光大证券股份有限公司(以下简称“光大证券”)成立于1996年,总部位于上海,是中国证监会批准的首批三家创新试点证券公司之一,也是世界500强企业--中国光大集团股份公司的核心金融服务平台之一。2022年,作为“创新试点”之一的光大证券进一步描定”建设中国
一流投资银行”的战略目标,以“价值领先、特色鲜明”为两大战略愿景,坚定不移地推进 “市场化、专业化、集约化”改革,努力实现高质量发展。
为实现战略目标,光大证券股份有限公司携手用友以新理念、新技术为基石,构建业务流、核算流、管控流资金流、实物流,多流合一的新一代平台。以财务中台+智慧网报/资产管理,逐步实现人、财、物、税四大后台集约化,打造一体化业财平台在全集团范围内流程化、标准化组织管理及服务功能支撑,提升公司整体后台业务服务效率。其中,以网报和资产为基础建立报销数智化、资产智能化,以资产为以财务及事项中台为枢纽,以财务共享提升效率降低成本;以事项中台提升精细化,为集团化提供战略支撑。
平台通过数据整合实现全集团财务支出事项全流程线上贯通、全链条合规管控和全要素信息共享全面提升财务管理的集团化、自动化、标准化、规范化、集约化、透明化、智能化水平;通过不同场景设置,将事前预算管控、报销信息填写、发票OCR/查验、无纸化影像审批、事项化审批、自动化记账等业财一体;针对不同费用类型,灵活设置报销场景,尽可能实现自动化、智能化、减少员工手工工作量;通过构建业务流、核算流、管控流、资金流、实物流,“多流合一"的新一代平台;通过整合和信息互联互通,实现全集团财务支出事项全流程线上贯通,全链条合规管控和全要素信息共享,全面提升财务管理的集团化、自动化、标准化、规范化、集约化、透明化、智能化水平,光大证券集约化财务共享中心的建设创造了广泛的企业价值和社会效益,是实现大型企业商业创新、数值化转型的典型示范。
在企业价值方面:
其一,统一标准化数据:科目(境内2400条、境外3900条)、供应商(1800条)、员工(6500条)、银行账户(3100条)、开户行(2万3千条左右)以及自定义基础数据的标准化数据管理;
其二,统一报销类型:从原有56种报销单据集约化至24条报销类型,统一报销入口及标准SOP说明;
其三,统一审批流程:从原来分散分机构化管理统一为集团化管理,集中管控让事项审批标准化运作,从原有315条个性化流程集约化至48条审批流程;
其四,统一业务流程:结合集约化总体目标,精简并优化员工出差申请与报销流程,固定资产、在建工程以及在建工程转固、预转固的一体化业财流程以及预算编制流程等;
其五,提高员工报销效率:从原有老系统报销4-7天左右,通过不见单审批缩短审批周期至2-3天左右即可报销并支付完成;
切实减轻基层员工在财务报销管理等方面的负担,不断提升财务服务能力,提高管理效率,降低财务成本。
在社会价值方面:
其一,无纸化应用:领导、员工实现“不见单"审批,纸张节约每月平均约0.8吨左右打印耗材,直接节约耗损成本约15万元;
其二,员工报销到支付成功,平均每日节省3小时/人次审批工作时长,同时员工向导式报销,切实减轻基层员工在财务报销管理等方面的负担,不断提升财务服务能力;
其三,提高管理效率,降低财务成本。统一标准化数据:科目(境内2400条、境外 3900条)、供应商(1800条)、员工(6500条)、银行账户(3100条)、开户行(2万3千条左右)以及自定义基础数据的标准化数据管理;
其四,员工报销效率:从原有老系统报销4-7天左右,通过不见单审批缩短审批周期至2-3天左右即可报销并支付完成。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。