支出管控是企业集团财务管理的基本场景之一。长期以来,在传统商旅及费控模式下,企业集团面临着商旅行为频繁且大量发生、商旅审批及报销环节牵涉面广、费用支出不透明、事后控制难追溯等问题。作为全球领先的企业数智化服务商,用友在支撑客户数智化转型的同时,也在不断提升自身的数智化水平。用友从使用面最广、服务全体员工的费控商旅平台入手,打造财务数智化支出领域的领先实践,为同行业推进数智化转型提供重要参考。
用友BIP费控商旅平台通过“1个数智底座+6类费用大场景+8项标准制定+9大能力支撑”的架构打造“连接、高效、智能、合规”的费控管理体系。
1个数智底座即用友iuap平台,基于微服务、中台化架构,把通用的企业服务功能提炼封装为可复用、可扩展、可运营的中台能力,并为中台能力的开发、运营提供一系列的能力支撑服务。
6类费用大场景分别是:
场景一:一站式员工差旅场景,实现“免垫资,免贴票,免报销”,节省全员操作80%时间。
场景二:主要围绕员工通讯费、交通费等定额费用,部门活动费、日常招待、会议举办
等日常费用场景展开,体现公司精细化的费用管控;系统通过PC端和移动端的多端应用,融合了财务核算、资金结算、税务等系统,整合申请、预定、审批、凭证处理及付款的全流程管控,形成应用全闭环,实现业财一体化管理。
场景三:打通对公支出业务全流程,主要围绕公司有/无合同的对公业务、立项申请、无票预付、到票支付等场景展开;以预算为起始+合同为主线的全生命周期闭环管理,将预算、立项、合同过程透明化、阳光化。
场景四:主要围绕费用分摊、预提、摊销、代扣、全球报销、代理报销等场景展开,通过智能填报、稽核、收单,解决财务人员管控难、人工审核压力大、复核与对账时间长等业务痛点。
场景五:费用管控场景,以事前规避、事中控制、事后预警形成全链条核心风险管控点场景展开,费用集约化管控,成本节省5%-10%。
场景六:财务分析报告体系场景,主要围绕构建企业财务数据模型、激活企业数据价值、反哺业务支撑经营决策场景展开。
8项标准制定,包括数据、费用、预算、流程、权限、核算、结算、报告八项标准的规范化; 9大能力支撑包括消费预估、商旅预定,票据识别、票据验证,语音识别、人机互动,稽核规则、智能审核,机器学习,模拟提升,合规校验、风险管控,实时智能、多维精细,规则引擎、智能结算,数据分析、数据预测。
四大特点,支撑一站式员工出行
用友BIP费控商旅平台具备四个特点:全,广泛连接市面上大部分主流TMC资源;活,有效衔接市面上所有财务系统产品;快,通过RPA机器人、审核规则,提高报销效率,缩短报销时长;智,通过费控报销的流程标准化,规则引擎引入,有效快速控制风险。系统已覆盖用友25000+员工,全面深入制造、医药、能源、航空与机场、建筑、地产、贸易等23个不同行业的前端业务团队。
全面上线4个月以来,用友实现了免垫资免贴票免报销的一站式员工出行,共产生商旅类订单约3万笔通过自动推单形成,节省员工填报报销单数量约1万次,减少员工垫资近千万元,大幅提升员工差旅体验;共处理约2万张报销单,约60%是通过智能机器人全系统处理,40%通过智能稽核功能辅助测算,100%单据经过OCR识别风险,既让公司执行全面的风险监控,也最大限度减少了人工处理量,提升财务工作效率;打通对公支出业务全流程,商旅成本集约化管控,同时通过机器、酒店的详细交易记录,可在今后用于和TMC谈判的数据分析中,可进一步强化集团费控能力,降低企业运营成本。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象,开发了胡说八道指数量化工具,发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型,通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题,为AI安全性评估提供了新的视角和工具。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
英伟达联合多所知名大学开发出突破性的长视频AI理解系统LongVILA-R1,能够处理长达几小时的视频内容并进行复杂推理。该系统通过5.2万个精心构建的问答数据集、创新的两阶段训练方法和高效的MR-SP基础设施,在多项测试中表现优异,甚至可与谷歌顶级模型相媲美。这项技术在体育分析、教育、医疗、安防等领域具有广阔应用前景。