国企数字化转型 全面提质增效（上） 德勤国企改革系列报告 摘要 1 一、国企要做推动数字化转型的排头兵 2 二、数字化转型问卷的调查结果及主要发现 4 三、国企数字化转型思考框架 9 四、国企数字化转型的常见流程 10 五、参考案例 12 六、总结与展望 24 七、作者和联系方式 25 目录 1 国企数字化转型全面提质增效（上） | 摘要 摘要 数 委在乌镇主办的第六届世界互联网大会产业数字化论坛上，国务院国 资委副主任翁杰明表示，国务院国资委“坚定支持中央企业抓住数字经济历史机遇，实施集团管控、 1 德勤全球研究报告《技术趋势2019-超越数字化》、《技术趋势2020》 2 德勤全球报告《工业4.0悖论：克服数字化转型道路上的脱节》 3 国务院国资委副主任翁杰明3月4日《学习时报》头版头条文章《国有企业要做推动数字化智能化升级的排头兵》 图1：受访企业所有制和行业分布 中央企业 金融服务业 民营企业 工业产品及建筑业 生命科学和健康医疗 地方国企 能源和资源行业 外资企业 消费行业 政府和公共务 事业单位 科技、传媒和电信 其他 *按德勤全球行业分类： 金融服务业—银行及资本市场、保险、投资管理、房地产 能源和资源行业—电力、公共设施及可再生能源、矿业及金属、石油、天然气及化学品 消费行业—汽车、消费品、零售批发和分销、酒店交通及服务、物流

1 2 The Statement 声 明 本研究报告由高德地图大云图业务 中心数据分析团队撰写，所载全部内容仅 供参考。 报告是基于高德地图及行业浮动车数 据，通过大数据挖掘技术结合交通算法及 交通理论编制，保证报告合理性与科学性。 报告中地面道路交通通行时间计算方法， 是考虑融合道路交叉口延误时间（即信号 灯等待时间），从时间、空间、效率三个 维度客观、综合地反映了城市道路交通健 专利法、商标法等知识产权法律法规以 及相关国际条约的保护。未经高德事先 书面许可，任何组织和个人不得将本报 告中的任何内容用于任何商业目的。经 高德事先书面许可的引用发布，需明确 出处为“高德地图《2024年中国主要城 市交通分析报告》”，不得对报告进行 有悖原意的引用、删节和修改，且引用 本报告的文件发布前应当经高德审核。 “ 交通评价是一个极其复杂的工程，虽然大数据可以反映城市 • 感谢您的关注，敬请留意后续研究结果的发布 3 联合发布 《中国主要城市交通分析报告》以高德交通大数据发布平台、大数据开放平台、 阿里云MaxCompute及相关数据挖掘方法为支撑基础，描述城市交通现状、呈现演 变规律、预测未来发展趋势，专注拥堵成因及解决对策的研究。本季度报告由高德 地图联合“国家信息中心大数据发展部”、“清华大学土木水利学院”、“同济大 学智能交通运输系统（I

系与流程的前瞻性视野。然 而，至关重要的是，未来矿业领导者将在追求生产效率和盈利目标的同时，秉持对员工福 祉的深切关怀与同理心。 因此，第17期《趋势追踪》报告集中探讨了培育新时代领导力的必要性。德勤全球网络的 专家团队分享了他们的洞见，并提供了企业可即刻用于自身业务的策略与工具，旨在助力 企业重新确立其作为未来雇主、创新先锋和可靠供应商的市场地位。 引言 2025年趋势追踪 3 引言 趋势 10:创造自然竞争优势 全球及中国联系人 作者与致谢 趋势 1 引领矿业及金属行业步入新时代:依托前瞻性 领导力， 打造韧性组织 作者 Ian Sanders，德勤全球矿业及金属行业主管合伙人 Andrew Swart，德勤加拿大能源、资源及工业行业主管合伙人 2025年趋势追踪 许多矿业企业所面临的复杂性和不确定性的程度极具挑战。从瞬息万变的地缘政治事务与 气候相关的不稳定因素，到 在过去，企业的架构和管理模式往往旨在维系企业相对稳定。如今，企业的盈利能力、可 持续性以及其在社会中的影响力，可能更多取决于其适应变化的能力。 举例而言，Z世代即将成为全球矿业及金属行业劳动力的重要组成部分，他们极具目标导 向性；德勤全球发布的《2024年Z世代与千禧一代调研报告》显示，50%的Z世代和43%的 千禧一代曾因个人道德或信仰原因拒绝接受某项任务，也有相近比例的人也曾基于这些原 则，拒绝过雇主的聘用。1 预计到203

出智慧医院定义且逐渐明晰标准。 政策是推动智慧医疗的核心驱动力 1.1 图表1：中国人口老龄化进程 注释：[1] 1956年联合国的划分标准 来源：《中国发展报告2020中国人口老龄化的发展趋势和政策》，国家统计局，德勤研究 老龄化社会 老龄人口 占比 2000 120 10.3% 13.3% 18.1% 21.4% 29.9% 35.8% 179 254 300 417 487 88 7.0% 8 各地的智慧医疗发展进程，长三角地区的智慧医疗发展 较快，主要侧重于全链条数字转型和智能信息化升级， 北京和深圳则是较关注“AI+医疗场景”的开发。 图表2：中国医疗体系逐渐向智慧医疗发展 来源：案头研究，德勤研究 • 医院管理系统建设，建立以财 务、运营、流程管理为核心的 HIS系统。 • 院内医疗信息系统建设，如临 床管理信息化系统（CIS）、影 像信息管理系统（PACS）。 1.0阶段 院内信息化 监管制度，医药及医疗器械企业保证日常工作的合规质 量尤为重要。 在这样的背景下，医药及医疗器械企业搭建或完善全面且 有效的合规管理体系已刻不容缓。目前，越来越多技术生 态商积极为医药企业提供数字化合规解决方案。例如，德 勤推出D-GSP药品和医疗器械经营质量管理平台，助力 中国大陆地区药械企业客户解决面临的GSP法规迎检、 医药经营管理等问题。该解决方案可帮助客户实现全面 的GSP过程管理、质量监控、质量记录和风险预警，全

点。同时，中国能源企业也必将在内外双重压力中锚定新机遇，在结构优化与全球 布局中瞄准发力点。 十五五，德勤中国能源资源与工业行业团队仍将以严谨审慎的态度及对行业的高度 责任感，潜心钻研，深耕实践，探索能源产业链关键节点的技术突破与模式创新，解 读主要市场的政策演进与产业深意，与所有能源产业参与者共同寻求破局之道。 德勤(中国)能源资源与工业行业主管合伙人 2025.07.09 3 “十五五”时期中国能源行业关键议题 势持续巩固，产品出口至全球市场；欧美则通过政策吸引本地投 资，建立区域内的供应链体系。 基础设施投资扩展：中东国家在巩固传统油气出口通道基础上， 持续扩建港口与出口枢纽，如阿联酋哈利法港、沙特朱拜勒工业 港等；印度提出“印度-中东-欧洲经济走廊”（IMEC），美国、欧 盟予以支持，意在建设红海、苏伊士的替代性通道。 能源资源贸易格局加速重构 新的经贸格局下，能源贸易呈现出多极化特征。这里聚焦原油、 t/年的LNG 气化能力并持续建设。 • LNG贸易路径更加多元化：中美贸易摩擦导致中国基本停止 进口美国LNG，更多转向卡塔尔、澳洲；美国和欧洲LNG联系 深化。 图表1：全球原油贸易流向 来源：德勤研究 2023 2030E Saudi Arabia China Other Asia Pacific US (to) Europe India Others Japan China

关于国际销售业务能力提升的几点思考与总结 10 分钟 核心销售模块现状理解与改进方向探讨 35 分钟 核心销售模块改进举措总览与整体优化实施路线 5 分钟 下一阶段工作安排 5 分钟 6 根据德勤“战略阶梯”的业务模型，一个优秀销售公司的永续内生增长必须对以下几个问题 有深入的剖析和研究 关于国际销售业务能力提升的几点思考 业务发展策略 能力成长规划  客户在想什么？  有什么？  缺乏完善的跨部门 协同工作机制： 1) 销售与生产缺 乏对排产及产能释 放的及时沟通机制 2 ）综计部门对订 单的细节沟通未能 设置专人跟进 商机管理主要流程 以半导体 业务为例 34 德勤建议导入销售漏斗的管理理念，以帮助销售部门搭建体系化的销售商机管理机制 改进方向六：建立规范的、可量化的商机管理应用机制 销售漏斗管理模型 销售管理模块 运营指标监控 销售管理 潜在客户数 1 核心销售模块现状理解与改进方向探讨 35 分钟 - 销售策略层 - 销售运营层 - 销售支撑层 销售组织与岗位 工具与系统支持 人员能力评估 K11 K13 K12 48 基于对战略目标的理解，德勤初步建议在 KPI 的考核设计上更多的关注过程指标 改进方向十一：构建合理的绩效考核体系 公 司 架 构 财务层面 客户层面 内部流程层面 学习与成长层面 成长性 盈 利 性 开拓 新客 户

第三季度，美国有近800万个职位空缺——这些职位是人们根本不愿意做的。 多少？ 在与埃隆·马斯克、布雷特·阿德科克、凯茜·伍德和维诺德·科斯拉的交谈中，关于到 2040年我们将拥有多少人类型机器人与我们并肩工作的预测，其冲击力至多是惊人的。在 最低限度下，数量是10亿（这个数字超过了地球上的汽车数量），而在马斯克和阿德科克 的宣布的最高限度下，数量将超过100亿。 多少？ 但与机器人数量同样令人印象深刻的是其价格点，预计在20 （高盛）至240万亿美元（Ark Invest）的惊人 规模。仅在美国，摩根士丹利预计到2050年将 有6300万人形机器人投入使用，可能影响75% 的工种和40%的员工。在更高预测范围内，布 雷特·阿德科克（Brett Adcock）和埃隆·马斯克 （Elon Musk）预测到2040年将拥有高达10亿 至100亿台人形机器人。 6 广泛的社会影响： 机器人人形的广泛 应用有可能开启一个前所未有的丰裕时代，大 Technologies p 35 Agibot p 36 p Apptronik 37 北京人力资源研究所 p 38 p EngineAI 39 p 工程艺术 40 傅里叶智能 p 41 p 开普勒 42 机器人时代 p 43 p 圣殿人工智能 44 Xpeng p 45 Tesla p 23 p Figure AI 26 Agility Robotics p 29 波士顿动力 p 31 Unitree