全链路日志 审计 涉密数据安 全管控 知识溯源 内容安全检测 权限控制 分类分级 密级管理 加密传输 加密存储 非结构化数据 结构化数据 文本、 图片、 音频、 视频 … CRM 、 数据库、 ERP 、 资金 流水 格式文件 • 对于第三方无接口知识 ，平台可以通过 RPA 工具等进行采集； • 各种结构化数据库表也可以采集； ③ 领先的 AgenticRAG 技 术 • 以 Agent 重构传统 RAG ，提升问答准确率及效果 • 长链路、多跳、事实推理效果更佳 • 跨模态数据融合应用：打通结构化与非结构化知识 ⑤ 内置企业级敏捷 Agent 平台 + 丰富的知识类技能 + 知识类智能体市场 通过【连接器】可以链接、捕获企业内、外部各种类型知识 ，包括 PDF 、 PPT 、音视频等 100+ 格式 文件 • 对于第三方无接口知识 ，平台可以通过爬虫、 RPA 工具等进行采集； • 各种结构化数据库表也可以采集； 文件传输协议 360 全域数据资 产连接器 AI 企业知识库特点 1 ： 全域知识捕获 ， 自动采集企业内外分散的各种知识 本地知识 业务系统

态的感知，也无法满足敏捷决策与全员赋能的时代要求 人工智能与商业智能发展背景——传统BI局限性 来源：头豹研究院 传统BI系统主要依赖企业内部的结构化数据，如销售数据、财务数据等。这些 数据通常是预先定义和整理好的，局限于企业内的数据源。而外部非结构化数 据（如社交媒体数据、视频数据、传感器数据等）通常无法有效利用，限制了 系统对全方位信息的分析能力。在现代商业环境中，企业不仅需要分析内部数 据 难以获得前瞻性的信息，导致在面对突发事件或市场变化时缺乏足够的应对策 略，影响了决策的准确性和效率。 局 限 于 历 史 数 据 传统BI系统的局限性在于其封闭性与滞后性：局限于内部结构化数据，难以捕捉外部非结构化洞察；静态 批处理模式无法满足实时决策需求；复杂操作和高技术门槛限制了用户参与；预定义指标缺乏灵活性，难 适应多元需求；聚焦历史数据则削弱了预测能力。这些短板使其在数据爆炸和敏捷决策的时代逐渐失位， 大数据和非结构 化数据分析 自助式数据分析 和可视化 预测和智能分析 集成和整合 个数据源 随着大数据和物联网的兴起，企业面临的数据类型更加多样化。 现代BI系统需要能够处理海量的非结构化数据，如社交媒体数 据、文本、视频、传感器数据等。这将有助于企业从多个维度 发掘更多的商业价值，提升决策的准确性和深度。 现代BI系统应提供简单易用的工具，使非技术人员也能参与数 据分析。通过自助式的数据分析和可视化工具，用户可以根据

长底线的公司。 经济护城河是企业能够常年保持竞争优势的结构性特征，是由公司本身所拥有的结构化因素构建出来的，是其竞争 对 手难以复制的品质，是能够凭借业务能 力及其所在行业的结构维护其高额利润的。 运营卓越的公司，不等于就有成长底线，更不等于有护城河。卓越管理虽然能够加固经济护城河，但是管理本身不 的系统集合，并依据外部环境和竞争 不断变化。 用结构化的逻辑设计增长地图：采用增长目标的方式，形成增长路径，再把增长路径分解成增长点，然后把 所有的增长路径、增长点汇聚成企业的增长地图。 用问题树的方式设计增长地图： 以问题为出发点，使用问题树的思维方式也能设计增长地图。 用结构化的逻辑设 计增长地图 用 问题树的方式设 计增长地图 图”。 众说纷纭！ 这些方法都 有实现的 可 能性， 但是 又都 非常碎 片 化 以饿了么增长地图为例，饿了么要做增长，有哪些路径可以选择。 增长线设计策略： 用结构化的逻辑设计增长地图 定位战略 当时有人建议： 更换代言人 5 3 饿了么系统化的增长地图 云 的饿了么品牌形象。 深耕渠道 也有人说应该深耕渠道，在消费者聚集的地方，

佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信集团 佩信 大型企业人力资源数字化转型一般性规划蓝 图 发展阶段 方向目标  实现流程线上化、自动化  实现数据结构化、关联化  提升员工服务需求洞察  实现数据驱动人力资源管理  提高服务质量，降低运营成本  创新解决方案和运营模式  对外输出 HRSSC 的服务能 力 任务路径  设计 被纳入联动分析（关联财务、客户、运营等方面数据） 的人力数据占比越来越高 结构化 可以表达为二维表结构并进行深入分析的员工档案和 工作痕迹数据占比越来越高 可视化 可以在管理看板上以图形化方式呈现的人力数据及相 关分析结果占比越来越高 管理者角色视角的 HRSSC 数字化图 景 对于数字化 HRSSC ，支持管理决策的数据可以分为 3 层。可以结构化、 联 动分析并可视化呈现的人力数据及相关分析结果占到大部分，未纳入 到大部分，未纳入 联动 分析的人力数据占小部分，还有极小部分员工数据仍然是非结构化数 据。 当数字化水平普遍较高时，数据分析人员的洞察和创新更能够为企业带来价值。有一项研究分析了 3 万份客服代表的在线简历，希望了解与 员 工跳槽相关的因素，结果发现，使用 Chrome 这种第三方浏览器填写简历的员工比使用 Windows 或 Mac 自带浏览器的员工平均坚守一个 岗位的 时间要长 15%

等事务迁移到网络空间，网络空间的传输功能逐渐被计算功能超越，网络空间也由此升级为计算空间；第四阶段是数据空间 时代。近年来，随着大模型等人工智能技术的突破，以及人们对网络空间依赖程度的加深，对原先在互联网上难以流通的非 结构化数据和私域数据提出了流通的需求，如何构建一个既能让数据高效流通同时又确保安全可信的数据空间，成为网络空 间升级为计算空间后的又一次的跃升。 可流通数据只占全部数据的很小部分。自上世纪90年代互联 据。但是，在全部数据资源中，只有两成左右 是可流通数据，八成左右是个人隐私、企业机密、国家秘密等不可流通数据。即使在20%可流通数据中，在万维网上真正流 通起来的结构化数据只有4%，而其他16%的图片、音频、视频等多模态非结构化数据，受限于技术瓶颈，尚无法实现在互 联网上自由流通。 数据基础设施正逐步成为数据高效流通的可信安全环境 私 域 数 据 个 人 隐 私 数 据 国 家 机 密 科技研究成 果，预计到2028年全球可流通数据将完全耗尽。数据生产方式将从互联网上采集结构化数据的传统方式向数据资源的广度 和深度两个方向拓展：第一个方向是向广度拓展，即从互联网爬取数据向物联网自动生成数据的方向拓展。各种可穿戴设 备、智能家电、道路监控设备、工业互联网自动感应装置等生成的多模态非结构化数据，正成为当前数据来源的主流，专业 数据生产方式不断向广度和深度拓展是数据要素化发展新阶段的重要标志

...... 职级管理 ...... 体系文件总手册 ...... 综合管理 程序 文件 （职责、业务 流程） 结构化 体系文件 非结构化 体系文件 1 数字化目标 标准规范 规章制度 输入 输出 （流程要素与要 求） 手册 ( 总则 ) （流程模板与 表单） 环保管理 质量管理 数 字 军 检 4 质量管理及数字化 逻辑思维 1- 快速表达 逻辑思维 2- 精准表达 逻辑思维 3- 解决问题 逻辑思维 4- 结构化与批判性思维—锻造火眼金睛 逻辑思维 5- 逻辑思维方法—问题分析与总结 逻辑思维 6- 职场沟通与汇报— - 学做擅表达的人 逻辑思维 7- 创新性思维与发展变革—面向未来 逻辑思维 8- 系统性思维与企业管理—培育管理

录上链和质量核查，依托智能合约等技术对数据共享及应用过程进行 溯源留痕，并按照不同应用场景打造分区目录，助力数据要素流通； 福建省一体化公共数据平台依托存算分离架构及 HTAP 能力，实现非 结构化数据集中存储与高速共享，推进共享、开放和开发服务过程的 汇聚整合，助力数据资源化能力一体集约供给。 （2）构建高效便捷数据共享协调机制 国家层面制定印发《国务院关于加强数字政府建设的指导意见》 为推进数据运营人员 与各委办局、下级数据部门之间的目录对接提供参照。 （四）数据资源一体化，归治用一体发挥数据资源汇聚效益 （1）构建场景适配的数据归集方案及策略 当前的数据归集主要集中于结构化数据的归集，较大程度上依赖 于前期建设的共享交换平台，借助共享交换通道，可依托数据的“推 送-拉取”过程完成数据由委办局侧向数据管理部门的物理汇聚，其特 点是共享流程规范，已基本形成常态化任务管理模式，数据部门的更 建转为云上统一运营，为了进一步提升算力应用效率、降低数据迁移 成本、助力底座资源便捷化扩展升级，存算分离模式已成为当前发展 阶段的重要技术路径。随着 AI 大模型技术的不断应用，越来越多半 结构化、非结构化数据以及实时数据存储需求不断增长，部分地方探 索推进开展湖仓一体、流批一体及智能存储的实践，相关技术路线尚 处于发展初期，仍有待进一步迭代演进。 23 图 10 全国数据标准化技术委员会

照不同维度，数据资源可以分为不同类型。依据数据结构化 特征，数据资源可以分为结构化数据、半结构化数据和非结 构化数据。依据数据持有主体，数据资源可以分为公共数据、 企业数据和个人数据等。按照数据可流通性，数据资源可以 分为可流通数据和不可流通数据。根据数据安全性，数据资 源可分为公域数据和私域数据等。 其中，结构化数据指的是具有固定格式或有限长度的数 据，如数据库、元数据等。半结构化数据则介于完全结构化 20 与非结构化数据之间，具有基本固定的结构模式，如日志文 件、XML 文档、JSON 文档等。非结构化数据指的是数据结 构不规则或不完整，没有预定义的数据模型，如文本文件、 图片、视频等。公共数据是指政府机关或具有行政管理职能 的事业单位，在依法行使管理和服务职能过程中产生的数据 资源。企业数据是企业在日常生产经营管理活动中，经过一 定的人力财力投入而形成的数据资源。个人数据是指以电子 形式或其他方式记录的，能够单独或与其他信息结合识别特 定自然人身份的信息，包括姓名、身份证号码、出生日期、 联系方式、住址、通讯信息、行踪轨迹、财产信息等。公域 数据中只有结构化数据可以在互联网上直接流通，属于可流 通数据，而半结构化数据和非结构化数据不能在互联网上直 接流通，属于不可流通数据。大多数私域数据都属于不可流 通数据。 图 13：数据资源的四种分类 21 2.数智技术

析功能，为医疗健康领域的智能化转型提供了新的可能性。 医疗健康场景中，数据的复杂性和多样性对技术提出了更高的 要求。例如，患者的电子健康记录（EHR）、医学影像数据、基因 组数据等多源异构数据的整合与分析，需要处理大量的非结构化数 据，并从中提取有价值的信息。传统的处理方法往往依赖于人工干 预或简单的算法，导致效率低下且容易出错。而 DeepSeek 通过其 先进的深度学习模型，能够自动识别、分类和解析复杂的数据结 EHR）和档案管理是核心环节之一，直接影响医疗服务的效率和质 量。DeepSeek 技术在这一场景中的应用，可以显著提升数据管 理、智能化分析和信息安全水平。首先，DeepSeek 的自然语言处 理（NLP）能力能够高效解析和结构化病历中的非标准化文本数 据，包括医生手写记录、诊断报告和患者主诉等。通过深度学习模 型，系统能够自动提取关键信息，如疾病名称、症状、治疗方法和 用药记录，并将其归类存储，形成标准化的电子病历数据库。 技术的引入为临床试 验数据管理提供了全新的解决方案，能够显著提升数据处理的效 率、准确性和可追溯性。 首先，DeepSeek 通过其强大的自然语言处理（NLP）能力， 能够自动化地处理大量非结构化数据，如临床试验中的病例报告、 患者反馈和医生笔记。这种自动化处理不仅减少了人工录入的错 误，还能够快速提取关键信息，如不良反应事件、疗效评估和患者 依从性，从而加速数据的分析和报告过程。 其次，DeepSeek

宜支持异构数据库迁移，支持跨语言、操作系统调用。 8.2.6 应提供数据交换接口、数据转换接口和数据服务接口，实现不同应用系统之间 的数据共享，具体要求如下： a）数据交换接口应具备结构化、半结构化和非结构化数据的交换功能，接口技 术要求参考 GB/T 21063.2。 b）数据转换接口应具备将非标准格式数据转换为标准格式数据的功能。 c）数据服务接口应具备数据资源封装、调度和管理等功能。 pH 值 、 悬 浮 物 、 浊 度 等 ） 、 有 害 气 体 （CH4、CO、H2S、SO2、NH3等）监测数据等。 B.1.12 电子档案 电子档案包括档案案卷信息、案卷文件、案卷关联结构化数据信息、案卷 逻辑关系数据、案卷审核信息、案卷签名信息、案卷归档记录、案卷移交记录 等。 52 附录 B 智慧工地信息化平台数据交换清单 B.2 集团级 B.2.1 集团级用户通过数据