联想中奥数据中台解决方案 联想企业科技集团 2019 年在广州召开的公安部会议， 确定了新的大数据应用建设标准， 未来将在全国公安行 业推行， 同样各行各业都在制定自己行业的数据标准 随着 5G 、人工智能行业的发展， 大数据建设作为 5G 、人工智能的基础能力会越来越受到重 视。新技术带来新挑战 2020 年 5 月 22 日，《 2 02 0 年政府工作报告》大数据中心作为我们国家提供数字转型、 数字转型、 智能升级、融合创新等服务的基础设置建设， 在未来必然会在政府、公安等行业大规模建设 2020 年的疫情发生， 大数据的智能研判在这些旧的行业（医疗、人员管控） 中能起到更大 的作用 政策背景 大数据新基建是国家战略发展方向， 未来有更广的市场需求和前景 新挑战 新标准 新机遇 新基建 需求分析 数据孤岛 数据无关联、数据孤岛 烟囱式的数据应用导致 数据多源 数据应用来源多数据采集 数据应用来源多数据采集 困难，数据治理难度高 重复开发 缺少规范和共享机制，导致 数据重复开发，浪费严重 技术门槛 大数据技术需要众多大数据 基础技术支撑，数据门槛高 工具复杂多样 搭建数据中台需要众多平 台支撑，搭建成本高 缺少治理经验 数据治理难度大，没有整 体统一的数据治理流程 方案概述 整合数据、产品技术能力、提供统一的数据对外服务。覆盖了数据采集、同步、处理、开发、运维、

企业数字化（技术中台、数据中台、工业互联网平台）建设方案 企业数字化（技术中台、数据中台、工 业互联网平台）建设方案 企业数字化转型及企业数字化平台建设方案 目录 1 概述............................................................................................................. 在数字科技+工业领域，在工业数字化或者工业互联网中，工业 是保守的，数字化是开放的，看起来有点相矛盾。在工业数字化过 程中，数字化能力是有节奏、逐步地体现传统工业的能力。数字化 赋能到工业过程中能够形成共生，也就是说工业的共同体与数字化 的虚拟体是一个永远分不开的整体运作的过程，也是生态化的过程。 不管是在工业领域还是供应链金融或者是互联网金融过程中，这些 数字化都会给企业带来很多价值。 效的工具实现数字科技转型发展。工业数字化是通过信息化技术提 升工业管理的水平和能力，其实就是通过信息技术贯穿到整个经济 活动中。比如，智能制造向价值链两端的延伸；数字营销根据客户 画像，匹配目标客户以提升获客能力；通过互联网及人工智能技术 能够把被动服务改为主动服务。在整个数字经济中，工业数字化是 非常重要的一个环节，向前会延伸到数字营销端，向后会延伸到客 户服务端。 三、转变思维，积极拥抱数字科技转型升级

络虽在时延和带宽性能上实现显著突破，但商用部署中仍暴露出多重短板与 潜在风险，部分关键场景存在业务中断隐患。 6G 作为下一代移动通信技术，对网络稳定性与可靠性提出了更高要求。 本白皮书聚焦核心网领域，汇聚行业专家的研究成果与实践经验，深度剖析 4/5G 商用网络事故带来的启示、前瞻性预判 6G 网络面临的可靠性挑战， 提出6G “零中断”网络（Zero-Outage Network, 1. 4/5G网络商用事故启示及6G可靠性挑战 2 1.1 4/5G 商用事故统计分析 随着 4G 和 5G 技术在全球范围内的商用推广，通信网络的规模和复杂性急剧 增长。近年来，全球通信网络中的重大故障事件也屡屡发生，给运营商和用户带 来了严重的影响。根据互联网公开数据和行业报告不完全统计，在 2021 年至 2024 年期间，全球通信行业发生了超过 66 起重大网络事故，影响范围广、恢复时间长、 业务中断时间长。88%的事故中断时长超过2个小时，50%的事故中断时长超过 5个小时，主要因为发现异常耗时长、人工定界、诊断、恢复耗时长。 1.2 4/5G 商用事故启示 1.2.1 技术演进启示 5G网络在商用与能力演进过程中暴露出的问题和影响，要求在6G设计之初充 分考虑并规避。  降低网络复杂度，减少故障风险和定位时长：5G网元和接口数量增加， 长链路交互增加了故障诊断/定位的耗时和难度，当网络信令风暴发生 后需要E2E协同控制才能有效恢复。

各章节 深化阶段 落地阶段 大数据已上升为国家战略，促进实体行业发展 《关于新时代加快完善社会主义市场 经济体制的意见》提出“加快培育发 展 数 据 要 素 市 场 ” 酝酿阶段 十九届四中全会 首次公开提出“数据可作为生产 要素按贡献参与分配” 《关于构建更加完善的 要素市场化配置体制机 制的意见》数据被正式 列为新型生产要素 国务院发布《关于构 建数据基础制度更好 发挥数据要素作用的 够 数一源”确权问题，信息化建设缺乏有效的数据支撑。 第 4 页 政策背景 n 中台是一个基础设施，其以底层的稳态保障上层的敏态，以公共的建设保障各业务线的使用，以当前的重投入保障未来的高产出。 n 中台典型特点： - 数据汇聚打通，解决跨部门协作障碍、业务数据孤岛问题。 - 中台能力复用，面向多业务线服务，解决各个业务线重复开发浪费计算与存储资源问题。 - 企业配 据战略，数据价值，建立独立的数据部门。 - 统一标准规范，解决数据标准不统一，数据质量不高、数据使用成本高的问题。 n 中台以服务中大型客户为主，对于不满足规划要求的客户， 可以通过中台里某个模块如数仓、数据湖或者主数据治 理先切入解决客户实际问题。 数据中台建设企业数字化转型必由之路 拥有比较完善的配 套机制，包括企业 战略、组织文化、 数据部门成熟度等。 业务既不是完全一 成不变，也不会有

用友数据中台解决方案 用 友 网 络 科 技 股 份 有 限 公 司 企业数据中台 —— 助力企业创新化、提升对用户需求的响应力—— 元数据管理、 数据标准、 数据质量、 数据清洗、 数据安全 SOD(Systems of differentiation) 用友数据中台是基于新的数据湖存储方案基础上重新定义的企业 IT 架构核心组成部分 稳定可靠 产品系统 客户管理 系统 财务系统 关联关系不清晰 有效信息过少 数据问题 多存储系统 高频数据变化 大数据量 用友云数据中台 数据智能 分析、报表、搜索与机器学习 智慧数据服务 社会化大数据 + 企业小数据 技术 + 数据 企业数据湖 OneData, OneID, OnePlatform, 基于数据湖实现一站式服务的数据中 台 One Platform 统一数据使用 | 分析、 模型训练、 数据开放 数据主题、 数据集市 财务数据 人员数据 订单数据 供应链数据 用户数据 商品数据 数字化企业数据中台全景图 依托于数据湖的存储技术 ，构建完整的跨行业多领域数据资产体系。 实现企业内部的数据驱动与外部客户的数据服务。 生态 统一数据服务 中心 业务 中心 领域 中心 统一 中心

01. 数据孤岛问题 公司中的各个部门都有自己的数据，无法有效 连接或整合，不仅导致信息隔阂，还会影响决 策效率和数据分析的准确性，进而 影响整个组 织的运营效率和竞争力。 02. 数据复用难题 由于系统的限制，相同的数据在不同的系统中 不能复用，导致需要进行数据重复加工，不仅 提高了工作量，也增加了出错的可 能性。 03. 高昂的系统集成成本 由于各个系统间的数据定义和存储方式不同， 也带来了巨大的数据治理成本。 04. 缺乏统一的开发和数据标准 由于缺乏统一的开发标准和数据标准，导致在 研发过程中需投入大量的时间和精力，造成了 资源浪费。 保险企业级数据中台解决方案 业务痛点 中电金信软件有限公司 扫码关注 微信公众号 产品简介 中电金信保险企业级数据中台解决方案方案基于中国电子金融级数字底座“源启”的核心平台之一“源启”数据资产平台”， 借鉴业内经典数据模型 以及双层主题域数仓模型的构建，搭建了 湖仓一体数据架构，全面整合内外部数据，实现全域数据统一管理，统一集中开发，统一融合分级共享，实现多个应用服务， 沉淀通用数据资产与专业数据资产，建立数据资产目录，提供全面的数据资产视图，推动数据高质量发展，快速释放数据要素 价值。 方案亮点 中电金信软件有限公司 扫码关注 微信公众号 典型案例 分布式架构，弹性扩容，安全可靠 全并行的

自阿里巴巴，当时在企业飞速的发展过程中，我们发 现数据使用面临着如下挑战： —各部门低水平重复开发数据集，浪费大量的 存储和计算资源； —数据资源缺乏沉淀机制，导致计算能力的提 升和进化非常低效； —数据割据，算法分离，带来混乱和质量的不 确定性； —业务变更时，数据及数据产品反应不及时； —组织架构制约了数据的共建和共享，缺乏标 建设数据中台，赋能创新改革 成本效应成为了企业及政府机构数据化的绊脚 Weekly / 新经济导刊 / 23 准及激励机制。 经过内部总结发现，数据的“汇 管用”过程中伴随着三个现象特点： 数字业务变化速度非常快、数据处理技 术及方法都很类似、数据及算法中间层能 产生巨大效能。因此，做好数据治理工作成 为当时笔者在阿里巴巴的主要任务，也随之 诞生了阿里数据中台。 无独有偶，企业内的一些数据治理问题，在 各地的政府机构内部也在重复发生。在缺乏顶层 设 加快生产速度及降低重复性。公共 层作为数据中台的核心部分，积累了 最关键的数据资源，同时也是最具备 品质保障的主数据。 简单地看，数据中台有点像一条生产 流水线，从原始数据收集，到提炼成稳定的 生产流程。在这个制作过程中，需要有一套生 产管理流程体系，用以保证数据品质、时效性、 一致性等关键点。但与生产流水线的差别在于， 数据中台不仅需要关注数据生产过程中的效率 问题，中台实际上还具备以下能力：1

DeepSeek 在教育中的应用 2025 ------ ----- 目 录 CONTENTS 01 DeepSeek 是什么？ 02 Deepseek 高效应用技巧 03 DeepSeek 创新应用场景 04 DeepSeek 教学应用场景 05 下一步推进应用思路 06 DeepSeek 应用注意问题 DeepSeek 党支部整改清单 ， 内容包括查思想根源 ( 引用 二 十大金句 ) 、 查工作短板 ( 用数据对比 ) 、 查作风隐 患 ( 结合巡察反馈 ) 。 案例： “请帮我撰写一份学习二十届三中全会的 的发言材料 ，要求结合自身实际 ，认真总结差距 并提出下一步工作落实计划。 ” 常见应用场景：教育管理 常见应用场景：教育管理 五、 舆情应对 ，及时有效 场景： 突发舆情事件 命制试卷 示例 2 ：习题（试卷）生成 常见应用场景：智能助教 - 命制试卷 请对你刚才出的试卷进行评价修改完善， 检查错误，并做出标准答案、题目解析 和评分标准。 “ 在高中物理和地理的学习中， 通过 deepseek 主动 提问的方式， 引导学生逐步深入理解原理， 请举两个 这样的典型例子， 要求简洁易懂 。 表格方式列出所提 问题 ”

艺、流程的标准化和现代化”的重要发展方向。 1. 智慧中医的产业场景 从《规划》来看，智慧中医应用可分为智慧医疗服务、智能辅助诊断设备和 智慧中医药产业三个大类，其下又可细分为①中医经验传承、②中医诊断、③中 医非药物治疗、④中医处方及药房、⑤中医药研究、⑥中医药监管场景、⑦中医 院外管理等七个具体场景。 2 图 1. 智慧中医全场景地图 （资料来源：公开资料整理） 辅助做出更精准全面的诊断。 中医非药物治疗场景是指借助机器人、AI 实现针灸、推拿、刮痧、拔罐、音 乐疗法等中医适宜技术。 中医处方及药房场景指的是在诊断后，借助大数据和 AI 辅助药方的开立， 并在智慧中药房中完成处方的审核、调剂、煎煮。 中医药研究场景指的是运用大数据挖掘、AI 图像识别、自动化技术，对组 方合理配伍、药物有效成分、中药材科学种植、质量稳定性等进行研究，用现代 科学解读中医药学原理 医专家花费大量精力进行手工 标注，构建成本非常高，不依赖标注的神经网络技术作为机器学习领域的一个重 要分支也同样受到了大量研究者的重视，模糊计算、粗糙集等一些数学方法也被 应用到中医诊断的研究中。 在早期，研究者一般采用一种或两种技术来解决中医的智能诊断问题，随着 研究的深入和问题复杂度的增加，研究者发现采用多种技术更加有利于诊断问题 的解决，多种智能技术混合开始用于问题解决。