企业日常业务运转的风 险评估体系；  缺乏消费企业客户 360 度视图，客户 行为分析和预测无法实现；  缺乏面向企业业务运营管理的关键绩 效指标体系； 数据与信息标准化委员会 数据管理人 数据所有人 数据生产人 数据使用人 IT 支持团队 考核指标 责任评价 标准执行评价 政策执行评价 评价标准 数据类型 数据格式 业务分类 真实性定义 及时性定义 完整性定义 技术元数据 流程 评价与考核流程 考核指标 建立 / 维护流程 标准建立 / 维护 流程 组织建立 / 维护 流程 评价 与 考核 业务含义 一致性定义 数据认责 企业数字化转型总体架构——数据管控组织 数据管控组织是数据管控体系中最重要的因素，它负责定义和管理业务数据相关标准，制定遵 寻标准所必须的政策，监测正在进行的数据管控行动。 数据管控组织是否有完整与合理的角色定义、是否有高层领导的参与，是整个数据管控的成败 的关键。 典型的数据管控组织如下所示： 数据管控负责部门 岗位 角色 数据管控主导方 信息管理委员会 数据 标准 管理

《数据驱动的企业流程数智化路径与实践（2025）》 4 图 1 流程治理推动流程贯通与提效 二、流程数据概述 (一)流程数据定义和范围 流程数据是指在流程中产生、收集、处理和使用的各类数据， 记录了业务流程执行的完整过程。流程数据作为流程运行的“数字 足迹”，是实现流程建模、部署、执行、分析、优化的核心基础和 重要依据，正从信息传递的“附属产品”跃升为战略价值突出的“基 础资产”。 按数据用途分，流程数据可以分为基础数据层、描述数据层、 据 安全数字化管理体系（如分级授权、加密脱敏、审计追溯）确保数 据全生命周期合规。例如敏感数据销毁采用“申请-审批-执行-核验” 机制与不可逆技术手段，降低泄密风险；流程元数据与事件日志的 完整留存，则为内外部审计提供可追溯证据，保证企业合规经营。 流程数据分析推动企业科学决策。流程数据的战略价值不仅在 于其技术层面的管理效能，更在于其对企业战略目标的深度契合， 高质量的流程数据资源 数据等。通过建 立各层级数据的映射规则和关联关系，形成概念、逻辑和物理模型 逐层递进的完整数据模型，支撑端到端数据整合分析与价值挖掘。 3. 流程数据生命周期管理 数据采集环节明确业务场景与数据源，通过统一工具与标准实 现跨系统采集，配置数据质量校验、差异化采集周期及异常处理机 制，确保数据完整可追溯。 数据存储环节将结构化数据依托大数据平台或数据仓库统一存 储，非结构化数据依托数据湖统一存储或知识库纳管，遵循分类分

扮演着不同的角色。数据流通是数字经济中一个重要的概念，它指的是在不同 实体之间安全地传输和共享数据。数据流通通常包括数据生成、数据传输、数 据存储、数据处理和数据应用五个环节。在这些环节中，数据的完整性、准确 性和安全性是非常重要的，需要采取各种措施来确保数据的完整性、准确性和 安全性。 数据交易是数据要素流通的基本方式之一，数据交易所是数据要素交易的 场域。截至 2024 年 3 月底，全国共计成立 49 家数据交易场所。其中北京国际 提升协作效率，促进资源共享与创新 数字可信通过建立跨组织之间的技术信任机制，为合作伙伴间提供了可信 的连接。具体而言，数字可信技术通过使用加密、数字签名、智能合约等技术， 确保数据在共享过程中的完整性、保密性和可验证性，消除了潜在的信任危机。 一方面提升了协作的效率，另一方面促进了创新资源的有效整合和共享。在这 样的体系下，各方可以基于共同的信任基础进行深入合作，推动产业生态的优 化与升级。 第三章 数字可信的体系架构 3.1 数字可信总体架构 第 20 页 数字可信是指在数字环境中，通过技术、规范和协同机制的有机结合，在 开放协作的背景下，确保数字世界中数据、系统及主体的真实性、完整性、可 靠性和可验证性，以及多方参与者在交互过程中可依赖性，为数字经济和社会 运行构建可靠的信任基础。数字可信总体架构由可信设施、可信身份、可信数 据与资产、可信规则、可信治理与监管、可信主体及可信应用七部分组成。

实时监控 数据构建 数据回流 数据标注 分析 增强 清洗 预置 Prompt 模板 自制 Prompt 模板 Prompt 评估 Prompt 优化 1.2 有关性能和基准测试结果的更完整信息，请访问：https://www.intel.cn/content/www/cn/zh/artificial-intelligence/baidu-ai-cloud-accelerates-llm ，更充分地利用计算资源，大幅提升网络大模型推理效能； • 采用英特尔 AI 软件工具 (如 xFasterTransformer) 提升推理性能、降低部署成本并便捷地迁移模型。 1.2.3 有关性能和基准测试结果的更完整信息，请访问：https://www.intel.cn/content/www/cn/zh/customer-spotlight/cases/telecom-actively-research-network-llms (Token 生成速度) 提升了2 避免采购专用硬件 加速器的高昂支出 Llama2-13B 推理性能测试数据 3 扫码获取全文 英特尔® AMX 架构 1.2.3 有关性能和基准测试结果的更完整信息，请访问：https://www.intel.cn/content/www/cn/zh/artificial-intelligence/the-new-generation-of-jd-cloud-servers

在这个世界上，我们不断地存储、使用和共享各种敏感数据：从信用卡数据到病历，从防火墙配置到地理 位置数据。保护处于所有状态中的敏感数据比以往任何时候都更为重要。如今被广泛使用的加密技术可以用来 提供数据机密性（防止未经授权的访问）和数据完整性（防止或检测未经授权的修改），但目前这些技术主要 被用于保护传输中和静止状态的数据，目前对数据的第三个状态“使用中”提供安全防护的技术仍旧属于新的前 沿领域。 机密计算指使用基于硬件的可信执行环境（Trusted rvisor、系统管 理员或对硬件具有物理访问权限的任何其他人。）无法查看在TEE中使用的数据，内存中的数据是被加密的，即 便被攻击者窃取到内存数据也不会泄露数据。 • 保护 In-Use 数据的完整性。防止未经授权的实体篡改正在处理中的数据，度量值保证了数据和代码的完 整性，使用中有任何数据或代码的改动都会引起度量值的变化。 • 可证明性。通常 TEE 可以提供其起源和当前状态的证据或度量值，以便让另一方进行验证，并决定是否信 SDK(JavaEnclave)是一个面向 Java 生态的机密计算编程框架，它继承Intel SGX SDK所定义的Host-Enclave机密计算分割编程模型。JavaEnclave提供一种十分优雅的模式，对一个完整的 Java应用程序进行分割与组织。它将一个Java项目划分成三个子模块，Common子模块定义SPI服务接口， Enclave子模块实现SPI接口并以Provider方式提供服务，Host子模块负

大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证 迁移来自教师模型的监督信息的过程称之为蒸馏。 在子模型场景当中，子模型是完整模型的子集，每个子模型能够独立的训练，学 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 14 习到某个特定的特征空间的知识。某个设备的数据仅仅占了完整数据集的一部分； 映射到特征空间也仅仅是一个区域；使用这个设备的数据集进行训练仅仅更新了 完整模型的一部分。因此可以将模型的子集提取出来单独训练，最后整合实现高

并推动其线上化，逐步构建数字化办公环境，促使人 力资源与业务数据自然汇聚沉淀。基于这些沉淀的 数据，针对具体问题和场景开发相应的数据应用，为 业务提供有力支撑，并向前端服务延伸。依据前端业 务的反馈信息，形成完整的数据应用闭环体系。 c）服务企业战略的数据治理体系。 “人力资源的 数字化与数据应用必须紧密围绕企业战略，构建一套 完备的数据应用与治理体系，借助数据洞察问题、优 化运营、解决问题，实现闭环管理。”从组织服务的视 在确立基础信息定义后，依据人力资源业务内部 的流转逻辑，精准识别各模块的核心主数据以及数据 交互与边界。明晰交互关系后，借助信息体系与业务 体系，实现数据的沉淀，构建起从业务到数据再到应 用的完整数据流。在基础数据体系之上，构建数据应 用与分析模型。以应用为导向，依据不同渠道的数据 应用需求，搭建基本指标与分析维度。这些需求来源 涵盖日常应用、上级组织管理部门与国资委的报表要 求以及集团管理需求等。将分级体系划分为维度与 进而构建数据看板，依据数据看板洞察问题，形成闭 环。 2.3 强化数据治理与运营 数据治理与运营直接决定数据应用成效。为保 障数据的可用性，必须强化数据标准，常态化推进数 据治理工作，围绕数据的一致性、及时性、完整性、准 确性、安全性与合理性等维度，加强数据质量管理，强 化数据仓库采集与分析，健全数据安全与知识体系 （见图 2）。通过对各项业务进行分层与分级的精细化 定义，管理者能够在信息的运用流程中精准界定何种

ERP 与数字化转型需求的代 际冲突。根据央国企 CIO 问卷调研，ERP 产品智能化低的占比为 70%，主要问题是 AI 与自动化渗透率低， 运维成本问题占比 35%；用户体验、系统集成、功能完整性与适应性、技术方面问题均占比 30%；生态链 接问题占比 25%；数据安全问题占比最低，为 20%。 3.6 目前使用 ERP 产品的不足 图 9 目前使用的 ERP 产品的不足 15 行业经验：在细分行业的头部案例积累，能否提供可配置的行业模板（如制造业 MES 模块、金融 业风控套件）。例如，鼎捷具备 20+ 年机械装备行业数智化经验，拥有机械装备客户，助力更大集团建立 更完整的精确、全面的产品质量追溯系统，建制全新的整车厂供应链体系；SAP ERP 系统软件的各模块 相对独立，可以根据企业的具体需求进行选择和配置，实现企业的个性化定制；启明信息 ERP 产品一直 服 服务于大型央国企制造业行业，业务覆盖了整车、装备制造、零部件制造、贸易、物流等行业，贯穿了管控层、 运营层、执行层各级需求。 3. 服务能力：实施团队规模及本地化支持能力，全周期服务承诺的完整性。例如，远光公司严格遵循 ISO20000、ITIL、ITSS、CCRC 等体系标准，提供涵盖 IT 服务全生命周期的管理咨询、培训、实施、运维等 服务内容，具备全方位的服务能力；启明信息利用智能 AI