ERP系統(tǒng)中人工智能驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化研究

摘要：隨著人工智能技術(shù)的快速發(fā)展，其在企業(yè)資源規(guī)劃（ERP）系統(tǒng)中的應(yīng)用日益廣泛。研究聚焦于AI驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化，通過(guò)對(duì)美的集團(tuán)進(jìn)行案例分析，探討了智能算法在財(cái)務(wù)數(shù)據(jù)處理、預(yù)測(cè)分析和決策支持等方面的應(yīng)用。結(jié)果表明，AI技術(shù)能顯著提高財(cái)務(wù)流程的效率和準(zhǔn)確性，減少人為錯(cuò)誤，并為管理層提供更深入的財(cái)務(wù)洞察。然而，實(shí)施過(guò)程中的數(shù)據(jù)安全、系統(tǒng)集成和人員培訓(xùn)等挑戰(zhàn)仍需進(jìn)一步解決。

關(guān)鍵詞：人工智能；ERP系統(tǒng)；財(cái)務(wù)流程自動(dòng)化；預(yù)測(cè)分析；決策支持

DOI：10.12433/zgkjtz.20243621

一、案例企業(yè)背景

美的集團(tuán)是一家成立于20世紀(jì)80年代的大型制造企業(yè)，總部位于中國(guó)廣東省佛山市順德區(qū)。作為全球領(lǐng)先的家電制造商和智能家居解決方案提供商，美的集團(tuán)在全球擁有多個(gè)生產(chǎn)基地，員工總數(shù)超過(guò)150，000人。集團(tuán)主要從事家用電器、暖通空調(diào)、機(jī)器人與自動(dòng)化系統(tǒng)等產(chǎn)品的研發(fā)、生產(chǎn)和銷(xiāo)售，2020年?duì)I業(yè)收入達(dá)2，859億元人民幣。美的集團(tuán)在國(guó)內(nèi)外市場(chǎng)占有重要份額，產(chǎn)品銷(xiāo)往全球200多個(gè)國(guó)家和地區(qū)。集團(tuán)高度重視技術(shù)創(chuàng)新，擁有多個(gè)國(guó)家級(jí)企業(yè)技術(shù)中心，每年研發(fā)投入占營(yíng)收的3%以上。近年來(lái)，美的集團(tuán)積極推進(jìn)數(shù)字化轉(zhuǎn)型，全面探索智能制造技術(shù)的應(yīng)用，以提升生產(chǎn)效率和產(chǎn)品質(zhì)量，增強(qiáng)企業(yè)在全球市場(chǎng)中的競(jìng)爭(zhēng)力。

美的集團(tuán)早在2012年就開(kāi)始引入ERP系統(tǒng)，涵蓋財(cái)務(wù)會(huì)計(jì)、供應(yīng)鏈管理和生產(chǎn)計(jì)劃等核心模塊。然而，隨著業(yè)務(wù)規(guī)模的迅速擴(kuò)大和市場(chǎng)環(huán)境日益復(fù)雜，原有系統(tǒng)在數(shù)據(jù)處理效率和跨部門(mén)協(xié)作方面逐漸顯現(xiàn)局限性。財(cái)務(wù)部門(mén)需要耗費(fèi)大量時(shí)間進(jìn)行數(shù)據(jù)錄入和核對(duì)，跨部門(mén)數(shù)據(jù)整合經(jīng)常出現(xiàn)延遲和不一致。月度結(jié)賬周期較長(zhǎng)，財(cái)務(wù)報(bào)告難以及時(shí)滿(mǎn)足管理層的決策需求。預(yù)算編制和成本分析主要依賴(lài)經(jīng)驗(yàn)判斷，靈活性不足，難以應(yīng)對(duì)快速變化的市場(chǎng)條件。此外，傳統(tǒng)系統(tǒng)在處理非結(jié)構(gòu)化數(shù)據(jù)和進(jìn)行復(fù)雜分析方面的能力有限，無(wú)法充分挖掘數(shù)據(jù)價(jià)值。

面對(duì)這些挑戰(zhàn)和日益增長(zhǎng)的管理效率要求，美的集團(tuán)于2013年正式啟動(dòng)財(cái)務(wù)數(shù)字化轉(zhuǎn)型。此舉旨在提高財(cái)務(wù)運(yùn)營(yíng)效率，減少人工干預(yù)；提升數(shù)據(jù)質(zhì)量和一致性；加強(qiáng)財(cái)務(wù)監(jiān)控能力，及時(shí)發(fā)現(xiàn)異常交易和潛在風(fēng)險(xiǎn)；增強(qiáng)財(cái)務(wù)分析能力，提供更客觀的預(yù)測(cè)和模擬分析。美的集團(tuán)的財(cái)務(wù)數(shù)字化轉(zhuǎn)型經(jīng)歷了數(shù)字化1.0和2.0兩個(gè)階段，實(shí)現(xiàn)了從會(huì)計(jì)電算化向信息化再到數(shù)字化的轉(zhuǎn)變。這不僅是技術(shù)層面的改革，更是深層次的業(yè)務(wù)變革，涉及家電制造、人力資源和財(cái)務(wù)管理等多個(gè)方面。通過(guò)引入先進(jìn)的數(shù)字技術(shù)，美的集團(tuán)期望實(shí)現(xiàn)更智能的資金管理、更精準(zhǔn)的信用風(fēng)險(xiǎn)評(píng)估，以及基于大數(shù)據(jù)分析的智能決策支持。

二、AI驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化實(shí)施

（一）系統(tǒng)架構(gòu)設(shè)計(jì)

美的集團(tuán)的人工智能驅(qū)動(dòng)財(cái)務(wù)流程自動(dòng)化系統(tǒng)采用了分層架構(gòu)設(shè)計(jì)，確保了系統(tǒng)的靈活性和可擴(kuò)展性。底層是數(shù)據(jù)采集層，通過(guò)應(yīng)用程序接口和數(shù)據(jù)提取轉(zhuǎn)換加載工具從企業(yè)資源規(guī)劃系統(tǒng)、銀行系統(tǒng)和其他相關(guān)數(shù)據(jù)源實(shí)時(shí)獲取財(cái)務(wù)數(shù)據(jù)。中間層是人工智能處理層，包括數(shù)據(jù)預(yù)處理模塊、機(jī)器學(xué)習(xí)模型和規(guī)則引擎。這一層使用自然語(yǔ)言處理技術(shù)自動(dòng)分類(lèi)和提取發(fā)票信息，應(yīng)用異常檢測(cè)算法識(shí)別潛在的財(cái)務(wù)風(fēng)險(xiǎn)，并利用預(yù)測(cè)模型進(jìn)行現(xiàn)金流預(yù)測(cè)[1]。頂層是業(yè)務(wù)應(yīng)用層，提供智能報(bào)表生成、財(cái)務(wù)分析儀表板和決策支持工具。整個(gè)系統(tǒng)通過(guò)微服務(wù)架構(gòu)實(shí)現(xiàn)，各功能模塊獨(dú)立部署和擴(kuò)展。為確保數(shù)據(jù)安全，系統(tǒng)采用了端到端加密和細(xì)粒度訪問(wèn)控制。

（二）核心AI技術(shù)應(yīng)用

1.機(jī)器學(xué)習(xí)在財(cái)務(wù)數(shù)據(jù)處理中的應(yīng)用

美的集團(tuán)在財(cái)務(wù)數(shù)據(jù)處理中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，主要聚焦于異常檢測(cè)和自動(dòng)分類(lèi)兩個(gè)方面。在異常檢測(cè)中，系統(tǒng)使用無(wú)監(jiān)督學(xué)習(xí)算法，對(duì)財(cái)務(wù)交易數(shù)據(jù)進(jìn)行實(shí)時(shí)分析。這些算法通過(guò)學(xué)習(xí)正常交易模式，能夠快速識(shí)別出可能存在風(fēng)險(xiǎn)的異常交易。在自動(dòng)分類(lèi)方面，采用了隨機(jī)森林和梯度提升決策樹(shù)等有監(jiān)督學(xué)習(xí)算法，對(duì)費(fèi)用報(bào)銷(xiāo)單據(jù)進(jìn)行自動(dòng)分類(lèi)。系統(tǒng)首先對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)處理和特征工程，然后訓(xùn)練分類(lèi)模型。在實(shí)際應(yīng)用中，模型能夠自動(dòng)將新的費(fèi)用單據(jù)歸類(lèi)到正確的會(huì)計(jì)科目，大大提高了處理效率。

2.深度學(xué)習(xí)在財(cái)務(wù)預(yù)測(cè)中的應(yīng)用

美的集團(tuán)利用深度學(xué)習(xí)技術(shù)提升財(cái)務(wù)預(yù)測(cè)的準(zhǔn)確性和效率。具體而言，集團(tuán)采用了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）中的長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）模型來(lái)進(jìn)行現(xiàn)金流預(yù)測(cè)。該模型能夠有效捕捉時(shí)間序列數(shù)據(jù)中的長(zhǎng)期依賴(lài)關(guān)系，非常適合處理財(cái)務(wù)時(shí)間序列數(shù)據(jù)[2]。系統(tǒng)首先收集歷史財(cái)務(wù)數(shù)據(jù)、宏觀經(jīng)濟(jì)指標(biāo)和行業(yè)特定因素，經(jīng)過(guò)數(shù)據(jù)清洗和標(biāo)準(zhǔn)化后輸入LSTM模型。模型通過(guò)多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)數(shù)據(jù)中的復(fù)雜模式和趨勢(shì)，生成未來(lái)一段時(shí)間內(nèi)的現(xiàn)金流預(yù)測(cè)。為了提高預(yù)測(cè)的可解釋性，集團(tuán)還引入了注意力機(jī)制，幫助識(shí)別對(duì)預(yù)測(cè)結(jié)果影響最大的因素。此外，系統(tǒng)采用集成學(xué)習(xí)方法，結(jié)合多個(gè)LSTM模型的預(yù)測(cè)結(jié)果，進(jìn)一步提高預(yù)測(cè)準(zhǔn)確性。

3.自然語(yǔ)言處理在財(cái)務(wù)報(bào)告生成中的應(yīng)用

美的集團(tuán)在財(cái)務(wù)報(bào)告生成過(guò)程中應(yīng)用自然語(yǔ)言處理技術(shù)，大幅提高了報(bào)告生成的效率和質(zhì)量。系統(tǒng)采用基于變換器架構(gòu)的預(yù)訓(xùn)練語(yǔ)言模型，如BERT的中文版本，對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行語(yǔ)義理解和文本生成。系統(tǒng)從各個(gè)財(cái)務(wù)模塊收集原始數(shù)據(jù)和關(guān)鍵指標(biāo)，然后使用命名實(shí)體識(shí)別技術(shù)識(shí)別重要的財(cái)務(wù)術(shù)語(yǔ)和數(shù)值。利用文本分類(lèi)算法對(duì)不同類(lèi)型的財(cái)務(wù)信息進(jìn)行分類(lèi)整理。在生成報(bào)告時(shí)，系統(tǒng)使用序列到序列（Seq2Seq）模型，將結(jié)構(gòu)化的財(cái)務(wù)數(shù)據(jù)轉(zhuǎn)化為連貫的文本描述。為確保生成內(nèi)容的準(zhǔn)確性和專(zhuān)業(yè)性，美的集團(tuán)建立了財(cái)務(wù)術(shù)語(yǔ)知識(shí)庫(kù)和報(bào)告模板庫(kù)，指導(dǎo)文本生成過(guò)程。通過(guò)人機(jī)協(xié)作的方式，由財(cái)務(wù)專(zhuān)家審核和微調(diào)生成的報(bào)告，確保最終輸出的高質(zhì)量。

（三）財(cái)務(wù)流程重構(gòu)與優(yōu)化

美的集團(tuán)在引入人工智能技術(shù)后，對(duì)現(xiàn)有財(cái)務(wù)流程進(jìn)行了全面重構(gòu)和優(yōu)化。集團(tuán)成立跨部門(mén)工作組，對(duì)現(xiàn)有流程進(jìn)行詳細(xì)梳理和分析，識(shí)別出效率低下和容易出錯(cuò)的環(huán)節(jié)?；谌斯ぶ悄芗夹g(shù)的特性，設(shè)計(jì)了新的財(cái)務(wù)流程。在應(yīng)收賬款管理中，系統(tǒng)利用機(jī)器學(xué)習(xí)算法對(duì)客戶(hù)付款行為進(jìn)行分析，自動(dòng)生成收款預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估報(bào)告，指導(dǎo)財(cái)務(wù)人員優(yōu)先處理高風(fēng)險(xiǎn)賬款。費(fèi)用報(bào)銷(xiāo)流程引入了智能票據(jù)識(shí)別系統(tǒng)，員工只需拍照上傳票據(jù)，系統(tǒng)就能自動(dòng)識(shí)別費(fèi)用類(lèi)型、金額，并與集團(tuán)報(bào)銷(xiāo)政策進(jìn)行比對(duì)，大大縮短了報(bào)銷(xiāo)處理時(shí)間[3]。財(cái)務(wù)關(guān)賬過(guò)程中采用了智能調(diào)節(jié)系統(tǒng)，自動(dòng)比對(duì)各個(gè)財(cái)務(wù)模塊的數(shù)據(jù)，快速定位并解決數(shù)據(jù)不一致問(wèn)題。

三、結(jié)果分析

（一）效率提升分析

美的集團(tuán)在實(shí)施人工智能驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化后，各項(xiàng)財(cái)務(wù)工作效率得到顯著提升。通過(guò)對(duì)比實(shí)施前后6個(gè)月的數(shù)據(jù)，多個(gè)關(guān)鍵財(cái)務(wù)流程的處理時(shí)間大幅縮短。月度結(jié)賬時(shí)間減少了一半以上，應(yīng)收賬款處理效率和費(fèi)用報(bào)銷(xiāo)流程的處理時(shí)間也都有了顯著提升。財(cái)務(wù)人員的工作重心發(fā)生明顯轉(zhuǎn)移，數(shù)據(jù)錄入和核對(duì)等重復(fù)性工作時(shí)間占比大幅下降，而財(cái)務(wù)分析和決策支持等高價(jià)值工作時(shí)間占比明顯上升。這一轉(zhuǎn)變不僅提高了財(cái)務(wù)部門(mén)的工作效率，還增強(qiáng)了其對(duì)集團(tuán)戰(zhàn)略決策的支持能力。

（二）準(zhǔn)確性評(píng)估

實(shí)施人工智能驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化后，美的集團(tuán)財(cái)務(wù)數(shù)據(jù)的準(zhǔn)確性得到了顯著提升。對(duì)比實(shí)施前后6個(gè)月的財(cái)務(wù)數(shù)據(jù)，多個(gè)關(guān)鍵指標(biāo)的錯(cuò)誤率大幅下降。數(shù)據(jù)錄入錯(cuò)誤率和財(cái)務(wù)報(bào)表中的計(jì)算錯(cuò)誤顯著減少。人工智能系統(tǒng)大大提高了異常交易的檢測(cè)能力，成功識(shí)別的異常交易比例明顯上升。在合規(guī)性方面，由于系統(tǒng)內(nèi)置了最新的會(huì)計(jì)準(zhǔn)則和集團(tuán)政策，違規(guī)操作的發(fā)生率大幅下降[4]。系統(tǒng)不僅提高了數(shù)據(jù)的準(zhǔn)確性，還顯著減少了人工審核的工作量。人工審核時(shí)間大幅減少，使財(cái)務(wù)人員能夠?qū)⒏嗑ν度氲綌?shù)據(jù)分析和決策支持中。

（三）決策支持效果評(píng)估

美的集團(tuán)實(shí)施人工智能驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化后，決策支持能力得到了顯著增強(qiáng)。通過(guò)對(duì)比實(shí)施前后6個(gè)月的數(shù)據(jù)，多個(gè)關(guān)鍵決策指標(biāo)有了明顯改善。財(cái)務(wù)預(yù)測(cè)的準(zhǔn)確性大幅提升，現(xiàn)金流預(yù)測(cè)的平均誤差顯著降低。銷(xiāo)售收入預(yù)測(cè)的準(zhǔn)確率有所提高。在風(fēng)險(xiǎn)管理方面，系統(tǒng)成功預(yù)警的財(cái)務(wù)風(fēng)險(xiǎn)事件比例明顯上升，大大增強(qiáng)了集團(tuán)的風(fēng)險(xiǎn)防控能力。決策支持報(bào)告的生成速度顯著提高，而且這些報(bào)告的質(zhì)量也有明顯提升，管理層對(duì)報(bào)告的滿(mǎn)意度大幅上升?；谌斯ぶ悄芊治龅耐顿Y建議準(zhǔn)確率比傳統(tǒng)方法有顯著提高。

四、實(shí)施挑戰(zhàn)與對(duì)策

（一）技術(shù)層面的挑戰(zhàn)

數(shù)據(jù)質(zhì)量問(wèn)題是首要障礙，歷史財(cái)務(wù)數(shù)據(jù)存在不一致、缺失和錯(cuò)誤等問(wèn)題，影響了機(jī)器學(xué)習(xí)模型的訓(xùn)練效果。系統(tǒng)集成也是一大難點(diǎn)，新的AI系統(tǒng)需要與現(xiàn)有的ERP系統(tǒng)、銀行系統(tǒng)等多個(gè)平臺(tái)進(jìn)行無(wú)縫對(duì)接，數(shù)據(jù)格式不統(tǒng)一和實(shí)時(shí)同步問(wèn)題給集成帶來(lái)了困難。算法的可解釋性不足也引發(fā)了一些爭(zhēng)議，特別是在財(cái)務(wù)預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估等關(guān)鍵決策領(lǐng)域，管理層對(duì)“黑箱”決策存在顧慮。安全性和隱私保護(hù)同樣是重要挑戰(zhàn)，財(cái)務(wù)數(shù)據(jù)的敏感性要求系統(tǒng)具有極高的安全標(biāo)準(zhǔn)。模型的實(shí)時(shí)更新和維護(hù)也是一個(gè)持續(xù)性問(wèn)題，金融政策和市場(chǎng)環(huán)境的變化要求模型能夠及時(shí)調(diào)整和優(yōu)化。系統(tǒng)的可擴(kuò)展性也需要考慮，隨著業(yè)務(wù)的增長(zhǎng)和新需求的出現(xiàn)，系統(tǒng)應(yīng)能夠靈活擴(kuò)展和升級(jí)。

（二）管理層面的挑戰(zhàn)

組織結(jié)構(gòu)調(diào)整是一個(gè)關(guān)鍵問(wèn)題，AI技術(shù)的引入要求重新定義財(cái)務(wù)部門(mén)的角色和職責(zé)，這可能引發(fā)員工對(duì)工作安全的擔(dān)憂(yōu)。人員技能匹配也是一大挑戰(zhàn)，現(xiàn)有財(cái)務(wù)人員可能缺乏必要的數(shù)據(jù)分析和AI應(yīng)用能力，而具備這些技能的人才又較為稀缺[5]。變革管理同樣困難，許多員工習(xí)慣于傳統(tǒng)的工作方式，對(duì)新技術(shù)和新流程存在抵觸情緒?？绮块T(mén)協(xié)作也面臨挑戰(zhàn)，AI驅(qū)動(dòng)的財(cái)務(wù)自動(dòng)化需要IT、財(cái)務(wù)、業(yè)務(wù)等多個(gè)部門(mén)的緊密配合，但各部門(mén)之間可能存在溝通障礙和利益沖突。成本控制是另一個(gè)重要問(wèn)題，AI系統(tǒng)的開(kāi)發(fā)、實(shí)施和維護(hù)需要大量投資，如何在預(yù)算范圍內(nèi)實(shí)現(xiàn)預(yù)期效果是管理層需要權(quán)衡的問(wèn)題?？?jī)效評(píng)估體系的調(diào)整也是一個(gè)挑戰(zhàn)，傳統(tǒng)的財(cái)務(wù)績(jī)效指標(biāo)可能不再適用于AI驅(qū)動(dòng)的新環(huán)境。此外，如何確保AI系統(tǒng)的決策符合道德和法律標(biāo)準(zhǔn)，也是管理層需要謹(jǐn)慎考慮的問(wèn)題。

（三）應(yīng)對(duì)策略與建議

在技術(shù)層面，集團(tuán)投入資源進(jìn)行全面的數(shù)據(jù)清理和標(biāo)準(zhǔn)化工作，建立了統(tǒng)一的數(shù)據(jù)治理框架。為解決系統(tǒng)集成問(wèn)題，采用了基于微服務(wù)架構(gòu)的解決方案，提高了系統(tǒng)的靈活性和可擴(kuò)展性。為增強(qiáng)算法可解釋性，引入了可解釋人工智能（XAI）技術(shù)，并開(kāi)發(fā)了直觀的可視化工具，幫助管理層理解AI決策過(guò)程。在安全性方面，實(shí)施了端到端的加密措施和嚴(yán)格的訪問(wèn)控制策略，并定期進(jìn)行安全審計(jì)。為應(yīng)對(duì)模型更新的挑戰(zhàn)，建立了自動(dòng)化的模型監(jiān)控和更新機(jī)制，確保模型能夠適應(yīng)變化的環(huán)境。

在管理層面，集團(tuán)實(shí)施了全面的變革管理計(jì)劃，包括清晰的溝通策略、員工培訓(xùn)計(jì)劃和新的激勵(lì)機(jī)制。為解決技能匹配問(wèn)題，集團(tuán)一方面加大了內(nèi)部培訓(xùn)力度，另一方面與高校合作建立了AI人才培養(yǎng)項(xiàng)目?？绮块T(mén)協(xié)作通過(guò)成立專(zhuān)門(mén)的AI治理委員會(huì)得到加強(qiáng)，確保了各部門(mén)在AI項(xiàng)目中的有效溝通和協(xié)調(diào)。

五、結(jié)語(yǔ)

通過(guò)對(duì)美的集團(tuán)ERP系統(tǒng)中AI驅(qū)動(dòng)財(cái)務(wù)流程自動(dòng)化的深入研究，可以得出以下結(jié)論：人工智能技術(shù)在財(cái)務(wù)流程自動(dòng)化中展現(xiàn)出巨大潛力，不僅能顯著提高效率和準(zhǔn)確性，還能為企業(yè)決策提供更深入的洞察。然而，實(shí)施過(guò)程中仍面臨諸多挑戰(zhàn)，如數(shù)據(jù)安全、系統(tǒng)集成和人員適應(yīng)等。未來(lái)，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的拓展，AI驅(qū)動(dòng)的財(cái)務(wù)流程自動(dòng)化將在ERP系統(tǒng)中扮演更加關(guān)鍵的角色。企業(yè)需要在技術(shù)創(chuàng)新與風(fēng)險(xiǎn)管控之間尋求平衡，以充分發(fā)揮AI技術(shù)在財(cái)務(wù)管理中的優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]汪正航.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管控和信息化建設(shè)探討[J].會(huì)計(jì)師，2024（04）：27-29.

[2]李娜，劉藝鯤.人工智能背景下ERP系統(tǒng)助力企業(yè)發(fā)展[J].合作經(jīng)濟(jì)與科技，2024（06）：108-110.

[3]張美玲.基于ERP環(huán)境的企業(yè)成本管理模式研究[J].商訊，2024（02）：124-127.

[4]付世春.財(cái)務(wù)共享服務(wù)模式下的財(cái)務(wù)流程再造和對(duì)財(cái)務(wù)角色的影響研究[J].中國(guó)集體經(jīng)濟(jì)，2024（01）：153-156.

[5]尚新全.數(shù)字員工：企業(yè)財(cái)務(wù)流程自動(dòng)化加速器[J].中國(guó)總會(huì)計(jì)師，2020（08）：22-23.

（作者單位：山東能源數(shù)字科技有限公司）