案例基本内容和执行情况
按照财政部制定的《预算管理一体化业务规范(试行)》、《预算管理一体化系统技术标准Vl.O》等文件要求,结合河南省财政预算管理的业务需求,中科江南研发了基于微服务架构的财政预算管理一体化系统,提出了多表头树形列表控件排版展现算法,设计了基于国产信创产品的微服务分布式架构,自主研发了前后台分离、公共微服务和独立业务微服务相结合的财政中台,解决了服务横向弹性扩展、数据分库分表、大数据量高并发等应用需求难题;提出了顺向可控、逆向可溯的数据流转追踪溯源技术,建立了全国各级政府预算的动态汇总、风险控制的反馈机制,实现了预算编制、预算执行、决算和报告等预算全过程管理的一体化,以及各级财政预算数据生产和对接传输的标准化;提出了面向财政预算数据的安全访问基线,设计了基于国产密码和电子签章的电子凭证库系统,建立了基于用户与实体行为分析的预警监测体系,解决了资金支付过程中涉及财政部门、人民银行和代理银行、预算单位间业务凭证数据的安全传输和交换难题。
该系统实现省级各级财政的数据集中和规范统一,以及以项目管理为核心、涵盖全部财政和单位资金的财政预算编制、执行、决算管理等核心业务的闭环管理和上下级财政间的数据共享,实现了省级财政预算管理一体化与中央财政预算系统的互联互通,建立国家财政预算指标动态监测和有效控制机制,切实规范预算管理、加强预算约束、提高财政资金使用效率。
战略规划
中科江南近些年持续加大经营管理数字化资金投入,深入推进网络基础设施建设、经营管理数字化等重点专项工作。
网络:基础设施建设日趋完善,同时加强网络安全管理体系建设,完善机房软硬件设施,为公司数据安全及系统高效稳定运行提供保障。
公司经营管理:建设实施了财务业务一体化系统,全面实现了财务管理的数字化、标准化;通过搭建私有云平台,整合公司现用的信息管理系统,形成统一入口\出口,实现业务流程数字化和办公协同,经营管理逐步由传统方式向数字化方式转变。
业务模式
该项目采用省级集中部署、全省财政预算单位云服务的应用模式,目前在河南、湖南、辽宁、广东、广西、上海、江苏、福建、江西、云南、贵州、山东等十二个省市区得到了广泛应用,全国市场占有率达到40%。
以河南预算管理一体化项目为例,其用户规模达到14万用户、覆盖全省的财政部门以及预算单位。随后预算管理一体化项目全国各地市、区县级财政系统的部署和应用以及后续的系统运行维护费用,其市场规模将达到200亿元。
技术架构
财政预算管理一体化系统建设以项目管理为主线、以绩效目标为导向库贯穿财政资金运行各环节,业务系统涵盖项目库、资产库、基础信息库、预算编制、绩效管理、预算执行、动态监控、财务管理平台、乡镇财政管理、内控监督等多个模块。
财政预算管理一体化系统建设,从业务架构上分为两层:上面一层是业务流程、业务的信息流;下面一层则是为业务提供的底层支撑,包括基础数据、标准和规范、账表等。通过分层建设模式,实现财政业务的全流程贯通,财政业务的贯通财政是真正意义的预算管理一体化。
案例主要经济成效和社会成效分析
随着财政预算管理一体化建设在全国推进和完善,将逐步构建起现代信息技术条件下 ”制度+技术”的预算管理机制,全面提升各级预算管理规范化、标准化和自动化水平,有利于支撑政府职能的转变,对规范财政资金管理,提升公共财政运行质量和效率,提高政府宏观经济管理和决策水平都具有重要意义,项目的建设也将进一步促进我国数字政府的建设,社会效益显著,获得了用户广泛的好评。
截至2022年12月,中科江南签署的合同金额达到了6亿多元,随着预算管理一体化系统在全国各地市、区县级财政系统的部署和应用以及后续的维护费用,其市场规模将达到 200亿元。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。