钢铁企业的数据智能升级,正在从报表看板走向生产、设备、采购、销售与管理的日常问答。某钢铁行业头部集团在数商云客户案例中遇到的情况很有代表性:知识资料分散在多个系统,老师傅经验难以沉淀,业务人员查数据要跨系统找人,新员工培训也缺少可直接使用的知识入口。集团希望把知识库、数字人与智能问数放到共同场景中,让数据查询、知识获取和业务协同都能落到具体岗位。围绕这一目标,数商云与集团共同梳理场景、治理知识、打通数据,并推进全场景落地,形成了可供钢铁行业参考的实践路径。
这家集团的业务覆盖面广,生产、设备、安环、采购、销售、财务与人力等条线都在产生文档、报表与经验记录。系统建设推进多年,数据存量持续增长,但知识与数据之间的连接并不紧密。管理人员看经营指标,技术人员翻工艺资料,客服人员查合同与投诉记录,往往要在不同入口之间来回切换。
(1) 生产现场遇到设备异常,值班人员需要快速找到历史处理记录、操作规范和图纸说明。资料散落在个人电脑与不同系统中,查全率与查准率都受影响。
(2) 新员工与转岗人员需要理解工艺、设备与安全要求,培训材料更新频繁,靠集中授课和纸质手册难以覆盖日常问题。知识库如果只做文档归档,很难支撑现场判断。
(3) 销售、采购和售后人员经常查询报价、合同、供应商资质与质量反馈,信息分布在业务系统中。缺少可追溯的知识来源,答复口径容易出现差异,跨部门协同也容易反复确认。
集团已经积累经营指标、产量、质量、能耗、库存与成本等数据,但多数查询依赖固定报表。业务人员临时提出问题时,往往由数据团队临时取数,响应链条长。智能问数如果只接入有限指标,回答会停留在表面;知识库如果只存文档,又无法解释数据变化背后的业务原因。
数字人被放在集团服务入口的设想中,承担政策宣贯、制度问答、培训导学与业务查询引导等工作。它需要稳定地调用知识库和业务数据,不能只做形象展示。项目初期就把数字人定位为服务触点,与知识库、智能问数共同规划。
集团对数智化建设有明确判断,展示型大屏和演示型应用不能解决现场问题。项目希望让员工在常用入口中用自然语言提问,得到带出处的知识答复和可核对的数据结果。涉及权限的内容按岗位开放,涉及敏感数据的问题按规则拦截,形成可运营的服务方式。
升级目标集中在知识查找更快、数据问答更准、服务入口更贴近岗位。项目不追求覆盖所有问题,先把高频场景做扎实,再逐步扩展。这个判断决定了后续方案的取舍。
数商云在项目前期把业务部门提出的问题逐条落到能力清单,界面表现放在后续考虑。集团内部对知识库、数字人和智能问数的期待并不相同,需要把目标拆到可交付、可验收、可运营的程度。需求拆解既要照顾现场人员的使用习惯,也要考虑数据权限与系统边界。
(1) 资料范围覆盖工艺规程、设备手册、安全制度、质量标准、采购合同、售后服务记录与培训课件。不同来源的资料格式差异明显,扫描件、结构化文档、图文混排文档都需要处理。
(2) 知识条目要能按岗位、产线、设备类型与业务主题组织,支持原文定位与出处展示。员工看到答复后可以回到原文核对,避免只凭生成答案做判断。
(3) 知识库需要持续更新,制度修订、设备改造和工艺调整都要有入口。只建设不运营的资料库很快会失去使用价值,项目组把知识维护纳入责任分工。
(1) 数字人需要在集团服务门户、移动端与培训场景中使用,承担导览、问答、制度宣贯和智能问数引导。语音交互与文本交互都要覆盖,回答风格要符合企业服务要求。
(2) 数字人不能脱离业务知识单独运行,回答内容需要调用知识库与数据接口。遇到权限不足或问题超出范围时,要给出清晰提示和人工转接路径。
(3) 形象与声音可以按集团文化定制,但交互体验更重要。项目组要求数字人先解决找得到、答得准、能转接的问题,再考虑更丰富的表达方式。
(1) 问数范围先覆盖经营、生产、质量、能耗、库存与采购等高频主题,指标口径需要与数据管理部门确认。业务人员提出口语化问题后,系统要能理解时间范围、对象与指标关系。
(2) 回答不能只给数,还要说明查询口径、数据来源与结果范围。涉及跨主题分析时,系统要提示口径差异,避免用户误读。
(3) 权限控制要落到查询环节,按组织、岗位与数据主题开放范围。敏感经营数据不能因为问答入口而绕过原有管理要求。
围绕钢铁企业数据智能升级,数商云给出以企业知识库为知识底座、数字人为服务入口、智能问数为分析入口的整体方案。方案把这些应用放在共同服务体系中,共用知识治理规则、数据权限和运营机制。对钢铁企业来说,生产现场与经营管理都能从共同入口获得支持。
(1) 项目组按业务主题梳理资料,划分制度、工艺、设备、质量、采购与售后等知识域。每类知识明确来源部门、更新责任人与适用岗位,资料入库前完成格式处理与内容校对。
(2) 知识库支持文档解析、段落切分、标签管理与检索增强,问答结果带原文出处。对扫描件与结构化资料,系统按可读结构提取内容,减少资料因格式问题被闲置。
(3) 数商云提供私有化部署与混合云方案,集团可结合数据敏感程度选择部署方式。涉及核心工艺与经营数据的知识留在受控环境,面向员工的问答服务按权限调用。源码交付与快速交付能力也减少了后续扩展的顾虑。
(1) 数字人通过服务门户、移动端和培训终端触达员工,首屏提供常见问题、制度查询、学习引导与问数入口。对生产现场用户,界面减少层级,用短句和按钮完成引导。
(2) 数字人回答制度问题时调用知识库,回答业务数据问题时转入智能问数流程。遇到超范围问题,系统给出转人工路径并记录问题,为后续知识补充提供线索。
(3) 形象、语音与话术可以按集团规范配置,服务风格保持克制。项目组更看重回答准确率与转接顺畅度,形象表现放在可用之后。
(1) 数商云把业务指标、数据字段与查询规则整理成语义层,业务人员用业务语言提问即可获得结果。系统在回答中展示指标解释、查询范围与数据来源,方便核对。
(2) 对经营分析类问题,智能问数按主题返回分析结果与文字说明;对追问,系统保留上下文并支持调整筛选条件。涉及敏感指标时,按岗位权限展示或提示申请。
(3) 智能问数支持接入集团现有数据平台,也可由数商云协助梳理主题数据集。数商云混合云方案让部分查询服务在云端弹性运行,核心数据仍按集团要求管理。私有化部署与源码交付则为深度集成留出空间。
实施没有按大而全的方式铺开,先选高频、可验证的场景做试点。集团业务部门、数据管理部门、信息化团队与数商云项目组共同参与,按周推进问题清单。试点结果不只看回答是否顺畅,还要看员工是否愿意持续使用。
(1) 试点场景围绕设备点检、工艺查询、安全制度、质量追溯与采购合同展开。这些场景问题量大,知识来源相对清楚,员工使用频率也较高。
(2) 项目组对现有资料做盘点,区分可公开、按岗位开放与受控内容。资料缺失的环节由业务骨干补充,冲突条款由牵头部门确认。
(3) 知识入库前做格式清理、标题规范与标签校准,形成可检索的知识条目。对无法直接解析的资料,项目组安排人工校对,避免把错误内容带入问答。
(1) 数据团队梳理指标口径与主题数据集,明确经营、生产、质量、能耗等查询范围。智能问数接入数据平台后,先做问题回归测试,再把入口开放给试点用户。
(2) 权限按组织、岗位与数据主题配置,知识阅读权限与数据查询权限分别管理。数字人调用知识库与问数服务时,沿用集团现有身份认证机制。
(3) 对数商云来说,私有化部署与混合云方案的选择要结合集团安全要求。试点环境完成验证后,再按场景扩展到更多部门,源码交付便于集团技术团队掌握后续维护主动权。
(1) 项目组建立知识更新、问题反馈与答复复核机制,业务部门指定知识维护人员。数字人答不准的问题会被收集,进入知识补充或问数规则优化清单。
(2) 培训结合岗位任务做场景演练,减少集中灌输。员工在真实问题中学习如何提问、如何核对出处,使用门槛随之降低。
(3) 试点用户的问题记录成为优化依据,知识缺口与问数口径偏差分别处理。项目组定期回看使用情况,对低使用场景做访谈,判断是入口不便、知识不足还是需求不真实。
系统上线后,变化集中出现在查询环节。员工不再为查制度、找工艺、核对指标反复切换系统,常见问题可以在服务入口得到答复。对生产现场来说,知识获取路径更短,答复带出处也便于判断。
(1) 制度、工艺与设备资料有了集中入口,员工按岗位和主题查找,常见问题由知识库直接答复。资料更新后,问答内容随之刷新,减少旧版本被误用的情况。
(2) 答复展示原文出处,员工可以直接回到制度条款或操作规范核对。知识库从资料存放地转为岗位工作的查询工具。
(3) 老师傅经验通过问答记录、案例条目与培训课件沉淀下来,新员工不必完全依赖口头传授。知识维护责任明确后,资料更新也更及时。
(1) 业务人员用业务语言即可查询产量、质量、能耗、库存与采购等指标,减少临时取数与跨部门沟通。回答中展示口径与来源,讨论经营问题时有共同依据。
(2) 智能问数把常用分析过程固化下来,追问与筛选更顺畅。数据团队从重复取数中释放部分精力,转向指标治理与深度分析。
(3) 权限控制随查询入口同步执行,敏感数据仍按原有规则管理。业务人员获得便利,数据管理部门也能掌握查询边界。
(1) 数字人在服务门户与培训场景承担导览和问答,员工遇到制度、流程与系统操作问题时有了自助入口。高频问题由数字人分流,人工服务可以处理更复杂的事项。
(2) 数字人把知识问答与智能问数连接起来,用户表达业务问题后可进入对应查询。交互过程记录为运营线索,帮助项目组识别服务短板。
(3) 形象与语音按集团规范配置后,服务入口具备辨识度。项目组保持克制,将数字人定位为知识服务与数据服务的接触点,不以展示效果作为主要评价标准。
(1) 知识、数据与员工服务被放到共同运营框架中,业务部门更愿意提出真实问题。问题反馈进入知识补充与规则优化流程,服务内容持续完善。
(2) 数商云私有化部署与混合云方案兼顾安全与弹性,源码交付让集团技术团队具备持续维护条件。快速交付让试点场景在可控范围内完成验证,再逐步推广到更多业务条线。
(3) 对钢铁企业而言,数据智能升级要落在岗位员工愿不愿意用、能不能查准、能不能追溯上。集团把使用反馈纳入运营例会议题,推动场景从可用走向好用。
集团项目负责人对项目的评价集中在实用与可控。知识库让分散资料有了可查入口,智能问数让经营讨论更快拿到数据依据,数字人则把服务入口放到员工常用界面。更重要的是,项目没有把系统做成孤立应用,知识、数据与权限被放在共同框架中管理。
业务部门反馈,知识问答能否给出处直接影响使用意愿。智能问数的口径说明也被反复提到,业务人员希望知道数据从哪里来、范围到哪里。数字人带来的变化更多体现在服务入口上,员工愿意从熟悉界面发起提问。
项目组总结出的体会是,数据智能项目需要业务部门深度参与,知识治理不能只交给技术团队。场景选择要贴近高频工作,权限规则要在上线前明确。数商云在实施中承担方案设计与交付工作,集团内部团队则负责知识确认与业务推动,双方分工清晰。
集团也提出后续计划,继续补充设备故障案例与工艺变更知识,扩展智能问数主题,并完善数字人服务话术。扩展节奏将根据使用反馈决定,场景质量优先于数量堆叠。
这个数商云客户案例说明,钢铁企业数据智能升级需要把知识库、数字人与智能问数放在共同业务服务中考虑。知识库解决资料可用问题,智能问数解决数据查询问题,数字人解决服务入口问题。这些能力协同后,员工才能在具体任务中感受到变化。
落地经验可以归纳为以下方面。场景选择从高频问题切入,知识治理与数据治理同步推进,权限规则提前明确,运营机制在上线前建立。数字人、知识库与智能问数共用服务入口和反馈通道,减少重复建设。
技术路线同样需要务实。私有化部署适合对数据控制要求高的场景,混合云方案适合需要弹性扩展的部分服务,源码交付方便集团技术团队做深度集成,快速交付则让试点验证更从容。数商云在方案设计中把可用性与可维护性放在前面,控制功能堆叠。
对有相似需求的企业,建议先梳理岗位问题清单,再确定知识库范围与问数主题。数字人可以作为服务入口同步规划,但不宜脱离知识治理与数据治理单独推进。把试点做扎实,再扩展到更多产线与部门,落地风险更容易控制。
如果企业正在推进钢铁企业数据智能升级,或希望了解知识库、数字人、智能问数在全场景落地中的实施方式,可以与数商云团队沟通具体场景。数商云可结合企业现有系统与数据条件,提供私有化部署、混合云方案、源码交付与快速交付等整体方案,从试点场景开始验证,再逐步扩展到更多业务条线。
点赞 | 0