数据智能路线图 - 系统智能化，服务自动化 - 《数据探索之旅：从理论到实践的研发笔记》

:::info 目标：信息化→数据化→智能化→自动化

:::

信息化（业务流程的线上化）→数据化（业务流程和数据解耦）→智能化（数据产生智能给业务提供服务）→自动化（智能化+规则化产生超自动化）

新需求

需求/问题	目标	成熟方案	未来可能的方案	需要的人
用户画像	智能化	规则+分类模型		业务，数仓，算法
问题发现	智能化	规则+分类模型		业务，数仓，算法
库存合理性	智能化	运筹规划		数据分析
销量预测	智能化	时序模型		算法
智能补货	智能化	根据IDO天数给补货建议	和销量预测的数据结合	BI，数仓
发票审计	数据化	接口计算模式	数仓计算模式	数仓
智能客服	自动化	专业模型客服	大模型客服
重复的人工操作	自动化	RPA
电话通知经销商	自动化	智能外呼机器人
报表服务	自动化	数仓+BI

大模型带来软件行业供给侧的变化，大模型产业链发展到哪一步了，哪些方向比较擅长，哪些方向比较有前景。

系统智能化：

数据基座怎么对外提供服务（智能化，简道云）？

大模型带来的供给侧变化需要调研，技术成熟度，发展方向等

算法工程师/数据分析师进来怎么合作，怎么分工，算法怎么取数，用什么工具，怎么提供服务？

短期价值体现：数据大屏，数据校验

服务自动化：

① 智能客服怎么做？用哪家的服务？

② chatgpt、Copilot等大模型服务如何真实赋能工作？

③ 如何真正把BI，RPA等服务用起来？需要有业务抽象能力的人来做渠道运营工作。

课题	方向	需要的人和资源	怎么进行
短期价值体现：数据大屏，数据校验	系统智能化	周晟斐，井文中，吴继伟，汪宏凯，陈柏轩
算法工程师/数据分析师进来怎么合作，怎么分工，算法怎么取数，用什么工具，怎么提供服务？	系统智能化	算法工程师，数据分析师	从需求出发，先做MVP最小可行产品，逐步完善工具链和数据量。前期取数可直接取业务库，单机离线计算。跑通以后上阿里pai/华为model arts等工具。mvp产品，先离线验证，可通过报表的形式，成熟后通过接口对外提供服务。
数据基座怎么对外提供服务（智能化，简道云）？	系统智能化	井文中	简道云需要技术调研，智能化这边看未来选择的算法工程平台，如果是pai，直连maxcompute，直连阿里云业务库都可以，还能直提供api
大模型带来的供给侧变化需要调研，技术成熟度，发展方向等	系统智能化	周晟斐
智能客服怎么做？用哪家的服务？要准备怎样的数据？有没有一站式的解决方案（包括智能提示，数据采集和智能外呼），没有的话要怎么补全	服务自动化	依赖大模型应用调研
devops 开发套件，ai生成代码能力	研发效率	依赖大模型应用调研

面临的困难：业务壁垒高，不同渠道的产品差异化但没有文档描述这些差异化，导致数据开发需要在业务代码里找逻辑；代码没有注释的情况下最终可能只能找继伟。

业务不统一导致统一处理困难。

数据采集和数据应用的解耦：保证数据采集层的一致性，数仓统一处理数据，最终由简道云/BI等系统提供差异化服务。

数据问题汇总，销量申诉

算法工程师进来怎么合作，怎么分工，算法怎么取数，用什么工具，怎么提供服务

推荐关联

短期价值体现：数据大屏，数据校验

开发套件，ai生成代码率考核

医院数据的连接，解决数据孤岛

数据定义的能力：保证数据的完整性、准确性、一致性才能赢得市场

数据互联互通+数据安全+数据信任

医疗没有完全正确的说法

国家在建立统一的医疗数据

医院处于自卫的原则

小医院没话语权，愿意给数据；大医院不愿意给数据

扩展工具的能力，不依赖工具的能力

如果医院，工具的能力怎么实现私有化

大模型也可以取代简道云，因势利导