基于“成为国际一流现代化综合建筑服务商”的发展愿景,陕建股份将数字化升级作为 “十四五”期间的战略性工作,制定了“168”数字化转型战略,通过业务与信息技术双轮驱动企业高质量发展。
1即1个基本目标, “到2025年达到国内同行业管理一流水平、到2025年达到国内同行业信息化建设一流水平”。6即6项核心架构,包括业务架构、应用架构、集成架构、数据架构、技术架构和IT治理架构。8即8个项目群,根据同类业务归并的原则,将陕建股份“十四五”期间待建的信息系统归并为8个项目群进行集中管理及推进。
在整体的建设模式上,陕建遵循“大统一”(“168”战略方向统一)和“小不同”(尊重业务的个性化需求),既尊重战略的一致性和强制要求,同时考虑各业务本身的个性化需求,整体沿着“业务线上化”、“能力平台化”、“模式生态化”三大阶段进行迭代演进。

机制保障方面,成立陕建数科公司,形成“1部+1公司+N单位”、管办分离的IT治理架构。通过公司化运营,重大成本投入变得更加透明。通过建立统一的服务窗口,构建一体化解决方案级的服务能力,推进生产经营与数字化同步转型升级。
财务先行,引领“168”数字化转型战略目标达成
为达成“168”数字化转型战略目标,公司以用友iuap平台为数智化底座,利用先进的数智化技术,构建公司管控平台,包括人力资源管理、财务管理、资金管理、经营管理等内容,实现企业战略决策科学、业务运营管理提质、产业互联协同升级。2022年,陕建股份搭建了财务数智化平台,推进“财务管理项目群”建设,引领整体数字化转型战略。目前,平台已上线超1000个业务核算单元、近3000名财务用户,覆盖房建、路桥、安装、商混等建筑行业领域。
为更好地满足上市公司合规管理和对外披露的核心需求,陕建股份基于建筑行业公司内部交易业务的痛点和难点,从业务梳理、标准化内部交易核算规范,研发公司内部交易协同平台两方面着手,彻底解决财务数智化升级的核心需求。主要特点体现在以下四个方面:
1、通过内部客商+项目,以及合同号,实现基于合同的公司内部交易精准协同;
2、公司法人间的内部交易,协同接收方可以根据合同对应的分公司、项目将协同业务拆分到分公司、项目账套,实现公司内部交易业务的一穿到底;
3、明确公司内部交易的发起流程,统一由债权方发起;
4、预置公司内部交易协同的财务处理规则,对于需要协同的会计科目,通过系统限定,不能手工填制凭证,只能通过公司内部交易协同处理。
通过公司内部交易协同平台业务联动、协同数据拆分等功能,解决建筑行业特有的多组织、项目建账等特点造成的往来核算过程中组织不清晰、数据不明确等问题。合并报告数据根据协同平台自动出具,解决对外披露过程中,内部抵消关键数据来源问题。
平台上线后,公司内超1000个业务单元原需3-6个月才能完成的公司内部交易挂账业务,均实现当月完成。2022年年报期间,内部往来对账周期从45天减低至10天,合并报表出具周期从10天降低到2天内,提高公司内部交易对账的效率,实现合并报表的快速编制,规范对外披露数据。同时,通过公司内部交易平台的深化应用,提升了公司内部交易处理的及时性和准确性。
新时期建筑行业都在逐步向产业链上下游延伸,将存在更多复杂多样的公司内部交易业务,不规范的公司内部交易很容易形成虚构交易、转移收入与风险、规避税负等不合规行为。陕建股份搭建的公司内部交易协同平台,彻底解决了传统“法人间”的内部交易处理模式,对账难以到项目、对账时间长的痛点,为同行业的大型集团企业提供了最佳实践。
好文章,需要你的鼓励
LG电视通过系统更新强制安装微软Copilot快捷方式引发争议。虽然LG承诺将允许用户删除该图标,但仍计划在webOS系统中深度整合Copilot功能。三星等厂商也在推进类似AI功能。专家指出,智能电视内置聊天机器人会增加隐私追踪的复杂性,加剧系统臃肿问题。当前智能电视行业正通过用户追踪和广告实现软件盈利,消费者应关注隐私保护问题。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
网络安全提供商Palo Alto Networks宣布将把关键内部工作负载迁移至谷歌云平台,交易金额近百亿美元。双方将在AI领域深度合作,Palo Alto Networks将使用谷歌Gemini大语言模型为其产品提供AI能力,包括漏洞检测和网络故障排除等功能。此外,公司还将帮助客户保护基于谷歌Vertex AI平台的工作负载,并深化VM-Series虚拟防火墙与谷歌云的集成。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。