珠海市自学考试高起专怎么考2023已更新(分类/要点)


如今,人工智能正由感知智能向认知智能迈进。认知智能是人工智能发展的高级阶段,致力于对人类特有的自然语言、知识表达、逻辑推理、自主学习等能力进行深入的机理研究与计算机模拟,让机器具备“能理解、会思考”的能力,把人类从重复体力劳动和简单脑力劳动中解放出来。认知智能价值得到市场认可,发展前景广阔。认知智能已在多个领域实现落地应用,包含零售、金融、工业、医疗和教育等。

3月22日,爱分析正式发布《2023爱分析·认知智能厂商全景报告》。爱分析综合考虑企业需求、关注度等因素,选取其中4个特定市场进行重点分析。本报告面向金融、制造、汽车、消费品零售、能源等行业的企业决策者、CIO、ITBP和业务部门负责人,通过对各特定市场的需求分析和代表厂商的能力解读,为企业厂商选型提供参考。

五、专科毕业是没有学位证的,只有一个专科毕业证。然而自考本科是可以申请学位证的,学位证是考公、考研的必需品。要想拿学位证,学位英语就得及格。不仅如此,自考科目的所有成绩平均分70以上才可以申请学位证哦~(每个院校规定不同,具体看院校要求)六、论文撰写所有科目通过后,就要申请写毕业论文,毕业论文有老师指导,所以不用担心,只需认真对待写好论文。

覆盖市场:

知识图谱平台、NLP平台、会话智能、智能诊疗

评估厂商:(按首字母拼音排序)

明略科技、深睿医疗、拓尔思、竹间智能

注:本文为报告精简版,扫描下图二维码或左下角“阅读原文”,可下载完整版《2023爱分析· 认知智能厂商全景报告》。

01

研究范围定义

人工智能的发展分为三个阶段——计算智能、感知智能和认知智能。简要来讲,计算智能即快速计算、记忆和存储能力,可以应用于空间搜索、数值优化和数字模拟;感知智能即视觉、听觉等感知能力,当下热门的语音识别、图像识别、视频处理便属于感知智能的典型应用,商汤科技、云从科技等AI四小龙是视觉领域的头部玩家;认知智能是指在数据结构化处理的基础上,理解数据之间的关系和逻辑,并在理解的基础上进行分析和决策,认知智能包括理解、分析、决策三个环节。

如今,人工智能正由感知智能向认知智能迈进。认知智能是人工智能发展的高级阶段,致力于对人类特有的自然语言、知识表达、逻辑推理、自主学习等能力进行深入的机理研究与计算机模拟,让机器具备“能理解、会思考”的能力,把人类从重复体力劳动和简单脑力劳动中解放出来。认知智能价值得到市场认可,发展前景广阔。认知智能已在多个领域实现落地应用,包含零售、金融、工业、医疗和教育等。

如今,ChatGPT爆火,短短数月影响力便辐射全球。ChatGPT强大的自然语言生成能力让人们看到了获得通用人工智能的可能性,这将对人们的生产生活带来颠覆性变革。以ChatGPT为代表的大语言模型属于认知智能范畴,这位重量级新成员的加入,显著扩张了认知智能的应用潜力和价值边界,令认知智能的未来充满想象。

基于以上背景,爱分析希望通过认知智能厂商全景和最佳实践案例研究,为企业探索认知智能的应用价值,助力企业决策者精准选择合适厂商以及成功实施认知智能项目。

从技术架构角度,认知智能市场可以划分为平台层和应用层两部分市场。平台层提供支撑认知智能算法、模型和应用开发及运行的赋能工具。应用层重点包括通用认知智能应用和行业认知智能应用两部分,前者涵盖对话机器人、智能文档处理、知识管理等特定市场,后者涵盖智能风控、智能融媒体、智能诊疗等特定市场。

本报告重点选取知识图谱平台、NLP平台、会话智能和智能诊疗四个市场作为重点研究对象,对认知智能进行研究。

厂商入选标准

本次入选报告的厂商需同时符合以下条件:

  • 厂商的产品服务满足各市场定义的厂商能力要求;

  • 厂商具备一定数量以上的企业付费客户(参考第4章各市场定义部分);

  • 厂商在特定市场的营业收入达到指标要求(参考第4章各市场定义部分)。

02

厂商全景地图

爱分析基于对甲方企业和典型厂商的调研以及桌面研究,遴选出在认知智能市场中具备成熟解决方案和落地能力的入选厂商。


03

市场洞察

认知智能市场规模超400亿元

爱分析推算,2023年中国认知智能市场规模为418.4亿元人民币,年增速为48.5%。市场保持较高增速主要得益于认知智能应用广度和深度持续增加、利好政策以及由ChatGPT引发的大语言模型热潮等三个方面的因素。

图1:中国认知智能市场规模预测


知识图谱平台:“海量非结构化数据利用难”是构建好用知识图谱的拦路虎,企业应与具备丰富项目积淀厂商合作以便解决数据难题

企业在经营中会积累起海量多源异构数据,非结构化数据是甲方企业数据的主要组成部分。知识图谱要纳入非结构化数据,必须借助NLP等认知智能技术从中提取出结构化信息。当下主流的信息抽取方式是定制有监督机器学习模型,先标记数据,再训练模型。但有监督机器模型训练意味着大量人工标注工作,会带来较高的人力成本和较长的项目周期。

一种解决方法是使用无监督机器学习技术,但大模型训练成本高、方法论不成熟,因此短期内落地可行性较低。头部厂商通常采用另外一种解决方法。他们在使用有监督机器学习的过程中,从公开资料和过往项目经验中积累语料、预训练模型和解析器,在项目中快速复用,通过产品化、系统化的方式降低成本、缩短项目周期。

NLP平台:以NLP平台为载体,企业可便捷搭乘“ChatGPT快车”

ChatGPT让产业界看到了以它为代表的大模型的巨大价值。大量企业希望深度引入大模型,成为其IT技术底座之一,赋能上层应用和业务。

NLP分成自然语言理解和自然语言生成两个部分。自然语言生成门槛较高,因此NLP厂商涉足较少,大多聚焦自然语言理解部分。大模型捅破了自然语言生成的“窗户纸”,以海量训练数据、GPU和强大的模型能力重构企业对自然语言生成的认知。相比于传统模型的自然语言生成能力,大模型应用于文字生成、文本理解、自动问答等下游任务时,生成的文本更加流畅,且内容诉实性得到显著改善,并因此逐渐成为企业关注焦点。大模型让NLP平台补全了孱弱的自然语言生成能力,二者天然契合。如今,NLP平台头部厂商的相关产品已经蓄势待发。

会话智能:会话数据多多益善,企业需要寻找“强聚合”厂商

会话数据分布在多个会话场域,例如微信、企微、钉钉、飞书、短信、呼叫中心、线下沟通等,碎片化特征明显。厂商的能力往往体现在汇聚线上数据方面,而面对线下沟通数据则缺乏有效应对手段,导致数据汇聚不够全面,造成数据资源浪费。同时,多数厂商对非结构化数据利用程度较低,也会造成数据资源浪费。

企业需要寻找具备线上线上一体化解决方案以及在非结构化数据利用方面具有技术积累的厂商,实现全量会话数据价值释放。

04

市场分析与厂商评估

爱分析对本次认知智能项目重点研究的特定市场定义如下。同时,针对参与此次报告的部分代表厂商,爱分析撰写了厂商能力评估。更多厂商评估详情请扫描下方二维码,获取完整版PDF报告。

1.知识图谱平台

市场定义:知识图谱平台是面向企业打造业务场景应用、挖掘数据价值的需求,构建基于自然语言处理和知识图谱技术,集知识建模、抽取、融合、存储、计算、推理以及应用为一体的知识全生命周期的管理平台,其核心要素包括知识图谱构建、知识图谱管理。

甲方终端用户:

IT部门,研发、质量、营销、售后等业务部门

甲方核心需求:

甲方对知识图谱平台的需求体现在定制化、高性能和及时更新三方面。定制化方面,甲方需要结合经营模式和行业Know-how构建知识图谱本体,并基于业务特点定制知识图谱上层应用,迅速赋能企业业务;性能方面,甲方需要知识图谱平台准确、高效抽取非结构化数据,打造高性能、高可用的知识图谱产品;此外,甲方需要知识图谱具备及时增量更新能力。

甲方需要定制化构建知识图谱本体。

知识图谱的结构可分为模式层(Schema)和数据层(Data)。模式层由本体(即广义的数据模型,用于定义事物类型以及可用于描述它们的属性)组成,用来描述概念、关系和属性,起到规范知识图谱描述的对象、管理数据库的作用。数据层由一系列实体、关系和属性组成,存储具体的数据信息,由模式层管理。甲方企业往往具备独特的经营模式和行业Know-how,可用于构建知识图谱模式层,进而管理企业知识,因此对模式层构建有高度定制化需求。

甲方需要从非结构化数据中准确、高效抽取结构化信息。

甲方企业在经营中会积累起海量多源异构数据,非结构化数据是甲方企业数据的主要组成部分。知识图谱要纳入非结构化数据,必须借助NLP等认知智能技术从中提取出结构化信息。当下主流的信息抽取方式是定制有监督机器学习模型,先标记数据,再训练模型。但有监督机器模型训练意味着大量人工标注工作,会带来较高的人力成本和较长的项目周期。

甲方需要打造高性能、高可用的知识图谱。

随着数智化转型的推进,甲方企业的数据规模也会呈几何式上升。如今,有构建知识图谱需求的企业其三元组数据规模普遍达到数十亿量级,对知识图谱性能提出了较大挑战。以知识图谱查询速度为例,电商营销场景下的智能推荐服务,要求商家在几十毫秒内筛选出与顾客浏览记录相似的产品;政务系统的数字大屏,需要智能问答系统在一秒内调用并可视化展示图谱数据。如何在大规模存储数据的基础上保证图谱使用性能,成了甲方越来越关注的问题。

甲方需要知识图谱迅速赋能业务。

知识图谱的核心价值在于对多源异构数据和多维复杂关系的处理与可视化展示,让大数据和AI任务形成有效连接,为流程优化、辅助决策、预测分析等上层应用提供基础服务。但知识图谱不能直接发挥数据价值,而是要与认知智能应用结合,覆盖到具体的业务场景,从而为企业降本增效。这意味着甲方需要基于对业务的理解,针对自身需求开发知识图谱上层应用。

但甲方自研应用会遇到多重困难。一方面,多数甲方缺乏专业的开发工具和IT人才,不具备定制化开发知识图谱应用的能力。浙江大学中国科教战略研究院与百度联合发布的《中国人工智能人才培养报告》显示,我国人工智能人才缺口高达500万。另一方面,即使能克服人才阻碍,甲方企业内部的应用开发工作也耗时耗力,如果甲方的知识图谱和上层应用没有打通或者从零开始开发应用,往往需要数月时间,知识图谱的价值难以快速落地。

甲方需要知识图谱及时增量更新,适应业务变化。

随着外部市场环境迅速变化,甲方自身业务也在快速迭代。为了满足甲方最新的业务需求,知识图谱中的知识也要经常更新。不更新意味着知识图谱缺乏生命力,没有时效性的知识会对业务产生负面影响,知识图谱构建项目更是变成了“一锤子买卖”。

知识图谱有全量和增量两种更新方式。全量更新是指以更新后的全部数据为输入,从零开始构建知识图谱,在技术实现难度低,但“推倒重建”式的构建方式会消耗大量资源。增量更新是指以当前新增数据为输入,向现有知识图谱中添加新增知识。相较于全量更新,增量更新资源消耗小、更新速度快。

厂商能力要求:

知识图谱平台的甲方核心需求对厂商能力提出多项要求,分别是定制化本体建模、过往项目积累快速复用、依据使用场景选择数据存储方式、基于企业业务提供定制化知识图谱解决方案和知识图谱快速更新。

厂商需要具备定制化本体建模的能力,支持企业按需构建知识图谱模式层。知识图谱模式层的构建有五个环节:①确定专业领域和业务范畴;②在此范围内收集多模态数据;③使用文本聚类、词频分析、聚类、统计分析等,统计出领域高频特征词、术语;④模式层初步开发,划分并定义高频概念集合;⑤基于业务实际优化迭代模式层。在此过程中,厂商专家要与甲方业务专家合作,定制化构建知识框架、定义知识抽取粒度和多模态数据的抽取范围。在此过程中,厂商还需要为业务专家赋能代码能力。近年来,无代码被引入到知识图谱构建过程中,部分厂商在知识图谱平台上内置无代码平台,为甲方业务专家构建一套无代码通用流程,以可视化方式实现对实体、属性、关系的定义和管理。

图 2: 知识图谱模式层构建的五个环节


厂商需要积累语料、预训练模型和解析器,在项目中快速复用。如何发挥非结构化信息的价值是甲方非常关注的问题,但传统的有监督学习方法成本过高。一种解决方法是使用无监督机器学习技术,通过大数据训练出大模型,再用少量行业数据二次训练,能够在特定场景下达到很好的抽取效果。但无监督机器学习的抽取准确率不如有监督机器学习,且具有较强随机性。同时,大模型训练成本高、方法论不成熟。无监督机器学习需要学界和业界共同探索,逐步优化。无监督机器学习技术在知识图谱平台市场的前景虽好,但短期内落地可行性较低。

头部厂商通常采用另外一种解决方法。他们在使用有监督机器学习的过程中,从公开资料和过往项目经验中积累语料、预训练模型和解析器,在项目中快速复用,通过产品化、系统化的方式降低成本、缩短周期。

厂商需要能依据数据的使用场景选择数据存储结构。企业储存在知识图谱里的数据具有丰富的使用场景,对知识图谱的使用性能有很高要求。不同的存储方式会显著影响到知识图谱的性能,例如图数据库更适合储存具有关联关系的数据,因为其使用图的遍历算法在关系查询时的计算量远小于关系型数据库;而关系型数据库并发性能更好,在处理并发读写问题时效率更高。因此,知识图谱平台厂商需要依据数据的使用场景设计数据存储结构,灵活使用不同的数据存储方式。

厂商需要提供基于知识图谱的上层应用和完整解决方案,使知识图谱能直接赋能业务。考虑到企业自研知识图谱上层应用的时间成本,甲方需要使用知识图谱平台打造具有实用价值的知识图谱,能直接赋能业务。因此,在项目实践中,厂商需要为知识图谱配备丰富的上层应用组件,包括认知搜索、智能问答、智能推荐等,并以此为基础提供标准化的行业解决方案。同时,知识图谱平台需要具备基于标准解决方案进行二次开发以及通过API接口把知识图谱应用嵌入甲方业务系统的能力。

厂商需要具备知识图谱及时增量更新能力,适应行业与业务变化。相比于资源消耗大、更新周期长的全量更新,甲方更需要及时增量更新知识图谱。在增量更新环节,厂商需要针对非结构化数据建立抽取模型,知识图谱平台使用增量数据重新训练模型后,通过对接企业数据源的工具定期将数据同步到知识图谱,及时自动知识更新。以金融行业为例,证券和基金厂商的知识图谱实现及时更新后,能够快速将最新市场信息导入知识图谱,为智能查询等业务赋能。

入选标准:

1. 符合知识图谱平台市场分析的厂商能力要求;

2. 累计在该市场服务客户数5家及以上;

3. 累计在该市场收入1000万及以上。

代表厂商:

竹间智能创办于2015在规定时间内进行报名,上传照片等信息,填好专业信息,报考相关课程,选择现场确认地点,一般是在户口所在地,或异地报名,缴费即可。注意:考试名额所以是要抢的!一定要留意报考时间,提前熟悉报考流程,错过只能等下个考期。年,致力于以自然语言处理、大语言模型,生成式AI,情感计算、深度学习、 知识工程等人工智能技术为基础,将AI应用落地各行业。 过去8年来,竹间智能服务合作伙伴达500多家大型企业客户,以标准化产品和行业解决方案赋能企业,达到降本增效与提高收入的目标,已在金融、制造、零售、医药、政企等多个领域落地,应用在营销、销售、运营等业务前-中-后台全场景,助力企业数智化转型。

2.NLP平台

市场定义:NLP平台是指使用机器学习、深度学习、知识图谱等技术,通过计算机编程,将文本、声音等自然语言数据编码成结构化信息的赋能平台,其核心要素包括NLP算法模型、NLP技术、NLP应用管理等。

甲方终端用户:

决策部门,人力资源、市场、产研等业务部门,IT部门

甲方核心需求:

企业对NLP平台的期待不仅是为单个应用场景赋能,更重要的是将NLP能力引入企业技术底座,为上层应用赋能。在各类上层应用中,各部门对NLP平台需求有所不同,如企业决策层和市场部门希望使用NLP技术获取高质量行业洞察,为企业提供决策依据;人力资源部希望NLP平台能提高业务流程智能化水平,进而提高业务运行效率。此外,随着大模型开发训练逐渐成熟,企业希望发挥自然语言生成能力的价值,以大模型赋能业务。

甲方需要将NLP能力引入技术底座,为上层应用赋能。

企业对NLP平台的期待不是为单个应用场景赋能,而是将NLP能等到正式通知考试时间的时候又发现自己时间短暂,应付不过来,这是备考的大忌,所以要调整自己的心态。可以先自己制定备考学习计划。这样的学习的计划可以让我们的心态更加平稳,效率更高。无论何时面对考试,我们都应对自如。如何看待考试延期?力引入企业技术底座,为上层应用赋能。以NLP平台高端客群中的银行为例,为便于拓展业务,中国境内大多数银行都会设立众多分支机构,各机构具备独立的智能客服、对话机器人等认知智能上层应用。企业需要获取通用NLP技术能力,将其复用在多种上层应用中。

甲方需要将多模态数据转化为机器语言,准确理解含义、抽取关键信息。

NLP技术的主要应用场景包括洞察获取和智能问答。这两类场景的数据具有多模态特点,包括文本、语音、视频等多种结构。企业需要使用NLP技术将多模态数据转化为机器语言,准确理解其含义,并从中抽取关键信息,转化为高价值洞察,或为用户疑问提供解答。

甲方需要快速开发定制化NLP应用,提升企业智能化水平。

企业在业务发展过程中,为提高智能化水平,需要根据需求定制化开发NLP应用,例如文档审核、媒体文章内容分发、简历处理等。但NLP应用开发流程繁琐,而标准化NLP应用难以满足业务需求,导致应用开发周期长、见效慢。因此,企业需要快速开发定制化NLP应用。

甲方需要发挥自然语言生能力的价值,以大模型赋能业务。

ChatGPT捅破了自然语言生成的“窗户纸”,以海量训练数据、GPU和强大的模型能力重构企业对自然语言生成的认知。相比于传统模型的自然语言生成能力,大模型应用于文字生成、文本理解、自动问答等下游任务时,生成的文本更加流畅,且内容诉实性得到显著改善,并因此逐渐成为企业关注焦点。企业希望借助大模型发挥自然语言生成能力的价值,以大模型赋能业务。

厂商能力要求:

甲方对NLP平台的需求为厂商提出以下产品要求。首先,四、参加考试开考前10天考试院会开通准考证打印,准考证上会写明考场地点,考试时间,考试科目等。同学们只需按时到指定考点考试就可以了!五、学位英语&学位证很多自考的同学不明白为什么要报考学位英语考试。厂商需要将NLP技术平台与上层应用结合,为企业打造NLP能力体系。其次,厂商需要具备丰富的项目经验,在过往项目中积累行业标签库、深度学习算法等,提高NLP模型在垂直场景下的识别准确率。再者,厂商需要依托NLP技术,根据企业需求灵活组装NLP算法与模型,为企业提供流程端点智能运作的定制化解决方案。最后,厂商需要结合自身禀赋,探索大模型的融合路径。

厂商需要将NLP技术平台与上层应用结合,为企业打造NLP能力体系。NLP技术平台和上层应用是打造NLP能力体系的两个先决条件。一方面,厂商需要围绕行业和场景积累深度学习模型和算法,具有面向不同行业、不同落地场景的NLP产品落地能力;另一方面,厂商还应具备丰富的上层应用矩阵,打造面向不同行业的标准化NLP产品与服务。在实际项目中,厂商需要将NLP技术平台与预置上层应用相结合,为甲方打造NLP能力体系。

厂商需要具备多模态数据处理能力,将非结构化自然语言转化为结构化机器语言。为满足企业获取洞察、改善用户体验的需求,NLP平台需要具备多模态数据处理能力,先将数据转化为文本数据,再使用深度学习模型,将经过文本预处理的数据转化为机器学习语言。以短视频审核场景为例,一段长约3分钟的短视频中可能有数帧画面包含违规内容,NLP平台需将整段视频分帧,从中抽取图像、语音和文字信息,再通过分词、词性标注、命名实体识别和去除停用词,将其进行预处理后,使用预训练深度学习系统识别出违规信息。

厂商需要支持企业快速开发NLP应用,或基于标准应用二次开发。为解决标准化NLP上层应用无法满足企业需求的问题,厂商通常有两种解决方案,即加快NLP应用开发速度,或二次开发标准化应用。一方面,NLP平台需要在提供NLP算法的基础上,将算法管理、模型训练、模型管理等NLP能力构建流程工具化,可以支持企业快速开发NLP应用。另一方面,NLP平台应在提供标准应用的基础上,具备二次训练模型、配置算法能力,允许用户基于企业实际需求,自学考试的条件1.不受性别、年龄、民族、种族和教育程度限制。(不限学历、户口、可在异地报考毕业。)2.没有入学考试。在报名期间直接找老师报名即可。3.经过国家组织的统一考试,取得合格成绩。在通过教学计划规定的全部理论和实践课程的考试后,即可取得大学专科或本科的毕业证书。本科毕业生还可以申请成人学士学位。在标准应用基础上二次开发。

厂商需要结合自身禀赋,探索大模型的融合路径。NLP平台厂商逐渐认识到大模型将NLP带入自然语言生成时代。但大模型构建门槛高、难度大,大部分厂商既有的训练数据、算力等难以满足大模型开发需求。因此,厂商需要结合自身禀赋,探索与大模型融合路径。例如,部分大厂具备大模型开发能力,可将开发通用大模型作为发展方向;中小厂商缺乏构建大模型能力,则可以将通用大模型叠加自身的行业的积累,以二次训练方式打造与行业深度融合的领域大模型。大模型刚刚兴起,直接要求NLP平台厂商构建通用或领域大模型并不贴合市场实际情况,但厂商在战略、技术、产品方面应有所规划。

入选标准:

1. 符合敏捷数据管道市场分析的厂商能力要求;

2. 累计在该市场服务客户数5家及以上;

3. 累计在该市场收入1000万及以上。

代表厂商:

拓尔思信息技术股份有限公司(简称“拓尔思”)成立于1993年,是一家专业的大数据、人工智能和数据安全产品及服务提供商。拓尔思坚持核心技术自主研发,拥有40+发明专利、1000+软件著作权,在搜索型数据库、自然语言处理(NLP)技术的技术创新和应用场景落地等方面保持领先地位,成功服务了一批国家级重要信息化项目的建设,包括国家企业信用信息公示系统、信用中国、国家知识产权检索系统、GA云搜索等国家级基础设施的数据管理和检索引擎。

3.会话智能

市场定义:会话智能是基于ASR、NLP、机器学习等技术,从非结构化的会话数据中为用户提供话术质检分析、意图捕捉、流程管理等能力的解决方案。

甲方终端用户:

销售管理人员、一线业务人员

甲方核心需求:

会话智能是一项较新的认知智能应用,围绕新兴数据源,为企业提供发挥非结构化会话数据价值的新渠道。会话智能用途丰富,包括销售、审批、企业内部沟通等,其中销售场景新兴数据源多,不仅能提供大量线下会话数据,还能通过办公软件、短信等线上渠道产出线上会话数据,具有更高分析价值,因而成为会话智能首选应用场景。

在销售场景下,管理赋能是企业对会话智能的主要应用形式,但也有部分企业在其他场景下尝试用会话智能赋能一线业务人员。管理赋能既包括销售团队赋能,如销售人员技巧培训和业绩评估、销售业务监管,也包括销售决策赋能,如洞察客户需求和市场信息。会话智能赋能一线业务人员的形式较为多元,主要表现为通过流程管理减少员工重复工作。此外,由于会话数据分散的特性,打通数据孤岛也成为甲方关注的问题。

甲方需要打通销售数据孤岛。

甲方销售人员与客户沟通渠道众多,既包括线下沟通、电话和短信联系,也包括诸多业务沟通应用,如企业微信、钉钉、飞书等。多元的沟通渠道会产生大量分散的会话数据,彼此之间无法相互关联,形成数据孤岛。甲方需要用会话数据赋能业务,必须打破数据孤岛,挖掘数据价值。

甲方需要利用会话数据培训销售人员,并准确、全面评估销售表现。

随着外部市场环境快速变化,销售人员需要迅速迭代销售技巧,以适应动态、复杂的工作环境,对销售培训需求越来越多。但Gartner的研究发现,销售主管平均只有9%的时间用于销售培训,且有42%的销售主管认为自己缺乏培训能力。为实现高质量的销售培训,甲方销售主管需要从会话数据中提炼标准销售动作,将其分享给团队成员,复制成功销售经验,也可以总结与销售失败相关的会话行为,协助销售人员调整话术、流程和策略,及时止损。

销售主管还需根据销售表现衡量培训成果和销售人员业绩,但传统销售业绩评估多数基于结果导向,过于看重“最终成单数”等指标。单一维度评价体系不能全方位评估销售人员的销售能力,不利于员工和企业长远发展。为此,甲方需要一套全面衡量员工销售表现的评价标准,多维度考察销售人员的销售表现。

甲方需要销售业务透明化,全流程监管销售过程。

在与客户交流过程中,甲方销售人员与客户沟通流程不透明。销售人员服务流程是否规范、在沟通中是否出现违规行为,销售主管都不得而知。销售人员一旦出现违规行为,企业利益往往会蒙受损失,如过度承诺、争执等不当行为会造成交易失败,再比如销售人员收受“红包”会减少企业收入等。因此,甲方需要全流程监管销售过程,及时发现、纠正销售人员违规行为。

甲方需要洞察客户需求和市场信息,及时制定和优化市场策略、完善销售计划。

在销售人员与客户沟通过程中,客户实时反馈包含有价值的市场情报,如客户真实需求、市场趋势等。销售部门管理者可据此制定和优化市场策略、完善销售计划。甲方销售人员通常使用CRM系统汇报销售情况,但汇报材料中通常缺乏关键细节,如丢单原因、竞品信息等,导致销售人员与决策者之间出现脱节,决策者无法凭借已有信息做出精准的市场判断。

甲方需要使用会话智能实现流程智能化管理,提高一线业务人员工作效率。

会话智能的应用正在从管理赋能下沉到一线业务人员赋能,企业对此进行很多积极尝试,如将会话智能应用于知识管理、行政审批、坐席助手等。其中流程管理是会话智能下沉的主要应用场景,甲方希望使用会话智能自动完成原本需要人工操作的流程节点,实现流程智能化管理。

厂商能力要求:

甲方需要打通数据孤岛,用会话数据赋能销售管理,这对厂商提出了多方面能力要求。厂商需要为会话数据构建非结构化数据平台,将其抽象成结构化数据,并入甲方数据中台和CDP(客户数据平台)。在此基础上,厂商需要依托行业Know-how和NLP技术,搭建行业销售标签体系、会话数据预警系统和企业SOP,从中提炼销售话术和流程、销售表现数据、市场洞察和销售进程信息,并在出现风险时及时预警。

厂商需要为甲方打造“非结构化数据平台”,连接甲方业务沟通平台。打通数据孤岛的第一步是实现非结构化数据互联。会话智能产品需要通过API接口创建、编辑,实现与第三方系统的互联互通。此外,会话只能产品体系要向线下数字化拓展,具备语音数据采集能力和高精度读取能力,实现线上线下数据打通。

为打破数据孤岛,厂商需要将会话智能产品打造成非结构化数据平台。作为传统数据中台的补充,会话智能需要将非结构化会话内容转写、抽象成结构化数据,并入CDP和数据中台进行关联分析。

图 3: 厂商为甲方打造“非结构化数据平台”,连接业务沟通平台和CDP、数据中台


厂商要结合项目积累和甲方业务经验,提炼销售流程各环节标准动作,用以培训和评估销售人员。会话智能厂商需要依托积累的项目经验,针对多个行业打造销售流程标签体系,并将其与甲方业务经验结合,定制化构建销售标签库。会话智能产品需要训练机器学习模型,建立会话数据与销售标签之间的对应关系,再通过综合分析甲方会话数据与销售业绩指标,从会话数据中提取销售流程每个标签的标准动作和关键销售指标,如通话响应时间、接通率、说话占比、重复呼叫率、一次解决率等。销售主管使用标准销售动作培训销售人员,使用关键销售指标对销售人员进行量化评价。

厂商需要为甲方搭建会话数据预警系统,全流程监控销售流程,出现风险及时预警。考虑到甲方全流程监管销售过程的需求,会话智能厂商要结合行业Know-how和甲方实际业务,预搭建销售风险信号标签库和风险会话语义库,并预训练风险预警机器学习模型。

厂商要以预置的机器学习模型为基础,为甲方搭建会话数据预警系统,将会话数据近实时回传到会话智能软件。会话智能产品使用ASR技术精准转写会话数据,并使用实体抽取、情感映射等NLP技术将甲方销售人员会话数据结构化建模。机器学习模型可从抽象后的数据中识别风险会话信号,通过数据接口将其传输到甲方通知系统,及时预警相关人员。

厂商需要具备行业经验,为甲方提供咨询服务,并基于会话智能提供流程智能化解决方案。为解决甲方流程智能化需求,厂商需要具备丰富的行业经验,为甲方提供咨询服务,梳理甲方业务流程问题,如节点人工操作导致效率低下等。在此基础上,厂商需要将会话智能与企业原有业务系统结合,收集员工公开会话数据,并据此自动完成原本需要人工操作的流程节点,如资料上传、知识管理等,为企业提供流程智能化解决方案。

入选标准:

1. 符合会话智能市场分析的厂商能力要求;

2. 累计在该市场服务客户数3家及以上;

3. 累计在该市场收入500万及以上。

代表厂商:

明略科技是一家企业数据智能应用软件供应商,通过挖掘数据价值,为客户提供基于大数据和人工智能的软件产品与服务,帮助组织在数字化转型中挖掘营销、销售和服务等场景的商业价值。

4.智能诊疗

市场定义:智能诊疗是指将知识图谱、机器学习、自然语言处理等人工智能技术用于辅助诊疗当中,使计算机能够模拟医生诊疗时的思维逻辑,在实际应用时给出诊疗方案,为医生提供决策支撑,提升医疗效率和质量,应用领域包括智能诊断、治疗方案推荐、医学知识库、检查辅助等。

甲方终端用户:

基层医疗机构、医院门诊、医院影像科

甲方核心需求:

甲方对智能诊疗的需求主要体现在决策支持方面。基层医疗机构需要智能诊疗产品辅助基层医生决策;影像科医生需要智能诊疗产品快速、精准判断患者病情,提高诊断效率和准确性;专科门诊医生需要快速获取临床决策证据,准确做出临床决策;智能诊疗产品还需要辅助医生评估治疗方案疗效,科学治疗患者。

基层医疗机构需要提升基层医生诊断水平,承担“基层首诊”任务。

基层医疗机构人才匮乏、诊疗水平相对较低,导致患者宁可舍近求远,排队到大医院就医,也不愿意前往基层医疗机构就诊。患者集中到大医院就诊是看病难、看病贵的重要原因之一。为此,国务院办公厅发布的《关于推进分级诊疗制度建设的指导意见》,提出“基层首诊、双向转诊、急慢分治、上下联动”的分级诊疗体系建设意见。基层医疗机构要承担起“基层首诊”的任务,提高基层医生诊疗水平,亦是智能诊疗的用武之地之一。

甲方需要根据医学影像快速、精准判断患者病情,提高诊断效率和准确性。

动脉网数据显示,中国医学影像数据年增长率达30%,而放射科医生的年增长率仅有4.1%。这导致影像科医生工作量逐年加大,难以完成海量医学影像的阅片工作。另外,依靠医生经验判断患者病情容易出现误诊、漏诊情况,影响患者治疗。因此,甲方希望将认知智能技术与医学影像结合,快速、精准判断患者病情,提高诊断效率和准确性。

甲方需要专科医生以循证医学为原则,迅速、准确做出临床决策。

传统临床决策只依赖专科医生有限的实践经验,缺乏客观研究结果做凭据,可能导致无用的治疗方法长期得到临床采用,而有助于疾病治疗的方法则受到忽视。因此,甲方愈发重视遵循循证医学原则,将临床医生个人经验与临床决策客观依据结合,迅速、准确为患者做出临床决策。但决策依据来自对相关信息进行搜集、评价和整合,需要临床医生花费大量时间。因此,甲方需要引进知识图谱技术,辅助临床医生在短时间内完成知识查询,获取相关证据,准确做出临床决策。

甲方需要医生评估治疗方案疗效,为患者提供定制化治疗方案。

医生诊断患者病情后,会参考特定疾病的治疗方法,出具标准治疗方案。但每一位患者的病情都具有差异性,治疗方案的效果也因人而异。为此因此,部分医院设立专病门诊,为特定病种患者提供病程全周期管理服务。在此过程中,医生需要准确把握患者预后情况,使用AI医学影像等技术科学评估疗效,为患者提供定制化治疗方案。

厂商能力要求:

甲方对智能诊疗的需求为厂商提出多项能力要求。基层医疗机构需要厂商提供符合基层医生使用习惯的辅助诊断系统;医院影像科需要智能诊疗产品快速准确实现图像病例分类和病灶分割;医院门诊需要智能诊疗产品为临床医生诊断提供决策依据,并基于患者病情发展信息,为医生疗效评估提供参考。

图 4: 智能诊疗厂商能力要求


厂商需要将认知智能技术与医生诊断结合,构建适合基层医生使用的辅助诊断系统。为提升基层医生诊断水平,智能诊疗厂商需要具备利用机器学习、深度学习等技术打造高精度、高可靠性的诊疗算法和模型,并使用分词算法、实体关系抽取等NLP技术构建常见病知识图谱。在基层诊断场景下,模型能根据患者症状描述,通过图谱检索等方式,为基层医生提供患者病情诊断辅助。同时,算法和模型需要在临床诊断中结合医生和患者反馈,不断自我优化,进一步提高其准确性和可靠性。

厂商需要将人工智能技术与医学影像结合,快速准确实现图像病例分类和病灶分割。为提高影像科医生阅片效率和准确性,厂商需要使用深度学习技术预训练模型,将其与医学影像系统结合后,使用患者数据进行二次训练。训练后的模型需要实现图像病例精准分类,提供诊断建议,或实现目标/病灶检测分割,辅助医生勾画治疗靶区。

厂商需要将专科诊疗信息沉淀为医学知识图谱,为临床医生诊断提供决策依据。为方便临床医生快速获取证据,结合自身经验准确做出临床决策,厂商需要结合公开资料和甲方内部信息,使用NLP、知识图谱等技术将专科疾病相关研究、治疗等信息沉淀为医学知识图谱。知识图谱需要配备智能查询服务,能根据查询需求自动匹配患者数据及相关病理、药理信息,为临床诊疗提供符合循证医学证据的决策支持。

智能诊疗产品需要获取患者病情发展信息,为医生疗效评估提供参考。疗效评估需要获取患者病情发展信息,厂商需要使用知识图谱等认知智能技术,对比分析患者治疗前后病情发展情况。以影像医学为例,智能影像产品通过AI技术对比分析患者治疗前后的影像变化后,能够根据视觉影像知识图谱,检索影像占位特征对应的疾病信息,将视觉信息转化为量化指标,为病情及疗效评估提供决策依据。

入选标准:

1. 符合智能诊疗市场分析的厂商能力要求;

2. 累计在该市场服务客户数3家及以上;

3. 累计在该市场收入500万及以上。

代表厂商:

北京深睿博联科技有限责任公司(简称深睿医疗)成立于2017年3月,在北京、上海、杭州均设有独立运营公司,是专注于人工智能技术在医疗领域应用的国家级高新技术企业,致力于通过深度学习技术及自主研发核心算法,为国内外各类医疗服务机构提供基于人工智能和互联网医疗的解决方案。深睿医疗产品遍布全国30多个省市,为数千家医疗机构提供从AI辅助诊断、智能筛查、临床决策、患者服务到医疗大数据治理、科学研究、医生培训、能力建设等全链路的人工智能服务。

创作团队

黄勇

爱分析合伙人&首席分析师

李进宝

爱分析高级分析师

陈元新

爱分析分析师

关于厂商全景报告

  • 爱分析厂商全景报告面向数字化市场的甲方用户,由爱分析定期撰写并公开发布,为甲方采购旅程中的数字化规划、厂商选型等环节,提供决策依据和支撑。

  • 报告提供所覆盖领域的数字化市场全景地图、特定市场分析与入选标准,以及入选厂商列表、代表厂商评估等研究成果。

  • 甲方用户可以依据入选厂商列表,拟定潜在供应商名单,并通过爱分析第三方评估,了解厂商在特定市场的产品服务优势,选择合适的厂商进行选型。

注:点击左下角“阅读原文”,下载完整版2023爱分析·认知智能厂商全景报告》


自学考试高起本能考本科吗 自考高起本有哪些
返回列表
上一篇:梅州市自考本科哪个好2023已更新(分类/商情)
下一篇:广东省自学考试本科时间2023已更新(分类/商情)