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?
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:
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。
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。
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——
在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。
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。
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”。
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”。
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”。
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。
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👇
体验知数送1亿Token,扫码参与👇
IM即时通讯
实时对话智能体
智能硬件开发套件
音视频通话
短信
信令
直播
点播
互动白板
七鱼AI客服
客服类Agent
在线客服
科学策略中心
智能外呼
营销类Agent
问卷调研
文本检测
图片检测
音频检测
视频检测
智能审核平台
风控引擎
行为式验证码
实名核验
人脸核验
隐私合规检测
网易知数
有数BI
大数据基础平台
数据开发治理平台
指标平台
数据中台
研发智能化
智能页面生成
平台私有化定制
企业级RAG知识库
自主智能体
智能协作中枢
AI应用搭建
游戏行业
全生命周期解决方案
游戏安全解决方案
游戏AI智能体
娱乐社交
多人语音聊天室
游戏语音
娱乐社交出海
社交场景反欺诈
内容安全合规
大型直播活动
AI应用
AI应用开发
医疗行业
区域医疗
智慧医院
药店运营
教育行业
在线教育
绿色清朗课堂
课后服务
金融行业
泛金融
全链路数据风控
运营增长
存量用户促活
营销留资转化
企微客服
企微导流

