ZD至顶网CIO与应用频道 10月17日 北京消息:随着《网约车管理暂行办法》的公布,以及北上深等多地新政草案的出台,不仅明确了网络约车的合法地位,并且意味着网约车未来发展将更为规范。加上此前,滴滴出行宣布收购优步中国,都将有助于移动出行行业走向更健康有序的发展阶段。因此,越来越多的消费者将转向网络约车服务,尤其是B端企业用户与高端商务人士。有分析指出,收购案和地方新政等因素将让网约车更重视安全和服务品质,或成为企业用户差旅出行中的首选。
尽管如此,从企业管理的角度看,网络约车服务要想与企业差旅费用管理系统无缝对接,仍然还有较长的路要走。从外部来看,一方面,虽然如今约车服务很方便,但企业员工索要发票手续却非常繁杂,有时也会带来额外成本。大部分的约车平台在开具发票时都具有一定的滞后性,甚至有的用车服务平台平台不提供开票服务。另一方面,各个约车平台所开具发票的类别、主体企业、形式、金额都不尽相同,导致员工报销不及时、数据不完整或不合规的问题时有发生。而在企业内部,今天的大部分企业在走差旅报销流程时,还是要经历人工填写报销单、贴票、上级审核签字、财务人员审核以及财务打款的过程,整个报销流程不仅繁琐且周期漫长。同时,整个报销流程是员工手动完成的,有统计发现违规报销率可高达20%。
面对这些挑战,企业该如何应对,从而更好地管理并优化员工的差旅与费用报销工作呢?员工又应当怎样高效准确地完成差旅报销流程?来看看Concur给出的解决方案和高品质服务。
对外,Concur 的差旅及费用管理平台能够与最普及的业务系统轻松整合,同时建立定制型连接。无论是差旅供应商、在线旅行社、信用卡机构或是第三方代理等,Concur移动应用程序均能与之建立联系,并捕捉到费用开支的每一个细节。员工通过智能手机拍摄票据并将其附在费用报销申请中,千里之外的管理人员也能随时随地轻松管理报销。以Concur联手滴滴企业版为例,用户只需在Concur界面中直接与滴滴企业账户进行关联,并选择所需同步的行程类型,之后用户在滴滴出行的用车记录即会自动推送至Concur账户中,并可直接在系统内管理自己的出行记录,以提交报销。
对内,Concur平台出色的移动应用能力以及商业智能分析功能可以帮助财务团队更好地管理每位员工的开支状况。企业的管理人员在离开办公室的情况下,也可以通过移动设备审核、批准或拒绝下属的费用报销,缩短整个报销的周期并获得员工实时开支的细节视图。内置的财务连接平台可实现数据的自动流动,避免手动提取和输入时所导致的误差及延误。通过将差旅、费用、分析、企业资源规划 (ERP) 和信用卡信息集成到一个统一的系统,从而获得独立、全面、清晰的视图,使企业财务团队对员工的开支状况一目了然。在数据安全方面则更无需担心,Concur 已通过 ISO 27001、SOC 1 / SSAE16 和PCI 认证以及第三方机构的定期审核,为企业数据提供了最高级别的安全保障。
作为全球企业差旅与费用管理行业的领头军,Concur已经先后与Uber以及滴滴出行就企业级业务展开合作,最大程度地扩展其服务范围,共同开发中国移动出行市场的潜力。同时,Concur本身积累的全球差旅报销管理服务理念及经验,也能够帮助中国企业用户体验到国际化的差旅报销管理服务。
随着近期滴滴出行并购优步中国以及多地出台新政等动向,中国市场的企业差旅报销管理服务体系将被进一步整合,移动化、系统化的出行管控价值将会最大化地展现出来。未来,随着全自动差旅与费用管理系统的普及应用,Concur将更好地帮助中国员工获得舒适的差旅报销体验,帮助中国企业优化财务管理并降低开支成本,让差旅及费用管理变得更加简单,让商务旅行变得轻松自如。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。