2月15日,全球差旅与费用管理解决方案的市场领导者SAP Concur携手国际知名分析机构IDC共同发布了针对离散制造行业的中国智慧费用管理行业报告。报告指出,跨国/跨地域的费用管理,合规经营和高效的成本控制是该行业财务管理者的主要诉求。对此,SAP Concur 认为,融合云计算、大数据、人工智能、移动应用等多种创新科技的智慧费用管理解决方案,能帮助企业切实地管控成本,有效地应对海外业务中不同国家、地区的财务法律法规,并为员工带来更便捷的差旅和费用报销体验,有效助力企业数字化转型。
“中国制造2025”提出推进制造过程智能化,加快数字化转型的步伐成为了离散制造行业的重要目标。然而生产成本压力增大、自动化水平普遍较低、产品多且复杂导致数据的整合难度大,这些现状都在制约着中国离散制造行业的转型升级。对此,作为企业运营的核心环节之一,财务管理方面亟需变革创新以支持产业发展的战略目标。通过IDC的调研统计,面对数字化转型的浪潮,离散制造业的财务管理者希望通过优化财务管理来具体落实以下诉求:跨国/跨地域费用管理、智能财务分析、合规性管理以及预算可控和成本控制。
• 90% 的受访企业在海外设有分支机构或者跨国业务,由于地域和国家的法律法规之间存在较大差异性,使得财务管理的本土化需求增加。70% 的受访者认为在企业全球化布局中,提高财务相关的流程效率至关重要。另外, 17% 的受访企业海外出差员工占比6%-10%,同样高于其他行业,如高科技、医药与生命科学行业等,这都给费用管理带来更大的挑战。
• 调查显示,80% 的受访者认为使用智能技术并实时生成所需的财务报表是首要需求。同时,67% 的财务管理者希望利用高效的费用数据分析,实现总部管控费用和数据统一分析。
• 其次,73% 的财务管理者认为合规性越来越重要,要随时关注新的监管法规。特别是离散制造行业的海外业务多,要及时了解和统一管理不同海外分支机构当地的法律法规和报销标准,对财务管理者提出了很高的要求。
• 67% 的财务管理者对预算可控表示需求,由于后端加工工厂众多和供应商体系复杂,使得预算目标的编制更为复杂。而员工海外差旅的频繁性和报销复杂性,也为预算管控带来了压力。另外,员工差旅费用的高支出也亟需解决,43% 的受访企业认为其员工差旅费用占到公司总运营成本的11%-15%。综上,企业节约成本成为绝大数财务管理者的诉求。
面对上述挑战,SAP Concur打造了智慧费用管理的理念和解决方案,可以实施有效的费用管理和实时分析,综合控制成本和风险,有效整合不同地区和国家的报销体系,提高合规性,将审批流程进行数字化改造与重塑,并在诸多方面真正惠及离散制造业的财务管理者:
• 跨国/跨地域费用统一管理:智慧费用管理系统在海内外集成了多种类型差旅生态伙伴,如银行商务卡、酒店、网约车平台等。员工的详细消费记录可以直接在系统中体现,实现了海内外的财务数据统一管理,避免信息孤岛。通过对企业财务支出的持续监控和分析,进一步制定企业差旅管理改善方案,降低离散制造业员工在国内外差旅方面的费用支出并提高员工的差旅体验,真正让数据创造价值。
• 实现成本节约:在智慧费用管理过程中,智能的财务报表可以实时监测、分析企业的费用数据,从而节约成本,并更好地规划及控制预算。另外,智慧费用管理系统可以让企业员工更准确地提交费用报告,大大减少财务管理人员花在处理报销上的时间,并节约成本。
• 提高经营合规性:对于离散制造业跨国业务多的现状,智慧费用管理系统对费用报销建立了符合当地政策的费用报销标准和规则,有效提高了企业的合规性。这将极大地帮助财务管理者及时地洞察不同地区和国家的费用规则,确保海内外费用开支的合规性。。
• 提高管理效率并提升员工满意度:智慧费用管理解决方案提供一站式的电子发票和费用处理方案,票据的开具和获取可通过移动APP扫描搜集或者微信端扫码搜集,实现费用申请和审批的全流程自动化,提高效率和准确性。同时,针对离散制造业企业员工差旅比例较高的特点,员工可以在移动端随时随地处理差旅申请、预订和费用报销,轻松便利的差旅报销体验提升了员工满意度。
对跨国分支机构众多、业务流程复杂和成本压力大等综合环境,离散制造行业应当尽快进行数字化转型,并首先从企业内部的运营管理出发,专注企业运营转型和财务管理升级。智慧费用管理解决方案立足于云平台,利用互联网、大数据和人工智能等技术,帮助企业有效进行精细化成本控制并支持企业的费用合规管理,从容应对海外业务压力,全面助力离散制造行业相关企业的数字化转型。
点击如下链接下载《IDC中国智慧费用管理行业报告—离散制造行业》:
https://www.concur.cn/resources/idc-intelligence-spend-management-discrete-whitepaper
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。