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，

（2）基建后期到投产期内，同步开展露天矿智能生产系统建 设，实现露天矿资源数字化、采选生产过程智能控制、智能生产 管理与执行等，实现矿山全流程的少人化、无人化生产。 （3）投产后，逐步建设工业大数据分析平台，充分挖掘数据 潜在价值，实现过程参数优化、生产流程优化、数字仿真优化、 设备故障智能诊断、经营决策优化等。 （三）选煤厂智能化总体设计 1.总体技术要求 智能化选煤厂可参考图 2 所示技术架构，划分为设备层、控制 断融入煤矿生产 过程中的实时、动态、高精度地质信息，实现三维地质模型的自动更 13 新、规划切割、交互漫游、属性查询等。 地质大数据云平台：鼓励建设地质大数据云平台，具备数据分类、 分析、挖掘、融合处理等功能，实现各系统之间数据的互联互通、融合 共享和时空分析。 （3）智能掘进系统 根据矿井掘进地质条件与工艺要求，因地制宜确定合理的掘 进技术与装备，配套高效的辅助作业系统，逐步实现掘支平行作 合平台、数据服务平台、技术研发平台。应用融合平台以统一设计的 应用架构为基础，提供功能完善、流程统一、体验一致的业务应用环 境，提供了标准接口的集成环境；数据服务平台以数据架构为基础， 提供数据存储、数据应用、数据分析和大数据挖掘能力；技术研发平 台以技术架构为基础，统一技术规范和标准，提供开发、测试、运维 一体化的技术研发服务，并提供建模工具、算法编排工具、页面组态 25 工具、流程表单等可视化低代码开发工具，支撑应用构建。

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

通过物联网技术实时采集生产现场 数据，确保数据的准确性和实时性。 数据采集与传输 利用物联网技术实现设备的远程监 控和故障诊断，提高运维效率。 远程监控与诊断 物联网技术应用 数据分析与挖掘 运用大数据技术对海量数据进行处理、分析和挖掘，发现数据中的 价值。 生产优化与决策支持 基于大数据分析结果，为生产流程优化、质量提升、成本控制等提 供决策支持。 数据整合与存储 建立统一的数据存储平台，整合工厂内各部门、各环节的数据资 实现生产流程的自动化，包括原 料准备、加工、装配、检测等环 节，提高生产效率和产品质量。 数据采集与分析 建立数据采集系统，实现生产数 据的实时采集、传输和处理，运 用大数据和人工智能技术对数据 进行分析和挖掘，为生产决策提 供支持。 数字化工厂需求要点 生产计划与排程 建立智能化的生产计划和排程系 统，实现生产资源的优化配置和 生产任务的合理安排，提高生产 计划的准确性和灵活性。 质量管理与追溯 运用大数据分析、机器学习等技术，对设备运行 数据进行深度挖掘，实现故障预警与智能诊断。 故障预警与诊断 建立设备维修知识库，实现维修经验的共享与传 承，提高维修效率与质量。 维修管理优化 设备运行状态监测与预警 能源数据实时监测 通过能源计量仪表等设备，实时采集能源使用数据， 为能源管理提供准确依据。 能源效率分析 运用能效分析工具，对能源使用数据进行深度挖掘， 找出能源浪费环节与改进潜力。 节能技术应用

管理分析深度要求 整体视角 • 立足于集团整体视角的分 析决策支持 • 跨越各类业务、各种能力 的综合分析决策平台 纵向回溯 • 与管理决策平台有效衔接 • 实现数据的同步获取，与 分析的回溯挖掘 灵活展现 • 运用先进技术，基于生动 图形，进行灵活展示、分 析、预警提示、模拟演练 案例参考 集团 V5 三期工程 © 公司机密 集团管理驾驶舱蓝图规划方法 识别集团领导层 管理决策关注点 发展存在哪些优势 / 问题？如何应 对？ 财务绩效回报  盈利能力如何？  营运效率如何？  资本、资金支持如何？  集团财务价值回报如何？存在哪些优势 / 差距？ 挖掘细化，找出优 势 / 差距，采取应对 策略 挖掘业务根源，找出优势 / 差距，采取应对策略 推动集团战略目标要 求实现 推动集团财务回报优化 建立市场 灵动，及 时调整经 营策略 及时调整资金策略 有 色 营运效率 资金保障 偿债能力 预测模拟 业务经营 集团 V5 三期工程 © 公司机密 利用集团管理驾驶舱，将基于价值创造路径，结合集团战略管控要求，对集 团、业务中心的财务回报进行反映与分析，挖掘优势与差距，支持决策优化 总体上，集团推行战略管控模式。因此，集团领导层需要了解集团、各业务中心的价值创造情况；对比目标要求， 理解存在的优势与差距，及其背后主要的业务原因。 EVA 盈利能力

分类建设、条块分割、数据孤岛的现象，从而形成集中、集约的管 理系统。 3.统一平台：实现各类专业口径的数据标准化，并在统一运用 平台上相互交换、实时共享，为大数据价值的持续开发利用提供支 撑。 4.智能协同：通过对大数据的专业挖掘和软件开发，形成自动 识别风险、智能决策管理以及多脑协调、联动的“云脑”，对企业进行 管理。 8 企业数字化转型及企业数字化平台建设方案 2 企业数字化转型总体规划 2.1 总体思路 XXXX 台的存储计算能力，达到共用大数据平台集群资源的目的；开展实 时数据、标识系统、设备信息等的标准化建设，为数据集成集中奠 定基础；广泛采用传感、自动识别、语义识别等技术采集数据，进 一步提升数据获取和挖掘能力；抽取清洗治理存储生产实时数据， 开展生产、营销、财务、物资、人资、基建等管理信息系统的整合 与数据治理，实现数据互通和数据共享；构建一体化的数据管理平 台，提高信息获取利用效率与信息集中管控能力。 企业数字化转型及企业数字化平台建设方案 提供商业 BI 可视化分析、人工智能分析和数据治理功能，通过 BI 工具可进行交互式查询和可视化展现，对数据进行钻取分析，通 过人工智能建模平台进行数据挖掘，拖拽式选择数据源、模型等组 件建模，零编码进行数据挖掘建模、训练和预测。 4）数据服务层 提供数据服务开发方案，主要是为各类数据资源需求快速定制 开发各类数据服务，包括业务数据查询、业务统计数据查询等服务。 数据服务

第一章 研究方法 3 1.1 工程研究前沿遴选 5 1.1.1 论文数据获取与预处理 5 1.1.2 论文主题挖掘 5 1.1.3 研究前沿确定与解读 6 1.2 工程开发前沿遴选 6 1.2.1 专利数据获取与预处理 6 1.2.2 专利主题挖掘 7 1.2.3 开发前沿确定与解读 7 1.3 发展路线图 7 1.4 术语解释 7 第二章 机械与运载工程前沿 科技和产业创新发展。 2024年度全球工程前沿研究项目依托中国工程院9个学部及中国工程院《工程》系列期刊开展研究工作。 研究以数据分析为基础，以专家研判为核心，遵从定量分析与定性研究相结合、数据挖掘与专家论证相佐证、 工程研究前沿与工程开发前沿并重的原则，凝练获得 92 个工程研究前沿和 92 个工程开发前沿，并重点解 读 29 个工程研究前沿和 29 个工程开发前沿。 为提高前沿研判的 据对接，主要是领域专家和图 书情报专家依据各领域的技术体系，制定论文和专利数据检索式，明确数据挖掘的范围；数据分析，主要 是通过共被引聚类形成文献聚类主题、共词聚类形成专利地图，获得前沿主题；专家研判，主要是通过前 沿主题筛选、前沿名称修订、专家研讨等方法逐步筛选确定前沿。同时，为弥补因数据挖掘算法局限性或 数据滞后带来的前沿性不足，鼓励领域专家结合定量分析结果修正、归并、扩充前沿。研究实施流程如图

益增多，为适应快速变化的市场需求，车企都希望更快地推出新车型，推动新车型 数字化研发，持续增加车辆智能化功能，将新能源驱动、智能驾驶、智能座舱等融 入汽车制造。一方面，汽车结构与零部件设计流程复杂、验证成本高，车企需要充 分挖掘用户驾驶、售后维保、质量检测等数据价值，加快建设研发协同平台。另一 方面，为持续提升产品研发效率，车企需要充分利用AI赋能智能工艺规划、数控编 程与仿真等，实现知识驱动产品设计、BOM智能配置、导引式设计等。 客户服务是提升用户体验、挖掘数据价值的重要环节。服务数字化服务商面向客户 信息管理、客户行为大数据分析和预测、服务策略制定、个性化服务推荐、多渠道客户 服务、车辆维修保养、车辆救援、服务流程优化等场景，提供数字化服务平台、客户关 系管理系统、车联网服务等服务。 04 销售数字化服务商 销售管理是推动汽车生产制造实现价值转化的关键环节。销售数字化服务商面向汽 车制造商市场分析、客户洞察、商机挖掘、营销策略制定、销售策略制定、订单管理、 映了服务商以智能硬件为感知和执行终端，将转型方案规模化和工程化落地的能力。 图3-2 数字化转型服务商评价能力要素 27 04 数据赋能能力 评价服务商利用数据作为核心资产，为客户企业挖掘数据价值、提升决策效率、创 造额外价值的综合能力。服务商的数据赋能能力主要体现在针对客户企业提供的全链路 数据治理服务上。服务商通过对于客户企业数据，尤其是高价值数据的全面和规范化采 集、处理