企业数智应用白皮书

编委会名单 （排名不分先后） 主编辑责 任 编 辑指 导 专 家：：：袁华杰梅杰鲍敏张云扬吕品孙韦王凯军顾洋何声凝上官梦君 版权声明： 本报告由帆软软件有限公司版权所有，并受有关商标和著作权的法律保护，部分文字和数据采集于公开信息，所有权为原著者所有。未经许可，任何组织和个人不得以任何方式或途径复制或传播，包括但不限于复制、录制，或通过任何数据库、在线信息、数字化产品或可检索的系统，特此声明。 免责声明： 本报告中的行业数据主要为三方研究人员采用文献研究、市场调查及其他研究方法获得，企业数据主要为问卷调研与访谈获得，其数据结果受到样本的影响，仅代表调研时间和人群的基本状态，仅服务于当前的调研目的。受研究方法和数据获取资源的限制，本报告仅作为市场和客户的参考材料，帆软软件有限公司对该报告的数据和观点不承担法律责任。 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 " 数助人 " 模式。这种转变不仅仅是技术层面的优化，更是认知方式和工作流程的革命。同时，健全的指标体系如同企业的神经网络，将战略目标与操作执行有机连接，催动管理层与业务一线的深度协同。现代企业的成功不再依赖于单点突破，而需要全链条、全要素的协同优化，数据驱动的指标体系成为实现这一目标的核心抓手。在数据治理端，企业需要注重实时技术与规范管理的深度融合，让流动的数据焕发出更大价值。在瞬息万变的市场环境中，数据的时效性往往决定着决策的有效性。从数据产生到洞察生成，每一秒的缩短都可能转化为真实的商业价值。 在应用开发端，AI 技术正将零代码平台推向全新高度。从简单的轻量化工具演进为强大的创新引擎，AI 让零代码真正做到 " 更零 "-- 业务人员无需掌握复杂的技术语言，即可快速构建应用，这种技术民主化将释放出巨大的创新潜能。 然而，技术终究是手段，人才才是数智化转型的核心驱动力。新时代的数智化人才需要具备跨界融合能力，既要深度理解业务逻辑，又要熟练运用数字化工具，更要拥有数据思维和创新意识。 帆软数据应用研究院基于最新的洞察，在本白皮书中将深入探讨这些变革背后的逻辑与实践，为企业数智化转型提供可行的路径参考，期待更多企业能够借鉴其中的理念与方法，在数智化转型的道路上行稳致远。 解析智能 BI 如何将数据消费范式从“人找数”转向“数助人”01 指导企业如何建立自动化指标体系，并随业务发展持续迭代更新02 展示 AI 应用场景 -AI 让零代码更“零”& 先进制造落地 AI 决策应用03 解析如何通过实时技术和规范管理让流动的数据更有价值04 分享“FAST”新型数智化组织能力以及新兴数智人才建设路径05 0 1 企业数智应用情况及趋势01 国家层面数据政策一览BI 向多形态融合的必然演进面向数据应用进行敏捷治理数智应用 ROI 评估一简要思路1 . 11 . 21 . 31 .402101315 16企业数智应用关键落地路径02 BI 平台：释放决策与执行效率，增加可信度17 17232630BI 助力提升决策效率，减少错误决策还原数据分析过程，让结果更加可信应用场景复用让分析成果“即取即用”智能 BI 将数据消费范式转向“数助人” 指标建设：健全体系驱动管理与业务协同2.241 42444752数智时代指标体系驱动业管协同企业自身指标体系建设常见误区指标平台建设，促进数据消费典型案例实践：某专精特新企业 应用开发：创新引擎，AI 让零代码更“零2.356 5759零代码从轻量工具到创新引擎AI 时代，以用促建，以用促准 数据治理：实时与管理让流动数据更具价值64 6974数据实时将“事后分析”升级为“实时决策”资源治理提升数据 ROI，助企业高质量发展 AI 辅助工业决策 : 先进制造落地 AI 决策应用2.578 决策应用与智能体成为降本增效主战场大模型下的供应链管理的销售和需求预测7880 企业数智应用关键催化因素84 数智化组织能力促进企业技术应用86 企业技术转型面临新的目标和挑战企业需建立 "FAST”数智化组织能力模型8687 92数智化人才为数智化组织注入活力3.2 复合型数智人才承接组织能力升级数智化时代人才分类与结构变革数智人才“规划、培育、善用、保留”929395 103 104110116宁德新能源：全员参与生产管理数字化革命联宝科技：供应链控制塔从可视走向价值帆软软件：从流程提效到业财协同4 .14.24.3 PART1企业数智应用情况及趋势 PART1THE APPLICATION AND TREND OF ENTERPRISE DIGITAL INTELLIGENCE 国家层面的数据政策一览 数据治理层面：从 “单向传导” 到 “治理生态” 在数据价值释放瓶颈中，以央国企为例，企业面临“数据质量问题主导、组织协同与标准、人才短板叠加”的复合型挑战。调研数据显示，67.9% 的企业受数据质量问题制约，具体表现为准确性不足、跨系统数据不一致等；50% 的企业存在组织协同壁垒，46.2% 的企业面临标准体系缺失问题，44.9% 的企业存在专业人才缺口。反映出企业在数据应用方面既需突破数据准确性等技术性难关，更需破除组织协作机制、标准体系建设及人才梯队培养的管理性瓶颈。 如何借力 BI：发挥数据价值，加速数据资产入表 数据资产入表，企业该入什么 企业进行数据资产入表，需要将企业的数据资源以无形资产或者存货的形式，计量初始成本后列示在资产负债表相关科目下并披露信息。依据《暂行规定》，企业应当按照《企业会计准则》相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。企业使用的数据资源，符合《企业会计准则第 6 号—无形资产》（财会〔2006〕3 号）规定的定义和确认条件的，应当确认为无形资产。企业日常活动中持有、最终目的用于出售的数据资源，符合《企业会计准则第 1 号—存货》（财会〔2006〕3 号）规定的定义和确认条件的，应当确认为存货。 简单来说，以内部使用为主要目的，与其他资源相结合并服务生产经济管理活动的数据资源，可以被确认为无形资产进入资产负债表；而以对外出售为主要目的，进行原始数据直接交易或加工后交易的数据资源，可以被确认为存货进入资产负债表。 我们发现一些进行了数据资产入表的企业使用了帆软产品进行数据的应用，并最终实现了数据的资产化。 实践案例：某集装箱有限公司基于帆软产品实现数据资产化 某集装箱有限公司（以下简称集装箱公司）的业务涉及港口库场货物仓储相关服务。集装箱公司通过自动化结合人工的作业方式采集到了超 1,500,000 条某港口库场中不同地点存放的货物种类、余量等信息，并成立了数据治理团队对采集到的数据进行了标准化和规范化的处理，以服务后续对数据的应用需求。 FineReport 和 FineBI 的趋势预测、警戒预警、深度分析和可视化展示功能全方面促进数据应用 充分应用数据才能最大化数据的价值。集装箱公司组建了数据应用团队，负责对所获数据的计算分析与展示应用，并参与后续数据相关的决策行动。基于帆软的 FineReport 和 FineBI 产品，数据应用团队搭建了公司内部的数据服务管理平台，进行三方面的数据应用工作。 其一： 基于 FineReport 的计算分析功能，选取适当的公式和函数，对各种货物的历史存货量进行汇总计算和变化趋势分析，以便预测未来不同货物的存量变化情况，提前规划库场存储空间、优化仓储分配，实现效益的最大化。 其二： 对货主在库场内存放货物种类、存量及存放时长的分类统计，以及对于超期存放、长期无人取货等情况的预警。基于这些应用，集装箱公司可以识别出不同货主的存货习惯，个性化地为其定制仓储服务，同时及时催缴超期存放货主的租金，降低公司的服务成本。 其三： 基于 FineBI 的可视化展示功能，以图表、数表等方式将复杂的存货余量数据直观地展现出来，帮助管理者便捷地获取到库场内不同存放位置的货物总量及剩余空间信息，让管理者及时洞察到空间不足的情况，优化存储空间利用率。此外，集装箱公司还通过 FineBI 集成员工工效数据，以收货数据结合工效数据深度分析库场入库效率低下的问题根源：是库容不足还是人员偷懒。 凭借 FineReport 和 FineBI 的多种功能，集装箱公司得以对库场堆存数据资源进行趋势预测、警戒预警、深度分析和可视化展示等多方面的数据应用，从而挖掘出数据背后的经济价值，实现为企业降本增效和扩大营收的目标。具体到应用场景，该堆存管理数据资源集在 FineReport 和 FineBI 的辅助应用下，提升了库场 16% 的仓储空间利用率，平均缩短了约 20 分钟的入库时间，实现降本增效。此外，该数据资源集还可以服务于供应链金融。银行等金融机构可以通过该数据资源集了解不同货主在库场的存货种类及数量变化情况，由此掌握相关供应链中该环节的运作状况，以便对供应链上下游企业进行信用风险评估和放款。 01AI 时代，数据战略是 AI 项目的 ROI 放大器 根据IBM在2025年3月份对CFO群体的调研结果显示，在企业采用的能够带来最佳ROI的AI战略路径中，有29%的受访CFO认为拥有清晰的数据战略和路线图能够显著提高的企业AI项目ROI，同时也有27%的受访CFO认为提高企业AI项目ROI的必要策略是实施循序渐进的数据基础建设。另外，根据IBM的数据显示，拥有高“数据财富”的公司在AI项目的ROI大致在9%，而其他公司仅在4.8%左右；拥有高“数据财富”的公司在AI项目的效率上高达77%，而其他公司仅为47%。因此，可以看出拥有高“数据财富”的公司虽然尚未达到世界级水平，但它们拥有大量高质量数据储备，能有效地将数据资本化，这些特质推动了高于平均水平的投资回报率，并促成了AI项目更有效地落地。 02围绕数智化建设，企业都在关心什么？ 同时，我们在 2024 年深入调研了民营、国资、外资等 1172 家企业，通过全年跟踪调查，我们洞察到了企业在数智建设中的核心诉求： 企业最关注的是同行业标杆的建设经验，同时也希望获得跨行业的经验交流机会，以拓宽视野、优化自身实践。 数智化能力及价值评估以及企业总体架构设计，成为企业提升数字化竞争力的重要支撑需求。 而在数据战略层面，企业的下一步重点清晰可见： 数据分析以65%的高关注度位居首位，凸显了企业从“数据积累”迈向“数据驱动”的迫切需求。数据处理、数据指标体系建设紧随其后，进一步印证了企业对于数据治理与价值挖掘的重视。系统应用与价值推广也成为企业当前的核心关注点，如何让数据真正赋能业务，成为关键课题。 此外，在数智化产品与服务方面，企业最期待的是： 辅助业务决策，让数据成为管理者的“智慧大脑”； 消除信息孤岛，实现数据的无缝流动与高效协同。 结论: ●最关注:同行业标杆企业建设经验，同时希望可以有跨行业的数智化经验交流机会 ●次关注:数智化能力及价值评估&企业总体架构设计 数据消费视角趋势：BI 向多形态融合的必然演进 BI 是数智价值变现的前台，把数据转化为可行动的洞察与决策，从而直接推动数据的价值增量。比如通过报表 / 看板 /自助分析缩短决策周期、释放分析人力并减少返工，另一方面以更准确、及时的指标支持定价、备货、营销与运营优化，提升营收与毛利并降低成本与风险。 1）回溯 BI 产品的发展历史： Bl 是在打通企业数据孤岛，实现数据集成和统一管理的基础上，利用数据仓库、数据可视化与分析技术，