我们如何做智能客服？ 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 5 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 6 问题挖掘 知 识 管 理 系 统 客服工单 政策法规 职能部门 知识库 知识图谱 知识生产流程 知识质检 2019 2019 KE.COM ALL COPYRIGHTS RESERVED 8 如何 / 怎么 + 【事件动词】 + 【实体词】 < 实体，属性，属性值 > < 实体， 关系， 实体 > 知识的挖掘 2019 KE.COM ALL COPYRIGHTS RESERVED 9 示例 entity type property 什么是房源录入 ? 房源录入 what 定义 怎么提取公积金 ? 不动产 ep 抵押登记 如何判断暂真房源和强 疲房源 ? 暂真房源 强疲房源 which 区别 为什么备案经纪人需要 是本店的 ? 备案 经纪人 需要 本店 why 为什么 知识的挖掘 2019 KE.COM ALL COPYRIGHTS RESERVED 10 用户问题数据分布 8% 3% 22% 工具使用 知识咨询 闲聊型 其 它

在数智化层面，流程治理借助自动化与智能化技术，实现对业 务流程的深度优化与资源精细化管理。引入业务流程管理（BPM）构 建流程标准化框架，通过建模、部署、执行、监控全生命周期管理 实现流程体系的系统化重构；引入流程挖掘技术，通过一致性分析、 根因分析、异常检测、流程仿真和预测等手段，跟踪和分析流程执 行情况，精准识别瓶颈、风险与异常点，及时做出调整与优化。应 用机器人流程自动化（RPA）技术，对重复性规则化的流程任务实现 《数据驱动的企业流程数智化路径与实践（2025）》 8 从时间特性看，流程数据可分为实时数据与历史数据。实时流 程数据支撑对流程状态的即时监控与动态干预，是实现“事中管理” 的基础；历史流程数据则是支持数据挖掘、模型训练、知识沉淀的 主要数据，对流程执行效果进行复盘分析与评估优化。 从数据状态看，流程数据可划分为静态数据与动态数据。静态 流程数据通常为流程设计阶段形成的规范性资料，如流程图、操作 中国联通 联 《数据驱动的企业流程数智化路径与实践（2025）》 10 实现高质量发展的关键支撑。 (一)数智化流程治理的基石 流程数据为流程治理提供基础性数据资源，高质量的流程数据 是发挥流程挖掘效果、推动流程智能化的基础和先决条件。流程数 据是企业真实业务活动的数字映射，记录了流程运行的路径轨迹、 参与角色、时间节点与行为逻辑。依托流程数据，企业能够还原完 整的流程执行链条，实现从宏观梳理到微观洞察的全面覆盖。同时，

金税三期、新防伪税控系统，将对增值税发票票面信息（包括纳税人名称、数量、单 价、税率、税额等）进行全面采集，发票在线开具数据实时传送，离线开票需在规定时间 上传，否则导致无法开票。纳税人发票信息采集，税务征管将对发票信息深度分析、挖掘， 快速、全面将纳税人经营情况反馈与呈现，切实加强后续管理，防范征管漏洞。 2. 电子税局——O2O 办税 受电子商务高质量服务的影响，电子税务局上线也形成了线上（Online ）受理到线下 方涉及信息等安全性存在较大隐患......... 人才挑战：应高度重视" 互联网+ 税务" 人才培养的重要性，加强系统化培训学习， 利用互联网提高征管水平，使用征管过程中能高效对涉水数据搜集、研究、深度挖掘等。 1.5 税 务 大 数 据 存 在 问 题 在税局大数据提供便利的同时，涉税数据安全需要得到保障——信息安全政策不完善； 征管软件、系统不统一（征管系统、纳税评估系统、税总软件系统、地方软件系统 况，查找 各自工作中的不足和监管漏洞，共同提高管理水平。 3 、创新数据挖掘分析方法，打造智能税务 在调查研究的基础上，不断探索，创建科学有效的数据挖掘和分析体系。要建立税收 数据仓库，对分散在各个应用系统中的数据进行集成、整合和统一管理，实现数据资源省 级集中和共享，为数据挖掘分析提供基础支持。创新税收数据挖掘分析方法，应当注重五 个结合：一是宏观与微观相结合。通过宏观分析了解本地区范围内不同行业、不同税种、

促进业务创新 消费企业业务人员可以基于明细、可信的数据，进行多维分析和数据挖掘，为企业 业务创新（客户服务创新、产品创新等）创造了有利条件 消费企业业务人员可以基于明细、可信的数据，进行多维分析和数据挖掘，为企业 业务创新（客户服务创新、产品创新等）创造了有利条件 4. 提升建设效率 通过数据平台对数据进行集中，为管理分析、挖掘预测类等系统提供一致的数据基 础，改变现有系统数据来源多、数据处理复杂的现状，实现应用系统建设模式的转 的现状，实现应用系统建设模式的转 变，提升相关 IT 系统的建设和运行效率 通过数据平台对数据进行集中，为管理分析、挖掘预测类等系统提供一致的数据基 础，改变现有系统数据来源多、数据处理复杂的现状，实现应用系统建设模式的转 变，提升相关 IT 系统的建设和运行效率 5. 改善数据质量 从中长期看，数据仓库对消费企业分散在各个业务系统中的数据整合、清洗，有助 于企业整体数据质量的改善，提高的数据的实用性 工作负载 可用性要求  第三范式模型  保留长期历史，需要根据主题细化  主题区 / 集市区 / 沙盘区 / 增值产品区 / 归 档 区批量作业访 问  少量高级业务人员进行灵活查询、挖掘预测  I/O 敏感，日终批量 ETL （合并、拉链、关联、汇总等等）  以 ELT 形式通过 HiveSQL 执行，复杂处理使用 MR 定制 UDF  与大数据区 / 贴源区构成一个 Hadoop

情报滞后，响应较晚 ✗ 虚假情报满天飞，干扰分析精力 ü 战场主动权，随意选择攻击目标 ü 技术精湛，各单位优秀渗透人员 ü 团队作战，各人才分工明确高效 ü 专业攻防协作平台及工具集 ü 更多攻防数据挖掘平台（社工、云等） ✗ 防护手段以漏扫、配置检查为主，缺乏攻击者视角风险发现能力 ✗ 缺乏云服务、员工社工钓鱼风险发现能力 ü 持久战，随意选择攻击时间、以逸待劳 ✗ 缺攻防经验，负责人以项目经理为主 应用场景： 1、提前感知业务最新漏洞威胁 2、提供PoC复现以及资产关联分析 能力定位：持续威胁与暴露面管理 能力SLA：7*24小时，MTTD<8h 应用场景： 1、应用SOAP平台实现暴露面挖掘过 程编排，提升覆盖度及时效 2、攻击者视角，覆盖5类攻击面元素 能力3：自动化运营及反入侵 能力定位：风险快速处置及响应 能力SLA：指标大盘 应用场景： 1、日常安全运营事件、告警的自动化处置 组织架构 发布频繁 版本多 形态复杂 平台多 跨组织 跨部门 弱管控 建设背景：复杂产品体系与人员组织，漏洞发现全面及修复速度要求高 发现能力（威胁情报）：海量数据积淀，更前瞻、深入的风险挖掘能力储备 腾讯拥有全球最大、覆盖最全的安全大数据库，并通过持续运营，对海量数据多维度分析，可以快速对威胁及时作出智能处置，助力企业安全 应用场景： • 入侵发现，接入检测模型，对于高危MD5、域名、IP等进行告警。

展，全方位实现了营销规模增长，截至2024年7月，带来新增办理收入超 4000万元。 吉利汽车研究院（宁波）有限公司 依托全自研V-Link智能车联网平台与AI DRIVE大模型，赋能金融增信、车辆健康 管理、增换购线索挖掘、舆情精准定位、智慧救援等业务，每年创造经济效益 超1亿元。 中国联合网络通信有限公司软件研究院 建立基于用户意图智能洞察的“客户运营大模型”，将用户精准分堆分群，实现 一客一策精准洞察推荐 聚焦“产业场景+金融科技”，基于金融基础设施创新平台，华润银行综合运用人工智 能、区块链、大数据、物联网、云计算技术，打造了全栈可控供应链金融平台，平台 依托中台化的思路，整合数据中台和技术中台的服务能力，挖掘数据要素价值，主动 出击挖掘需求，嵌入各类交易生态场景，运用数字化风控手段，以移动优先为主要方 式, 打通产业链招标、采购、生产运营与仓储、销售、财务管理五大环节,创新供应链 金融服务模式。 全栈可控供应链金融平台助力产融数字化转型 通过大数据技术，整合并分析内外部数据，可以挖掘出客户、市场、 资金等提高银行业务开展效率的信息，同时多源数据的交叉验证，使 得数据更为真实、有效，最终获得客户画像，从而更精准的获客、活 客，切实防范风险控制。在大数据技术应用上，通过与工商、企查查 等进行实时对接、联动查询的方式，建立对中小企业的精准用户画 像。依托数据要素的应用，数据资产的挖掘，利用新兴的大数据技 术，建立客户模型，自

息技术、数据分析等多方面技能的复合型人才的培养成为 财务管理顺应时代发展的关键。信息技术在财务管理中的应用愈发广泛，财务人员需掌握财务软件、大数据 分析工具等信息技术手段，高效处理海量财务数据，挖掘数据背后的价值，提炼关键信息，辅助企业战略制定。 趋势下的思考：数智化浪潮下的财务管理新挑战 法规合规繁且杂，遵循准则陷困局 在数智化时代，各国及地区针对财务管理的法规政策不断细化和更新，涵盖会计准则、税务法规、可持续发 务管理的人力成本和错误率。未来，随着 AI 算法不断优化与大数据集成，财务费控系统将更加智能化，助 力企业实现精细化管理和战略决策。 伴随着云计算、物联网技术的成熟，企业积累的海量业务与财务数据具备深度挖掘潜力，智能费控系统正加 速向 “数智融合” 方向演进。通过将大数据与人工智能深度结合，系统能够对费用数据进行全方位、多维度 的智能分析。在费用预测领域，系统借助机器学习算法，深度剖析企业过往费用支出的时间规律、业务场景 推动业财深度融合 提升业务满意度 推动财务角色转型 此外，费用数据分析功能更是为企业减少资源浪费 提供了科学依据。智能费控系统能够实时收集、整 合各类费用数据，并运用数据分析模型与可视化工 具，深入挖掘数据价值。通过剖析费用结构、趋势 以及各业务板块的投入产出比，企业能够精准识别 资源浪费环节，如低效的市场推广渠道、闲置的资 产设备等，进而优化资源配置，将资金投向更高效 领域，实现成本精细化管控与资源高效利用，切实

11 1.5 AI+ 金融发展趋势 我国 AI+ 金融发展趋 势 u 金融风险管理方面：人工智能可以通过数据挖掘和分析来帮助机构识别潜在的风险因素，从而帮助投资者做出更准确的决策。 u 智能客户服务方面：人工智能可以提供更快速、更准确的服务，以满足客户的需求。例如，许多银行和保险公司已经采用了聊天机器人技术， 易等业务系统注入 AI 能力，成为金融从业人员的 AI 助手。 WarrenQ: 其中 WarrenQ-Chat 是一款金融垂直领域的 Chat 产品， ChatMiner 则是一款金融文档挖掘器。 LightGPT ：金融行业大模型，该产品将于 9 月底完成新一轮的能力升级，并正式开放试用接口。 3.4 恒生电子：发布金融大模型 LightGPT 及多项应用产 品 资料来源 AI 挖掘机，通过 AI 智能计算，洞悉市场冷暖，从而聚焦核心风口，帮助客户挖掘补涨机会。 资料来源：通达信公司官网、华西证券研究所 29 3.5 财富趋势： AI 赋能，辅助挖掘市场机

求：管理团队需要的不单是数据的可视化展示， 更是对数据的深入理解、 快速获取结论和基于 数 据深度挖掘的原因解释，对数据分析工具的 智能 性和即时交互性有着更高的期待。 管理团队之痛：现有数据产品无法端到端快速产出深度结论 信息过载 痛点 以下是 3 个不同客户发出的真实声音示例，反映了业务团队在指标获 取、数据分析与数据挖掘方面的核心痛点： SQL 学习难度高： " 尽管我们有意愿深挖数据背后的真相，但 指标标签 元数据服务 - - 面向企业全局主数据管 理存储、通用底层数据 数据 仓库 数据 湖 大模型驱动的 智能分析助手 BI 工具 数据挖掘工具 人数占比 80% 企业内 “公民” 数据民主化的最大 受益群体 模型 - 用户体验层 - 整合客户旅程，提供产 品消费级用户体验 分析开发者 标 指标标签 签 数据管理

面向知识运营人员的结构化问答平台 智 能 服 务 事 业 部 行业 Ontology 与语料库 实体与同义词挖掘 通用实体与领域实体识别 算 法 层 知 识 层 反问与澄清 存储与查询 训练语料挖掘 关联推荐 语义依存分 析 意图挖掘 增强学习 健康检测 知识卡片 智 能 服 务 事 业 部 解决方案 - 知识图谱 Schema 编辑 器