服务，侧重于为上层业务系统提供结构化和非结构化数据的存储能力， 主要支持视频图像信息联网功能，对车辆、人员、人脸等不同有价值 数据进行级联整合，提供有价值视频图像信息基础服务，实现对有价 值数据的查询、布控与告警、订阅和通知等功能。最终实现汇聚整合 各地、各部门掌握的车辆、人员、案事件等视频图像信息资源。 本次建成后的视频图像信息数据库需与市局无缝对接，汇聚推送 前端智能抓拍机捕获的非结构化、结构化数据到市公安局进行统一解 局采用统一云数据库 存储集群，包括车牌信息、人脸记录、人脸特征、车型信息、过车记 录、事件信息、视频摘要信息、人车物分类信息等重要信息，以及重 要案事件的价值视频片段、标签，这些视图数据带有结构化描述，在 此基础上在市公安局根据需求展开各类应用。在公安信息网内通过平 台客户端直接登录市公安局实战应用平台达到需要的应用目标。 安全系统需求 按照“十四五”国家信息化规划，参考（GB/T22239-2019）《信息 阜南县数字乡村建设项目-乡村公共视频联网工程设计方案 19 定。 3.5.1.2.4 全结构化摄像机部署设计 结构化数据是指图片、可描述的具体目标属性等数据，如人脸图 片、车牌图片、人员性别、衣着颜色、车辆品牌、车牌号等。一般监 控只能提供传统视频流信息，是非结构化数据，需要靠人为判断才能 识别出有效的结构化信息。通过后端视频结构化提取普通视频画面中 的机动车、非机动车、人员信息的建设方式成本较高，日常使用及维

言及建设工作。 演进路线（一） 结构化数据 贴源 模型 集市 BI 报表 集市 半/半结构化数据 历史 归档 实时 计算 数据仓库 BI 报表 数据湖 结构化数据 贴源 模型 集市 BI 报表 集市 半/半结构化数据 历史 归档 实时 计算 湖仓分体 数据探索 机器学习 结构化数据 模型 集市 BI 报表 集市 半/半结构化数据 湖仓一体 — — 湖内建仓 数据探索 机器学习 结构化数据 模型 集市 BI 报表 集市 半/半结构化数据 湖仓一体 — 湖仓分体 数据探索 机器学习 实时 计算 流批 一体 贴源 归档 湖仓分体，数据仓库与数据 湖分离搭建，通过数据交换 平台完成数据同步。 特点： （1）双路建设，双路加载， 耦合度低 （2）互不依赖，使用独立， 管理独立 湖内建仓，将数据仓 库与大数据平台的功 数据 集市层 报送 集市 外部/法 人 数据区 历史 数据区 仓模块 实时 数据区 湖模块 报表 集市 财务 集市 客户 集市 绩效 集市 风险 集市 半结构化/非 结构化 数据区 逻辑加工区 ...... 实时 数据区 明细 数据 汇总 数据 指标 数据 缓存层 贴源层 标准层 通用汇总

影像拍片AI质控 智能影像网关平台 人工智能+医院管理 02 优化资源配置 弥补医院管理漏洞 人工智能+疾病诊断和预测 03 疾病的诊断 疾病的预测 心血管及肿瘤影像 人工智能+医学研究 04 病历结构化处理 多源异构数据挖掘 人工智能+医学影像，重点落地心血管及肿瘤影像 人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、 肺、心脏等多个人体部位。 诊断及心血管疾病AI影像技术（心电CT\MRI\心电彩超 等）. 肿瘤影像 心血管影像产品价值：自动处理+自动输出，实现多项功能 冠脉CT影像 全自动完成冠脉影像智能图像后处理及胶片自动打印，与AI辅助诊断结构化 报告自动输出，具备钙化积分、冠脉FFRct的功能性影像评价能力等多项功 能，能提供量化预测及大数据支持. 冠脉CTA智能后处理：1分钟内完成并智能打印 冠状动脉易损斑块评估：多序列影像斑块联合判断，自动报警 完全由系统进行客观的信 息手机和分析调查结果可 信度高 弥补医院管理漏洞 人工智能弥补医院管理漏洞：从点评网站、社交平台和新闻媒体等渠 道收集客户对医院的评价，通过自然语言处理技术将非结构化的数据 处理成能被系统识别的结构化数据，根据已经搭建好的模型，系统能 够整理、分析出各种评价背后的真实含义。 图：典型的弥补医院管理漏洞的人工智能系统界面 , 蛋壳研究院。 人工智能+医院管理，提高医疗服务质量+优化医院运营效率

都合不到一块，政策能合一吗？” 临床医学术语是信息标准重要组 成部分，统一临床术语应用对于提升 健康医疗信息化水平，提高临床服务、 科研、管理水平都具有重要意义。 科室：血液科 常规临床诊断(非结构化，来自真实临床数据) 弥漫大B细胞淋巴瘤（ABC, Ann ArborIIB IPI2分 低中危） 弥漫大B细胞型淋巴瘤（GCB，三重表达，IVB期，IPI 1分） 弥漫大B细胞性淋巴瘤（ABC型，Lugano IV期A，IPI 2分） 弥漫性大B细胞淋巴瘤 胃弥漫大B细胞淋巴瘤（GCB，Ann Arbor IVXB期，IPI 4分，Lugano分期 IV期） 基于医学知识库的结构化诊断 结构化诊断 结构化诊 断录入 结构化诊断应用示例3 | 临床智能辅助 医为智能 提示 诊断术语应用示例3 | 临床智能辅助 智能匹配 ICD 调阅相关 文献 知识图谱 展现 推荐诊疗 5000万+药物医嘱。 ü 中 等 复 杂 度 的 条 件 （诊断=糖尿病；用 药=吡格列酮；糖化 血红蛋白>7），2秒 内返回结果。 自然语言处理 • 准确率：结构化准确的字段/所有结构化出的字段 • 召回率：结构化准确的字段/所有应该结构化出的字段 • 准确率：95%； • 召回率：85% 以诊断为核心的术语集构建 医用知识图谱 关于东华医为 03 东华软件股份公司总部位于北京海淀区中关村，2006

的模拟可以通过构建大量简单计算单元组成的大规 模 网 络 ，并 不 断 调 整 网 络 单 元 间 连 接 权 重 来 实 现[9-10]。优势在于从数据中学习的能力，善于处理复 杂的、模糊的问题。 1.1.2 主动学习 与传统结构化的知识获取方式相比，大模型采 用自监督学习方法，主动捕捉训练文本中更深层次 的特征和规律，而非在预设知识结构下的信息抽 取[11]，从而具有突破已有认知局限实现创新的潜能。 1.1.3 数值计算过程 数据库层：为应急管理业务应用提供数据服务， 包括风险隐患、应急避难场所、应急物资、应急部 门、救援队伍等应急业务对象的主题数据库，以及 监测预警、安全生产、监管执法、指挥救援、社会动 员等重点业务的专题数据库。包括结构化数据、半 结构化数据和非结构化数据。 知识库层：为应急管理业务应用智能化提供知 识服务，主要存储管理法律法规、典型案例、应急预 案、方法和模型等应急知识。 业务应用层：覆盖应急管理全过程，包括监测预 警、社会动员、监管执法、救援处置等应急管理全场 型算法等形式提供辅助决策功能，对于决策者来说， 这些远不足以应对其可能面临的复杂多变灾难环境 下的决策需求，即解决复杂问题的能力。 从决策问题的本质来分，常规决策面临的是问 题空间明确的结构化问题，临机决策则是模糊不清 的非结构化（或半结构化）问题 [20]。如图 3所示，问题 空间明确的常规决策是理性分析的过程，即：分析评 估备选方案并确定最优方案。系统可以提供更精确 的数据、更优化的数据处理流程、更智能的模型和

为了提升业务效率、满足消费者全渠道体验需求，企业亟需构建“实时-精准-弹性”三大数据能 力 ： 第一：实时用户响应。传统“T+1”用户画像促销，升级为秒级用户行为分析。 第二：精准需求穿透。通过评论等非结构化数据解析情感倾向，从“猜测需求”转向“测量需求”。 第三：弹性供应链协同。支持直播秒杀等脉冲流量和全渠道库存调度，要求数据库具备动态伸缩 的吞吐能力。 1.2 技术范式升级：AI 战略成为零售企业必选项 零售业务具有鲜明的数据量波峰波谷特征，要求基础设施具备极强的弹性伸缩能力。配置过度会 造成资源浪费，配置不足则导致业务中断风险。 零售数据类型复杂多元，需同时处理实时分析（结构化）、用户画像（半结构化）、日志文本（非 结构化）等多种数据类型。 7 在竞争激烈的环境下，有限的利润限制了大部分零售企业的 IT 预算，对技术投入的性价比和综 合成本最优极为敏感。传统架构下为应对峰值和复杂需求，往往需要堆叠多种异构系统，导致架 技术的应用门槛，推动了技术普惠。在此背景下，零售 企业自有的“一方数据”价值被空前放大。这包括知识数据（商品知识库、行业报告、内部流程 文档）、内容数据（商品详情页图文、用户评论、客服对话记录、营销素材）以及结构化数据（交 易记录、会员信息、供应链数据、精准的用户行为标签）。 这些沉淀在企业内部的高质量、高相关性数据，是训练行业专属模型、构建精准推荐引擎、实现 个性化服务的基础，构成了企业差异化竞争的核心资产。有效管理和利用“一方数据”是

流程指标数据是依托流程主数据、事件日志原始数据加工后， 形成的结构化指标数据。按类型分，可以分为流程时效性指标、流 程质量评价指标等，其中流程时效性指标包括与流程耗时相关的各 类统计指标，例如处理耗时、等待时间、持续时间、平均时长、中 位时长等；流程质量指标主要描述流程关键性能指标（KPI），例如 流程环节返工率、执行频次、错误率等。 流程衍生分析数据是基于流程数据分析生成的各类结构化和非 中国联通 联通数科 中国信通院云大 中国信通院云大 信通院云大所 云大所 中国联通 联通数科 中国信通院云大所 中国联通 联通数科 中国信通院云大所 中国 中国联通 联 《数据驱动的企业流程数智化路径与实践（2025）》 7 结构化数据。衍生数据既包括基于流程主数据、事件日志进行流程 还原后形成的 BPMN 流程模型，也包括基于流程指标定位并分析得到 的流程问题根因、分析结果报告、风险预警分析、流程优化建议等 内容。 (二)流程数据的特点 流程数据涵盖企业流程运行全生命周期中产生的多源、多态数 据，呈现出高度复杂性和多维属性。 图 3 流程数据的类型划分 从数据结构看，流程数据包括结构化与非结构化两类。结构化 数据如事件日志、流程实例、节点信息等可量化信息，遵循标准化 定义和固定的数据模型；非结构化数据则涵盖 BPMN 图模型、流程说 明手册、分析建议等，以图形、文本、音视频等形式表达流程运行 语境，为流程建模与还原提供情境支撑。

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

Data+AI 的核心在于通过统一的平台，实现数据和 AI 的深度整合，从而不断提高 企业的数据决策和 AI 应用效率。该平台需要支持以下能力： 多模数据管理 AI 应用通常会涉及到结构化及非结构化的数据使用，因此 Data+AI 平台需要具备多 模数据管理能力，方便企业在 Data+AI 开发过程中高效利用各种类型的数据。 端到端的 Data+AI 开发 Data+AI 图｜阿里云推出多模数据管理平台 DMS：OneMeta+OneOps 当前，近 80%的企业在建设数据平台时采用多种数据引擎、多数据实例组合的策略， AI 兴起也带来了非结构化数据的指数级增长，给企业对数据的高效检索和分析管理提 出了更大挑战。此次，阿里云重磅推出由“Data+AI”驱动的多模数据管理平台 DMS： OneMeta+OneOps，助力构建企业智能 Data 到新的路径，但也存在着诸多挑战。面对 Data+AI 融合趋势的数据处理难点，周文超 博士概括了三点：第一，数据的多模态化；第二，算力的多元融合；第三，数据处理 的实时性。 数据的多模态：数据类型不再局限于传统的结构化数据，而是包括了图片、文档、图、 时序、交易等多种模态的数据，比如：IoT 设备数据、车机图像数据等，这些多模数 据是数据处理和分析的一大挑战。 算力的多元融合：算力也朝着多模态和异构方向发展。过去，无论是在操作系统、数

治理缺位：唯有实现数据的及时采集、安全存储、高质量处理与结构化整合，才能将其转化为驱动决策的“高纯度燃 料”。 而数据治理的终极目标是通过数据应用赋能业务。数据价值的释放需要打通“治理”与“应用”：通过贯通营销 服流程，让客户基础数据、交易数据、服务工单数据在业务场景中自由流动，形成“数据反哺业务、业务沉淀数据” 的闭环；通过将数据嵌入商机推进、订单履约、售后服务等核心场景，让结构化数据成为销售策略的“导航仪”、服 “厂商赋能渠道、渠道反哺市场”的双向共赢。 而当大模型应用成为企业提效的标配，数据的安全性、及时性、多模态处理能力成为AI应用落地的前提：不合规 的数据可能引发法律风险，低质量的数据会导致模型输出偏差，非结构化数据的割裂会阻碍智能应用的深度落地。此 时，CRM系统既要具备数据采集、清洗、治理的全流程能力，也要为AI提供可识别、可管理、可消费的数据底座，更 要通过智能应用让数据智能真正转化为业务效能。 其存储和访问控制尤为重要。若 未经处理直接应用，极有可能导 致数据泄露、隐私侵犯等安全事 故，使企业违反相关法律法规， 遭受巨大经济损失。 即便完成数据清洗，数据已经被 整理和归类，若不能让结构化数 据嵌入业务流程，与业务场景深 度耦合形成决策闭环，数据也无 法真正支持企业的决策，无法解 决企业真正关心的问题。 4 CRM数据治理及应用实践蓝皮书 数据沉淀不及时、不安全、不连贯？CRM破解治理挑战