TOGAF®企业架构：The Open Group TOGAF®标 准是一种企业架构方法，它为企业软件开发提供了高 阶框架，帮助企业将IT目标与整体业务目标相统一。 • 指标体系：指将多个指标按照一定关系构成一个整体， 借助指标体系把业务逻辑化，可以精准的定位问题分 析问题，洞见商业。 www.top100summit.com • 案例背景介绍 • 案例设计及实践 • 案例复盘及启示 目录 基于企业战略寻找数字化转型的“北极星指标”，并最终实现决策引领 ✓ 综合衡量产品的用户价值及商业目标，度量业务长期健康度；将业务目标数据化，并通过数据的表现，反向指导业务 方向 ✓ 在指标体系中引入“北极星”指标，即把企业核心竞争力转化为数字化的指标体系，这个体系可以记录、跟进、反馈、 迭代，并倒逼形成一个具有反馈闭环的组织管理和运营体系。 一级指标 二级指标 企业级 业务领域 业务运营 三级指标 “北极星” 派生指标：APP客户活跃度、APP客户日活 www.top100summit.com 核心实践 构建动态数字化指标体系，实现从评估到监测的转化 维度 维度分类 业务状况表 （固定报表） 分析模型 （多维模型） 维度 机构 … 参与人 （一级分类） 指标体系 管理驾驶舱 （仪表盘） 指标分类 指标 贷款余额 … 成长性 （二级分类） 指标 指 标 定 义 框

支撑层 服务器 大数据基础设施 网络 HCS混合云 存储 组织支撑 政策指引 框架体系 管理组织 管理流程 规范建设 数据架构 数据标准 规范 数据运营 体系 数据资产 目录 指标体系 规范 数据质量 管理规范 数据安全 规范 大数据基 础平台 分布式计算与存储平台 MapReduce Spark Flink 企业大数据平台 (MRS) HDFS Hive/HBase 业运营的风险，相关资讯识别精准度及风险预警准确率均达 100%。 华熙生物 供应链数据可视化平台 A 股玻尿酸行业第一股 产品销往全球超过七十个国家 明质酸原料的市场占有率全球第一 50+ 指标体系 4 大管理维度 供应链治理 建设 一体化智能 BI 分析平台 构建 业务流转及分析框架 协同底座 人才赋能 专题培训覆盖 200 人 90+ 同事通过 FCA 初级认证 108 数智领导力 构建原料药械集中智能化统 计分析，统一数据接入、分 析、输出 统一数据平台，基于数据仓 库，统一数据整合、清洗转 换、数据建模等 数据展现面向领导、高管、 业务管理层、业务应用层等 形成主题式指标体系、管理 驾驶舱体系、报表体系、分 析体系 IT层：敏捷报表支撑，提高 效率 业务层：数据串成指标，指 标串成部门主题报表 决策层：掌握经营概貌，信 息透明，压力输出 同时满足不同层级的权限的管控

........................................................................................71 6.1 考评指标体系......................................................................................74 6.2 考评方法 化。为解决这些问题，有必要构建一套全面的人工智能数据训练考 评系统。 项目的核心目标在于建立标准化的数据训练考评体系，提升 AI 模型开发的质量与效率。具体目标可分为以下几个维度： - 建立可 量化的数据训练质量评估指标体系 - 设计全面的训练过程监控与记 录机制 - 开发智能化的训练资源优化算法 - 构建可视化的评估结果 呈现系统 - 实现训练效果的动态追踪与对比分析 通过本系统的建设，预计可以实现以下具体效果： 效率。具体目标包括： 1. 提升数据训练效率: 通过优化数据处理流程和引入自动化工 具，大幅缩短数据清洗、标注和处理的时间，确保训练数据的 高质量和高可用性。 2. 实现精准模型考评: 设计多维度的考评指标体系，包括准确 性、召回率、F1 值等，结合可视化工具，全面评估模型性 能，确保考评结果的科学性和客观性。 3. 支持多场景应用: 构建灵活的考评框架，使其能够适应不同领 域（如自然语言处理、计算机视觉等）和不同规模的数据集，

随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 加准确剖析我国算力产业发展态势。 《2025 综合算力指数》为我们提供了一个全面而系统的视角来洞察我国算 .................................................................................. 36 表 目 录 表 1 指标体系与计算口径........................................................................................ 41 综合算力指数 个维度出发，分析各维度量化因素，构建综合 算力指数体系 4.0。 与综合算力指数体系 3.0 相比，综合算力指数体系 4.0 优化内容 如下：新增模力指标维度，构建涵盖算力、存力、运力、模力、环 境等关键因素的综合算力指数指标体系；对算力、存力、运力、环 境各部分的指标进行优化。 2.指数体系 综合算力指数体系从算力、存力、运力、模力、环境五个维度 衡量我国 31 个省级行政区（省、自治区、直辖市）的综合算力发展

有效避免真实信息被层层“过滤”，管理有效性提升 15% • 避免业务流程被层层等待，决策及时性提升 30% ，有效实现数据业务 化应用 基于实时数据，对设备的价值指标建模和统计分析，以科学成熟的设 备指标体系，给管理层提供设备数据驾驶舱 设备指标：开机时长、作业时长、开机率、作业率、冗余率、瓶颈率 多维度对比分析：组织维度、工艺维度、厂房维度、灵活自定义维度 Project Content 项目目录

模型评测模块是人工智能行业大模型 SaaS 平台的重要组成部 分，它的主要目的是对所训练的模型进行客观、系统的性能评估， 以便为用户提供充分的信息，帮助他们选择合适的模型并制定后续 的优化策略。该模块应具备多维度的评测指标体系，并支持灵活的 评测方式，确保用户获得的评测结果具有良好的可信度和解释性。 功能设计上，模型评测模块应包括以下几个核心功能： 1. 自动化评测：用户上传模型后，系统可依据预先设定的评测标 模型压缩：利用剪枝、量化等技术减小模型体积，提高推理速 度，降低资源消耗。 2. 知识蒸馏：将大型模型的知识转移到小型模型中，从而保持性 能的同时降低计算需求。 在评估和监控模型性能时，必须建立系统的指标体系。我们可 以采用以下指标来衡量模型的效果：  准确率（Accuracy）  精确率（Precision）  召回率（Recall）  F1-score 通过定期回顾这些指标，我们能够及时发现潜在的问题并进行 析。定期汇总用户反馈，识别出用户反馈中出现的关键问题和全局 趋势。基于这些反馈数据，平台可以构建一个反馈池，里面包含了 用户的建议、评价、投诉等。 为了量化用户对大模型 SaaS 平台的体验，我们建议设置一套 评价指标体系。指标可以从以下几方面进行衡量： 1. 功能使用率：分析用户对各项功能的使用频率，识别出哪些功 能受到欢迎或被忽视。 2. 用户满意度（CSAT）：通过简单调查问卷获取用户对平台的 直接满意度评分。

络的服务能力指标（方式分担率、站点覆盖率、线 网密度等），更加注重“以人为本”的服务理念。 公共交通系统转型发展应以高品质公共交通出行体 验为导向，以可感知、可预见、可视化为发展目 标，建立面向乘客的公共交通评价指标体系和考核 机制[13-14]，助力打造人民满意的公共交通出行服务。 3.2.2 服务体系转变：从相对独立到多模式协同 传统公交系统存在模式单一、结构层次欠缺、 图3 北京巡游定制公交 91

图3.5 深度巡检流程示例 制定巡检计划 1 创建巡检工单 3 审批巡检计划 2 事件管理流程 变更管理流程 关闭工单 7 报告存档 8 分析评估 6 3.1.3 运维度量指标体系 运维指标度量体系是量化运维质量是否达标、运维 组织是否合理，运维流程是否高效的关键数据，同 时也是运维价值体现的数据。典型的运维指标如 下： 云服务可用度指标 可用性指标定义 IT 系统或服务在一定时间段内可正 通过搭建统一运维服务管理平台，该集团实现了告警的统一监控、故障处理自动化、运维质量可视可管以及IT 资源的高效利用。 集团通过构建全生命周期运维管控体系，实现了运 维流程的端到端可追溯；借助SLA指标体系量化服 务质量，保障事件零遗漏、问题全闭环、变更强管 控；通过线上化任务跟踪，确保日常运维工作高效 落地；结合多维度数据看板与智能分析引擎，实现 资产台账动态可视、系统运行质态实时洞察。从根

2017/0 3 2017/1 2 2018/0 9 2019/0 6 2020/0 3 基于 AI 学习体系的经济周期划分 与传统经济周期框架相对比： AI 学习后的指标体系对经济周期的变化更灵敏，对经济在震荡 / 复苏期内的反复跃迁有更精准的识别（ 2022-2024 ） 周期轮动更符合经济运行的客观规律，周期长度更符合客观认知：一轮“震荡 - 复苏 - 过热 -

为支撑分布式算力感知与调度系统的智能化与高效化运行，亟需 构建统一的算力资源度量模型，面向分布式、异构、多域的复杂环境， 对多类型算力资源实现标准化建模、特征提取与精准量化。该模型由 分布式算力资源标识体系与多维资源度量指标体系两大核心模块组 成，旨在实现算力资源的统一识别、动态管理，为多场景算力调度提 28 供基础支撑。 图 3-1 分布式算力资源度量架构图 针对边云协同、异构部署和多域融合等典型应用场景，算力资源 该标识体系与任务调度引擎深度集成，实现对资源的实时感知、 快速匹配与统一管理，增强调度系统的智能响应能力。 在此基础上，为支撑面向任务的精确资源调度，需构建覆盖计算、 存储、网络及能耗等多维度的统一资源度量指标体系。该体系通过结 构化与标准化建模，系统定义各类异构资源的量化维度与评估方法， 确保资源能力具备可比性、可预测性与可优化性，为分布式环境下的 智能调度提供基础支撑。 在具体指标构建上，体系涵盖通用算力（基于