企业在日常运营中会逐渐囤积起大量的多源异构数据，而且这些数据往往散落各方，难以被利用，我有位在跨国集团任职的好友就曾诉苦道：“我们的产品在分发给渠道商之后，只知道退回率，却完全不知道退回动作背后的原因是什么，向渠道商问出来的结果总是模糊的，我想看到真实、确切的数据分析，这样才能知道我们到底需要怎样改进。”
另一位就职于医疗器械公司的朋友则说：“海外销售往往需要销售助理下单，在SAP里完成订单流转发给物流负责人，在这个流转的过程里，往往有人工换算造成的错误，甚至有临近交付却发现漏单的情况。用技术免除可能存在的人为错误，以及实时的数据跟进与自动提醒，是我们的紧迫需要。”
对此，在大型能源互联网企业工作的我，也是感同身受。在公司的不同系统中，分散存有大量安全类数据及资料，包括作业计划、违章记录、事故案例、安全规程等，我们曾经尝试对其进行统一的采集和汇编，以期挖掘深层次的价值，减少人为因素导致的事故，但无奈的是，缺乏相应的技术手段，而如果光靠人力的话，根本达不到理想效果，成本还贵得离谱。
出于安全生产方面的担忧，我们寄希望于通过知识图谱来解决问题，但是知识图谱哪家强?经过长期的厂商选型和调研，我们最终选择与竹间智能合作，希望借助他们擅长的认知技术，降低风险与损失。在正式采纳了他们的方案之后，我发现相比之前，提升的效果非常明显。竹间智能利用自研的Gemini平台，从数量庞大的非结构化数据中自动采编、解析、抽取关键信息，构建安全管控的知识图谱，为违章判别、事故原因分析、风险隐患关联等工作提供辅助决策支持。同时，它还建起知识门户，统一完成智能搜索、管理和应用，实现事前预警、事中处置、事后总结的端到端闭环，将危机化为转机。
自从有了竹间智能打造的安全生产监测平台，我们公司就不用像以往那样担忧“人祸型事故”的发生了，与之相关的风险与损失已经降低了很多。因此，对于知识图谱哪家强这个问题，我相信竹间智能必定能排得上名次。
另一位就职于医疗器械公司的朋友则说：“海外销售往往需要销售助理下单，在SAP里完成订单流转发给物流负责人，在这个流转的过程里，往往有人工换算造成的错误，甚至有临近交付却发现漏单的情况。用技术免除可能存在的人为错误，以及实时的数据跟进与自动提醒，是我们的紧迫需要。”
对此，在大型能源互联网企业工作的我，也是感同身受。在公司的不同系统中，分散存有大量安全类数据及资料，包括作业计划、违章记录、事故案例、安全规程等，我们曾经尝试对其进行统一的采集和汇编，以期挖掘深层次的价值，减少人为因素导致的事故，但无奈的是，缺乏相应的技术手段，而如果光靠人力的话，根本达不到理想效果，成本还贵得离谱。
出于安全生产方面的担忧，我们寄希望于通过知识图谱来解决问题，但是知识图谱哪家强?经过长期的厂商选型和调研，我们最终选择与竹间智能合作，希望借助他们擅长的认知技术，降低风险与损失。在正式采纳了他们的方案之后，我发现相比之前，提升的效果非常明显。竹间智能利用自研的Gemini平台，从数量庞大的非结构化数据中自动采编、解析、抽取关键信息，构建安全管控的知识图谱，为违章判别、事故原因分析、风险隐患关联等工作提供辅助决策支持。同时，它还建起知识门户，统一完成智能搜索、管理和应用，实现事前预警、事中处置、事后总结的端到端闭环，将危机化为转机。
自从有了竹间智能打造的安全生产监测平台，我们公司就不用像以往那样担忧“人祸型事故”的发生了，与之相关的风险与损失已经降低了很多。因此，对于知识图谱哪家强这个问题，我相信竹间智能必定能排得上名次。
