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
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。