首页 > 人工智能 > 人工智能 > 一文读懂用友BIP企业数据服务产品矩阵
在数智化浪潮席卷各行各业的当下,数据已成为企业的核心生产要素。 如今,企业对数据应用服务的需求已不再局限于早期的汇总型、延时性、粗颗粒度层面,而要求具备细粒度、实时、智能的呈现方式,将数据转化为可落地的 业务洞察、可执行的 决策 指令 。
新一代企业软件 / 服务是以数据为中心的,此次用友 BIP 5 重磅发布 的 企业数据云 、企业数据服务产品矩阵,正是聚焦企业对数据服务的这一迫切需求, 旨在为企业构建 从平台到应用的全方位数据服务。
本文将为您一次梳理清楚用友 BIP 企业数据服务的产品矩阵,了解企业 数据 如何 从 “ 沉睡的资源 ” 真正成为 “ 增长的动力 ” 。
作为此次用友 BIP 5 的重大突破之一, 用友BIP 企业数据云 以 “ 四层协同 ” 为核心逻辑 ,从 平台层、数据层、模型层 到 应用层,帮助企业基于私域数据构建企业自主的智能,让企业数据资产形成 “ 企业智能 ” ,创造 “ 业务价值 ” 。

平台层 :依托数据平台,为企业提 供一站式数据采集、开发、治理、应用的数据底座,并保障数据可用、好用和安全 。
数据层 :经过治理的数据 汇聚 到数据层,覆盖了用友 BIP 大数据、异构 系统 数据及社会化数据, 形成 高质量 的 “ 企业大数据 ” 资产 。
模型层 : 结合领域/ 行业 K nowhow ,形成财务、人力、营销、采购、资产等模型,让数据融入业务逻辑 , 结合算法变成业务可用的能力,让数据说话 。
应用层 :为企业提 供两类数据服务, 一类是 数据应用服务(BI ),打造专业的数据分析应用,如经营分析、人力分析、资产分析等,支撑业务洞察、分析、模拟、预测、辅助决策等 ;第二种是 DataAgent 服务( AI+BI ),打造企业所需的各种数据类 Agent ,如 企业 经营分析助理、营销分析助理等,成为贴合业务场景的智能分析助手,支持管理者问数、分析、任务协同、执行等 。
依托 “ AI+BI ”的融合能力,数据智能体能够在洞察、分析的基础上进行预测、模拟,进而将数据结果转化为决策、计划、执行的能力,实现 从 “ 数据洞察 ” 到 “ 策略落地 ” 的完整闭环,驱动业务与管理的智能运营。
用友BIP 企业数据服务产品矩阵涵盖了从 IaaS 层、 PaaS 层 以及 上层的SaaS 与 BaaS 服务 , 各层级协同为企业提供 “ 从基础设施到场景应用 ” 的全方位数据服务。
其中,IaaS 层 提供 云计算资源的稳定底座 , 为上层数据服务提供稳定、灵活的基础设施支撑 ; PaaS 层 汇聚 大模型与 数据 平台支撑, 为数据应用构建提供一站式的数据、智能和技术能力来源; SaaS / BaaS 层,一方面 涵盖 通用(跨领域 / 行业)的数据服务,如数据分析、 DataAgent 、智能报告、自助分析、企业报表、三维可视化等;另一方面还 提供 领域数据服务和行业数据服务 ,满足各行各业企业的数据应用服务需求 。

PaaS 层: 数据 能力的 “ 聚合中枢 ”
作为产品矩阵的 “能力 支撑层 ” ,PaaS 层汇聚多项 数据平台、智能 平台与 大 模型 等 ,为数据服务的 “ 智能化、平台化 ” 提供动力 来源。
平台层 以高性能、智能化技术架构为核心, 用友 BIP 5 全面升级 流批一体(HTAP )数据处理引擎、自主研发的千亿级多维数据库及 AI 驱动的数据智能体( DataAgent )等核心能力 , 全面提升数据管理效率与业务决策敏捷性。
YonData – 数据平台: 致力于为企业提供一个集数据整合、处理、治理和可视化于一体的 数据底座 。以支持HTAP 场景、向量化、库内批流一体的企业级超融合数据库为高性能引擎, 涵盖 数据开发、指标平台、数据治理、智能分析、数据智能体等 服务能力, 支持企业数据从采集到治理再到分析可视化的端到端生命周期管理 。基于大模型能力,帮助企业快速构建场景化数据智能体, 提供问数、洞察分析的技能,快速选择分析模型、配置业务知识,根据知识自动生成开场引导 。

超融合数据库: 以 HTAP 一栈式 架构 , 融合事务处理(TP )和分析处理( AP )于一体,一套数据库全面支撑所有复杂业务场景 ,满足企业 数据量大、 数 据复杂度 高、多维度 实时计算 分析需求 ,缩短报表可见时间。以智能会计实时计算的场景为例,流批一体 架构能够将 全账簿250 亿数据复杂报表响应时间 从 12 h 缩短至 45 s ;业务发生到报表可见时间由原来的 24 h 缩短至 30 s 。
多维数据库: 用友 自主研发的企业级多维数据库引擎, 以高性能引擎、 多维卷积算法 、多 维叉积分页算法 、 多维自适应锁机制 、 数据压缩 等多项核心技术突破, 为企业 数智化 提供强有力的计算支撑。借助用友 BIP 多维数据库, 企业可 在15 分钟内完成并账式合并,实时出表 ;支持 5000w+ 条数据,同时在线人数超过 2 万人 ; 计划预算 可 实现300 多张报表在 3 秒内完成查询。自主研发的多维卷积算法,大幅提升卷积速度 , 一亿数据量的卷积耗时不到1 秒 , 支持实时卷积计算,无需手动触发。

SaaS / BaaS 层 : 通用数据服务
通用数据服务聚焦 跨领域 、 行业的 通用 数据服务,如数据分析、智能报告、自助分析、三维可视化 、 企业报表等 基础且关键的数据服务, 让企业便捷获取智能化数据工具 ;此外还全新推出 DataAgent (含 ChatBI ) 、企业经营分析等数据服务, 支持自然语言交互分析与自动化报表生成 , 显著提升企业从数据洞察到行动落地的效率与精准度 。
数据分析 : 内置超过50 种可视化组件, 通过 可视化 、 拖拽式的配置界面,用户 可 便捷设置报表的样式、交互和布局,快速生成专业且炫酷的数据看板 ,支持 实时查询、动态报表生成及即时分析,帮助用户高效挖掘数据价值,赋能业务决策 。
智能报告 : 协助企业用户定期生成多种样式、图文并茂的固化分析报告。 用户可 采用离线编辑模板的方式,用系统中的数据替换掉模板中的占位符并支持筛选条件,随后一键生成图文并茂的智能报告,从而减轻用户制作报告的时间,提升报告的制作效率。
自助分析 : 面向不具备任何IT 背景的终端用户的增强型数据分析产品,通过结合 AI 技术的指标关联推荐、一键看板生成等能力,不需要任何基础培训和等待,即可自主完成数据分析工作。
三维可视化 : 结合数字孪生可视化搭建平台 , 通过对物体进行全方位的监控,构建基于现实的3D 虚拟现实效果,在 “ 虚拟呈现 ” 的场景中实现展示、分析、模拟、推演、预警和监控等功能,让数据展现更为直观和容易理解,助力企业更便捷的认识和管理现实世界。
企业报表 : 致力于高效集成业财数据、快速生成多维度报表,为企业经营决策提供深度数据支撑。系统搭载EPM 归集工具,对接各类同构与异构业财系统,自动生成覆盖财务、司库、税务、人力等多领域的专业报表。
数据智能体 DataAgent : 数据智能体 是 专注于数据工作的智能体,能代替人工完成各种与数据相关的复杂任务。结合Agent 技术,基于自然语言交互, 数据智能体 能够自动决策执行数据查询和数据分析,快速生成美观且富有洞察力的报表和仪表板,使用自然语言进行数据分析,获取业务洞察。

企业经营分析 :为企业 打造 “ 预置模型+ 自主分析 +AI 赋能 ” 的创新解决方案,内置管理驾驶舱、财务分析看板、业财综合分析等分析模型,全面支持企业各层级管理需求(战略层看趋势对标和风险,经营层盯收入利润和预算,执行层管销售生产等具体环节) ,同时 深度融合AI 技术,提供智能问答、决策推荐等交互式分析服务,辅助管理者做出更科学、更及时的决策判断。
此外,用友 BIP 还提供了数据资源服务(数据资源即服务, DaaS ),包括企业画像、对标诊断服务、 宏观经济数据服务 ,帮助企业打通内外部数据资源。
SaaS / BaaS 层 : 领域及行业数据服务
除了通用数据服务之外,用友BIP 在财务、人力、供应链等十大领域提供了丰富的数据应用服务 ,以及众多行业特性的数据服务产品, 这些服务直接面向企业用户,满足不同领域、行业场景下的数据与分析需求,助力企业在各类业务环节实现数据驱动的决策与运营。
领域层面,包括: 财务 领域的 司库决策分析、运营分析、税务分析等 ; 人力 领域的 CHO 管理驾驶舱、人才结构分析、假勤工时分析、薪酬成本分析、组织效能分析、数智全景仓等 ; 供应链 领域的 供应链运营中心、客户运营看板、销售履约看板、业绩达成分析 等;生产领域的 生产指挥中心、生产管控看板、车间管控看板、质量分析等 ;营 销 领域的 客户经营分析、新零售分析、全渠道销售与回款分析 ; 采购 领域的 供应商360 画像、寻源主题看板、采购履约分析、采购分析报表等 ; 资产 领域的 资产管理与经营分析、设备维修维护分析 等。

行业层面,包括国资投融建管营分析、医疗运营分析、轨道交通运营分析等, 助力行业客户挖掘专属数据价值 。
基于这些数据服务,在战略层 , 为高管提供 “ 全景式决策仪表盘 ” ,实现 “ 一页看全核心指标 ” ,让使用者无需翻阅多份报表,即可实时掌握企业资源整体健康度 ; 在运营层 , 打通 “ 供 - 产 - 人 ” 协同闭环,让业务人员可以随时查阅业务进度,及时提醒业务人员关注风险, 提升端到端协同效率 。
从基础设施到平台能力,再到场景化应用服务,用友 BIP 企业数据服务通过清晰的产品矩阵,全链路赋能企业数据价值的挖掘与释放。在数智时代,它不仅是企业数据管理的 “ 工具箱 ” ,更是驱动企业智能运营、创新发展的 “动力 引擎 ” 。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70035284/viewspace-3096444/ ,如需转载,请注明出处,否则将追究法律责任。