【中國冶金報】上海鋼聯正重構大宗商品智能決策生態

過去10年，在政策引導與市場機制的共同推動下，中國鋼鐵及大宗商品行業加速向高質量發展轉型，傳統依賴人工經驗、滯后報表和局部信息的決策模式日益顯現出局限性。

作為全球領先的大宗商品及相關產業數據服務商，上海鋼聯（Mysteel）依托25年數據積淀，已建立起覆蓋全球400余座城市和港口、1000多種大宗商品的數據采集網絡，日均處理超75萬條結構化與非結構化產業數據。基于這一堅實底座，上海鋼聯系統性地將數據資產轉化為可落地的智能化解決方案。截至目前，該公司已為100余家鋼鐵、煉化等大中型企業以及政府機構和高校部署鋼聯EBC（企業業務能力）系統，覆蓋市場研判、采購、銷售、庫存管理等全鏈條場景。

本文將復盤上海鋼聯在數字化轉型和AI（人工智能）應用方面的實踐，提煉可復制的方法論，并分享在推動產業數智化過程中的關鍵洞察與實施路徑。

產業智能化的三大核心痛點：為何轉型迫在眉睫？

在服務百余家企業過程中，該公司觀察到一個普遍現象：盡管企業高層對數字化、智能化的戰略方向高度認同，但在實際推進中，真正實現價值落地仍面臨三類深層次障礙。

一是數據貫通不足，面臨信息孤島與質量瓶頸。多數企業內部存在ERP（企業資源計劃）、MES（制造執行系統）、CRM（客戶關系管理）、物流系統等多個IT子系統，數據標準不統一，業務標簽體系不統一，且系統間未建立多維屬性關聯。由于缺乏跨系統的多維屬性映射與統一語義模型，數據雖“在線”，卻難以“聯動”。這種“數據方言”導致跨部門協同效率低下，更無法支撐全局優化。

二是市場研判遲滯，決策響應速度不足。企業進行市場研判仍依賴線下溝通、經驗判斷及短期模式，面對市場價格、原料成本瞬息萬變的態勢，企業在采購節奏、生產排程和庫存策略上只能被動應對，不僅難以捕捉短期套利窗口，還可能因誤判趨勢而放大經營風險。

三是智能分析缺位，經營策略被動應對。更深層的挑戰在于高階分析能力的結構性缺失。多數企業仍停留在“描述性分析”階段（即“發生了什么”），缺乏“診斷性分析”（為什么發生）、“預測性分析”（將要發生什么），更遑論“規范性分析”（應該采取什么行動）。也就是說，經營管理過程缺乏科學模型與數據模擬支撐，過度依賴人工經驗，面對市場異動、供應鏈變化等突發情況，僅能被動應對，難以提前布局、精準管理。

這些問題的本質，是數據價值未被有效激活。而智能化轉型的核心，正是構建“數據—洞察—行動”的閉環。

上海鋼聯方法論：“四階躍遷”模型

基于大量項目實踐，上海鋼聯提煉出一套可復制、可落地的產業數智化轉型路徑——“四階躍遷”模型。該模型以價值為導向，強調從數據整合到智能應用的漸進式演進，確保數據與技術真正服務于業務決策。

階段1：數據融合——構建產業級數據底座

鋼聯EBC并非簡單對接企業內部系統，而是將企業內生數據與上海鋼聯外部產業數據進行深度融合。為實現內外數據的有效對齊，該公司構建了“商品—區域—時間—屬性”四維統一數據模型，制定了標準化的數據定義、格式與單位，實現內外部數據的對齊與關聯，打破“數據孤島”，解決數據語義不統一的行業頑疾。

例如，在鐵礦石采購場景中，鋼聯EBC系統不僅接入其內部采購訂單、庫存、合同數據，還實時融合了上海鋼聯提供的巴西/澳大利亞鐵礦發運量、到港量、港口庫存、鋼廠開工率、下游需求景氣度、基差、政策文本庫等外部數據，形成一張動態采購決策圖譜。

階段2：市場分析——實現市場研判體系化

建立從“點、線、面”到“立體化”的市場研判框架體系和方法論，找到影響因子，利用“估值+驅動”的方法對各品種進行定性和定量分析，預判市場走勢。

具體而言，該公司幫助企業構建“四碗面”研判體系：宏觀面，跟蹤貨幣政策、財政政策、全球經濟等；供需面，監測產能、產量、庫存、進出口等基本面；技術面，分析價格走勢、持倉結構、基差變化；情緒面，解析產業鏈傳導邏輯與市場預期。

通過該框架，該公司實現對價格、庫存、開工率等關鍵指標的實時監測與協同分析，提供端到端的風險預警與機會識別服務。同時，該框架建立了周度復盤機制，根據核心因子變化動態調整模型權重，持續優化研判邏輯。

階段3：場景建模——聚焦高價值業務痛點

為避免“為數字化而數字化”，該公司堅持“場景先行”，聚焦采購、銷售、生產、庫存等高價值業務痛點，構建定制化業務管理模型，完成從“診斷性分析”到“預測性分析”再到“指導性分析”的核心進階，實現“數據—洞察—行動”的經營管理閉環。

例如，該公司為企業整合內外部報盤數據，解決每日報盤信息實時獲取及礦石性價比測算問題，支撐礦石采購從詢盤、測算、生產計劃下達、計劃執行到采購復盤的全流程管理，并在此基礎上構建采購決策模型，輔助科學制訂礦石采購策略。同時，梳理企業內部采銷業務的核心關鍵指標，并與市場信息、競品信息進行匹配，構建尋源采購、擇機采購、銷售定價、市場投放等定制化業務管理模型，助力企業全面掌握市場動態、靈活調整經營布局，并通過事后復盤驗證策略有效性，實現全周期、精細化的經營管理。

階段4：智能引擎——從“規則驅動”到“AI驅動”

當前，行業AI應用仍以各場景獨立落地為主，未形成一體化賦能體系，上海鋼聯以鋼聯宗師垂域大模型為核心，推動AI能力的“端到端”深度整合，實現從“單一輔助工具”到“全流程決策伙伴”的演進。

其中，場景應用方面，該大模型通過智能對話助手、資訊閱讀智能體、報告撰寫智能體，輔助輸出市場分析與經營建議；建模分析方面，依托多模態模型與數據分析智能體，提升市場研判效率；信息擴維方面，借助智能知識庫與數據查詢智能體，快速整合多源信息。上海鋼聯正突破傳統規則驅動的技術局限，以核心技術創新攻克行業數智化瓶頸，構建全域協同的AI智能決策引擎，推動“數據驅動決策”成為企業核心經營理念。

典型案例：從“看得見”到“看得準”再到“做得對”

案例一：江蘇某鋼鐵企業——構建“智慧經營中樞”

一是構建科學研判體系。上海鋼聯為其搭建原料及成材十大品種研究框架與價格預測模型，改變過去線下化、經驗化研判模式。基于“四碗面”分析框架，上海鋼聯構建2558個可自動更新的研判因子，實現秒級動態更新；建立周度復盤機制，動態優化因子權重，持續提升研判邏輯的適應性。上海鋼聯通過研究體系及模型的搭建，疊加深入的市場研究，成功將市場預測準確率提升至80%以上。

二是推動分析閉環落地。將研判成果應用于采購、銷售、庫存等業務，為擇機采購、靈活定價、智慧尋源、期現套保提供客觀依據。每周召開經營形勢分析會，以系統輸出為依據復盤策略執行偏差，并將評價結果納入部門考核與負責人績效體系，實現“評價數字化、復盤常態化”，打造敏捷高韌的經營能力。

案例二：山東某鋼鐵企業——構建“智慧決策體系”

一是構建一體化數據底座。上海鋼聯整合該企業內部生產計劃、庫存、采購執行等系統，實現數據標準化治理；融合上海鋼聯超50萬條外部基本面數據及報盤信息，構建供銷一體化數據底座，解決手工收集效率低、信息不全的問題。

二是賦能智能決策閉環。上海鋼聯通過構建21個關注品種的價格預測模型，與內部采購需求聯動，基于PB粉與各品種價差、報盤信息及性價比測算，生成采購策略建議；建立性價比自動測算與日采購計劃滾動生成機制，聯動價格預測、庫存天數與日耗需求；通過對比預測價、市場價與實際采購價，構建全流程復盤體系，實現從人工決策向“人機協同”的轉變，支撐波段采購降本與長協優化。

關鍵成功要素、挑戰與未來方向

回顧百個智能化項目實踐，上海鋼聯總結出五大成功要素。

一是戰略層面，統一認知、明確方向。企業需充分認識到數字化轉型的必要性，明確轉型目標，并推動從決策層到基層員工的共識達成與意識轉變。

二是文化層面，推動人的轉型。轉型本質是人的轉型。應培育鼓勵數字化的企業文化，踐行“線上化、數據化”的行為準則，包容試錯、認可創新，持續滲透“用數據說話、靠數據決策”的思維習慣。

三是方法層面，小步快跑、持續迭代。數字化轉型不是一蹴而就的革命，而是持續演進的過程。建議采取“小步快跑、積小勝為大勝”的落地策略，建立“業務主導、IT支撐”的協同機制，確保舉措貼近實際、價值可驗。

四是組織層面，打破壁壘、重構保障。企業需打破傳統部門“墻”，建立適配數字化轉型的組織架構與權責體系，明確牽頭部門與責任主體，配置具備業務與數據雙重能力的團隊，確保轉型“能轉起來”。

五是資源層面，保障投入、支撐可持續。轉型需要“人、錢、技術”三大資源的持續投入，唯有保障資源供給的穩定性與連續性，才能支撐轉型“轉得好、走得遠”。

面向未來，上海鋼聯將重點投入三大方向：

一是提升AI模型的產業貼合度。依托高質量、多模態的數據基座和長思維鏈推理技術，讓AI模型結論更精準、更貼合產業實際，緩解傳統AI模型結論與業務脫節的問題。

二是突破數據采集效率瓶頸。通過“空天地海”一體化采集技術（如衛星遙感、航運AIS信號），實現多源異質數據的自動化、實時化與高效采集。

三是實現模型的持續學習與優化。基于企業業務反饋與市場變化，對價格預測、供需研判等模型進行動態復盤與迭代，使智能能力隨業務演進同步增強。

當前，產業智能化正從“感知智能”向“認知智能”演進。上海鋼聯將持續投入大模型與知識圖譜技術，構建“大宗商品產業大腦”——不僅能回答“現在如何”，還能推理“如果…那么…”，支持企業進行戰略沙盤推演。

來源：中國冶金報