一、入门知识——数据分析是什么 三、案例透视——经分应用干什么 二、系统解析——经分系统有什么 1.1 何谓数据分析 1.2 数据分析价值 1.3 数据分析步骤 2.1 经分系统的演进过程 2.2 经分系统的两级架构 2.3 经分系统的主要内容 2.4 经分系统的使用对象 2.5 经分系统应用全景图 3.1 市场健康度分析 3.2 流量战略地图 3.3 量化薪酬系统 一、入门知识——数据分析是什么 三、案例透视——经分应用干什么 二、系统解析——经分系统有什么 1.1 何谓数据分析 1.2 数据分析价值 1.3 数据分析步骤 2.1 经分系统的演进过程 2.2 经分系统的两级架构 2.3 经分系统的主要内容 2.4 经分系统的使用对象 2.5 经分系统应用全景图 3.1 市场健康度分析 3.2 流量战略地图系统 3.3 量化薪酬系统 一、入门知识——数据分析是什么 三、案例透视——经分应用干什么 二、系统解析——经分系统有什么 1.1 何谓数据分析 1.2 数据分析价值 1.3 数据分析步骤 2.1 经分系统的演进过程 2.2 经分系统的两级架构 2.3 经分系统的主要内容 2.4 经分系统的使用对象 2.5 经分系统应用全景图 3.1 市场健康度分析 3.2 流量战略地图系统 3.3 量化薪酬系统

工程侧痛点：人机协作的实践困境 ...........................8 （三） 行业侧痛点：通用模型难以支撑行业特性 .....................9 三、 建设思路：软件工程智能化分层演进与全域覆盖框架设计​ ......... 10 四、 建设内容：三维一体，构建智能化工程化标准实施矩阵​ ........... 12 （一） 智能基础底座：构建技术赋能可控的数字化基石 ... 核心能力建设：覆盖全生命周期的智能化能力矩阵 ............14 （三） 行业线标准适配：建立垂直领域差异化实施路径 ..............30 五、 趋势展望：软件工程智能化技术演进与产业升级驱动​ ............. 30 （一） 技术拐点：从“问答”到“智能驱动” ......................30 （二） 行业纵深：垂直领域适配突破，可信智能成为刚需 发展。 软件工程智能化标准体系建设指南（2025 年） 6 数据来源：中国信息通信研究院 图 2 人工智能企业各国分布 （三）技术创新驱动持续深化，软件工程智能纵深发展 一方面，技术内生演进驱动工程方法革新。全球人工智能技术进 入体系化突破新阶段，推动软件工程向智能化纵深跃迁。大语言模型 （LLM）重构软件开发模式，生成式 AI 推动人机协同开发成为主流。 国际标准化组织（ISO/IEC

北京仁科互动网络技术有限公司 2025年9月 智能驱动增长：人工智能客 户关系管理（AI CRM）系统 研究报告 (2025 年) 前 言 近年来，宏观经济结构性调整、新兴技术加速演进以及市场需求 持续升级，共同推动企业与客户关系的重塑。客户关系不再是线性、 单向的流程，而演变为复杂、动态、多维的生态系统。在这一背景下， 客户关系管理（Customer Relationship 仅是技 术创新，也是企业顺应宏观趋势、提升客户价值与实现可持续增长的 战略抉择。 本报告系统梳理了人工智能赋能客户关系管理系统的技术演进、 核心能力与产业实践，围绕四个方面展开。一是分析技术变革，梳理 AI 重塑 CRM 的交互范式、核心能力演进与安全合规要求；二是描绘 市场格局，呈现 AI CRM 市场主流技术路线及核心功能，并结合营销、 销售、服务等典型场景，展示 AI CRM AI CRM 在不同场景下的实践成效。报告旨在探索 AI 技术与业务融合的 实现路径与落地场景，提供 AI CRM 的战略价值参考，推动企业智能 化转型。 当前，AI CRM 正处于快速演进阶段，产业生态与技术实践仍在 不断完善。本报告力求提供系统性分析与实践参考，如有不足之处， 恳请各界专家读者批评指正。 目 录 一、研究背景与转型动因 ..........

大模型智算网络“高性能连接、高效率 传输、高可维网络、高安全保障”等关键技术进行研究，提供一 套适应金融特征的覆盖数据中心、骨干及分支的 AI 智算网络技 术方案。结合行业业务及技术发展方向，将金融业 AI 智算网建 设演进划分为打造底座、构建系统、完善生态 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥 务、新制造、新业态，成为数字时代的新质生产力。 随着技术演进，AI 大模型技术呈现以下显著发展趋势： 一是模型能力持续提升。随着深度学习技术不断发展，AI 大模型的参数规模和计算能力不断增加，使得模型能够处理更加 复杂的任务和数据。2022 年发布的自然语言模型 GPT-3，能生成 高质量的自然语言文本，能进行翻译、问答、文本生成等任务； 在 2024 年诞生的 Sora 模型，不仅演进到视频生成的能力，还具 备 划决策、执行复杂任务的智能体 AI Agent。 二是模型结构持续演进。稠密模型由于其结构简单及易于实 现，在早期成为大模型的主流。但是随着 AI 模型规模不断扩大， 计算和存储资源的需求不断增加，成为新的挑战。稀疏模型因其 支持参数剪枝，在保持模型性能的同时极大降低了计算成本，因 而受到更多关注并逐步成为演进方向。 三是模型算力持续增长。从 2016 年到 2024 年，GPU 单卡算

态层面，人形机器人创新中心建成“麒麟”训练场，实 现“数据—模型—训练”的闭环迭代。但当前具身智 能发展仍面临硬件“非标化” “高成本”的高门槛、多模 态融合算法效率仍偏低、伦理责任界定模糊等挑战。 本文通过解析具身智能“技术演进—标准构建—评测 验证”协同发展机制，结合产业研报最新研究，以期与 产业专家共同探索解决具身智能标准化研究与评测 方法。 1 国内外标准化研究现状分析 1.1 国内标准化现状 近年来，随着具身智能技术的快速发展，我国逐 术体系复杂庞大，标准制定需协调各子领域之间的一 致性，确保标准体系的完整和协调。 b）技术发展快速。具身智能技术发展迅速，不同 路径（如基于规则控制与基于学习的智能）并存，标准 制定存在动态演进需求。过早制定过于具体的标准 可能束缚创新，但缺乏标准又难以协同，需要在灵活 性和统一性之间取得平衡。 c）应用场景多样。具身智能应用场景广泛，涵盖 家庭、工业、医疗、交通等多个领域，不同场景下的环 具身智能标准化研究与评测方法探索 本期专题 Monthly Topic 48 邮电设计技术/2025/07 标准的科学性和适用性。推动标准与技术协同发展， 在技术研发初期同步开展标准研究，确保标准与技术 同步演进，避免标准滞后于技术发展。逐步推进建立 多层次标准体系，构建涵盖基础共性、关键技术、产品 应用和评测认证等多个层次的标准体系，既满足通用 性需求，又具备针对性和灵活性。与此同时，深化国 际合

管理装备现代 实战测试基地 急 及 应 景 推动 点场 能力 廷立 智能 器人 ■ 具身智能的发展演进 □ 具身智能的发展阶段 2020s- 现在 技术突破阶段 1990s-2020s 技术积累阶段 1950s-1990s 技术萌芽阶段 ■ 具身智能的发展演进 □ 具身智能的发展阶段——技术萌芽阶段 > 1927 年，第一个电驱人形机器人“ Televox' 诞生于美国西屋。 布鲁克斯发表论文《 intelligence:Without RepΓesentation ( 无表征智能 ) 》 , 认为智能可以通 过行动与环境的交互而自然涌现 , ■ 具身智能的发展演进 □ 具身智能的发展阶段——技术积累阶段 (1) > 1990 年，麻省理工学院推出一款模仿人头部的机器人 Kismet 。 > 1991 年，布鲁克斯基于“感知 - 行动框架，研发可以自主行走的六条腿机器人 2009 年，谷歌推出 Prius 自助驾驶汽车。 > 2010 年，柳树车库 (Wlow Garage) 发布了开源机器人操作系统 ROS, 促进了机器人领域的合作研究 , ■ 具身智能的发展演进 □ 具身智能的发展阶段——技术积累阶段 (2) > 2013 年，美国波土顿动力发布机器人 Atlas 。 > 2015 年，软银公司发布机器人“ Papper” 。 > 2016 年，法国

布局持续加强。信息化标准建设迈出新步伐，发布人工智能、 物联网、数据等重点领域标准体系建设指南。三是信息化创 新人才队伍持续壮大。信息化人才培养体系更加健全，全国 数字经济本科专业达 227 个，教育科研模式变革加速演进， 文献情报、化工、海洋、气象等重点领域大模型有效提升科 研效率。国家教育数字化战略行动深入实施，建成世界最大 的国家智慧教育公共服务平台。全民数字素养与技能持续提 3 升，我国 60.61%的成年人和 品、新应用、 新业务，不断提升企业竞争力。 三、2025 年信息化发展形势与任务 当前，网络信息技术创新加速演进，以人工智能为代表 的战略性新兴产业和未来产业蓬勃发展，信息化成为培育新 质生产力、重塑世界发展格局的重要力量。从外部环境看， 世界百年变局和信息革命浪潮叠加演进，国际形势复杂多 变，不确定性、不稳定性因素增多。从技术趋势看，人工智 能成为生产力发展新引擎，区块链带来生产关系新范式，要 新范式演进，促进原创性、颠覆性、引领性科技成果涌现， 为新质生产力发展注入源源不断的动力。 （二）以信息化优化要素配置，创新新质生产力发展机 制。新质生产力的形成依赖于生产要素的创新性组合。信息 化通过数据提高劳动、资本、人力等其他生产要素的组合替 代能力和有效产能，增强资源配置的灵活性与适配性，提升 要素体系的整体效能，推动资源配置向更高质量、更优结构、 更强活力的新模式演进，形成适应新质生产力要求的高效配

流程化管理 • 业务负载逐年增加，无法确定功能完整可用性 • 业务形态更加多种多样，部署环境愈加复杂 • 为了适应发展的需求，业务调整日趋频繁 • 大数据、云计算、物联网、人工智能等技术的 快速演进以及应用，对运维团队提出了更高的 要求 7 IT 运维挑战 · 随着技术以及企业信息化与数字化的迅猛发展，给 IT 运维带来了全新的挑战 业务变化越来越快 系统变更越来越频 新系统上线越来越多 用户体验要求越来越高 业务处理时效性更高 业务中断容忍度更低 高层对 IT 部门考核更严…… 系统架构越来越复杂 故障类型越来越多 系统负载更大、故障风险高 故障排查、修复更难 技术快速演进与新技术应用 人员技术能力与经验不足 人员成本越来越高 知识经验无法沉淀…… 外部 挑战 内部 挑战 规模更大 要求更高 变化更快 排障更难 外部 挑战 内部 挑战 && 8

.........................................................................................10 2.4 总体演进策略................................................................................................. 态。 1.2.数字化企业特征 数字化企业本质上是在数字经济时代为客户、员工、合作伙伴 创造价值、实现可持续发展的一种全新发展模式，具有：数据赋能、 虚实结合、人机协同、资源最优精准配置、自主演进的基本特征。 1. 数据赋能 数据赋能是数字化企业的本质特征。数字化企业要实现数据在 自动化设备、信息化系统与人之间的自由有序流动，释放大数据蕴 藏的巨大价值。数据化、在线化、算法化构成了数据赋能的三大基 进行 持续动态调优，和个性化精准配置。从而更高效更精准的满足客户 需求，构建企业竞争新优势。 5 企业数字化转型及企业数字化平台建设方案 5. 自主演进 自主演进是数字化企业追求的最高目标。通过大数据驱动的持 续学习、纠错和演进迭代，实现企业智慧能力的持续提升，从而帮 助企业能够随着内外环境变化和目标调整而自主寻优，动态调整业 务、组织和资源配置，实现企业持续成长。 1.3.数字化企业建设的关键路径

替代低附加值人工劳动，导致结构性失 业，而被替代人多属于社会偏底层的群 众，造成贫富差距拉大，社会动荡 道德伦理风险 消费者信息骚扰、隐私泄露； AI 设计者 的价值导向和行为偏好反映在算法中， 进而演进为算法歧视，包括种族歧视、 暴力倾向。 二、人工智能对财务的影响 2.1 降低财务工作强度 简化财务流程，代替大量基础性工作 工作重心：会计信息录入、整理等→会计信息的筛选、分析、 审核