公司代码：688229 公司简称：博睿数据
北京博睿宏远数据科技股份有限公司
2020 年年度报告摘要
一 重要提示
1 本年度报告摘要来自年度报告全文，为全面了解本公司的经营成果、财务状况及未来发展规
划，投资者应当到上海证券交易所网站等中国证监会指定媒体上仔细阅读年度报告全文。
2 重大风险提示
公司已在本报告中详细阐述公司在生产经营过程中可能面临的各种风险及应对措施，敬请查阅“第
四节 经营情况讨论与分析”之“二、风险因素”。敬请投资者注意投资风险。
3 本公司董事会、监事会及董事、监事、高级管理人员保证年度报告内容的真实、准确、完整，
不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。
4 公司全体董事出席董事会会议。
5 立信会计师事务所（特殊普通合伙）为本公司出具了标准无保留意见的审计报告。
6 经董事会审议的报告期利润分配预案或公积金转增股本预案
1．2020年度利润分配
公司拟向全体股东以实施权益分派股权登记日的总股本为基数每 10 股派发现金红利人民币 2
元（含税）。截至审议本次利润分配预案的董事会召开日，公司总股本为 44,400,000 股，以此计算
合计拟派发现金红利人民币 8,880,000 元（含税）。不送红股，不进行资本公积金转增股本。如在
本公告披露之日起至实施权益分派股权登记日期间公司总股本发生变动的，公司拟维持分配总额
不变，相应调整每股分配比例。公司 2020 年度利润分配预案经公司第二届董事会第十八次会议及
第二届监事会第十六次会议审议通过，尚需公司 2020 年年度股东大会审议通过。
2．2020年三季度利润分配
公司2020年三季度利润分配方案已于2020年10月29日召开的第二届董事会第十三次会议及第
二届监事会第十二次会议审议通过，根据公司2020年第三季度财务报告（未经审计），公司以实施
权益分派股权登记日登记的总股本44,400,000股为基数分配利润，向股权登记日登记在册的全体股
东每10股派发现金红利10元（含税），不进行公积金转增股本，不送红股。该分配预案已经公司2020
年第三次临时股东大会审议通过，现金红利已于2020年11月30日划入股东资金账户。
7 是否存在公司治理特殊安排等重要事项
□适用 √不适用
二 公司基本情况
1 公司简介
公司股票简况
√适用 □不适用
公司股票简况
股票上市交易所
股票种类 股票简称 股票代码 变更前股票简称
及板块
上海证券交易所
A股 博睿数据 688229 无
科创板
公司存托凭证简况
□适用 √不适用
联系人和联系方式
联系人和联系方式 董事会秘书（信息披露境内代表） 证券事务代表
姓名 李新建 梁缤予
北京市东城区东中街46号4
办公地址 北京市东城区东中街46号4层
层
电话 010-65519466 010-65519466
电子信箱 lixj@bonree.com liangby@bonree.com
2 报告期公司主要业务简介
(一) 主要业务、主要产品或服务情况
自成立以来，博睿数据始终秉承“以数据赋能 IT 运维”的理念，致力为企业级客户提供应用
性能监测服务、销售应用性能监测软件及提供其他相关服务。公司主要业务属于 IT 运维管理
（ITOM）领域的重要分支——应用性能管理（APM）行业。
公司产品可通过监测、分析、优化企业软件应用的性能状况，如 APP 是否卡顿崩溃、交易的
响应时间、服务器负载情况等，帮助企业精准定位影响其软件应用使用性能和用户体验的原因，
助力企业加速数字化转型进程。
公司产品可供 IT 运维人员、开发人员、技术支持人员、前端业务人员等不同角色使用，可贯
穿前端网页、APP 应用、中端网络和后端服务器应用，提供端到端的统一监控视角；从界面交互
的操作层到业务逻辑层，最后直击代码底层，实现全栈溯源；利用机器学习技术创建动态基线来
判定客户的应用和业务交易的健康标准，自动发现业务异常，最终以可视化图表的方式向客户展
示。
公司主要产品介绍如下表所示
产品 监测
第一级 第二级 第三级 功能介绍
名称 技术
模拟用户 监控前端电脑及手机网页等应用的使用性
Net 主动式
监测产品 能和用户体验，以及网络链路质量。
模拟用户 监控前端手机 APP 应用的使用性能和用户
数字体验 APP 主动式
监测产品 体验。
应用性能 监测产品
真实用户 监控前端电脑及手机网页等应用的使用性
监测产品 （DEM） Browser 被动式
监测产品 能和用户体验。
（APM）
真实用户 监控前端手机 APP 应用的使用性能和用户
SDK 被动式
监测产品 体验。
应用发现跟踪 监控后端服务器应用响应前端请求过程中
Server 被动式
和诊断产品 的性能情况，具有代码层定位分析能力，可
产品 监测
第一级 第二级 第三级 功能介绍
名称 技术
（ADTD） 串联业务的前端和后端，构建端到端全业务
链监控视图。
DataView 致力于为企业构建一体化智能运
维数据平台，满足企业数字化运营决策过程
中对海量数据的智能分析、协同共享需求。
通过将分散的运维数据进行统一的数据存
Dataview -
储、计算、智能分析、可视化进行一体化集
成，使企业人员将精力更多地专注在数据分
析本身上，及时掌控业务状况并实现业务的
大数据分析产品
决策智能化。
基于自研的海量时序指标数据分布式计算
Ants - 框架，帮助企业便捷、快速的实现海量时序
指标数据的在线流式处理。
基于自研的 PB 量级数据列式压缩存储及响
Zeus - 应式分析技术，帮助企业对业务产生的海量
数据进行落盘存储和快速查询分析。
网络性能监测产品
Reesii - 监控中端网络层的性能质量。
（NPM）
(二) 主要经营模式
1．盈利模式
公司属于软件及信息技术服务业，为企业级客户提供应用性能监测服务、销售应用性能监测
软件及提供其他相关服务。公司营业收入主要以监测服务收入以及软件销售收入为主。
2．采购模式
在经营过程中，公司的采购主要包括网络资源采购、硬件设备采购和会员监测服务采购等。
公司采购主要由采购部负责，其中会员的招募与管理主要由技术支持部负责，采购部负责会员费
用的审批。
公司制定了《物资采购管理制度》，建立了专门的采购管理系统，当公司发生采购需求时，由
需求部门具体人员在采购系统中发起采购申请，经过部门负责人、公司分管负责人、采购部门负
责人审批后交由采购部具体人员安排采购，确保所需物资优质、高效供应，并不断降低采购成本
和管理成本。
3．销售模式
公司根据客户实际需求，主要采用直销模式。
公司下游客户主要为大型互联网企业，主要客户包括百度、腾讯、阿里巴巴等优质企业。随
着信息技术的不断发展深入，数字化转型进程由互联网行业逐渐向传统行业渗透，制造、航空、
金融、汽车等行业对于应用性能管理的需求逐步释放，公司客户也拓展至华为、南方航空、平安
集团、嘉实基金、新华保险、招商银行、广汽本田等非互联网领域内的标杆企业。
公司采用参与各种行业活动、客户与客户之间相互介绍、电话沟通、现场拜访等方式了解客
户需求，根据客户需求采用制定方案、提供技术咨询、提供测试等形式与客户进一步接洽，若客
户存在采购意向，双方则进入商务谈判阶段，根据谈判情况确定最终报价并签署合同。
4．研发模式
公司设立研发部门，组建了专门的研发队伍、测试队伍，还设置了专门的代码管理、质量控
制、资源调度、安全管理等岗位，确保产品研发的质量和效率。公司产品研发遵循标准的软件开
发流程，自主研发流程主要为：需求分析、开发立项、设计及研发、测试、验收、培训等环节，
完善、严谨的研发管理体系可保障公司产品在精准符合客户需求的前提下，有效地缩短开发周期。
5．服务模式
目前，公司集中服务企业级客户。公司为客户提供持续的技术咨询服务和故障处理服务，及
时发现并迅速解决客户在使用中遇到的技术问题，同时还为每位客户配备专门的售后技术工程师，
为客户开展产品使用培训，指导客户使用公司的产品，协助客户解读性能数据、定位性能问题、
并提出优化建议等。此外，根据客户要求，公司技术人员还会上门提供专业的技术指导并撰写服
务报告。
(三) 所处行业情况
1. 行业的发展阶段、基本特点、主要技术门槛
公司是一家为企业级客户提供应用性能管理服务、销售应用性能监测软件及提供其他相关服
务的高新技术企业，主营业务属于 IT 运维管理领域内的重要分支——应用性能管理行业，是应用
性能管理（APM）行业的领先厂商。公司的核心产品为“数字体验监测产品”、“应用发现跟踪和
诊断产品”两大类别，并在核心产品线中加载了“智能运维”能力。经过十余年发展，构建起以
应用性能管理产品为核心，以大数据分析与智能运维产品为未来发展方向的多维度、一体化产品
格局。根据中国证监会发布的《上市公司行业分类指引（2012 年修订）》，公司属于软件和信息技
术服务业（分类代码：I65）。根据《国民经济行业分类和代码表（按第 1 号修改单修订）》（GB/T
4754-2017），公司所处行业为“信息传输、软件和信息技术服务业”门类中的“软件和信息技术
服务业”。
（1）行业发展阶段：
随着 IT 系统复杂度提升、信息量剧增、分布式架构兴起、系统环境高动态化等趋势发展，传
统的 IT 运维监测软件已逐渐落后，以 APM 产品为代表的可实时进行端到端一体化监控、具备智
能分析能力的应用性能管理软件逐渐引领市场需求。在全球应用性能管理领域，北美市场起步较
早。市场经过多年的发展，已全面形成有效、完整的市场竞争格局。从 2015 年开始，云计算、物
联网、人工智能、大数据技术的发展带动周边产业迅速崛起，数字经济蓬勃发展。因此中国应用
性能管理行业的需求日趋强烈，迎来蓬勃的发展势头。随着传统行业数字化转型进程不断加速，
APM 相关产品及服务正不断向金融、航空、制造等传统行业延伸。国内数字化业务的蓬勃发展势
必将带动应用性能管理行业的增长。根据 Gartner 机构预测数据，全球 APM 市场在 2020 年约为
44.8 亿美元，到 2023 年的复合年增长率为 11.1%1。
（2）行业发展基本特点 ：
①新基建国家战略的推进将加速各行业的数字化升级进程，带来更广泛的行业机遇
国内企业数字化转型已经不是陌生的话题，然而对于不同行业，其数字化转型的步伐却有着
明显差距。新媒体、新零售等行业由于具备先天的互联网属性，信息化水平较高，其数字化转型
已经取得了阶段性成果，且 APM 产品在上述行业中的渗透程度较高。而汽车、电力、医疗、建筑、
工业、农牧业等传统领域，由于其自身信息化水平较低，数字化转型进程较为缓慢，但其庞大的
业务规模和稳定增长的用户群体都决定了其未来的数字业务规模巨大。伴随着更多传统行业逐步
将数字业务置于其经营和战略的核心地位，其对应用性能管理服务的需求也将快速增长。因此，
发力向传统行业不断渗透，提供符合相关行业需求的 APM 产品与解决方案，与各传统行业的标杆
1 数据来源：《Magic Quadrant for Application Performance Monitoring》，Gartner
客户寻求合作是当下国内应用性能管理行业发展的必然趋势之一。
②信息安全日益受重视，国产化将是必然趋势
在 IT 技术迅猛发展的时代背景下，信息安全被提升到了国家战略的高度，IT 国产化的呼声也
越来越高。应用性能管理产品作为数字化时代的信息化基础设施，在我国信息化与数字化过程升
级、传统产业改造与现代服务业发展方面发挥出不可替代的基础支撑作用。因此，APM 产品国产
化趋势明显，特别是在政府、金融、能源等国民经济重点领域。
随着国内网络基础设施的不断完善，以及企业数字化转型进程的持续加速，国内的 APM 产品
也日渐完善与成熟。由于国内厂商更容易理解国内复杂的 IT 系统环境以及国内企业的实际需求，
本土化优势开始显现，国内 APM 厂商的市场空间进一步释放。目前，国内 APM 行业尚处于市场
竞争格局未完全形成，各类企业迅速抢占市场，整体处于高速繁荣发展的阶段。
③IT 架构复杂度提升使得面向业务与用户体验的统一监控平台成为必然
数字化转型将继续推动数字业务增长，数据量规模将大量增加，且 IT 环境复杂度日趋提升。
这也导致从分散的监控工具的角度去监控与管理 IT 系统不足以保证数字业务成功。企业需要改变
其监控方式，建立自上而下从基础架构到应用程序的监控与管理能力，并实现 IT 系统与用户体验
的关联分析，持续提升数字化业务的可观测性。因此，端到端、全链路、面向业务与用户体验的
统一监控平台是当前 APM 产品主要的发展方向。
④IT 运维市场融合发展,APM 正向邻近领域延伸
虽然今天的“监控类”产品在 ITOM 领域中还是相对独立的运维工具，但未来其将向邻近领
域逐渐延伸，与另外两大类别——自动化工具和 IT 服务管理工具（ITSM）高度集成、紧密融合，
形成“监”、“管”、“控”三位一体的 IT 运维管理生态体系，全面提升企业 IT 运维服务架构的自动
化程度和灵活性。
首先，监测工具可与自动化工具（如应用程序发布编排工具）相集成，在软件的敏捷开发和
运营实践（DevOps）工具链中高度融合，发挥协同作用，对企业软件应用迭代更新的有效性做出
自动化智能决策，减少应用更新过程中繁复的手动流程。其次，监测工具可与 IT 服务管理工具相
集成，加载了人工智能技术的监测工具可以帮助 IT 管理部门精准告警，甚至可在问题蔓延前预警
问题，自动管理和调配 IT 系统资源，实现性能问题的全自动预警、告警、决策与管理。
（3）主要的技术门槛：
①建设功能完备、高性能、一体化的应用性能管理产品，实现端到端全链路的全栈式的监控，
研发技术难度高
应用性能管理产品涉及注入事务流程模拟及回放技术、探针大规模自动化部署技术、多语言
多系统框架数据采集技术、海量数据实时处理分析技术等多项监测技术难点，在监测数据的采集、
处理、存储及分析等环节均有较高的要求。同时应用性能管理产品需要满足高性能、稳定性、可
扩展性、跨平台、跨语言的要求，这需要开发商具备优秀的软件架构能力和底层技术研发能力。
②应用性能管理产品需搭载 AI 能力实现分析与决策智能，人工智能技术门槛较高
AIOps 是将 AI 技术应用到 IT 运维领域，提升效率和创造现实价值的“工程化”过程。在 AI
技术应用的过程中将面临多项技术难点。
I 多维度、多数据源、海量数据的存储、分析和处理
算法的应用是以数据为前提的。IT 系统除常规的服务器配置、资源占用情况等信息外，业务
在运行时会产生大量的日志、异常、告警、状态报告等海量数据。在有数万台服务器的场合下，
每天产生的数据量是数亿级的，存储量是 TB 级别的。而这些海量的数据也往往来自于不同的 IT
运维工具。如何对海量的数据进行收集、清洗、存储、关联分析等，保证 AIOps 平台的高质量的
数据来源是一个技术难点。
II AI 工程化的复杂性
目前，机器学习是 AIOps 的重要手段，同时还涉及自然语言处理，高级搜索，知识图谱等人
工智能技术的应用。如何将这些领先的技术综合应用到 IT 运维领域达成实际“工程化”的落地效
果而非 AIOps 的简单算法落地，是面临的另外一个挑战。
III 复杂业务模型下的故障定位与修复
当前复杂的业务模型使得定位故障很困难，发现根因问题成本较高。一个问题的追查往往需
要多部门合作，开发、运维人员相互配合分析。现在的大规模系统很难找到一个能掌控全局的人。
通过 AI 技术进行故障定位、告警处理、根因分析、故障自愈可以大幅度降低问题的追查难度，提
升运维效率。但是并非用了人工智能或机器学习，故障定位的效果就一定很好，这取决于很多因
素，首先需要建立复杂业务系统的关联性，为智能化提供自动化、标准化的支持。在此基础上针
对智能化的能力比如特征工程、算法模型、参数调整、数据清洗等，也需要不断地调整和学习。
③新兴技术导致 IT 系统更新频繁，应用复杂度急剧升高带来监控的新技术挑战
当下，企业正逐步加快数字化变革的步伐，导致 IT 系统更新频繁，应用复杂度急剧升高。微
服务、容器化等云原生技术也从之前仅有技术型公司关注的前沿技术逐渐在传统企业中兴起，同
时云计算服务则早已经成为企业大规模运营数字业务所必备的技术服务。越来越多的前沿技术正
在被广大企业大规模应用，使得 APM 产品对数据采集和分析的难度与成本大幅提高。因此，增
强 APM 产品及服务对于当下新兴技术的适应性，更好的兼容云计算、容器化、微服务等创新技术
也是应用性能管理行业发展的重要技术挑战。
2. 公司所处的行业地位分析及其变化情况
公司是较早进入国内应用性能管理行业的厂商之一，处于行业领先地位。
（1）公司产品性能优越，构建了一整套自主可控的知识产权体系和产品体系，具有较强的技
术先进性。
公司自成立以来始终坚持自主创新，紧跟传统互联网、移动互联网、云计算、大数据、人工
智能等行业前沿技术的发展变革，持续不断的推陈出新。公司专注于企业 IT 运维管理中的应用性
能管理领域，以 APM 相关产品和技术为主体，围绕企业数字化转型过程中对应用性能管理的需求
和实践，持续开展创新迭代，已自主研发 27 项核心技术，形成了覆盖桌面端采集、移动端采集、
服务端采集、数据存储和分析、AI 智能分析五大领域的技术群，在多项技术领域已取得业内领先
地位，并获得 7 项已授权技术发明专利，60 项在申请技术发明专利，63 项软件著作权。公司持续
发力机器学习、文本语义分析、图像处理等前沿技术领域，进一步加强产品的融合分析能力，打
造应用性能监测产品的智能引擎，已构建了一整套自主可控的知识产权体系和产品体系，具有较
强的技术先进性。
（2）拥有深厚产品研发和客户服务经验，产品体系健全而丰富
公司具有成熟并完善的应用性能监测产品体系，可贯穿前端网页、APP 应用和后端服务器应
用，且产品线已逐步拓展至智能运维、网络性能监测、大数据分析、质量控制等临近市场，提供
端到端、全链路、面向业务与用户体验的统一智能监控平台能力，在国内厂商中拥有较强的产品
优势。
（3）拥有优质的客户群和品牌形象，在国内市场竞争中处于优势地位
公司具备良好的客户资源和品牌形象。随着企业数字化转型进程不断推进，公司通过多产品
组合的整体解决方案，帮助客户优化用户体验，提升 IT 运维水平。目前，公司客户已涵盖互联网、
金融、新媒体、云服务、制造业等多个行业，并长期服务各行业的头部客户，合作关系稳固，客
户粘性较强，在长期市场竞争中处于优势地位。
3. 报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
（1）云计算时代、容器与微服务技术蓬勃发展，使得应用性能管理日益重要
企业正逐步加快数字化变革的步伐，应用复杂度急剧升高，导致 IT 系统更新频繁。为适应海
量、高并发、应用快速部署升级、资源弹性拓展的需求，微服务、容器化等技术成为企业 IT 架构
的主流趋势，而云计算服务则已经成为企业大规模运营数字业务所必备的技术服务。云计算、容
器与微服务技术的发展使得 IT 运维和故障检测难度大幅提升，传统人力排查方式已经无法高效、
准确定位系统故障，应用性能监测(APM)逐渐成为更加重要的监控手段。因此，增强 APM 产品及
服务对于当下新兴技术的适应性，更好的兼容云、容器化、微服务等主流技术也是应用性能管理
行业发展的重要一环。
（2）人工智能赋能运维场景，AI 技术带来应用性能监测产品体验升级
智能运维，将人工智能应用于运维领域，结合大数据和机器学习等技术，提升 IT 运维效率，
实现机器自我学习、自行分析决策、自动化执行脚本，进一步解决自动化运维无法解决的问题。
Gartner 早在 2016 年即已提出基于大数据及算法的智能运维概念，根据 Gartner 预测，2023 年，
40％的 DevOps 团队将使用 AIOps 平台功能来增强应用程序和基础架构的监控工具2。
AIOps 增强了 IT 运维的能力，包括异常检测、事件关联和根本原因分析，以改善监控、服务
管理和自动化任务。因此企业对 AIOps 的兴趣与日俱增，希望通过 AIOps 能力使 IT 运营变得更加
主动和可预测的方式。2018 年，中国监控工具市场（包括 IT 基础架构监控（ITIM），应用程序性
能监控（APM），网络性能监控和诊断（NPMD），AIOps 等）达到 3.37 亿美元。现在，这个数字正
以每年约 16％的速度增长3。Gartner 估算，全球 AIOps 平台每年的市场规模大约在 3 亿美元至 5
亿美元之间4。
（3）加载 AIOps 的应用性能监测产品将逐步取代传统的 IT 监测软件
IT 系统复杂化和高动态化已成为现代信息技术发展的大趋势。构成 IT 系统的组件规模持续扩
大，组件之间的交互模式也日趋复杂，且各组件的变化越来越频繁，由此将引发 IT 运维数据种类
及规模的指数级增长。传统的 IT 运维软件各自之间相互独立，存在数据割裂，主要依靠大量人力
凭借经验逐个排查系统各组件之间的问题，运维质量低下、耗时耗力、成本高昂，却仍无法快速、
精准的定位并解决性能问题。未来，国内的 IT 运维管理市场将由低效的传统运维逐步向智能运维
过渡，通过加载“机器学习”、“深度学习”等先进的人工智能技术，真正实现 IT 管理服务体系的
高度智能化和完全自动化。可以说，具备统一监控视角，且加载了 AIOps 能力的应用性能监测产
品将逐步替代传统 IT 监测软件。
（4）5G 与物联网将激发新的业务增长点与新的产品需求
目前，中国的 5G 商用计划已逐步启动，5G 具备更高速率、更低时延和更大用户连接能力等
显著特征，不仅能满足人与人的通信，还能满足人与物、物与物的通信，万物互联、人机交互的
时代即将到来。5G 网络的规模化布局将进一步刺激物联网相关产业的飞速发展，相关应用也将大
量涌现，诞生如智能交通、智能医疗、智能家居、智慧农业、智慧物流、车联网等新兴业态，物
联网终端设备类型和规模也随之爆发式增长。如何提供卓越的用户感知体验将成为物联网应用提
供商面对的巨大挑战，也将成为应用性能管理行业的巨大潜在市场。根据艾瑞咨询测算，2019 年
中国物联网连接量达到 55 亿个，同比增速高达 75.6%。到 2023 年，中国物联网连接量将增长至
150 亿个5，APM 厂商将从物联网设备应用性能管理的需求中充分挖掘市场机遇。
2 数据来源：《Market Guide for AIOps Platforms》，Gartner
3 数据来源：《Market Guide for AIOps, China》
4 数据来源：《Market Guide for AIOps Platforms》，Gartner
5 数据来源：艾瑞咨询《中国商业物联网行业研究报告》发布时间：2021-03-08
3 公司主要会计数据和财务指标
3.1 近 3 年的主要会计数据和财务指标
单位：元 币种：人民币
本年比上年
2020年 2019年 2018年
增减(%)
总资产 874,718,681.88 236,239,251.61 270.27 194,481,379.15
营业收入 138,840,443.95 164,535,969.42 -15.62 153,198,171.42
归属于上市公司股 31,139,082.31 61,037,678.98 -48.98 52,340,234.91
东的净利润
归属于上市公司股 22,142,349.11 56,495,190.18 -60.81 51,105,861.76
东的扣除非经常性
损益的净利润
归属于上市公司股 840,892,365.06 203,896,539.87 312.41 162,838,860.89
东的净资产
经营活动产生的现 27,152,056.48 51,212,409.24 -46.98 45,016,340.13
金流量净额
基本每股收益（元 0.84 1.83 -54.10 1.57
／股）
稀释每股收益（元 0.84 1.83 -54.10 1.57
／股）
加权平均净资产收 7.20 33.29 减少26.09个百分 38.30
益率（%） 点
研发投入占营业收 28.47 18.88 增加9.59个百分点 19.23
入的比例（%）
3.2 报告期分季度的主要会计数据
单位：元 币种：人民币
第一季度 第二季度 第三季度 第四季度
（1-3 月份） （4-6 月份） （7-9 月份） （10-12 月份）
营业收入 28,663,513.47 44,520,958.43 21,831,240.76 43,824,731.29
归属于上市公司股东的 3,534,304.41 16,213,034.40 -9,487,141.31 20,878,884.81
净利润
归属于上市公司股东的 2,683,817.84 15,351,733.66 -10,583,077.56 14,689,875.17
扣除非经常性损益后的
净利润
经营活动产生的现金流 -11,577,339.82 15,515,454.11 -9,730,134.89 32,944,077.08
量净额
季度数据与已披露定期报告数据差异说明
□适用 √不适用
4 股本及股东情况
4.1 股东持股情况
单位: 股
截止报告期末普通股股东总数(户) 3,268
年度报告披露日前上一月末的普通股股东总 2,598
数(户)
截止报告期末表决权恢复的优先股股东总数 0
（户）
年度报告披露日前上一月末表决权恢复的优 0
先股股东总数（户）
前十名股东持股情况
质押或冻结
包含转融 情况
报告 持有有限
股东名称 期末持股 比例 通借出股 股东
期内 售条件股
（全称） 数量 (%) 份的限售 性质
增减 份数量 股份
股份数量 数量
状态
李凯 0 10,266,270 23.12 10,266,270 10,266,270 0 境 内
无 自 然
人
冯云彪 0 5,064,300 11.41 5,064,300 5,064,300 0 境 内
无 自 然
人
孟曦东 0 4,706,610 10.60 4,706,610 4,706,610 0 境 内
无 自 然
人
吴华鹏 0 1,664,100 3.75 1,664,100 1,664,100 0 境 内
无 自 然
人
王利民 0 1,664,100 3.75 1,664,100 1,664,100 0 境 内
无 自 然
人
北京佳合兴利投 0 1,650,000 3.72 1,650,000 1,650,000 0 其他
资中心（有限合 无
伙）
北京元亨利汇投 0 1,650,000 3.72 1,650,000 1,650,000 0 其他
资中心（有限合 无
伙）
侯健康 0 1,419,750 3.20 1,419,750 1,419,750 0 境 内
无 自 然
人
焦若雷 0 1,276,410 2.87 1,276,410 1,276,410 0 境 内
无 自 然
人
上海金浦欣成投 0 1,227,340 2.76 1,227,340 1,227,340 0 其他
资管理有限公司
－苏州苏商联合 无
产业投资合伙企
业（有限合伙）
上述股东关联关系或一致行动的说明 1、冯云彪为李凯姐姐之配偶；冯云彪、孟曦东为公
司控股股东、实际控制人李凯的一致行动人；孟曦
东、冯云彪担任元亨利汇执行事务合伙人；李凯担
任佳合兴利执行事务合伙人。2、未知前十名无限售
条件股东之间是否存在关联关系或属于一致行动
人。
表决权恢复的优先股股东及持股数量的说 不适用
明
存托凭证持有人情况
□适用 √不适用
4.2 公司与控股股东之间的产权及控制关系的方框图
√适用 □不适用
4.3 公司与实际控制人之间的产权及控制关系的方框图
√适用 □不适用
4.4 报告期末公司优先股股东总数及前 10 名股东情况
□适用 √不适用
5 公司债券情况
□适用 √不适用
三 经营情况讨论与分析
1 报告期内主要经营情况
报告期内，公司实现营业收入 13,884.04 万元，同比减少 15.62%；归属于上市公司股东的净利润
3,113.91 万元，同比减少 48.98%；归属于上市公司股东的扣除非经常性损益的净利润 2,214.23
万元，同比减少 60.81%。
2 面临终止上市的情况和原因
□适用 √不适用
3 公司对会计政策、会计估计变更原因及影响的分析说明
√适用 □不适用
重要会计政策变更
（1）执行《企业会计准则第 14 号——收入》（2017 年修订）（以下简称“新收入准则”）
财政部于 2017 年度修订了《企业会计准则第 14 号——收入》。修订后的准则规定，首次执行
该准则应当根据累积影响数调整当年年初留存收益及财务报表其他相关项目金额，对可比期间信
息不予调整。
本公司自 2020 年 1 月 1 日起执行新收入准则。根据准则的规定，本公司仅对在首次执行日尚
未完成的合同的累积影响数调整 2020 年年初留存收益以及财务报表其他相关项目金额，比较财务
报表不做调整。执行该准则的主要影响如下：
单位：元
对 2020 年 1 月 1
会计政策变更的内容和原
审批程序 受影响的报表项目 日余额的影响金
因
额
与收入相关的预收款项重 预收账款 -5,416,653.70
分类至合同负债 董事会审批 合同负债 5,039,496.98
对 2020 年 1 月 1
会计政策变更的内容和原
审批程序 受影响的报表项目 日余额的影响金
因
额
其他流动负债 377,156.72
与原收入准则相比，执行新收入准则对 2020 年度财务报表相关项目的影响如下（增加/（减
少））：
单位：元
受影响的资产负债表项目 对 2020 年 12 月 31 日余额的影响金额
合同负债 5,353,413.35
预收款项 -5,720,756.54
其他流动负债 367,343.19
（2）执行《企业会计准则解释第 13 号》
财政部于 2019 年 12 月 10 日发布了《企业会计准则解释第 13 号》（财会〔2019〕21 号，以
下简称“解释第 13 号”），自 2020 年 1 月 1 日起施行，不要求追溯调整。
①关联方的认定
解释第 13 号明确了以下情形构成关联方：企业与其所属企业集团的其他成员单位（包括母公
司和子公司）的合营企业或联营企业；企业的合营企业与企业的其他合营企业或联营企业。此外，
解释第 13 号也明确了仅仅同受一方重大影响的两方或两方以上的企业不构成关联方，并补充说明
了联营企业包括联营企业及其子公司，合营企业包括合营企业及其子公司。
②业务的定义
解释第 13 号完善了业务构成的三个要素，细化了构成业务的判断条件，同时引入“集中度测
试”选择，以在一定程度上简化非同一控制下取得组合是否构成业务的判断等问题。
本公司自 2020 年 1 月 1 日起执行解释第 13 号，比较财务报表不做调整，执行解释第 13 号未
对本公司财务状况和经营成果产生重大影响。
（3）执行《碳排放权交易有关会计处理暂行规定》
财政部于 2019 年 12 月 16 日发布了《碳排放权交易有关会计处理暂行规定》（财会[2019]22
号），适用于按照《碳排放权交易管理暂行办法》等有关规定开展碳排放权交易业务的重点排放单
位中的相关企业（以下简称重点排放企业）。该规定自 2020 年 1 月 1 日起施行，重点排放企业应
当采用未来适用法应用该规定。
本公司自 2020 年 1 月 1 日起执行该规定，比较财务报表不做调整，执行该规定未对本公司财
务状况和经营成果产生重大影响。
（4）执行《新冠肺炎疫情相关租金减让会计处理规定》
财政部于 2020 年 6 月 19 日发布了《新冠肺炎疫情相关租金减让会计处理规定》（财会〔2020〕
10 号），自 2020 年 6 月 19 日起施行，允许企业对 2020 年 1 月 1 日至该规定施行日之间发生的相
关租金减让进行调整。按照该规定，对于满足条件的由新冠肺炎疫情直接引发的租金减免、延期
支付租金等租金减让，企业可以选择采用简化方法进行会计处理。
本公司对于属于该规定适用范围的租金减让全部选择采用简化方法进行会计处理，并对 2020
年 1 月 1 日至该规定施行日之间发生的相关租金减让根据该规定进行相应调整。
本公司作为承租人采用简化方法处理相关租金减让冲减本期营业成本、管理费用和销售费用
合计人民币 262,165.90 元。
4 公司对重大会计差错更正原因及影响的分析说明
□适用 √不适用
5 与上年度财务报告相比，对财务报表合并范围发生变化的，公司应当作出具体说明。
□适用 √不适用
