Teknologian jakaminen

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Lisää tapaustutkimuksia ja toimialaraportteja löytyy AiAnalysis-sivustolta

Media-alan yritykset ja instituutiot ovat ainutlaatuisia tietoelementtien alalla. Uutisraporttien, mediamateriaalien, lukijapalautteiden ja markkinatutkimusten kertyminen on saattanut aikaan oman "data-kultakaivoksen".

Useimmat asiaankuuluvat yksiköt eivät kuitenkaan ole vielä kiinnittäneet huomiota tietoelementtien arvoon ja hyödyntäneet niitä, mikä on johtanut käyttämättömiin resursseihin. Käyttämättömät dataelementit eivät voi valtuuttaa sisäisiä yritystiimejä, eivätkä ne voi toteuttaa sosiaalista tai kaupallista arvoa ulkoisen tuotoksen kautta. Tällainen pelkkä datan säästäminen ja käyttämättä jättäminen on saanut mediateollisuuden "kultakaivoksen" vähitellen muuttumaan "taakkaksi".

Media-alan tietoelementtien arvon lisäämisen edelläkävijänä Science and Technology Daily on rakentanut täydellisen tietokannan ja valmiuksien tuotantojärjestelmän ja saavuttanut merkittäviä tuloksia yritystiimien työn tehokkuuden parantamisessa ja tulojen tuottamisessa ulkoisen tuotoksen avulla. , jolla on vertailuarvoa.

01 Tietokanta + sisäiset ja ulkoiset palvelut, Science and Technology Daily kuvaa suunnitelman tietoelementtien arvon toteuttamiseksi
Science and Technology Daily (jäljempänä sanomalehti) on keskustoimikunnan hyväksymä ja tiede- ja teknologiaministeriön hallinnoima varaministeritason julkinen laitos. Se on puolueesta ja maan tieteestä vastaava keskeinen valtamedia ja teknologian propagandatehtävät. Tärkeänä tieteellisen ja teknologisen tiedon levittämisen instituutiona sanomalehdillä on runsaasti tietoresursseja Dataresurssien arvon vapauttaminen ei ainoastaan ​​voi parantaa sanomalehtien liiketoimintakykyä ja kilpailukykyä markkinoilla, vaan myös täyttää paremmin median ja median yhteiskunnalliset vastuut. saada laajempaa vaikutusta. Tämän pohjalta lehti kampasi olemassa olevia järjestelmiä ja tietoresursseja ja tiivisti tietokannan rakentamisen, sisäisten palvelujen ja ulkoisen tuotannon kolme suurta tarvetta.

Vaatimus 1: Käytä tietojärjestelmää rungona tietokannan rakentamiseen

Sanomalehtiin on kertynyt suuri määrä tieteellistä ja teknologista tietoa, sekä itse tuotettua että ulkopuolista aineistoa. Nämä materiaalit ovat sekoitettuja ja monimutkaisia, mikä vaikeuttaa hakemista. Sanomalehtien on rakennettava nykyisiin tietoresursseihin perustuva tietokanta ja tietojärjestelmä viitekehyksenä, jonka tavoitteena on luoda vankka pohja tietoresurssien tehokkaalle käytölle.

Tietoresurssien käyttäjät tarvitsevat aiempien tietojen tukea ja ymmärtävät tieteellisen ja teknologisen tiedon viimeisimmän kehityksen. Sanomalehtien tulee sisällyttää ulkopuolisia resursseja vasta rakennetun tietojärjestelmän mukaisesti, sitä jatkuvasti laajentaa ja päivittää sekä varmistaa tietokannan jatkuva saatavuus.

Vaatimus 2 tähtää joustavaan saatavuuteen sisäisten palvelujen saavuttamiseksi.

Tietokannan rakentaminen ei ole tarkoitus, mutta sen käyttö on. Tietokannan tehtävänä on kerätä ja hallita tietoresursseja, joten sanomalehden tulee kehittää asiakasta niin, että jokainen voi käyttää sitä joustavasti. Kun toimittajat ja toimittajat kirjoittavat artikkeleita tai raportteja, heidän on usein kysyttävä tietoja käyttäjäpäätteen kautta, jotta he voivat tehokkaasti hakea tarvittavat materiaalit luokitelluista korkealaatuisista tietoresursseista, mikä parantaa tulosten tehokkuutta ja laatua. Joustavuuden parantamiseksi entisestään sanomalehden on rakennettava web-puolen lisäksi APP-puoli.

Vaatimus 3: Perustuu asiakkaan mieltymysten tyydyttämisen ja ulkoisen tuotoksen toteuttamisen periaatteeseen

Sanomalehtien tietoresurssit eivät rajoitu omaan käyttöön, vaan niitä voidaan viedä myös ministeriöille sekä tiede- ja teknologiasektorin yrityksille ja laitoksille tulon saamiseksi. Sisäisistä palveluista poiketen ulkoisella tuotolla on oma ainutlaatuisuutensa. Ensimmäinen on palvelutapa. Sisäiset web- ja APP-palvelut ovat pääosin SaaS-palveluita, kun ne viedään ulkomaailmaan, kun taas toiset asiakkaat voivat mieluummin käyttää API-palvelua. Lisäksi asiakkaat eivät välttämättä ole tyytyväisiä tavallisiin sisältöpalveluihin ja saattavat tarvita räätälöintiä. Esimerkiksi tietty yksikkö on kiinnostunut "suurista malleista" ja toivoo voivansa räätälöidä tarkasti suurten mallien erityiset sisältö- ja data-analyysitulokset. Siksi sanomalehtien on varauduttava näihin suuriin potentiaalisiin vaatimuksiin.

02 Torsin kolme pääkohdetta edistävät syvällistä yhteistyötä sanomalehtien kanssa
Edellä mainittujen tarpeiden vuoksi Science and Technology Daily päätti toteuttaa sen ulkopuolisten hankintojen kautta. Tutkittuaan useita valmistajia, lehti valitsi kumppanikseen Torsin keskittyen pääasiassa Torsin kolmeen kohokohtaan.

Kohokohta 1: Kaksi osaamista mediateollisuudessa ja big data -teknologiassa

Torsi on perustettu vuonna 1993 ja se on palvellut yli 10 000 yritystason käyttäjää. Media on yksi niistä toimialoista, joilla Torsi on vahvasti mukana. Tällä toimialalla Torsi on palvellut monia asiakkaita, kuten Science and Technology Dailyä, ja kerännyt runsaasti toimialaosaamista ja parhaita käytäntöjä. Samaan aikaan Torsilla on syvällinen kertymä big datan saralla, ja se on lanseerannut useita tuotteita, kuten Haizi hajautetun tiedonkeruujärjestelmän, Haijun dataintegraatiojärjestelmän, TRS Haibei -hakutietokannan jne., joita käytetään laajasti. Science and Technology Daily arvostaa valmistajien keskittymistä media-alalle ja big dataa ja suosii kumppaneita, joilla on sekalainen tausta.

Kohokohta 2: Kerää satoja miljardeja arvokkaita ja tarkkoja tietoja

Sanomalehden tietokannan tulee olla vankka ja syvä tukemaan sovellusrakennusta. Pelkästään sanomalehden omaan tiedonkeruuun luottaminen on vähän laihaa. Torsi on palvellut media-alaa vuosia ja kerännyt satoja miljardeja arvokasta tarkkaa tietotietoa. Se voidaan yhdistää sanomalehden tietojärjestelmän ominaisuuksiin ja täyttää sen tietokanta nopeasti.

Lisäksi Torsilla on maailmanlaajuisesti käyttöön otettu hajautettu keräysalusta ja ydinkeräysominaisuudet, joilla voidaan nopeasti rakentaa tietokannan putkiyhteyttä informaatiomaailmaan, mikä varmistaa tietokannan pitkäkestoisen elinvoimaisuuden.

Kohokohta 3: Tuetaan sanomalehtitoimistoja suorittamaan paikan päällä tutkimusta aiemmista parhaista käytännöistä

Torsille on kertynyt suuri määrä parhaiden käytäntöjen tapauksia, mukaan lukien monet Science and Technology Dailyn taustat omaavat yksiköt. Torsi on palvellut näitä asiakkaita pitkään ja ylläpitänyt hyviä suhteita. Lehti pitää kenttätutkimusta erittäin tärkeänä ja uskoo, että sen avulla voimme todella tuntea projektin arvon ja saada arvokasta käytännön kokemusta.

03 Sanomalehti vahvisti "kolmivaiheisen" ratkaisun tarpeiden toteuttamiseksi yksitellen
Useiden tutkimusten jälkeen sanomalehti ja Torsi muotoilivat "kolmivaiheisen" ratkaisun. Ensimmäinen askel on rakentaa big data -tukipalvelualusta tietojen lajittelun, käsittelyn ja integroinnin toteuttamiseksi. Vaihe kaksi on palvelualusta rakentaminen sisäisten ja ulkoisten palvelujen toteuttamiseksi. Vaihe 3: Luo tarkka aiheiden luontipalvelualusta ja älykäs tietoalusta ulkoisten palvelujen syventämiseksi.

Vaihe 1: Luo big data -tukipalvelualusta tietojen lajittelua, käsittelyä ja integrointia varten

Torsi on luonut sanomalehden todelliseen tilanteeseen perustuvan eksklusiivisen tietojärjestelmän, joka kattaa eri tyyppejä ja ulottuvuuksia kuten tiede- ja teknologiakomiteajärjestelmän, tiede- ja teknologiayhdistyksen järjestelmän, Kiinan tiedeakatemian järjestelmän, IT- ja maataloustieteen sekä teknologiaa. Tietojärjestelmän rakentamisen jälkeen Torsi puhdisti ja integroi tiedot tietokantaan. Sen jälkeen standardoi ja yhtenäistä pääsy ulkoiseen korkealaatuiseen dataan rikastaaksesi perustietoresursseja entisestään.

Yllä olevia ideoita kuljettaa big data -tukipalvelualusta, joka sisältää neljä komponenttia: tieteellisen ja teknologisen tiedon keruun ja pääsyn osajärjestelmän, tieteellisen ja teknologisen tiedon älykkään käsittelyn osajärjestelmän, big datan hallinnan osajärjestelmän sekä tieteellisen ja teknologisen tiedon käsittelyn osajärjestelmän.

Tieteen ja teknologian tiedon keruu- ja käyttöalijärjestelmä: Monilähteisen heterogeenisen tiedon saamiseksi push-data integroidaan useisiin lähteisiin, moniaikaisiin ja monimittaisiin lähteisiin, ja lopuksi muodostavat suuren dataresurssin tietosisällön. perustietopalvelun tuki.
Tieteellisen ja teknologisen datan älykäs käsittelyalijärjestelmä: Käytä big datan älykästä käsittelytekniikkaa semanttisen analyysin, automaattisen etiketin indeksoinnin, tietojen luokittelun, klusteroinnin ja muun big datan älykkään käsittelyn suorittamiseen perusmateriaalikirjastossa.
Big Data Management -alijärjestelmä: Tarjoaa tiedon tallennuksen hallinnan, hakupalvelut ja tiedonhallinnan sekä tukee myöhempiä ylemmän alustan mobiililiiketoimintasovelluksia.
Tieteellisen ja teknologisen tiedon käsittelyn alajärjestelmä: Ottaen huomioon tieteelliset ja teknologiset uutiset, tieteelliset ja teknologiset henkilöt, tieteelliset ja teknologiset instituutiot, tieteelliset ja teknologiset saavutukset jne., se kerää tietoa ja poimii tieteen ja teknologian alan keskeisiä tietoja ja rakentaa perustiedot tieteellisen ja teknologisen tiedon edellyttämä tietopohja.
Vaihe 2: Rakenna palvelualusta sisäisten ja ulkoisten palvelujen toteuttamiseksi

Ensimmäinen askel on antaa kaikkien osapuolten nähdä tiedot, ja toinen vaihe on antaa kaikkien osapuolten käyttää dataa. Torsi rakentaa Kiinan tieteen ja teknologian tietokannan verkko- ja mobiilipäätteitä big data -tukipalvelualustalle. Samaan aikaan Torsi rakensi sanomalehdelle kiinalaisen tieteen ja teknologian tietokannan taustahallintajärjestelmän, joka sisältää verkko- ja mobiilidatan yhtenäisen hallinnan, käyttäjäjäsenyyden hallinnan, sovellusten toiminnanhallinnan, käyttäjäkuvat jne.

Yllä olevan rakenteen avulla sanomalehti ei voi tarjota vain sisäisiä palveluita, vaan myös tarjota tieteellisiä ja teknologisia tiedonsiirtopalveluita ministeriöiden, yritysten, laitosten ja erilaisten yhteiskunnallisten organisaatioiden päätöksentekoon ja toimintaan sekä tarjota tieteellistä ja teknologista tietoa. ja tieteellisen popularisoinnin tietopalvelut yleisölle.

Vaihe 3: Luo tarkka aiheiden luontipalvelualusta ja älykäs tietoalusta ulkoisten palvelujen syventämiseksi

Asiakkaat eivät välttämättä ole tyytyväisiä tavallisiin sisältöpalveluihin ja heillä on räätälöintitarpeita. Torsi on rakentanut sanomalehdille tarkan aiheiden luontipalvelualustan vastaamaan tähän kysyntään. Alusta käyttää tekoälyä ja big data -analyysiteknologioita, kuten Torsi-aiheiden seurantaa, hot spot -löytöä, vihjeiden yhdistämistä, viestintäindeksilaskentaa ja visuaalista liikeradan jäljitystä, jotta voidaan rakentaa tarkkoja tietoaiheita tukemaan erilaisia ​​liiketoimintaskenaarioita, mukaan lukien sähköisen uutiskirjeen aiheet ja alkuperäiset tiedot. käsikirjoitusaiheet , julkisuus- ja jakelumatriisi, johtamisen dynaamiset aiheet, tiede- ja teknologiapolitiikan aiheet, tärkeimmät tieteen ja teknologian suorat lähetykset, videomediaresurssien aiheet, teknologian kuumat aiheet, tapahtumaanalyysit, vihjeet ja yleisen mielipiteen aiheet, hätätapahtumien aiheet, uudet. medialistat, datapalvelutilastot, käyttäjäkuvat Erikoisaiheet, keskeiset mediavertailuaiheet jne.

Jotkut tiede- ja teknologiateollisuuden yritykset ja laitokset hyväksyvät Webin ja APP:n, kun taas useammat yksiköt suosivat API-palvelumenetelmiä. Siksi Torsi rakensi sanomalehteen älykkään datakeskuksen. Olennaista työtä ovat yhtenäisen hallintajärjestelmän ja standardien luominen API:ille sekä sovellusliittymien selkeä ja visuaalinen käsittely.

04 Sanomalehtien datapalvelut kattavat 31 maakunnan tiede- ja teknologiaosastoa, korkean teknologian vyöhykkeitä ja asiaankuuluvia tieteellisiä tutkimuslaitoksia, ja tuotto ylittää odotukset.
Tähän mennessä Science and Technology Dailyn tietokannassa on pääsy lähes 8 000 tietolähteeseen, mukaan lukien Kiinan valkoisen listan Cyberspace Administration, tärkeimmät tieteen ja teknologian tietolähteet, Science and Technology Daily ja keskeiset ulkomaiset perustietolähteet. Sen tiedon kokonaismäärä on noussut 230 miljoonaan kappaleeseen, mikä tarjoaa vahvan tuen sanomalehtien uutistiedon säilyttämiseen, uutistuotannon tukeen ja datatietopalveluihin.

Kebao Big Data Science and Technology Information Service Platformin palvelusovellukset kattavat tällä hetkellä biologian, lääketieteen ja muun teollisuuden alat ja voivat saavuttaa tarkan tiedonsiirron tietyille huippukäyttäjille. Tällä hetkellä mobiilipäätelaitteet kattavat 31 maakunnan tiede- ja teknologiaosastoa, korkean teknologian vyöhykkeitä, asiaankuuluvia tieteellisiä tutkimuslaitoksia ja muita laitoksia eri puolilla maata. Ulkopuolisissa palveluissa sanomalehden liikevaihto ylitti odotukset.

Tulevaisuudessa sanomalehti aikoo ottaa käyttöön suuren malliteknologian lisätäkseen tietoelementteihin tekoälysiivet suuremman arvon saavuttamiseksi.