MERITDATA-美林数据业务介绍

股票代码：831546美林数据技术股份有限公司简介0102030405公司概况业务及产品客户及应用案例

核心能力公司运营美林数据股份有限公司，股票代码：831546公司总部位于西安高新区，旗下有一个全资子公司（北京美林振华科技发展有限责任公司）及2个研发中心，在西安、北京设有研发基地及营销中心，在全国30余省市设有办事处和现场服务队伍。公司软件能力成熟度已达到国际CMMI5级水平，拥有ISO9001、国家双软认定、国家武器装备科研生产单位三级保密资格及国防科技工业涉密业务咨询服务资质，具备承担涉密业务的资格。美林概况数据价值显而易用，提升国家产业竞争力美林使命专注数据价值发掘，国内领先的大数据分析技术、产品与服务提供商国内最早拥有自主知识产权数据挖掘平台的高端数据分析服务提供商顶尖院士团队支撑，拥有全球领先的数据挖掘算法与卓越的数据建模能力软件能力成熟度达标国际最高级别CMMIML5级的企业国内首家军工制造业大数据落地方案提供商以数据驱动业务，面向电力、军工制造、金融等领域提供应用一体化大数据解决方案美林主营业务大数据应用行业解决方案

数据分析工具

基础设施大数据生态系统中的TEMPO+军工制造电力金融健康教育智慧城市智慧社区智慧院所智慧工厂营销数据分析运营管控分析数据资产管理生产数据分析用知感传存美林主营业务美林数据围绕大数据产业链的分析、挖掘、可视化展示及应用一体化的核心环节，为客户提供应用一体化的数据分析、数据与应用集成、数据应用开发平台产品、服务及相关解决方案。0102030405公司概况业务及产品客户及应用案例

核心能力公司运营产品与解决方案行业数据分析服务大数据运营++（探索落地）创新“数据跨界应用”模式强化“数据驱动业务”模式01我们提供的产品（服务）+平台01

美林成功研发并推出了具有完全自主产权的TEMPO系列大数据产品平台，包含数据分析平台（Tempo-DataAnalysis）、数据集成与管控平台（Tempo-DataIntegrated）、数据应用开发平台（Tempo-DataAppDev）三大产品平台体系，涵盖了数据管理、数据分析、数据挖掘、数据可视化等大数据核心产业链，为客户提供产品、相关技术服务与解决方案，目前已在多行业应用，得到一致认可。自主产权TEMPO系列产品数据驱动业务

电力大数据分析与挖掘，为能源行业更加高效、低耗、绿色的发展提供新动力TEMPO+电力行业解决方案数据驱动业务

国内首家军工制造业大数据落地方案提供商TEMPO+制造业解决方案数据驱动业务

拥有自主产权产品的金融数据分析方案提供商TEMPO+金融行业解决方案基于公司TEMPO系列自主产权产品，为电力、制造业、金融行业及其他客户，提供数据解决方案实施服务、数据分析挖掘咨询服务、数据分析应用开发服务。01TEMPO+行业数据分析服务大数据解决方案实施服务123大数据分析咨询服务大数据应用开发服务01TEMPO+数据跨界应用

0102030405公司概况业务及产品客户及应用案例

核心能力公司运营电力军工制造国家电网公司中国电力科学研究院国网智能电网研究院南京南瑞集团公司中国西电集团公司东方电气集团公司中国航空工业集团公司中国航天科技集团公司中国航天科工集团公司中国兵器工业集团公司中国船舶重工集团公司中国电子科技集团公司金融其他中信建投证券股份有限公司中信银行股份有限公司中国铁道科学研究院国家保密局01美林主要客户01美林制造业大数据应用兵器工业203研究所应用系统集成平台兵器工业205研究所应用系统集成平台兵器工业206研究所应用系统集成平台兵器工业248厂应用系统集成平台兵器工业258厂应用系统集成平台中航工业某集团综合信息集成平台项目中航工业（庆安、陕飞、试飞、哈飞门户）中航工业（哈飞、动研所、涡轮院门户）中航工业东安门户项目中航工业南方公司企业门户项目中航工业直升机研究所企业门户项目中航工业空导院企业门户项目国电总部企业门户集中部署设计与实施国电陕西全省/河南全省企业门户实施南方电网总部企业门户咨询与规划数据集成类（MDM、DW、BI）数字化车间集成类中国核动力研究设计院保密综合管理平台中航工业西安113厂数字化车间集成项目保密综合管理平台兵器工业203研究所应用系统集成平台兵器工业205研究所应用系统集成平台兵器工业206研究所应用系统集成平台兵器工业248厂应用系统集成平台兵器工业258厂应用系统集成平台中航工业某集团综合信息集成平台项目中航工业（庆安、陕飞、试飞、哈飞门户）中航工业（哈飞、动研所、涡轮院门户）中航工业东安门户项目中航工业南方公司企业门户项目中航工业直升机研究所企业门户项目中航工业空导院企业门户项目国电总部企业门户集中部署设计与实施国电陕西全省/河南全省企业门户实施南方电网总部企业门户咨询与规划门户集成类（Portal）中国兵器工业集团公司保密综合管理平台中国兵器工业某研究所保密综合管理平台中国核工业集团公司保密综合管理平台中国核动力研究设计院保密综合管理平台中核四〇四有限公司保密综合管理平台航天科技保密综合管理平台合作推广中航工业红原航空铸造工业公司保密综合管理平台西安工业大学保密综合管理平台01美林制造业大数据应用降低次品率运营管理产品研发质量提升运营管理产品线优化指导生产产品质量优化模型精益生产规范化管理降低成本供应链安全保障提高生产效率深入分析挖掘运营管控提升提供决策支持控制预算规范化管理运营管理提高生产效率降低成本提高生产效率运营管理提高生产效率指导生产物资采购型号设计仓储配套交付计划质量筛查交付计划厂商供货采购申请采购合同电子元器件合格品科技部研究室物资部质量部生产部外部补损耗申请配套出库不合格品元器件13000多种，每年平均增长1000种。目前元器件库存约600万件，占用大量资金元器件采购采用定期采购模式，平均每月集中采购一次，平均采购周期45天左右。采购申请发起不及时、采购周期波动、生产借用等均会导致配套缺件，影响产品交付而生产能力的波动、生产计划的调整、仓储和加工过程中的损耗又会对采购产生影响现状分析XXX所元器件供应流程示意01制造企业安全库存1、减少库存及资金占用，提高库存周转率（资金占用减少30%）2、缩短采购周期，提高物资供应能力，减少配套缺件（缩短至30天）业务目标典型大数据问题元器件种类多、库存数据量大、数据来源不同，数据格式不同元器件采购预测影响因素多且呈非线性，常规统计方法难以处理元器件安全库库存设置由采购人员经验所得，难以定量分析。01制造企业安全库存元器件全供应链需求模型全供应链数据元器件需求数据成本数据订货成本、仓储成本其他数据预处理安全库存适用度分析定期采购定量采购安全库存量安全库存量最大库存量最大库存量订购量总成本订购量总成本再订购点结论适用度较高，且定期采购成本低适用度较高，且定量采购成本低适用度较低，采取其他措施源数据数据准备模型构建及分析元器件物资供应解决思路01制造企业安全库存库存流入库存现状库存流出采购需求采购周期订货周期采购交付率库存账龄库存周转率资金占用元器件周转曲线客户满意度各元器件采购需求，包括研究室采购申请及生产部补损耗申请各元器件采购平均时长，包括采购响应时长及合同执行时长各元器件采购需求达成情况，即入库数在订货数中占比各元器件定期采购模式下订货间隔时长各元器件累计仓储时长，按照先进先出法统计各元器件仓储占用金额，以财务核算方法为准各元器件流转情况，即累计出库数同平均库存对比结果各产品按时配套占计划配套比重按产品统计各供应环节所需元器件数量曲线全局元器件损耗各元器件年度/月度平均损耗及原因元器件物资供应优化关键因素01制造企业安全库存获得了采集的原始数据之后，经过业务分析，对以下记录进行删除操作：删除C11（采购订单编号）以47开头的记录；删除C6（仓库）为空、C8（金额）为0、C9（数量）为0的记录；删除收货日期比采购申请日期小的记录；删除了老的物料编码记录；根据拉依达准则（3δ准则）删除异常采购周期记录。采购周期异常值某种元器件的采购周期分布数据清洗数据预处理——数据清洗01制造企业安全库存模型构建——安全库存适用度物料需求量越大越好物料需求波动越小越好物料需求覆盖月份越多越好安全库存适用度建立计算模型度量规则Step1归一化：分别将将物料需求量、物料需求波动、物料需求覆盖月份归一化处理；Step2建立评价模型如下:q=-0.1*ln(x)*sqrt(x^2+2*y^2)⁄z(1)其中，x为归一化月度均需求量，y为归一化覆盖月份数，z为归一化月度需求标准差。q为模型输出，分布范围为[0,1]。01制造企业安全库存模型构建——定期采购定期采购模式是定期对库存进行盘点并发出订单（如周、月、季度），每期的订购量不尽相同。

01制造企业安全库存模型构建——定量采购定量采购系统对库存水平进行连续的监控，且当库存量下降至一定的水平（再订购点）R时，就进行新的采购。

01制造企业安全库存物供业务优化---安全库存适用度安全库存适用度指标分析：2014年电子元器件（13000多种）安全库存适用度分析结果如下：2.度量指标小于0.1的物料占52.6%。3.超过0.5的约占1%，推荐设置安全库存

1.模型用来评价电子元器件适合做安全库存的程度。01制造企业安全库存实际效果：通过物供业务优化，针对关键物料分别制定安全库存和采购策略，采购周期平均缩短10天至15天，基本实现将采购周期平均缩短至1月左右的目标；大幅降低关键物料的库存，企业资金占用减少超过30%以上。01制造企业安全库存5.应用效果4.模型案例：株洲钻石刀具厂是国内最大的刀具生产厂商，其长期致力于切削数据库的研究，积累了国内数据量最丰富，涵盖刀具最全面的刀具切削数据库，但较国外竞争对手来说，无法应用这些数据提供对刀具寿命的准确预测服务，因此导致大量客户的流失。通过引入数据挖掘技术，一方面准确实现了不同条件下对刀具使用寿命的准确预测，满足了不同客户的需求，另一方面提升了企业在国内外市场的竞争力。3.建模方法如何准确预测不同型号刀具在切割不同材料时的剩余寿命？收集影响刀具使用寿命的特征（不同刀具、不同材料）：切削速度进给量/F切削宽度/Ae切削深度/Ap硬度/HB控制模型：数据预处理算法：条件抽样、规范化、变量选择、属性降维等；数据挖掘算法：SVM算法研发了一套刀具数据库专家系统，针对不同型号刀具在不同条件下切割不同材料进行寿命预测，预测的相对误差小于1%。2.数据理解1.业务理解案例—产品优化5.应用效果4.模型案例：某钢铁企业是中国最大的特种钢材生产企业，在其某条硅钢生产线上，由于多种复杂因素的作用，成品表面有时会形成一种称为纵条纹的瓦楞状缺陷。纵条纹缺陷不仅影响产品的外观效果，而且对产品的物理性能如层间电阻，电磁性能和叠片性能等有着直接的影响，其纵条纹缺陷钢占生产量的30%左右，每年给企业带来巨大的损失。通过数据挖掘技术对生产工艺流程数据进行深入分析和挖掘，建立产品质量优化模型，减低次品率，提升产品质量。3.建模方法如何提升硅钢产品的生产质量？收集到可能产生纵条纹的影响因素（15个）：连铸中包温度：t1,t2,t3连铸拉速：v1,v2,v3铸坯成分：C,Si,Mn,S,P,Al粗轧出口温度：RT0精轧出口温度：FT6卷取温度：CT控制模型：数据预处理算法：异常值处理、缺失值处理、规范化、标准化等；数据挖掘算法：L1/2稀疏迭代分类2.数据理解1.业务理解348.38CSi+660CAl-1.09445RT0-1.1681FT6+1412.7257<0次品率30%次品率1.8%下降案例—质量提升电力大数据

典型案例介绍01美林大数据应用01美林大数据应用电力大数据分析营销大数据解决方案运检大数据解决方案运监大数据解决方案用电行为分析用电量预测供电服务分析用户信息等级评价……配网抢修精益化物资消耗与安全库存设备全生命周期管理设备故障管理企业盈利能力分析项目进度预测综合计划与预算购售电全过程管理…………加速实现“以电力生产为核心”向“以客户为中心”的转变快速适应电力体制改革（营配分离）对供电企业带来的影响客户价值实现基于对用户行为的分析，以刻画用户行为模式为核心。针对不同类型的用户采用不同的服务模式。-优质潜力用户，将采用主动提前服务的方式。例如主动上门办理业扩报装。-潜在风险用户，将采取主动预防的方式以减少其欠费风险。-主动发现行为异常用户，减少窃电损失。-同时结合阶梯电价、分时电价策略向用户提供用电合理化建议。-通过对海量客户用电信息进行用户行为模型建模，提炼出不同的用户类型，使快速分析用户行为成为可能。（传统的数据分析方式是无法完成用户行为模型提炼，如果针对每一个用户进行建模将是海量的）-通过数据挖掘算法实现潜在用户行为模式的发现，而非传统方式的统计所能实现的。-模型的自适应能力降低了后期模型培训和学习的人工干预。方案竞争力解决方案01电力营销大数据-客户行为分析方案核心是客户细分及客户识别，首先根据客户的用电基本信息、用电量、缴费渠道、欠费等数据对客户进行聚类分析，得出客户用电特征及客户类别特征，其次通过关联分析建立用户评价模型，最终基于客户细分结果构建客户识别模型，实现新增用户的价值识别和预测。类别1：发展势头良好型客户，其当前价值较高、潜大价值大、信用状况好，但该类客户存在拖欠电费和用电不安全情况。主要分布在XX区域类别2：贡献度较高客户，当前价值高、潜在价值较好，信用状况好，峰时谷时基本不用电，也基本不拖欠电费，但该类客户虽然与供电企业交互表现较沉默，但投诉率高，对供电企业满意度不高。该类用户在全省分布情况XX。类别3：该类客户属于不稳定型客户，当前价值和潜在价都不高，信用状况一般，年均用电增长率高。主要分布在XX客户服务用电检查应用场景节能降耗场景1：针对第1类客户，加强其用电检查的力度，指派专人加强安全用电指导，对因功率因数过低而产生力率调整费的客户，及时提供改善功率因数的技术指引。（操作人员）场景2：针对第1类客户，优先开展现场节能降耗技术诊断，并提供技术支持和节能指导。（操作人员）场景3：在服务资源有限的前提下，优先对第2、3类投诉率高、不稳定的客户群体开设95598的绿色优先通道。（决策人员）问题背景全省3000万用户每年产生每年近1.5亿条用电行为信息，包括大量客户服务数据，以及由此引起的大量电网运维、调度数据，如何整合利用这些数据对用户进行更精细化划分，为新客户发现、已有客户潜力预测、电网企业战略规划等提供数据决策支撑。数据整合问题分析大数据建模结果分析大客户行为分析居民用户行为分析针对大客户的用电行为进行分析，得出大客户用电特征，并根据用电特征预测其未来用电行为。居民用户行为分析，得出居民用电特征，并根据用电特征预测其未来的用电数据趋势。针对不同的对象01电力营销大数据-客户行为分析案例背景2025/2/135目前，在对用户用电量明细数据进行监测时，无法预测用户用电量的合理区间，经常使用的方法是用电量不低于历史最低值，这种监测方法无法根据用电量随季节、地域、行业的变化规律，更不易发现用户用电异动情况。本场景希望能通过时间序列技术、分析用电量的发展趋势和滞后影响，通过预测地区、行业的用电量，对用电量进行阈值设置，监测不同行业、不同地区的电量异动，进而挖掘用电异动客户。运营监测的漏斗式监测业务模型省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测电力运监大数据-用电量预测总体思路2025/2/136用电总量监测按照月份进行监测并通过上下波动区间的设置寻找异动点（售电量）行业用电量监测以行业为监测分析对象，按月份监测并通过上下波动区间的设置寻找异动点地区行业用电量监测按照月份对地区下的行业进行监测并通过上下波动区间的设置寻找异动点用户用电特征分析结合用电量阈值监测范围，根据用户自身用电行为进行数据比对，寻找异常用户以及用电特征。地区用电量监测以地市为监测分析对象，按月份监测并通过上下波动区间的设置寻找异动点按照从上至下的监测思路，用时间序列技术，计算用电量的预测值，并设置合理波动区间，用电量超出波动区间的认定为业务异动，先对辽宁省总电量进行异动分析，然后分别对每个行业、每个地区进行异动分析，根据异动情况，选择指定地区异动行业进行分析，最后定位到异动用户。案例背景电力运监大数据-用电量预测数据采集及处理2025/2/137月份电量20100176014527892010026201855111201003711764078320100470500284832010056892396464201006709891479720100771600933392010087371890168201009752873093220101074665518802010118098939276201012801604846920110191675959612011027640705145201103860709353720110484625477532011058029184063单位客户编号行业类别月份电量鞍山23000588（一）采矿业2010011006080鞍山23000663（二）制造业201002929940鞍山23485378三、建筑业2010031953360鞍山23485378（二）制造业2010041726800鞍山23485378（二）制造业201005273000鞍山23485378（二）制造业2010060鞍山23485381（二）制造业201007658200大连23485743（二）制造业201001489450大连23485743（二）制造业2010021207400大连23485743（二）制造业201003788400大连23485785（二）制造业2010041419000大连23485785（二）制造业2010051653000大连23485785（二）制造业2010061039900大连23485785（二）制造业2010071790200阜新23485828（二）制造业2010011002080阜新23485828（二）制造业2010029240阜新23643299（二）制造业201003388600……………

通过用户应收表聚合每个客户每个月的用电量，和客户基本档案表联合筛选，4年总共选取189089个客户的电量明细信息。将用户用电量数据根据需要按地区、行业进行汇总，得到时间序列数据。案例背景电力运监大数据-用电量预测模型构建2025/2/138时间序列算法：ARIMA输入变量：用电量输出变量：用电量预测值样本：2010年1月至2013年12月的月频度数据，根据研究对象不同，样本范围分别为，辽宁省、辽宁各地市、辽宁各行业、辽宁各地市各行业交叉的用电量汇总数据。案例背景电力运监大数据-用电量预测模型结果及分析392025/2/1对于全省用电总量阈值的设定：发现指标在时间序列的变化特征，确定数据在一定时间阶段内稳定（业务稳定）采用时间序列算法来进行辽宁省用电量阈值的设定。上限：预测值+2*344341359下限：预测值-2*344341359年月用电量备注2013029499524658超出下限用电总量时间序列分析省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测案例背景电力运监大数据-用电量预测模型结果及分析402025/2/1对于行业用电量阈值的设定：发现指标在时间序列的变化特征，确定数据在一定时间阶段内稳定（业务稳定）采用时间序列算法来进行行业用电量阈值的设定，此处以制造业为例进行模型建立。上限：预测值+2*351500707下限：预测值-2*351500707年月201302用电量6120554474备注超出下限行业用电量时间序列分析省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测案例背景电力运监大数据-用电量预测模型结果及分析412025/2/1对于地区用电量阈值的设定：发现指标在时间序列的变化特征，确定数据在一定时间阶段内稳定（业务稳定）采用时间序列算法来进行行业用电量阈值的设定，此处以本溪为例进行模型建立。上限：预测值+2*40981865下限：预测值-2*40981865年月201302用电量806571388备注超出下限省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测地区用电量时间序列分析案例背景电力运监大数据-用电量预测模型结果及分析422025/2/1对于地区行业用电量阈值的设定：发现指标在时间序列的变化特征，确定数据在一定时间阶段内稳定（业务稳定）采用时间序列算法来进行行业用电量阈值的设定，此处以本溪制造业为例进行建模。上限：预测值+2*40981865下限：预测值-2*40981865年月201302用电量644532115备注超出下限省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测地区行业用电量时间序列分析案例背景电力运监大数据-用电量预测模型结果及分析432025/2/1根据本溪制造业用电量预测分析中的结果，其中2013年2月份下降趋势比较明显,在此分析下降趋势超过监测范围-0.08214（公式为：（本期下限值-上期预测值）/上期预测值）的用户，共38户，同时结合用户的2月份用电量的下降值综合评估客户的状况，通过下降量乘以增长率，然后将所有监测范围的内用户得分进行归一化。得分越高，说明该用户越值得关注。综合评分的方法为监测分析人员提供了重点关注用户的优先排序，提高了聚焦关键用户的效率，用户用电量快速下降的根本原因需要监测分析人员具体分析。省用电量监测行业用电量监测地区用电量监测地区行业用电量监测用户用电量监测用户用电量监测案例背景电力运监大数据-用电量预测案例：某集团公司经过信息化建设的快速期，已经完成各专业系统的建设，但仍不能及时、全面掌握集团公司的整体运营状态，无法快速有效地进行集中决策，跨业务部门壁垒依然存在，导致运营管控的作用难于有效发挥。通过建设运营监测分析平台，及时、全面、准确地掌握公司经营业绩、管理绩效与核心资源状况，发现、协调解决与公司发展要求不相适应的问题，深度分析异动或问题产生的原因、影响因素、呈现的风险以及未来趋势,为提升部门专业管理水平提供管理支持、为提升集团总体运营水平提供决策支持。案例—运营管控提升金融大数据

典型案例介绍01美林大数据应用案例：某券商西北分公司，作为陕西地区客户资源最广，交易量最大的事业部。多年来积累了大量的客户交易数据和客户信息，系统累计沉淀了10余年数据，交易系统积累了2700多万条记录，CRM系统积累了120000余条客户记录，由于营销更多的依赖人的经验判断，电话营销其中无效客户达到48%，购买率只有1%。如何从海量的数据中精准定位客户是当前面临的巨大挑战。通过数据挖掘技术对用户行为数据进行深入分析和挖掘，建立精准推荐模型，提升客户响应率和客户转化率。通过实施本产品，客户响应率提升为43%，客户转化率提升为26%。

精确的数据离线数据导入静态指标交易指标风险指标盈亏指标经营指标精准推荐引擎需求验证数据清洗+指标计算客户筛选任务执行营销看板客户视图任务下达提醒服务基本信息账户信息交易信息资金流水客服关系大盘数据营销数据精准的定位精细的管理营销结果被有效感知，数据价值得以充分利用在线数据抽取用户行为数据采集算法模型训练客户画像分析金融大数据-精准营销0102030405公司概况业务及产品客户及应用案例

核心能力公司运营超过17年的电力行业服务经验电力业务与发展变革的深刻理解电网业务与大数据技术融合能力稳步提升的电力大数据市场份额良好的市场口碑和品牌知名度成熟领先的大数据分析挖掘产品与技术+自主安全可控军工制造领域的核心资质资深的业务领域专家电力行业经验的跨界复制能力善于解决关键领域关键性问题成熟的大数据应用方法论深度挖掘和数据跨界整合能力国内金融客户需求画像模型国内顶尖的院士团队技术支撑美林核心竞争力美林以数据分析与挖掘的产品与技术研发为主，并向数据资产管理和数据应用延伸总体研发策略，通过产品与技术研发，知识产权积累和品牌培育等方式，在该领域形成产品与技术领先的市场地位。同时利用好交大等高校的前沿理论和技术前沿成果，打造行业技术领先地位。4+核心技术数据挖掘算法技术系列高维可视化技术系列数据挖掘平台技术系列数据资产管理技术系列打造具备鲜明行业特点的大数据核心技术平台专利及知识产权涉及领域:海量数据数据挖掘数据与应用集成数据可视化30+美林核心技术及产权美林外部专家团队徐宗本首席科学家中国科学院院士靖稳峰数据挖掘应用专家杨宜康数据挖掘专家博士郭建峰

计算金融首席科学家孟德宇空间数据分析专家韩博

信息技术专家王璞

海量数据处理专家美林内部专家团队强劲数据挖掘算法专家吴垌沅制造业数据资产管理刘宏电力行业大数据专家宋龙制造业数据架构专家钱方精益生产专家张超军用软件研制管理专家黄蓉电力数据分析专家白朝旭系统架构师王锟平台架构师0102030405公司概况业务及产品客户及应用案例

核心能力公司运营02兰州办事处1999

银川办事处2007北京美林振华（子）公司2009昆明办事处2001南京办事处2008郑州办事处2003株洲办事处2011上海办事处2012成都办事处2012

哈尔滨办事处2012合肥办事处2013长春办事处2012沈阳办事处2012济南办事处2012武汉办事处2012总部：西安1998新疆办事处2013

西藏办事处2012

三大营销中心：西安、北京、南京其余均为办事处美林服务网络02公司运营流程架构核心业务领域战略规划与市场策划管理流程集成产品研发(IPD)管理流程生产研发过程质量管理流程（CMMI5）全面质量管理体系（ISO9001）大客户营销管理体系流程支撑体系管理流程（人力资源、行政、财务）02美林运营流程02客户供应商客户战略规划与Marketing战略规划年度商业计划与预算任务书开发品牌管理定价标准管理*业务计划监控与评估需求管理市场信息合作管理IPD营销计划制造新产品导入采购支持CMMI技术服务开发验证发布生命周期计划概念CRM营销活动管理线索管理机会点管理投标管理合同管理销售管理客户管理融资管理渠道管理运作与维护问题处理主动支持任务书市场导入（营销计划）制造新产品导入预测服务工程导入合同交付计划合同交付采购信息*材料评审*沟通培训需求确认投标项目管理业务专家支持*客户信息准确*客户问题管理ISC计划采购制造交付（含工程安装及服务交付）退货