至顶网CIO与应用频道 08月07日 北京消息:远洋集团海鸥II项目的精髓之一,就是要建立一套新商业的生态管理体系。
中国房地产行业正在推陈出新,主打信息化融合之路,远洋集团无疑是先行者之一。早在2009年,远洋集团总裁李明就表现了有力且具有前瞻性的眼光,推行“去组织化”,推行“人依附于事”管理模式,推行一场用信息化手段重塑企业管理的变革,其目的就是优化决策程序和信息流程。如今,投资2亿多打造的海鸥II系统俨然已经成为纯粹的房地产全业务全链条管控的信息化系统。
为此,我们采访到远洋集团战略流程中心总经理樊海云,作为远洋集团信息化管理实践的首席执行官,他对海鸥II有着深刻的理解。“中国用信息化手段重塑企业管理的改革,面临的问题是没有可模仿、可跟随的,只有创新往前进。从2009年初海鸥II项目启动,到集团发展生产力的提升,回顾系统迭代优化历史,总能发现在初心支撑下坚持创新理念的坚定,也许在这个时候,我们更应该思考下——人依附于事管理理念的真正含义。”
定位创新重新定义信息化
樊海云表示,传统的企业信息化,主要是为企业既定的管理与业务服务的,先设定组织、管理层级、业务模式和管控方法,然后通过信息化来落地。这种方法,与信息化本身的目标透明是冲突的。就2007年版的《信息化规划与实践》中引入的信息熵方法论依据,远洋集团的海鸥II重新定义信息化,一切的业务管理,是否先进、优秀,只有一个评判标准,就是是否有利于信息透明、高效传递,确保信息熵逐步降低。如果人员、流程任一不利于信息传递,那就需要调整。
远洋相信一个对六大关系人(投资者、公众、管理层、供应商、客户、员工)信息传递透明、高效的系统,必然是一个活跃的生态。所以海鸥II的目标一直没有变,透明、效率。
BPM(Business Process Management)和主数据库是该创新的根基,基于此不仅仅可以打通内部组织便捷,还可以像八爪鱼一样和外部世界连接起来。海鸥II用流程打通所有业务,用一套资源数据打破信息孤岛实现信息分享。
团队创新重新定义信息化人员
樊海云介绍,为适应引领的角色,远洋信息化团队一度是远洋人员素质最高的团队。BA(Business Analyst)不仅做业务分析,还涉及流程设计、数据分析等多个角色的融合,具有非常强的信息化思维。SA(System Analyst)在负责系统架构的同时,还涉及代码设计、数据设计和接口设计,结合业务需求对系统操作、用户体验进行优化,做出符合透明和效率的系统。
信息化人员价值的多重发挥,给团队带来了很大的成长空间,引领的角色也使远洋全员的信息化素质快速提升。
技术创新重新定义信息化系统
紧随DT(Data Technology)时代到来,技术迭代创新,海鸥II从SOA(Service-Oriented Architecture)、ESB(Enterprise Service Bus)、BI(Business Intelligence),到APP、Cloud Computing、Big Data、IOT(Internet of Things)、AI(Artificial Intelligence),最终要实现为我和利他的统一,从而创造一个信息自由透明的全商业生态系统,迈向全新的DT发展阶段。
创业维艰探索者的突破
“海鸥II项目创新了信息化概念,一开始并没有让远洋为其买单。”樊海云表示。
首先,海鸥II在实现整个透明目标的过程中和原有的流程体系相冲突,据樊海云回忆说,当时流程中心的解决方法通过权威机构来解决,和IS9000机构达成共识,整个架构受到标准机构的认可。同时由于远洋是港股上市公司,整个体系要符合港股要求,符合公司法,符合会计准则,还要符合行业监管要求,难度可想而知。
在管理变革上通过领导班子达成共识,主管领导推动来解决。几乎每个月要上一次总裁会宣贯,统一认识。
在主动驱使系统的创新上也遇到了问题,上线和开发的速度比较慢。好用、有用、不得不用作为解决整个难题的解决办法。基层层面推动远薪APP工具,让它越来越好用;高管层面搞意识教育,让其觉得有用,比如推送同看一张表;中层觉得不得不用,不用达不到管理目的。
不忘初心信息化的动力
樊海云始终没有放弃对创新的坚持,他一直思考怎么在企业内部做到无边界管理。“组织本身就是权利的边界,有意无意不让信息穿透,我们应该把组织抛开,变成一个生态系统,以事为中心,人和事直接对接,实现信息透明与高效传递,企业信息无边界是主要的追求。”
在此初心的坚守下,远洋集团在无边界管理的理论和实践中,持续前进。
好文章,需要你的鼓励
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
T-Tech公司研究团队开发了SAE Boost助推器系统,通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果,同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径,对AI可解释性研究具有重要意义。
阿里巴巴通义千问团队发布开源编程模型Qwen3-Coder-480B-A35B-Instruct,专门用于软件开发辅助。该模型采用混合专家架构,拥有4800亿参数,支持25.6万token上下文长度,可在数秒内创建完整功能应用。在SWE-bench基准测试中得分67.0%,表现优于GPT-4和Gemini。模型基于Apache 2.0开源许可,企业可免费使用。AI研究者称其可能是目前最佳编程模型,特别适合企业级代码库理解、自动化代码审查和CI/CD系统集成。
斯坦福大学研究团队开发出革命性AI系统,能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法,在蛋白质功能预测方面达到90%以上准确率,为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程,更为解决复杂疾病提供了强大的AI助手,预示着人工智能与生物医学融合的美好前景。