非结构化数据服务及洞察能力介绍

以下内容都是根据相关报告总结的，如果有兴趣了解更多相关的内容，请下载原报告阅读。

1.非结构化数据服务

非结构化数据服务基于业务导向、以用户为中心开展具体技术实现，并不断通过业务流程重构，将流程与组织结构解耦、去职能化，以服务和用户角色为原点进行流程设计，构建以文档内容和数据服务为核心的非结构化数据应用，实现以内容为核心的业务构建，创造端到端的内容价值实现，全面将内容与业务紧密整合，以保证使信息系统成为业务战略的载体，使业务能力在端到端的贯通中得以全面地呈现。

在进行非结构化数据服务的应用时，组织需要基于业务进行整体设计，切入业务场景中去，以构建基于内容业务的端到端实现；将服务固化到流程引擎和表单引擎之中，通过业务流程和活动，将业务行为模型、角色行为模型、事物行为模型与主数据、业务规则、参考数据、经营指标、管理指标、绩效指标等核心要素平台化，以门户页面的方式对外发布非结构化数据服务，强调持续迭代，长久地进行以内容为主体的业务优化和服务监控管理。

2.非结构化数据洞察

非结构化数据洞察可以提供更广泛的业务价值实现。但对非结构化数据的洞察需要大量的准备工作，首先，需要获得大数据集的海量数据支撑；其次，关注技术实现的细节，如：知识图谱、文件关联图谱、主题图谱、自然语言处理和人工智能引擎等方面的应用；然后，通过智能关联、智能推荐、智能搜索、智能识别、智能分类、智能问答、智能定密等多种应用，提供基于文本、单据、物体和人脸等为主体的多种应用场景，获得多种形态下的数据洞察；最后，将洞察能力与业务场景进行结合，发挥洞察创新，从而通过数据洞察实现业务价值转化的目标。

非结构化数据洞察能力主要包括以下几方面：

（1）统一搜索 ：连通各业务系统、数据源，实现结构化知识、非结构化知识、内部知识、外部知识的集中与统一，通过一站式统一搜索挖掘数据价值。

（2）智能搜索： 基于自然语言处理、机器学习技术，结合点击反馈模型等搜索排序算法，利用大规模分布式索引与算法模型的计算与分发，构建强大的知识内容搜索引擎。同时全面整合人工智能能力和自然语言处理技术：结合识别分类转化、聚类回归分析算法、机器学习、用户画像、文本图像、深度学习等技术进一步提升能力。

（3）智能推荐： 智能推荐可以基于用户属性、用户行为、业务场景进行分析，通过大数据技术，整合奇异值分解、支持向量机等尖端算法，构建数据挖掘系统，生成用户画像，为用户主动推荐其感兴趣或与当前工作相关的知识内容，同时也可以激活整个知识库，发挥长尾效应。

（4）知识图谱 ：通过构建大规模语义网络，发掘实体之间的关联，将数据进行整合，帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、最终实现智能交互。

（5）数据分析与挖掘预测： 非结构化数据系统可以基于数据挖掘，可视化地呈现数据总量、数据变化走向与数据分析成果，为用户提供数据预测能力，从而以数据辅助用户的战略与决策。

（6）数据洞察阶段： 以非结构化数据系统，结合大数据分析能力，深度融合以上五点能力，从而实现非结构化数据的深度洞察。