DT时代扑面而来！数据驱动业务，智能辅助业务，让企业的经营和管理发生了巨变。而由数据智能推动的产业链数字化、智能化升级，将产业互联网推向了超级风口。

数据智能场景无处不在

当下，数据智能应用对于企业数智化变革和产业链创新是多维度的，是以点带面似的立体式、全场景赋能。

比如用新技术解锁智慧营销，构建数据驱动的营销闭环成为企业当下创收增效的一致性选择。在智能营销场景中，基于大数据分析构建客户标签画像，结合用户偏好打造千人千面的个性化精准营销；通过大数据舆情连接客户和产品，优化服务质量，提升客户忠诚度。

某大型农化集团，通过构建“营销作战地图”，不但可以概览整个市场运营的全貌，包括销量、市场要素、市场占有率、客户分布等一些宏观数据，而且还可以针对终端数据变化，结合数据模型和智能算法分析，在精准获客的同时帮助管理者更好的决策。

又如在制造行业，企业智能化生产的趋势越发明显。基于数字孪生构建的数字工厂，可实时掌控企业生产全局，包括生产、安全、能耗、物流、设备运行、视频监控、门禁等，又可以借助三维动态模型打造实时数据映射、地图式浏览，快速定位设备异常。

某中国水处理龙头企业，通过构建全数智化的智慧运营平台，利用数字孪生技术将物理模型与AI模型相结合，实现异地远程监控运营。同时，将专家知识、分析算法、预测算法和自动化技术相结合，实现了对供需水量调度、设备维护、加药、水力停留等环节的动态预测和优化。

此外，智能化生产还可应用在以销定产、促进产销平衡场景，或是故障诊断，保障产品质量、生产稳定等场景。

在不少企业中，智慧采购往往是数智化转型的切入点。基于大数据分析构建企业画像，获取准确、全面、可靠的供应商企业情报动态，结合企业评分快速筛选优质企业，可实现供应商风险识别，掌握潜在的交货风险。

某机械行业大型龙头企业，为了降低疫情期间采购业务的风险，打造了供应商风险管理平台。结合内外部数据，通过供应商风险评估模型，实现智能的风险评估、风险预警，并通过数据智能应用实现供应商风险的自动化预警和处置，从而打造了一个风险定义、风险识别、风险处置的智能化管控体系。

除上述场景外，在智能供应链场景中，企业可通过库存优化促进产线协同，提高库存周转率；通过智能物流优化运输路径，提升调度效率，减少运输成本。

如果说智能化是企业数智化转型的终极目标，那么数据智能应用就是实现这个目标最直接的手段和方式，而它最终的方向是走向普适性的人机智能融合。

用友认为，数据驱动和智能化应用是始于业务、发于技术、归于价值的。借助用友BIP PaaS iuap平台，将方法体系、软件工具和场景价值结合起来，才能更好地服务企业数智化转型和产业链智能化升级。

从BI到AI的完整数据变现能力

DT时代，企业数智化转型进入到从BI到AI转变的历史性阶段。依靠数据驱动实现智能生产和决策，不仅打造了企业核心竞争力，而且将带动产业链创新发展。

用友网络平台与数据智能事业部数字化咨询专家刘岩表示，在数据智能应用方面，用友已具备完整的能力框架。他们以用友BIP PaaS iuap平台的数据中台和智能中台为支撑，在应用端推出了智能工厂和智多星RPA等典型产品，数据端推出了AIoT智能物联网平台，实现对数据采集和分析的支撑，同时还打造了AI工作坊，让模型算法快速交付和使用。这些产品共同打造了用友在数据智能应用的核心能力，帮助企业场景驱动、数据变现。

都知道，智能技术的“三驾马车”包含工业制造技术、智能化技术和通信技术。通过OT与IT的融合，以数据驱动智能工业，将助力企业打造智能工厂，这成为企业在智造领域一大主流方向。而它依托的正是当下火爆的AIoT。

用友AIoT智能物联网平台定位于工厂生产资料和生产工具的连接，换句话说就是连接下层工业设备和上层业务系统的中间件系统，让设备变得智能、生产更加精准。

当数据生成后，就会反馈到上层的业务系统，如生产、质量、物流、安环等专业领域，以及智慧矿山、智慧园区、智能产品、智能工厂等垂直行业，从而支撑企业的智能化生产与运营。其次，AIoT+生产可以实现生产进度预测，让订单交付可控；AIoT+工艺，可以实现关键工艺监测预警，确保良品率稳定；AIoT+设备可以实现健康全视角分析，杜绝异常宕机。而诸如这样的场景，通过用友AIoT+N的连接，都可以兑现智能化技术的商业价值。

如果有这么一位新同事，TA不仅接受996，而且还保证工作高效优质的完成，不谈薪水。那么，TA一定是RPA机器人。如今这样的能力，也应用在用友智能化产品中。

用友智多星RPA是一个集开发、部署、发布、调度、监控、管理于一体，面向企业的RPA平台，并通过RPA设计器、RPA控制台、RPA客户端三大模块组成了产品的全部能力。

它可以像人一样，基于深度学习的OCR、NLP模型算法识别文字、语音，可以基于操作系统、应用的自动化接口操作程序，也可以基于规则系统、推理引擎的决策系统判断和预测。

因此，它可以处理一些重复性强、处理量大、跨多个IT系统、无需人为判断且规则驱动型流程的工作，比如财务领域月结检查、工资发放，人力领域的薪酬计算、简历收集，销售领域的客户信息录入、订单处理和修改，从帮助企业优化业务流程和人力资源结构，让业务更加敏捷。

除此之外，用友还打造了企业级普惠化的AI基础设施“AI工作坊”，通过十大核心能力，应对AI工程化应用的痛点，帮助企业打造高质高效的智能化场景。

首先是训推一体，可实现多组织、多角色，数据、算法、训练、模型、推理、PDCA一体化；

其次是开放框架适配/统一纳管，结合TF/PADDLE/PYTORCH，支持任意框架适配，并通过深度、机器、图学习、强化、运筹优化，开放兼容，统一纳管；

第三是群体、轻认知智能，可完成多人协作共同开发部署，支持模型工作流，也可解释AI，提供场景化认知辅助决策；

第四是自动机器学习，包括AutoML能力，机器学习过程，收敛效率更高；

第五是算法到工程，价值共生，可实现算法和工程分离，化解内卷，和谐共生。

第六是有/无代码兼容，满足非专业角色需求。而WEB或离线IDE，可以满足开发者不同习惯；

第七是端云一体，实现云端推理、剪枝蒸馏、一键导出、端侧热部署，并支持Pyhon→C++/Go转换；

第八是托管式运维，可定时重训、定时推理、分流试验、难例发现，并行寻优；

第九是丰富的算法和预训练模型，涵盖数十款ML、运筹、数理统计常用算法、场景化预训练模型，开放生态集成，支持构建群智创新的价值共同体；

第十是创新更多场景，包括寻源、推荐、预测、分类、画像、ONA、识别、优化、推演仿真、数字孪生十大场景。

产业链智能化的实施路径

以企业为切入点，通过数据中台打通产业链上下游，打通人与机器之间、机器与机器之间、产线与产线之间的信息壁垒，不但将促进企业更科学、更精细化的运营，而且将驱动产业链智能化升级。

那么，产业链智能化升级的中国路径到底是什么？

刘岩表示，智慧产业链需要围绕价值、技术、业务的数智化转型而展开。其中，通过产业链的解耦、重构实现降本、增效和创新；通过融合数据、算法、算力，实现描述、诊断、预测和决策；通过采用智能驱动的PDCA，实现智能采购、生产、供应链和营销。

然而，真正要实现产业链级的数据驱动，就要打通全链路，包括上下游企业、终端用户。这首先就涉及到多种类型的数据源，如结构化数据、文档、图片、社会化主数据等，以及不同的数据库、不同的网络环境。

结合产业链实际情况，用友通过数据编织Data Fabric、数据网格技术归集产业链级分散的数据，形成统一的分析并产生结果，为不同角色的企业提供相应的数据能力支撑。

同时，随着数据应用的进一步深化，大多数企业在投资大数据平台、数据中台时会开展数据治理工作。这样做不但可以建立数据标准，进行数据质量检查，盘点各系统现状，而且可以保证数据迁移有序，从平台建设之初就让数据规范可控。

用友在数据治理层侧重于提供“咨询+工具+实施+落地”的整体解决方案，以保证数据可以被员工找得到、看得懂、用的上和可持续，从而支撑上层的数据智能化应用。

通过服务几百万家企业，用友积累了非常丰富的数据模型资产，可以满足不同层级对指标的需求，大大提升企业的数据分析能力。其中，经营管控层涵盖人力、财务、资金、资产模型，业务执行层包含采购、风险、市场、安全、计划等模型，战略管理层涵盖收入、利润、资金、现金流、销量等模型，且这些模型全部以资产化的方式进行管理，在接入数据的一瞬间就可以获得相应的分析指标，满足各级人员对于数据的需求。

为了更好地赋能产业链智慧运营，用友还结合产业链场景沉淀了100多个数据挖掘模型资产，涵盖上述的采购、生产、供应链、营销。通过这些模型，结合企业数据应用场景，可以洞察产业链发展的深层次原因，以便及时做出改变。

产业链智能化商机无限

在各行各业加快数智化转型时，数据智能已成为企业寻求高质量发展、驱动业务增长的主要支撑。而随着技术逐渐成熟，数据智能应用场景也会逐步从企业内部拓展至全产业链的业务协同。

这就需要产业链上下游企业统一数据平台、共同协作、开放场景，同时还需要具有技术与产品领先性的优秀云服务商共同赋能，推动产业链智能化升级。

在这个过程中，用友究竟能否把握住机会，能否以更先进的产品和服务率先站稳市场呢?这个仍需要市场去验证！