数字技术构建的虚拟世界已经深刻地改变了人们的生活和工作方式，而模型作为一种强大的工具，在这个数字世界中发挥着至关重要的作用，帮助人们认识世界、改造世界，是推动社会进步和发展的关键因素。春节期间爆火的开源大模型 DeepSeek 将极大促进企业管理迈向 “数字世界，模型天下” 的进程。

面对已有的和即将爆发式涌现的让人眼花缭乱的各类数字化模型，如何在构建企业数字化管理体系时进行合理选择和应用，已成为企业管理者迫切需要解决的一个问题了。

EBPM 方法论及时总结了如下《企业管理模型选择矩阵》作为管理者构建数字化管理体系时的参考。

这个矩阵的纵坐标是从技术原理的维度，梳理了构建企业数字化管理体系可能会用到的主要模型类别。

01—数字化管理中的五类模型

1）管理概念模型：是对管理现象、过程、关系等进行抽象和概括而形成的逻辑模型，帮助管理者理解和把握管理中的关键要素和关系。管理概念模型主要用来描述业务对象的管理逻辑、规则和方法。管理概念类模型通常是定性的，而不是定量的。在企业管理中，管理概念类模型又可以分类两大类。

第一类是覆盖所有业务对象的大模型。比如，企业架构（EA）模型就是一个覆盖所有业务对象的管理概念大模型，描述了对企业内所有业务对象进行管理的逻辑、规则和方法。

第二类是描述部分业务对象的管理逻辑、规则和方法的模型。比如，SWOT 模型、波特五力模型等就是描述 “战略分析” 这一特定业务对象的管理逻辑、规则和方法的小型管理概念模型；BSC（平衡计分卡）是描述针对 “战略绩效” 这一特定业务对象的管理逻辑、规则和方法的小型管理概念模型。博阳精讯的EBPM平台就是帮助企业构建管理概念模型的工具平台。

2）传统算法模型：依赖于明确规则和逻辑的数学或统计方法来解决问题的模型。例如，线性回归、决策树、最优化算法等都是典型的传统算法。它们的特点是结果确定性强，适用于结构化问题的解决

传统算法模型在企业的数据分析、计划、预测等方面发挥着基础作用，如回归分析模型用于销售预测、库存管理中的经济订货量模型等，ERP系统中的 MRP （物料需求计划） 模型也属于传统算法模型。

3）人工智能（AI） 模型：人工智能（AI） 模型则利用了机器学习、深度学习等技术，通过数据驱动的方式进行模式识别、预测和决策支持。AI模型在自然语言处理、图像识别等领域表现尤为突出。与传统算法相比，AI模型能够处理非结构化数据，并且随着训练数据量的增加而改进性能。

第一类：判别式 AI 模型。判别式AI模型通过学习输入特征与输出标签之间的映射关系来进行分类或预测，它试图找到一个决策边界或判别函数，将不同类别的数据分开。在训练过程中，模型会根据大量已标注的数据样本，调整模型的参数，使得对于给定的输入，能够尽可能准确地预测出其对应的类别。判别式 AI关注的是如何根据输入特征来直接判断数据属于哪个类别，而不是对数据的生成过程进行建模。比如，根据客户的财务数据、信用记录等信息，可以通过构建判别式 AI 模型来判断客户的信用风险等级，预测客户是否会违约。

第二类：生成式 AI 模型。生成式 AI 是一种能够根据给定的输入或某些潜在的模式，生成全新的、具有一定创造性的内容的人工智能技术。与判别式 AI 主要进行分类和预测不同，生成式 AI 的重点在于创造新的数据样本，如文本、图像、音频、视频等。生成式 AI 通常基于深度学习架构，通过学习大量的已有数据来捕捉数据的分布规律和潜在模式。在训练过程中，模型会逐渐理解数据的统计特征，从而能够在给定一些条件或随机噪声的情况下，生成符合类似模式的新数据。比如，DeepSeek, GPT 系列等模型能够根据给定的提示或上下文生成文本等内容。在企业管理中可用于内容创作、智能客服、创意启发等方面，比如生成营销文案、自动回复客户咨询等。

4）系统动力学模型：系统动力学模型以反馈控制理论为基础，以计算机仿真技术为手段，通常用因果关系图、流图等图形化方式和数学方程来描述系统的结构和行为，旨在揭示系统内部各要素之间的动态相互作用关系，以及这些关系如何导致系统的整体行为和变化。

系统动力学模型常用于分析企业的供应链管理、生产计划、市场增长等问题，帮助管理者理解系统的复杂性和动态变化规律。比如，企业可以通过构建系统动力学模型，综合考虑市场规模、消费者需求、竞争对手情况、产品创新能力等因素，模拟市场的动态增长趋势。

5）系统仿真模型：系统仿真模型是基于系统理论和控制理论等基础理论，利用系统建模技术对真实系统的结构、行为及其随时间变化的动态过程进行模仿和再现的模型。它通过模拟系统的运行过程，产生与真实系统相似的输出结果，帮助人们理解、预测和控制真实系统的行为。

比如，在企业管理中系统仿真模型可用于模拟生产线上的物料流动、设备故障等情况，为生产调度等决策提供依据。

02—五类模型体现了技术演进路径

上述五类模型是基于技术实现原理进行划分的。如上图纵坐标中标红部分所示，这种划分方法体现了从【逻辑框架模型：即管理概念类模型】-【数理分析模型：即传统算法类模型】-【复杂系统模型：包括系统动力学模型、模拟仿真类模型】-【人工智能模型：包括判别式 AI 模型和生成式 AI 模型】的一条模型构建技术的发展演进路径。

因此，后续模型往往会用到前序模型的构建原理和技术，可以认为后续模型是在前序模型基础上增加了新的原理和技术，是一种技术的叠加。比如，构建数理分析模型时，可能会先构建逻辑框架模型；构建复杂系统模型时也会用到数量分析模型；模拟仿真类模型中也可能包含系统动力学模型；构建人工智能（AI）模型时，也会用到数理分析模型。