3月24日，中國(guó)冶金報(bào)“智能制造”版塊以《25年數(shù)據(jù)積淀，百企實(shí)踐驗(yàn)證——上海鋼聯(lián)正重構(gòu)大宗商品智能決策生態(tài)》為題，報(bào)道了上海鋼聯(lián)在大宗商品智能決策生態(tài)上所做的努力。

上海鋼聯(lián)創(chuàng)始于2000年，2011年在深交所上市。公司主營(yíng)產(chǎn)業(yè)數(shù)據(jù)服務(wù)與鋼材交易服務(wù)，是中國(guó)第一家通過(guò)國(guó)際證監(jiān)會(huì)組織（IOSCO）認(rèn)證的大宗商品數(shù)據(jù)服務(wù)商。25年來(lái)，上海鋼聯(lián)數(shù)據(jù)采集網(wǎng)絡(luò)已覆蓋全球400余座城市和港口、1000多種大宗商品，日均處理超75萬(wàn)條產(chǎn)業(yè)數(shù)據(jù)，并在此基礎(chǔ)上將數(shù)據(jù)資產(chǎn)轉(zhuǎn)化為智能化解決方案，為100余家鋼鐵、煉化大中型企業(yè)及政府機(jī)構(gòu)、高校部署鋼聯(lián)EBC系統(tǒng)，覆蓋市場(chǎng)研判、采購(gòu)、銷(xiāo)售、庫(kù)存管理等全鏈條場(chǎng)景。

本文復(fù)盤(pán)了上海鋼聯(lián)在服務(wù)企業(yè)數(shù)字化轉(zhuǎn)型和AI應(yīng)用方面的實(shí)踐，分享了他們?cè)谕苿?dòng)產(chǎn)業(yè)數(shù)智化過(guò)程中的關(guān)鍵洞察與實(shí)施路徑。

文章較長(zhǎng)，托比小編擇其精華進(jìn)行摘編，以供行業(yè)人參考。

在服務(wù)企業(yè)的過(guò)程中，上海鋼聯(lián)觀察到一個(gè)普遍現(xiàn)象：盡管企業(yè)高度認(rèn)同數(shù)字化、智能化的戰(zhàn)略方向，但實(shí)際推進(jìn)卻面臨幾大障礙：

數(shù)據(jù)貫通不足，面臨信息孤島與質(zhì)量瓶頸：多數(shù)企業(yè)都有ERP、MES、CRM等系統(tǒng)，但數(shù)據(jù)標(biāo)準(zhǔn)、業(yè)務(wù)標(biāo)簽體系不統(tǒng)一，缺乏跨系統(tǒng)的多維屬性映射與統(tǒng)一語(yǔ)義模型，數(shù)據(jù)難以“聯(lián)動(dòng)”，導(dǎo)致跨部門(mén)協(xié)同效率低下。

市場(chǎng)研判遲滯，決策響應(yīng)速度不足：研判仍依賴線下溝通、經(jīng)驗(yàn)判斷及短期模式，而市場(chǎng)價(jià)格、原料成本瞬息萬(wàn)變，企業(yè)只能被動(dòng)應(yīng)對(duì)，很可能誤判趨勢(shì)而放大經(jīng)營(yíng)風(fēng)險(xiǎn)。

智能分析缺位，經(jīng)營(yíng)策略被動(dòng)：高階分析能力結(jié)構(gòu)性缺失，多數(shù)企業(yè)停留在“描述性分析”階段，缺乏診斷性分析、預(yù)測(cè)性分析、規(guī)范性分析。難以提前布局、精準(zhǔn)管理。

諸多問(wèn)題的本質(zhì)是數(shù)據(jù)價(jià)值未被有效激活，而智能化轉(zhuǎn)型的核心正是構(gòu)建“數(shù)據(jù)—洞察—行動(dòng)”的閉環(huán)。于是，上海鋼聯(lián)提煉出一套可復(fù)制、可落地的產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型路徑——“四階躍遷”模型。

階段1：數(shù)據(jù)融合——構(gòu)建產(chǎn)業(yè)級(jí)數(shù)據(jù)底座

鋼聯(lián)EBC構(gòu)建了“商品—區(qū)域—時(shí)間—屬性”四維統(tǒng)一數(shù)據(jù)模型，將企業(yè)內(nèi)生數(shù)據(jù)與上海鋼聯(lián)外部產(chǎn)業(yè)數(shù)據(jù)進(jìn)行深度融合，從而打破數(shù)據(jù)孤島，解決數(shù)據(jù)語(yǔ)義不統(tǒng)一的行業(yè)頑疾。

例如鐵礦石采購(gòu)，系統(tǒng)不僅接入內(nèi)部采購(gòu)訂單、庫(kù)存、合同數(shù)據(jù)，還實(shí)時(shí)融合上海鋼聯(lián)提供的巴西/澳大利亞鐵礦發(fā)運(yùn)量、到港量、港口庫(kù)存、鋼廠開(kāi)工率、下游需求景氣度、基差、政策文本庫(kù)等外部數(shù)據(jù)，形成一張動(dòng)態(tài)采購(gòu)決策圖譜。

階段2：市場(chǎng)分析——實(shí)現(xiàn)市場(chǎng)研判體系化

建立從“點(diǎn)、線、面”到“立體化”的市場(chǎng)研判框架體系和方法論，找到影響因子，利用“估值+驅(qū)動(dòng)”的方法對(duì)各品種進(jìn)行定性和定量分析，預(yù)判市場(chǎng)走勢(shì)。

具體來(lái)說(shuō)，幫助企業(yè)構(gòu)建“四碗面”研判體系：宏觀面，跟蹤貨幣政策、財(cái)政政策、全球經(jīng)濟(jì)等；供需面，監(jiān)測(cè)產(chǎn)能、產(chǎn)量、庫(kù)存、進(jìn)出口等基本面；技術(shù)面，分析價(jià)格走勢(shì)、持倉(cāng)結(jié)構(gòu)、基差變化；情緒面，解析產(chǎn)業(yè)鏈傳導(dǎo)邏輯與市場(chǎng)預(yù)期。

通過(guò)該框架實(shí)現(xiàn)了對(duì)價(jià)格、庫(kù)存、開(kāi)工率等關(guān)鍵指標(biāo)的實(shí)時(shí)監(jiān)測(cè)與協(xié)同分析，提供端到端的風(fēng)險(xiǎn)預(yù)警與機(jī)會(huì)識(shí)別服務(wù)，還建立了周度復(fù)盤(pán)機(jī)制，持續(xù)優(yōu)化研判邏輯。

階段3：場(chǎng)景建模——聚焦高價(jià)值業(yè)務(wù)痛點(diǎn)

堅(jiān)持場(chǎng)景先行，聚焦采購(gòu)、銷(xiāo)售、生產(chǎn)、庫(kù)存等痛點(diǎn)構(gòu)建管理模型，完成從“診斷性分析”到“預(yù)測(cè)性分析”再到“指導(dǎo)性分析”的核心進(jìn)階，實(shí)現(xiàn)“數(shù)據(jù)—洞察—行動(dòng)”的經(jīng)營(yíng)管理閉環(huán)。

例如為企業(yè)整合內(nèi)外部報(bào)盤(pán)數(shù)據(jù)，解決每日?qǐng)?bào)盤(pán)信息實(shí)時(shí)獲取及礦石性價(jià)比測(cè)算問(wèn)題，支撐礦石采購(gòu)從詢盤(pán)、測(cè)算、生產(chǎn)計(jì)劃下達(dá)、計(jì)劃執(zhí)行到采購(gòu)復(fù)盤(pán)的全流程管理，并在此基礎(chǔ)上構(gòu)建采購(gòu)決策模型。同時(shí)梳理企業(yè)內(nèi)部采銷(xiāo)業(yè)務(wù)的核心關(guān)鍵指標(biāo)，與市場(chǎng)信息、競(jìng)品信息匹配，構(gòu)建尋源采購(gòu)、擇機(jī)采購(gòu)、銷(xiāo)售定價(jià)、市場(chǎng)投放等管理模型，助力企業(yè)掌握市場(chǎng)動(dòng)態(tài)、靈活調(diào)整經(jīng)營(yíng)布局，并通過(guò)事后復(fù)盤(pán)驗(yàn)證策略有效性，實(shí)現(xiàn)全周期、精細(xì)化的經(jīng)營(yíng)管理。

階段4：智能引擎——從“規(guī)則驅(qū)動(dòng)”到“AI驅(qū)動(dòng)”

以鋼聯(lián)宗師垂域大模型為核心，推動(dòng)AI能力的“端到端”深度整合，實(shí)現(xiàn)從“單一輔助工具”到“全流程決策伙伴”的演進(jìn)。

場(chǎng)景應(yīng)用方面，通過(guò)智能對(duì)話助手、資訊閱讀智能體、報(bào)告撰寫(xiě)智能體，輔助輸出市場(chǎng)分析與經(jīng)營(yíng)建議；建模分析，依托多模態(tài)模型與數(shù)據(jù)分析智能體提升市場(chǎng)研判效率；信息擴(kuò)維，借助智能知識(shí)庫(kù)與數(shù)據(jù)查詢智能體，快速整合多源信息。

上海鋼聯(lián)總結(jié)了企業(yè)數(shù)字化轉(zhuǎn)型的五大成功要素：戰(zhàn)略層面統(tǒng)一認(rèn)知、明確方向；文化層面推動(dòng)人的轉(zhuǎn)型；方法層面小步快跑、持續(xù)迭代；組織層面打破壁壘、重構(gòu)保障；資源層面保障投入、支撐可持續(xù)。

面向未來(lái)，上海鋼聯(lián)將重點(diǎn)投入三大方向：

提升AI模型的產(chǎn)業(yè)貼合度：依托高質(zhì)量、多模態(tài)的數(shù)據(jù)基座和長(zhǎng)思維鏈推理技術(shù)，讓AI模型結(jié)論更精準(zhǔn)、更貼合產(chǎn)業(yè)實(shí)際，緩解傳統(tǒng)AI模型結(jié)論與業(yè)務(wù)脫節(jié)的問(wèn)題。

突破數(shù)據(jù)采集效率瓶頸：通過(guò)“空天地海”一體化采集技術(shù)實(shí)現(xiàn)多源異質(zhì)數(shù)據(jù)的自動(dòng)化、實(shí)時(shí)化與高效采集。

實(shí)現(xiàn)模型的持續(xù)學(xué)習(xí)與優(yōu)化：基于企業(yè)業(yè)務(wù)反饋與市場(chǎng)變化，對(duì)價(jià)格預(yù)測(cè)、供需研判等模型進(jìn)行動(dòng)態(tài)復(fù)盤(pán)與迭代，使智能能力隨業(yè)務(wù)演進(jìn)同步增強(qiáng)。

當(dāng)前，產(chǎn)業(yè)智能化正從“感知智能”向“認(rèn)知智能”演進(jìn)。上海鋼聯(lián)將持續(xù)投入大模型與知識(shí)圖譜技術(shù)，構(gòu)建“大宗商品產(chǎn)業(yè)大腦”。