近期OpenAI、微软和百度竞相发布大模型产品，带给人们实实在在的震撼体验。其中OpenAI发布的ChatGPT更是成为了当下最为火热的话题之一，这也进一步推动了“Model as a Service”（MaaS）的兴起。

 

MaaS，即“Model as a Service”，是指通过云服务将数据处理和机器学习模型的功能集成到现有业务中，为企业提供智能化、自动化的解决方案：MaaS的大模型可以通过从海量的、多类型的场景数据中学习，总结学习不同场景业务下的通用特征和规则，成为具有泛化能力的模型底座。数据集仓库、模型仓库、算力平台通过提供零门槛模型体验、快捷的模型使用、完整链路的模型定制和云端模型部署向每个人开放。

 

MaaS基本产业架构（参考资料：阿里云栖大会）

 

聚焦到企业经营管理领域，企业通常需要处理大量的数据，而且这些数据有着不同的来源，包括财务、运营、市场等。这些数据需要被分析、整合和解释，以帮助企业做出更明智的决策。数据治理难、协同难、使用难、分析难，一直以来制约着企业数字化转型的实现。MaaS的出现，无疑给众多企业带来了广阔的遐想空间，下一代的企业管理软件，极有可能可以通过人工智能和大数据分析技术，提供更快、更准确、更可靠的数据处理和分析，从而帮助企业做出更好的决策。

 

 

01 业财融合管理或许是MaaS企业应用落地的核心方向

 

近年来，业财融合管理成为了越来越多企业的重要研究课题。业财融合是将企业运营和财务管理有机结合，实现业务流程和财务数据的同步管理。这种管理方式可以帮助企业更好地掌握业务情况，及时调整经营策略，提高企业的运营效率和财务风险控制能力。

 

然而，实现业财融合管理并不容易。企业运营往往是多个相对独立的部门，它们之间存在着不同的目标和指标体系，各自使用不同的数据来源和处理方式，导致信息孤岛和数据不一致的问题。此外，业务流程复杂，涉及的业务领域和数据量也很大，需要高效准确的数据处理和分析能力。

 

虽然Model as a Service （MaaS）目前针对的场景还处在基于自然语言处理（NLP）的领域，但是随着技术的迭代，遵循其核心思想进行延展，广义的MaaS恰恰有可能针对上述的这些难点，发挥重要作用：

 

（1）数据清洗和整合

MaaS可以帮助企业将来自不同系统和部门的数据进行清洗、整合和转换，形成完整、可靠的数据集，以支持业财融合管理。通过将来自不同部门的数据整合到一个数据仓库中，MaaS可以确保数据的完整性和一致性。此外，MaaS还可以对海量数据进行自动化处理和分析，快速发现业务的异常情况和趋势变化。

 

 

 

（2）数据分析和挖掘

MaaS可以对业务和财务数据进行分析和挖掘，从中发现业务和财务之间的关联和规律，为企业提供更全面、准确的财务数据，并支持更好的决策和管理。例如，当企业需要进行销售订单和库存的分析时，MaaS可以通过以下步骤实现：首先，MaaS需要输入销售订单和库存数据，这些数据可以来自企业的不同部门，比如销售部门、库存管理部门等。接着，MaaS会使用NLP技术自动化处理和分析这些数据，例如，识别和分类订单的状态、计算库存周转率等。在数据处理的过程中，MaaS会快速发现业务的异常情况和趋势变化，如订单的滞销和库存的积压等。

 

（3）智能化决策支持

MaaS可以为企业提供智能化的决策支持，通过机器学习模型预测未来的业务走势和财务状况，帮助企业做出更明智的决策。MaaS会将分析结果转化为易于理解和操作的报告和图表，并提供定制化的业务解决方案。企业可以根据自身的业务需求和数据特点，选择不同的机器学习模型和数据处理算法，以实现更智能化、个性化的业务流程。

 

 

02 未来已来，先胜业财智能业财模型应用场景举例

 

业财融合是企业数字化转型中关键的整合与变革。先胜业财在创业之初，就意识到企业经营管理未来的核心诉求是精益化的数据治理，并将数据转化为“模型”，全面赋能业务。我们遵循Gartner提出的“Data Fabric”架构，使用知识图谱来连接不同的数据源并作为数据策略的进化方向。

 

 

与MaaS理念相似，在精益数据治理转化的基础上，目前先胜业财在多个行业、多个业态正在不断的沉淀和积累具有代表性的业财融合管理及分析模型，部分模型采用了AI/ML技术形态，实现了“简化版的MaaS”，通过大数据模型，辅助企业智能化决策。

 

 

（1）智能投资测算

 

以连锁零售行业为例，众多企业在营建过程中往往无法清晰的回答：门店应该开在哪里？应该自建、还是加盟还是联营？门店是否合适开展特殊业务？不同条件组合下投资回报率、回收期是何种情况？

 

先胜业财帮助了某头部连锁企业进行了门店投资敏感性测算。通过“可比店”历史数据、季节波动影响、促销数据、店龄成熟度数据、多渠道销售数据等预测未来开店后经营绩效表现。该客户不仅可以通过数据模拟了解门店未来IRR，并且可以根据目标IRR反推决策是否开店及确认和调整门店投资项目金额。以测算为依据设立新开门店运营具体预算目标值，通过预算、预测、实际进行跟踪和复盘。

 

 

（2）智能高价值存货管理

 

以制造企业为例，大宗原材料的价格波动一直是困扰企业采购降本的一大难题，依赖人工预测不仅耗时费力，同时也难以连贯分析对业务及财务的实质性影响。

 

先胜业财帮助了某头部水泥制造企业进行了智能化燃料成本分析。该公司煤炭成本是其产品成本的核心组成部分，通过先胜业财的原材料价格规划管理，可以提前预判未来生产成本的波动，销售部门可以据此及时调整未来定价等销售策略。

 

 

 

同时，为响应国家“碳达峰、碳中和”的号召，该公司提出需要可替代性燃料代替传统煤炭燃料的使用。先胜解决方案，不仅准确衡量了各工厂在“降本节能”方面的贡献，同时模拟替代料对各维度指标的影响，进一步协助企业优化采购降本策略，防控风险、降低采购成本。

 

 

 

（3）智能盈利性分析管理

 

企业经营的核心任务就是盈利。在过去，企业主要关注财务报表和一些基本的销售数据，但是这些数据不能提供对业务和产品真正盈利情况的全面了解。企业必须全方位的考虑产品的定价、产品的销售计划、生产计划、供应链计划、产品成本的平衡，提升企业的盈利能力。

 

先胜业财帮助了某头部离散制造企业进行了智能盈利性分析管理，充分考虑产、供、销中的各种量价关系进行敏感性分析，并结合主辅材价格、替代料价格、经济景气指数、竞品价格波动等多方面要素，帮助该企业构建多维度动态定价模型，提升盈利能力。

 

 

目前，先胜业财已经依托于全自主知识产权的技术，沉淀了20+业财场景模型应用，开放给客户及生态合作伙伴，构筑业财领域的Model as a Service。同时，创新的“财码”赋能培训体系，使得用户能够更为轻松的掌握基于先胜业财的建模技术，打造自己个性化的模型服务。

 

未来，随着信息技术的不断发展和更新换代，企业经营管理中的各项业务和管理流程也在不断升级和改善。作为一家致力于为客户提供高质量商业服务和解决方案的公司，先胜业财将继续紧贴业内技术趋势，不断拓展和完善自身的技术能力和解决方案，积极探索MaaS在企业经营管理的应用落地，推动企业数字化转型和智能化升级。