在商业应用巨头 SAP 重新发布 Business Suite 并扩展与 Databricks 合作关系后,SAP 用户要求公司提供透明的折扣和商业安排。
根据"Business Unleashed"战略,SAP 本周宣布将 Business Suite 重新打造为一套"真正模块化、可组合的"云应用程序。通过与分析和机器学习平台提供商 Databricks 的合作,SAP 还推出了一套覆盖财务、采购和人力资源等所有业务流程的托管分析产品,实现了与 SAP 应用程序数据的集成。
德语用户组 DSAG (代表德国、奥地利和瑞士的 SAP 客户) 对 Business Suite 的重新发布表示欢迎,但呼吁根据客户选择购买的模块数量建立透明的折扣体系。
这个名字对长期的 SAP 客户和合作伙伴来说并不陌生。例如,SAP Business Suite 7 于 2006 年推出,包含 ERP 应用程序 ECC6。该供应商计划在 2027 年后终止主流支持,并在 2030 年后终止扩展支持。
美洲首席营收官 Jan Gilg 本周在接受记者采访时表示:"你可能还记得 20 年前我们在本地部署环境中就有 SAP Business Suite。现在我们推出的 SAP Business Suite 是一个真正模块化、可组合的云套件。"
"在过去几年中,我们整合了各种应用程序——其中一些是通过收购获得的——这些应用程序带有不同的技术栈。我们投入了大量精力不仅整合业务流程,还统一了数据模型。现在,例如 S/4HANA (ERP 系统) 中的成本中心与 Concur (费用管理软件) 中的成本中心是相同的。这些解决方案可以无缝对话,并且在用户体验集成、联合配置等技术特性方面也是如此。"
DSAG 销售、生产和物流董事会成员 Thomas Henzler 表示,客户以前并不总能从单一来源购买 SAP 的所有产品中受益,他将此描述为一个主要缺点。
"这往往意味着在招标中也会购买其他制造商的解决方案。客户总是必须与 SAP 就客户体验或采购解决方案等进行单独谈判。"
"客户从 SAP 购买所有产品实际能获得什么商业优势缺乏透明度。此外,过去的购买通常不会在新交易的折扣中被考虑在内。"
他对产品整合的举措表示欢迎,但表示 SAP 也应该解决商业透明度的问题。
"就像保险单一样,客户应该从购买多个 SAP 产品中受益。应该有相应的折扣标准,明确显示购买了多少 SAP 解决方案可以获得什么折扣,"Henzler 说。
在与 Databricks 合作的数据平台(正式名称为 SAP Business Data Cloud)中,SAP 旨在提供"洞察力应用",这些应用使用分析工具和 AI 模型连接应用程序的实时数据,为各种业务活动提供洞察和规划能力。
DSAG 首席技术官 Sebastian Westphal 表示:"实施现在将取决于 SAP 将提供哪些洞察力应用、何时提供以及在什么条件下提供,例如,带来什么附加值,成本如何,有什么要求。合同和运营复杂性目前还无法预见。我们期望能够提供详细信息,并且必须明确系统访问权限——特别是在 SAP 在此承担运营责任的情况下。"
该套件将支持 SAP Business Data Cloud 与第三方数据平台之间的双向数据共享,但"初期交付"仅支持 Databricks 的 Delta Lake 开放表格式。
包括 AWS、Google、Snowflake 和 Cloudera 在内的其他供应商都更倾向于源自 Netflix 的竞争对手表格式 Iceberg,这些供应商都拥有广泛的数据和分析产品组合。
SAP 在一份声明中表示:"随着时间推移,我们计划支持更多的数据平台和表格式。"
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。