• 是数据在业务流程和 IT 系统 上流动的全景视图 • 识别数据的“来龙去脉” • 是定位数据问题的导航 业务视角 IT 视角 概念数据模型 L1 L2 L3 L4 L5 主题域 业务对象 属性 业务域 逻辑数据实体 数据分层结构 数据标准 业务术语 数据标准 对数据资产目录 中业务对象在企 业内的统一定义 对数据资产目录中属性 描述企业内需共同遵守 机会点 基本信息 投标书 客户合同 基本信息 报价单 UPL 报价单头 报价单行 报价单号 金额 Part 编码 数量 L1 业务域 L2 主题域 L3 业务对象 L4 逻辑数据实体 L5 属性 数据范围 数据特征 （细化设 计） 数据管理 基本单元 • 数据资产目录是企业中有价值、可用于分析和应用的数据进行提炼形成的目录体系，通过数据资产目录可以从业务层面 描述企业所拥有的数据资产，并降低理解系统数据的门槛。 数据字段不标准，数据交互失败导致系统故障，影响 业务运营。例如：组织机构、人员信息、装置名称、 实时数据名称，在各个业务领域叫法不一致，这些数 据来源于不同系统，导致数据获取不准确。 数据资产目录 L5 基于数据资产目录 L5 属性，进行特征抽象与整合， 对共性的属性进行标准定义，最终形成数据标准清 单。建议优先对编号类、代码类、度量类、时间类、 描述类数据进行标准定义。 存量系统界面字段定义 通过存量系统界面字段定义，对已梳理的

3.4 L4 集成推广级 实现数智化向核心系统的推广，围绕数智化产品和体验，推动核心系统数智化，以业务、技术协同 为目标，构建系统间连接机制，通过数据治理规模提升系统和运营效率。 5.3.5 L5 系统部署级 组织内部系统实现数智化，全组织数据实现获取与智能化应用，组织效率与敏捷性得到提升，组织 内部高效运作，可以提供数智化优化的产品/服务体验。但未关注数智化的颠覆性潜力。 5.3.6 产品数字化升级能力指标包括现有产品或服务数字化改造升级、产品或服务数字化改造升级的效 果 2 个评估维度。 表 2 产品数字化升级能力发展等级要求 评估维度 问题 能力发展等级要求 L1 L2 L3 L4 L5 L6 现有产品 或服务数 字化改造 升级 是否对现有 产品或服务 进行数字化 改造升级？ 组织未对产品进 行数字化升级改 造 组织考虑并计划 对试点产品进行 数字化升级改造 （1）组织对部分 数字产品孵化能力指标包括数字新业务的规划与孵化、数字新业务的价值2个评估维度。 表 3 数字产品孵化能力发展等级要求 评估维度 问题 能力发展等级要求 L1 L2 L3 L4 L5 L6 数字新业 务的规划 与孵化 是否建立数 字化相关机 制推动新业 务孵化？ （1）数字化理念 未存在于新业务 孵化 （2）组织未建立 创投部门或团队 推动新业务孵化 （1）组织考虑投

申请信息自动流转消费环节 L3 初级无需报销 档案完全电子化，实现自动归档 L4 中级无需报销 智能理解口语化业务安排 结合历史偏好个性化推荐消费方案，精准评估预算 系统智能转换为结构化数据，自动填写单据 L5 高级无需报销 嵌入式集成消费供应商 员工无需垫资 系统自动判断消费方案合规性 线上聚合消费，同屏比价 线下专属支付账户，自动记录消费流水 系统自动判断消费方案合规性 统一企业全场景消费账户 下一阶段的发展指引，德勤联合合思与千家企业共同实践，对“内控”“申请”“消费”“报销”“对账”“记账”“归档”“分 析”8 个业务关键环节给出在不同费控管理水平下的业务特征，以“L1 L5”五个阶段做出划分，总结出《无 需报销分级标准 2.0》。 I A 51 ｜终章 在 L1 手工报销阶段，所有的报销流程均通过人工完成，企业采取粗犷的财务管理模式，亦无相关系统辅助。 预 理的一部分。 智能应用推动企业风险管控模型迭代，费用管控转为“数智为核心” L5 高级无需报销 高风险 中风险 低风险 费用支出 AI分类 AI分析 规则引擎 风险分类表 升级人工处理 AI处理，人工复核 AI处理 I A 56 ｜终章 L5 关键指标：形成 AI 组织 L4 L5 管控 硬性的管控规则容易被钻空子，人力检查成本极高 规则不再需要转化成固定表达式后再录入，审核智能体可

格。 → 现状：科幻片水平，目前 Al 只能组合现有知识 ( 比如写歌还是模仿人类风 格 ) 。 ·L5 ( 顶层，接近白色 ): " 幕后大 BOSS" → 一个人工智能管一家公司甚至一个国家，自己定战略、招员工、搞创新，人类 躺 平 收 钱 。 → 现状：梦里啥都有。 1-5 级说明 L5: 可以完成整个组织工作的 人工智能。 L4: 可以创造新事物的 人工智能。 L3: 可以代表用户采取行动 可以代表用户采取行动 的人工智能代理。 L2: 像博士一样解决问题， 无需工具。 L1: 当前 AI, 类似 ChatGPT, 可以与 人类对话的人工智能。 L5 的理想 Al: 你躺沙发上说： " 我要当 世 界首富。 " Al 直接注册公司、研发黑 科技 、上市圈钱，你醒来发现银行卡多了 100 亿。 一、人工智能发展简史了解 OpenAl 的 5 级 AGI 量表 二、大模型：人工智能的前沿

率、降低成本，同样有着极大的产业发展潜力 ；智能驾驶主要是提升汽车自身的产品力，代表着汽车行业未来 的发展方向，具有巨大的潜在产业价值和市场前景，从成熟度来看，L2 - L3 级别的辅助智能驾驶具有相对较 高的成熟度，而 L4 - L5 级别的自动驾驶目前技术成熟度相对较低，但从长远来看，一旦技术成熟并广泛应用， 将彻底改变人们的出行方式和交通生态。 这些场景共同构成了汽车行业 AI 应用的丰富图景，展现出不同的发展阶段和产业价值。随着技术的不断 有无设计运行条件限制，将驾驶自动化分成 0-5 级，共 6 个等级。其中，L0 表示系统具备持续执行部分目标 和事件探测与响应的能力，当驾驶员请求驾驶自动化系统退出时，能够立即解除系统控制权 ；而 L5 则代表系 统在任何可行驶条件下持续地执行全部动态驾驶任务和执行动态驾驶任务接管。 随着人工智能技术的迅猛发展，其在汽车行业的应用已经从最初的辅助功能逐渐演变为提升汽车产品力 的关键因素。通过智能化的技术手段，AI 不少主流汽车品牌的中高端车型都已初步具备这些功能， 部分车企也宣称其产品具备 L3 级别的有条件智能驾驶能力，允许驾驶员在特定场景下短暂脱手驾驶，但驾驶 员仍需随时准备接管车辆。目前 L4 - L5 级别的完全自动驾驶技术虽然吸引了大量研发投入，并且在一些特 定的封闭区域或限定路线上进行了测试和试点运营，如无人驾驶出租车在特定城市区域的试运行，但要实现大 规模商业化应用仍需要较长时间。

L 过程感知与操 作 1 (PLC) 智能工厂 ： IIoT 数字化工业创新 平 台 当前 数字化工业创新平 台 ，扁平 化设 计思 维 % ENVIRONMENTAL L4/ L5 IOT GATEWAY L 3 SUPPLIERS LOGISTICS 运 维 经理 工程师 质量 智能工厂 - 三架马车 在现有工业 3.0 IT 系统之上构筑企业面向工业 4.0 的新一代信息化平

(二)流程数据治理成熟度划分 来源：中国信息通信研究院 图 6 《流程数据治理能力成熟度模型》五级成熟度 《流程数据治理能力成熟度模型》标准划分为 L1 基础级、L2 增强级、L3 先进级、L4 卓越级、L5 引领级五级成熟度，1 级至 5 级 成熟度水平逐级跃升，全面衡量流程数据治理各环节的能力水平。 表 3 《流程数据治理能力成熟度模型》成熟度等级划分 级别 名称 能力描述 L1 基础级 其根本原因。 L4 卓越级 企业的流程数据生命周期管理精细化，数据采集高度 自动化，数据质量高，数据应用程度加深，能够实现 精细化的流程分析、动态预测与仿真模拟，支持基于 数据的流程优化决策。 L5 引领级 企业的流程数据治理能力达到引领水平，数据采集智 能化，数据管理自动化，数据质量卓越，数据安全有 严格保障，能够实现基于数据的流程智能化决策分析， 驱动实现业务变革。 不同的成熟度

孪生平台算法验证 Stage3. 孪生平台算法分析 Stage4. 孪生平台算法优化 AS 算法模型 立库算法模型 质量算法模型 DT 实施六大阶段 基础建设 共生 (L5) 优化与提升 (L0) 最终目标 优化建议 全局优化与提升 基础建设 场景 5 以虚 优实 (L4) 立库车间 M O M 执 行 层 冲压车间 焊接车间 涂装车间

位 移量。 图 3.12-2 深部位移监测原理 以 H4 深度为例，L5 位置处为最底下一个导轮式固定测斜仪距离孔底的高度 H ，测得的角度偏移量为 Θ , 则 L5=H*tanΘ , L4 位置处测的角度偏移量为 β , 则 64 智慧工地解决方案 64 智慧工地解决方案 L4=H0 *tanβ+L5 ，采用此方法分别计算导轮固定测斜仪位置处的偏移量，拟合曲 线，则可计算出任意深度位置处的坡体水平位移。

大数据、人工智能等技术兴起 对传统工业的升级提供了重要 技术手段。 数字孪生 生物芯片 智能工作空间 碳纳米管 量子计算 自修复系统技术 会话式人工智能平台 —— 自动驾驶 L5 2-5 年 5-10 年 超过 10 年 智能织物 智能微尘 建立全管网可靠性模型，实现管道动态半定量风险评估，形成完备的站场完整性体系，通过应用智能物联设备等新技术对管道完整性、