企业信息中心战略规划框架是一个综合性的框架,旨在帮助企业通过整合和优化信息资源来实现战略目标。该框架通常包括关键的组成部分,如业务需求分析、数据管理和治理、信息架构设计、技术基础设施规划、安全策略以及变革管理等。通过这一框架,企业能够确保信息流与业务流程紧密相连,支持决策制定,提高运营效率,并促进创新。此外,它还强调了灵活性和可扩展性,以适应不断变化的业务环境和技术进步。
一、IBM业务域需求和行业分析
在集团流程信息中心战略规划方案中,针对营销/服务、研发、供应链和职能四大领域,业务需求、行业分析和标杆分析的相关内容可以概括如下:
1.1 营销/服务
业务需求:
-
需要IT搭建饰品及装修材料的发货追踪系统。
-
IT流程系统选型与建设。
-
IT部进行系统管理。
-
新零售CRM系统根据新业务流程进行升级优化。
-
专职对口的IT技术人才支撑。
-
服务线上营销板块。
-
为线上后端技术支持。
-
数字化运营。
行业分析:
-
家居行业呈现全价值链、全链路数字化变革趋势。
-
个性化定制与C2M模式的兴起。
-
数字化工厂与柔性生产的需求。
-
跨界融合与供应链竞争。
-
数字化基建与软硬件升级。
标杆分析:
-
华为围绕“人、货、场”的数字化手段与消费者沟通。
-
顾家通过数字化营销凸显威力。
-
其他企业通过数字化手段支撑产品研发,提升多维度定制能力。
1.2 研发
业务需求:
-
需要IT支撑工具,如产品生命周期管理平台。
-
产品创新中心流程建设与优化。
-
产品主数据标准化及治理。
行业分析:
-
技术创新及发展浪潮,伴随着商业模式的重构。
-
积极研究探索并开发新技术,将在新的商业模式探索中占据有利地位。
标杆分析:
-
领先企业聚焦于运营效率提升、主营业务增长、商业模式创新三大方向。
-
通过构建全价值链迭代优化,挖掘全市场机会,定义新市场等。
1.3 供应链
业务需求:
-
导入SRM系统实现采购业务过程自动化、可视化。
-
构建S&OP计划体系,强化预测水平。
-
多事业部、多生产基地供应链系统架构设计。
行业分析:
-
越来越多的亚太区中小企业在进行数字化转型。
-
上市政策及个人信息安全立法对IT内控和信息安全管理提出更高要求。
标杆分析:
-
通过数据驱动的数字化预测分析,重新定义数据驱动的供应链。
-
数字化转型632战略全面重构信息系统。
1.4 职能
业务需求:
-
EHR系统建设。
-
人资三支柱信息规划与建设。
-
行政管理信息化建设。
行业分析:
-
数字化技术驱动新的商业模式。
-
重构商业模式、商业流程、产品和服务、用户体验。
标杆分析:
-
家装行业多家公司搭建平台策略。
-
通过数字化手段支撑产品研发,提升多维度定制能
二、集团IT蓝图、技术架构、IT治理规划
在集团流程信息中心战略规划方案中,对于IT蓝图现状、IT系统技术架构、IT定位及IT治理能力,以及各领域的数字化能力建设现状和IT基础设施架构,可以概括如下:
2.1 IT蓝图现状
-
营销域:IT应用架构覆盖各事业部信息化程度较低,缺乏以经销商价值为核心的系统应用平台。
-
研发域:基本上是手工操作,缺少全生命周期管理的IT应用平台,支撑不了未来的研发产品快速迭代开发。
-
供应链:缺少支撑多事业部、多生产基地的主计划、供应商协同平台、集中仓储物流的IT应用平台。
-
职能域:支撑公司核心运营的财务共享、全面预算应用系统缺失,支撑公司人力资源管理的IT应用系统很弱。
2.2 IT系统技术架构
- 目前技术架构可能存在稳定性、速率、安全性不够,架构设计存缺陷等问题。
2.3 IT定位及IT治理能力
- IT定位可能不明确,IT治理能力可能存在资源及能力不匹配的问题,需要加强IT服务、IT预算、IT人员占比等方面的建设。
2.4 营销域数字化能力建设现状
- 营销域整体基础较差,营销计划和营销活动缺少管理工具,客户规划与维护、销售规划与执行、服务规划、管理和执行等仅具备基础工具。
2.5 财经域数字化能力建设现状
- 财经域的数字化建设可能集中在资金管理、成本核算、税务管理等方面,但可能缺乏全面预算编制、分析&预算费用管控的系统支持。
2.6 HR域数字化能力建设现状
- HR域的数字化可能集中在员工自助服务、招聘、培训等方面,但整体的数字化程度可能不高。
2.7 供应链领域数字化能力建设现状
- 供应链领域的数字化可能集中在物料计划、采购执行、生产制造、供应商考评等方面,但可能缺少整体的主计划、供应商协同、和集中仓储物流的IT应用架构规划。
2.8 数字化工厂应用系统信息流集成模型
- 以MES为核心的应用平台支撑数字化制造,但可能欠缺数字化研发、自动化排程与数字化制造端到端全价值链集成。
2.9 IT基础设施架构
- 需要整合现有共有云与私有云采用主动运维、自动化部署及灾备,持续增强基础设施技术底座。
✦ 77页PPT方案
✦——
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。