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
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。