在大会主论坛上，中国信通院云计算与大数据研究所大数据与智能化部副主任马鹏玮进行了题为《EDMM推动企业数智化加速》的演讲。

大家好！我是来自中国信通院的马鹏玮，很荣幸，今天由我来为大家报告中国信通院EDMM的工作。

EDMM发展的背景，是因为智能技术的大发展。具体来说，在以决策式智能为主的阶段，数据更多是以BI报表的形式直接赋能给业务的，这就是以前的数据价值释放链路。但是当我们的智能技术变强变大之后，尤其是生成式AI的快速发展，数据与应用中间的通路发生了变化，更多的是通过智能作为纽带。所以这就带来了企业数智化的三个新命题，具体如图上的三个红圈所示：

命题一：如何让数据算力更好的赋能AI？以前数据可能30%的工作用来赋能智能，包括模型训练等，但现在已经扩增到50%，未来甚至是80%，那么数据怎么做出变化，才能更好的赋能智能？

命题二：如何让AI更好地赋能业务？以前数据是以BI报表的形式给到业务，我去看数做统计分析，但是现在怎么让我们的模型深度嵌入进去，从而创新业务的新模式？

命题三：如何利用智能反向助力我们的数据工作？目前人类已经无法对各类数据进行全面理解，但现在我们可以把PDF、WORD或者文献直接交给大模型去总结，效率提高非常多，这就是智能反向赋能数据、挖掘数据冰山底下80%的价值的一个典型案例。那如何更好的去利用智能去探索数据的价值？

上述三个命题可以再次细化，拆解出一系列子命题。比如说如何让数据和算力赋能AI这个命题，它就可以拆出来比如说如何加强数据供给，从而让模型训练更快；如何提升数据质量；如何改造数据系统；如何提升算力系统等。比如而让AI赋能业务的命题方面，子命题包括怎么找到合适的业务场景；怎么根据业务进行模型调优；怎么在生产中高效、高质量落地实践等。

分析下来，三个新命题将推动我们进行三个大的方面变革，我们总结叫：新引擎、新应用、新机制：

新引擎，就是如何建设一站式的低成本高效率的提供存、算、智能三项能力的平台引擎，助力上一层的应用发展；

新应用，就是将数据和智能深度嵌入行业应用，实现提质增效和创新变革；

新机制，就是通过新人才、新季度和新流程，保障这个体系的整体运转。

前期，企业数字化过程中，普遍采用“先开枪后瞄准”的模式，因为普遍担心FOMO（Fear of Missing Out）出现。就是如果我不进行数字化转型，可能会错失机会。这样做的优点是能够让企业积极创新，抢抓机遇，但是缺点是可能会造成大量的资源浪费。

在当前降本增效的大环境下，我们需要定义好我们开枪过程中的靶向，这样才能随时调整，把我们的资源用在刀刃上。而EDMM，也就是企业数智化能力成熟度模型，就是信通院为各企业数智化提供的一套新靶向。

EDMM一共包括三个部分，包括数智引擎板块、应用价值板块、长效机制板块，分别对应企业数智化的三个变革。围绕这三个板块，EDMM针对产出对应的标准和系列研究成果。同时基于EDMM的成果，信通院也为产业界各单位提供了一系列支撑服务，接下来我会进行详细介绍。

首先是数智引擎板块。根据调研，旧数智引擎的三个痛点阻碍了企业数智化的加速：第一个痛点是整体的工具链非常复杂，如左图所示，一套数据、智能处理流程将涉及大量的工具，是非常复杂的体系，导致选型难，落地也难；第二个痛点是AI引擎仍处于发展初期，举个例子，大模型训推平台近两年才开始开展采购，目前在企业端部署的更多是决策式模型的技术工具；第三个痛点就是支撑大模型的知识管理工作大面积缺失，在大模型时代要单独把知识管理体系进行升级，是因为多数大模型训练推理语料是非结构化的数据，比如各类长文档、视频、音频等，而不是存储在数仓或者数据库里边的结构化数据。但是以央国企为例，90%都具备数据管理体系，但是拥有整体知识管理体系的是小于20%的，如何把零散的、散落在各部门的知识进行高效集中管理，现有的旧引擎并不能支撑。

EDMM数智引擎板块就要解决这三个问题，具体来看：

一是EDMM数智引擎板块建立了整套的数智新引擎的标准体系，包括四个部分：人工智能、大数据、数据库、知识管理。EDMM中将每一类技术产品都形成了相应的技术标准，尤其是上半年，新增了包括数据智能平台，包括RAG，包括MaaS平台等新的数智新产品标准。依托系列标准，一方面通过标准的符合性验证，助力供给侧的产品研发，另一方面，依托标准和测评结果，我们通过咨询、评估等形式，助力应用侧的产品选型、运维能力提升、稳定性提升、实施策略规划等。

二是EDMM新引擎板块建立了数据中台、智能中台、知识中台的中台标准和研究体系。

数据中台方面，EDMM首次通过标准、实践指南报告等，将数据中台的建设、规划形成了完整方法论，并且依托方法论，中国信通院帮助图上右侧企业，包括南方电网、中国平安、中国移动、中国海油等，去建设提升其数据中台能力。

智能中台方面，前期在大模型未受到关注前，小模型普遍是分散在不同的业务部门和技术部门来去独立建设，但在当前人工智能大面积应用的阶段，会造成一个大量的资源浪费。所以业内逐步推出智能中台体系，用于提供集约化的模型开发、运营能力。信通院今年上半年联合30家单位一起研制了《智能中台成熟度标准》，并发布了首本《智能中台实践指南》，形成了智能中台的建设运营方法论。目前中国移动和中国联通已经完成了智能中台能力成熟度平台，实现了智能中台的能力提升。

知识中台方面，因为只有所有的知识归集起来，实现统一的出口、统一的管理、统一的质量提升，也就是中台化，才能帮助各单位大模型更好的建设和应用。今年上半年信通院联合各单位形成了《知识中台能力成熟度》，以及RAG、大模型驱动的知识图谱等新标准，并发布了《人工智能时代知识中台研究报告》，为企业的知识管理建立了方法论。

以上是EDMM数智引擎部分的介绍。接下来为大家介绍EDMM应用价值板块。

总体来看，数智应用可以分成三个阶段：第一阶段的数智应用，是依赖零散数据，通过一些统计，提升局部业务效率；第二阶段是整合内部全域数据，通过BI，提升全域的业务效率；第三阶段是通过内部全域数据+外部数据，利用BI+AI，推动业务模式的变革，并形成自动决策+自动执行。目前，我们看到数据智能应用已经开始进入到了第三阶段。以营销这个应用为例，已经在进入第三阶段后，已经产生巨大的模式创新和产业变革。

目前总体的应用态势，第三产业目前是用数智最多、最好的产业。同时在研发设计、营销服务、运维管理等链路两端的环节，渗透率较高。

为了更好支撑各类应用用好数据和智能，EDMM的应用价值板块从技术、场景、行业三个维度开展相关的工作。技术方面，分别制定了数据分析可视化、数据开发与数据科学、应用开发的技术产品标准；场景应用方面，针对营销、财务、风控、运维、客服等，分别形成了对应的标准和建设方法论；行业应用方面，针对能源、电信、金融等行业，根据各行业的特点，研制对应的行业大模型、智能体标准，并研究其数据智能实践方法论。

基于在EDMM应用价值领域的研究积累，信通院衍生出一套面向企业数智化转型的规划咨询能力。在这套咨询规划能力中，从上倒下，包括数智宣言、到数智业务架构规划（TL模型）、实施工坊、治理模式和成效评价等，是以一整套新方法论体系。基于这套方法论，如右图所示，我们对移动、招商证券、交通银行等企业进行了赋能。

具体举一个例子，比如这套体系中的TL模型，其创新探索出利用四张图（业务流程地图、场景价值地图、数据技术地图、数据资源地图）的方法，指导各单位进行企业应用数智化升级。从这个例子可以看出，信通院在数据智能咨询方法论创新了很多实用的新理论。

以上是EDMM应用价值板块的介绍。接下来为大家介绍EDMM长效机制板块。

传统企业数智化的机制保障方面，存在两方面比较突出的问题。一是成效评估机制的不配套。根据wikibon的研究，全球范围内的企业数据存储和计算技术平台的平均投资回报率只有55%，这意味着很多企业在数字化建设过程中并没有建立完善的成效评估机制，从而造成了资源浪费，所以如何建立企业数智化合理的成效评估机制，从而让我们的数智化工作健康发展？二是数智人才体系不健全。人才执行数智化工作的关键要素，但现在对于数智领域的人才类型缺乏明确的定义。比如Boss直聘上的信息显示，数智人才的系列岗位存在大量交叉、技能刻画不清晰等问题。所以如何建立企业数智人才画像并且技能培训？所以EDMM的长效机制针对企业数智化成效评估和数智人才体系建立进行了大量研究，并产出了丰硕成果。

在成效评估方面，如图所示，传统的成效评估模型存在重过程评估、轻结果评估，重能力建设、轻应用成效，重定性评估、轻定量评估三大问题，导致效果不达标。

所以今年下半年我们研制了《EDMM-企业数智化成效评估模型》。这套方法论，从前台的经营成效，中台的业务成效，到后台的数据成效、技术成效、管理成效，全方位地评估数智化成效。这是一套新的体系，我们相信伴随这套新的数智化成效评估模型落地，企业数智化转型工作会实现高质量发展。

然后是数智人才培养方面，我们今年上半年形成了《EDMM-数智人才能力模型》，将数智人才分为技术人才、应用人才、管理人才三大类、24个人才岗位。同时对每个人才岗位它要具备的专业技能做了梳理，并形成了技能掌握程度的三级具体指标。依据这套数智人才能力模型，将有效指导各单位的数智人才梯队建设。

最后，我来对整个EDMM进行总结和展望。

企业数智化是未来各企业生存发展的必由之路，但走到哪、怎么走是新命题和大命题。EDMM的三大板块，数智引擎、应用价值和长效机制，分别对应企业数智化面临的新引擎、新应用、新机制三个新命题，通过标准、研究成果等载体，创新建立了企业数智化过程的从顶层到细节的方法论，为企业数智化定义了新靶向，能够有效防止企业的数智化走错路、走回头路。目前信通院已经依托这些方法论，有效赋能了部分机构的企业数智化进程。后续EDMM体系将持续丰富，非常欢迎各单位、各专家持续参与。

联系人：

马老师

15201365784

[email protected]