中国非结构化数据中台实践白皮书.pptx

;01;;;从业务应用的角度，数据智能的发展经历了收集、监测、洞察、决策等四个发展阶段，数据的应用价值不断提升， 逐步从业务数据化转向业务智能化。未来，数据智能将会进入人机协同的业务重塑阶段。;;数据中台汇聚企业的业务数据，包括企业经营数据、 客户行为数据、设备运转数据、生态合作数据等， 并赋能给各类不同的数据应用场景。;数据驱动决策的前提是数据整合 数据智能的标志是数据驱动决策，让机器具备推理等认知能力，大 数据能够指导决策。同时完成了业务数据化进程，开??进入到业务 智能化，依靠数据改变业务 决策需要机器具备推理能力，建立复杂关系网络，从训练模型的角 度，这意味着必须要有更大规模的数据。同时，决策意味着解决的 业务问题复杂性远远大于之前，因此，需要汇聚更多种类的数据。 信息化时代数据散落在各个系统中，数据存在脏乱差、ID不统一等 问题，数据孤岛现象严重。基础设施的云化使得基础IT资源实现了 统一管理和调度，数据的统一管理和调度就提上日程，成为下一个 需要解决的问题。;数据中台需要与业务结合，;传统的非结构化数据管理， 内容对象、元数据与索引 是分离存储和独立管理， 难以同时灵活横向扩展， 进一步加剧海量非结构化 数据的管理复杂性。;非结构化数据管理需要革新的底层架构;;02;;数据收集和使用合规体系及监管体系不完善， 数据安全面临挑战。;;;企业认知挑战;建设过程挑战;TPA交付方法论;文档库规划;03;数字化时代的生产力平台;;传统的安全方案是企业云盘+DLP，仅解决了文档层面的安全问题，但没有解决在非结构化数据的多层次方面的问题。;立体安全体系才能够满足业务合规性;数据可进行在线或离线备份：;OpenDoc API;;知识图谱（Knowledge Graph），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不 同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。;;;传统文档 管理体系;;;;;;知识运营贯穿企业的经营全局：建立知识复用体系，提升企业的知识传承与复用，实现降本增效。;;数字化企业的知识战略蓝图;基于多模态知识图谱的智能知识运营解决方案;;目标：通过内容管理体系和知识图谱，创新智能知识运营体系;;04;;升级;针对图像、视频等媒体信息的 人工智能、机器学习技术;知识图谱技术，是新一代数据中台最核心的技术，因为通过知识图谱可以实现探索式的分析。任何两个数据节点之间都可以建立关系， 并进行分析、关联、探索，就像人的大脑一样。 知识图谱之于中台，融合了从智慧到知识的过程，包括规则、算法、推理等程序性支持，有了这些支撑，才能丰富数据中台相关的数据 服务能力。同时，知识图谱需要中台来为其提供完美适配的环境。;金融大脑