图片


每个月做预算执行分析,是三花智控财务团队最头疼的时刻。

组织、科目、期间、项目——四个维度来回切换,手动从ERP拉收入、从MES对生产、从财务系统核支出。一整套跑下来,2到3个小时没了。

更难受的是,好不容易把数字凑齐了,预算和实际之间的差异到底怎么产生的,还得靠经验猜——这个月销售费用超了,是因为市场部多搞了一场活动,还是因为差旅标准提高了?没人能立刻回答。

等分析做完,月度经营会已经开完了。

你可能觉得这是哪家中小企业的日常。但三花智控不是——它是全球制冷元器件市占率第一的隐形冠军。

你可能每天都在用它的产品。你家的空调、冰箱里的四通换向阀,大概率来自三花。你的特斯拉或比亚迪的热管理系统里,三花的电子膨胀阀在默默工作。100多个数据中心支撑着这家公司的全球业务运转,从杭州总部到越南工厂,从研发中心到北美销售办公室。

这个落差,正好回答了一个更大的问题:为什么很多企业上了AI,还是用不起来?


图片



不是AI不好用,是它读的数据不干净

三花的信息化基础并不差。

2005年深交所上市后,ERP、MES、WMS、财务系统陆续上线,覆盖了研发、采购、生产、销售、财务全流程。但问题恰恰出在“陆续”两个字上——系统是分批次建的,打通的事情一直没做完。

财务部门每天面对的现实是三座大山:

图片

第一座:口径不一

同一个“收入”,ERP里含税、MES里不含、财务系统又一套标准。同一指标三个系统三个数,以哪个为准?没人能回答,每次都靠财务手动仲裁。

图片

第二座:时效滞后

数据流转依赖定期批处理。月度对账T+N天,预算扣减T+1天。财务拿到的是上周甚至上个月的状态。

图片

第三座:人工核对

跨系统数据对不齐,靠财务人员逐行比对、手动调差。退回率高,改一轮又来一轮。

三花缺的不是AI工具。随便接一个大模型都能跑。但它缺的是让AI能“读懂”的数据底座。

数据不通、口径不一,AI上去就是一个昂贵的猜谜机——猜对了好说,猜错一次,业务就再也不会信了。

不是买个工具,是建一座桥

三花的解法不是“上一个AI产品”,而是和网易智企·数帆一起从头搭了三层架构。

为什么是“搭”而不是“买”?

因为市面上任何一个现成的AI工具,都没法解决三花的核心问题——数据底座没准备好。就像一个再好的赛车手,开在一条坑坑洼洼的土路上,也跑不出速度。

所以三花做的第一件事不是“选AI”,是“修路”。

第一层:把数据打通。

把散落在U9C ERP、MES、WMS、财务系统里的数据统一接入数据开发治理平台。然后做了一件关键的事——

智能数据语义平台上统一口径。预算、实际、组织、科目、期间,五个维度全部对齐。从此“收入”只有一种算法,全集团一个答案。这一步花了最长时间,但也是后来一切效果的基础。

第二层:让AI能看懂。

在干净的数据之上,智能数据应用平台开始发挥作用。它有一个完整的Data Agent方法论闭环:

感知——自动接入ERP、MES、OA等多源数据,在业务发生的源头捕获异常信号。

诊断——用规则引擎和大模型对数据进行跨系统交叉比对,精准定位问题根因。比如发票重复、预算超支,不再是事后才发现。

干预——把AI建议无缝嵌入财务的日常流程。偏差出现了,系统主动推送,不需要财务去“查”。

进化——每一次的判断和修正都被沉淀为企业专属规则资产。用得越久,AI越懂三花的业务。

不是“你问一句AI回一句”。是AI在你的业务流程里默默跑着,发现偏差了主动告诉你。

图片

第三层:选两个场景试水。

摊子不铺大。三花只挑了财务最痛的两个场景:预算预实分析和财务报告生成。

为什么是这两个?因为它们的痛点最直观、效果最容易量化、成功了对其他场景最有说服力。跑通两个,就有了样板间。

两个场景,两种“从做不到到做到了”

场景一:预算预实分析——从“看数”到“AI陪你判断”。

这是三花财务最日常也最繁琐的工作。

以前的路径:选维度 → 手工拉数据 → 自己比对差异 → 靠经验判断原因 → 自己写解释。2到3小时。

现在的路径:选维度→AI自动拉取预实数据→识别偏差→生成分析建议。10分钟。

但关键的变化不在“快”,在“建议”。以前系统只能告诉你“预算100,实际80,差20”。为什么差20?不知道,自己查。现在AI会说:差异主要来自三个科目,其中市场部差旅费超预算40%,建议确认是否有未审批的出差计划;销售费用低于预算但回款率也低于预期,建议关注应收账款。财务从被动的“对账员”,变成了能主动判断的“分析师”。

场景二:财务报告——从“一套模板打天下”到“按场景定制内容”。

以前的路径:固定模板。月报用它,专项分析也用它,经营复盘还用它。不同场景需要不同内容,但模板只有一套。财务要花半天手动调整。

现在的路径:沉淀字段指标和报告模板→按场景勾选需要的内容项→AI自动组合生成报告。T+1的产出周期压缩到30分钟内。

重点不是“快了”,是更灵活了”。按场景定制报告内容——月报看到的是核心经营指标和异常波动,专项分析看到的是某条产品线的深度拆解,经营复盘看到的是全盘趋势和管理层关注重点。每个场景拿到的是对自己有用的信息,不是同一份通稿。

模板也从“一次性消耗品”变成了“可复用的资产”。每次调整都被记录下来,下次直接用。

图片

比效率提升更重要的,是人的角色变了

三花的故事如果只读到“2小时变10分钟”,就错过了最有价值的部分。

AI不是替代了财务,是把财务从“数据搬运工”解放了出来。

三花的财务团队经历了三个层次的变化:

第一层:从“人找数据”到“数据找人”。

图片

财务不再主动筛选维度、拼接口径。系统按场景把分析推到你面前——有偏差了提醒你看,没偏差了你该干嘛干嘛。

第二层:从“个人经验”到“企业资产”。

图片

以前预算偏差怎么判断,答案在一个在财务干了十年的老同事脑子里。新人来了,靠老人口头传授。人走了,经验带走。现在这些判断逻辑被沉淀为规则和模型——

人走了,经验留下来了。

这套规则资产还在持续积累,用得越久,三花的AI越不可替代。

第三层:从“做表”到“做判断”。

图片

这是最本质的变化。财务被释放出来的精力,不做表了,做的是:理解差异背后的业务动因、跟业务部门沟通改善方向、把数据结论翻译成管理层听得懂的建议。

从一个“出报表的人”,变成了“用数据影响决策的人”。

而这些变化不是在某个大版本上线那天突然发生的。是一个场景一个场景跑出来的——预算分析先上线,跑了一个月稳定了,财务报告接着上。先用的人告诉还在观望的人:“你试试,真的不一样。”然后下一个场景就推得更快了。

AI在企业里的落地,从来不是技术问题,是信任问题。先在一个场景里证明自己,信任自然就扩散了。

图片

先治数据,再问AI

三花的这个故事,给所有正在看AI的制造企业一个朴素的提醒:

不是接一个大模型就完了。

数据不打通、口径不统一、场景没定义,AI上去只能是昂贵的玩具。

三花做了三件事——先把数据整干净、再把AI能力搭在干净数据上、最后挑两个最痛的场景试水——然后AI自然就“用起来”了。

不是AI改变了三花。

是三花先把数据准备好,AI才有的放矢。

底座有多扎实,AI就能用多深。不管你买的是谁的AI。


作为网易旗下一站式企业AI应用服务提供商,网易智企倾力打造企业AI实战栏目——「AI 实战派」,聚焦AI在真实业务中的落地应用,通过实战教学、案例拆解、研讨交流等多元形式,将前沿的AI技术转化为真实的业务动能,为企业管理者、业务决策者和一线实践者提供可迁移、可复用的实战方法论与深度洞察。

更多AI实战派课程,扫码报名👇

图片

体验知数送1亿Token,扫码参与👇

图片
图片
图片