登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《文章荐读 | 数智驱动背景下产业竞争情报智慧服务的认知框架与实现逻辑》

  • 来源专题：数智化图书情报
  • 编译者： 黄雨馨
  • 发布时间：2023-10-10

  • 数智驱动背景下产业竞争情报智慧服务的认知框架与实现逻辑


    郑荣1,2, 王晓宇1, 高志豪1, 雷亚欣1

    1.吉林大学商学与管理学院，长春 130012

    2.吉林大学信息资源研究中心，长春 130012


    摘要

          探索数智驱动背景下产业竞争情报智慧服务的认知与实现等问题，有助于情报赋能产业健康有序发展。本文采用系统性文献综述与案例分析方法，按照“认识问题-分析问题-解决问题”的论证思维公式，从服务认识、服务分析、服务实现三个视角探讨产业竞争情报智慧服务的研究进展，概括并揭示产业竞争情报服务具有“服务技术智能交互化、服务模式问题导向化、服务环境积极生态化”的新特点。本文提出的“智能技术多维度融入、服务范式深层次转变、服务生态全方位重塑”的认知框架，以及“数据融合-知识挖掘-智慧服务”的实现逻辑，有助于拓展产业竞争情报服务理论，为服务实践提供了新思路。



    关键词

    产业竞争情报; 智慧服务; 数智驱动; 认知框架; 实现逻辑

134浏览量
原文链接
相关报告

  • 《数智赋能标准情报服务创新：内在逻辑与实现路径》
    • 来源专题：数智化图书情报
    • 编译者：闫亚飞
    • 发布时间：2023-07-11
    • 在数智为王的时代，大数据提供了助推标准情报服务创新的新思维、新手段，已成为标准情报工作提质增效的新利器。 以构建高质量的标准情报服务模式为价值目标，在明晰数智赋能标准情报创新内在逻辑的基础上，按照价值效益的需求，有必要进一步探究新形势下服务创新发展的具体实现路径，以推动标准情报服务创新过程稳定有序开展，充分发掘服务价值增长的新动能。 1. 数智赋能标准情报服务创新的实现机理 数据作为数智化的核心资源要素，是发挥标准情报服务价值的基础，然而数据孤岛与数据碎片化问题却成为制约服务效能提升的沉疴痼疾。 如何梳理和整理标准情报数据，使之体系化、规范化，并将整个链路打通为完整闭环，便成为标准情报服务创新转型的价值诉求所在。 随着数智化在标准情报服务领域不断深入，亟需依靠数智赋能对海量标准情报数据进行深度挖掘，以发现数据之间的关联规律，充分释放数据流来催生新的服务价值。 事实上，让数据说话，以数据为引领的标准情报服务可以更有效地协调各种资源，并通过数据对情报行为和要素的作用进行预判，从而实现快速迭代和调节。 因此，以“数据即服务”为路径导向，本文对数据要素价值转化的全生命周期过程展开分析，以阐明数智赋能标准情报服务创新的实现机理。 ａ．数据采集，即从数据源收集、识别和选取数据的过程。 该模块运用埋点、探针、爬虫等技术与设备进行数据交互，从资源池广泛读取标准情报生产数据，并将不同资源池中分散、零乱、标准不统一的源数据予以汇聚，批量而精确地采集和抽取用户所需的结构化、半结构化和非结构化数据，最终将其转化为结构化记录，保存至本地标准情报数据库中。 ｂ．数据预处理，旨在对所采集汇总的原始数据进行清洗、抽取、转换、消减及集成等系列操作，通过人工或 ＡＩ 方式进行相应加工处理，以提取可用的价值数据和业务数据，从而初步形成标准情报数据资产。 同时，借助数据目录对已采集的结果数据予以多维多层级分类展示，并编辑和删除不合格的数据信息，这可在保障数据标准化和规范化的基础上提高标准情报数据质量，为上层业务提供数据支撑。 ｃ．数据存储与计算，即将可用数据以稳定可靠的结构存储下来，并对其进行全面的统计分析，通过一定模式计算得到标准性能、标准专利、知识产权等多种符合用户需求的数据要素，以供后用。 在不同的标准情报数据应用场景，借助全面的复杂数据分析和计算能力，在全流程上实现资源动态调配，大大提高了资源利用率，实现了高效的情报数据价值转化。 ｄ．数据应用，进入价值变现阶段，以明确的标准情报需求为导向，支持用户对情报数据的多维度多衍生穿透性分析，以准确及时掌控标准的技术和市场倾向动态。 在挖掘数据深层价值的基础上，面向用户提供标准跟踪、研究、咨询、对比等针对性服务，为标准化战略决策制定提供精准可靠的数据支撑，最终实现为标准情报服务的数智化赋能。由此可见，盘活标准情报数据资产，使其为业务管理、运营、决策服务，便是数智赋能标准情报服务创新的价值实现机制。 以数智化技术为依托，聚焦于数据深耕与数据价值挖掘，从数据的采集、处理到数据的分析，再到数据的应用与咨询，层层把控、环环相扣，完成了数据资产化、要素化和价值化的蜕变。 通过数据资源的实时动态更新，标准情报服务亦可不断进行自我进化，始终保持着旺盛的创新生命力。 2. 数智赋能标准情报服务创新的实现路径 数智赋能是标准情报服务持续革新的内在驱动力，是聚集情报数据合力、满足用户多变的定制化服务需求的重要手段。 伴随着情报数据在不同主体间的双向流通、深度融合，数据价值得以充分挖掘、培育和释放，随之联结为全链条无缝衔接的反馈闭环，全方位打通了端对端的数智化应用场景，并为标准情报服务创新落地提供了可行路径，其中涵盖了服务数据化、数据服务化和再循环三个阶段。 ａ．服务数据化，即服务在线，标准情报服务流程信息化，运用标准情报服务平台承载服务流程。遵循面向情报服务的组件化开发和技术架构设计理念，基于 对用户需求的深刻理解来打造集多源异构数据接入、整合、交换、共享于一体的开放式情报数据服务平台，以实现同构、异构系统之间的数据抽取、格式转换、内容过滤、同异步传输、数据整合存储、数据共享等功能。由此，在保持服务流程优势的同时，不同业务系统间的情报信息可灵活交换、共享与协同，辅助用户以迭代的方式不断完善和扩充信息资源体系，实现了标准情报服务流程的优化与再造。以国家标准文献共享服务平台为例，该平台便提供按行业、按领域、按主题的国内外标准专题数据库，且数据项服务可按照用户需求定制，以便让用户及时了解和掌握所关注领域的最新标准信息或标准制修订活动情况，为产品研发和相关研究提供支撑。 ｂ．数据服务化，即数字智能，将数据分析结果反馈 至情报系统，形成面向业务、面向管理、面向决策、跨具 体业务系统的全局性多角度资源视图，支持用户以多视角观察和发现数据中蕴含的联系和规律，从而为业务管理、标准研判及其战略决策提供详实可靠的参考依据，并为跨部门、跨业务系统的全局性信息资源共享交换和业务协作提供支持。在数据资源整合与综合利用的推进过程中，为各级各类用户提供完整、及时、准确的标准情报数据服务，全面满足用户对于情报数据使用的个性化需求，可将情报数据快速转化为价值生产力，使其在复杂业务场景中迸发出更高价值。国家标准文献共享服务平台设有标准研制贡献大数据分析系统，可从时间、地域、起草单位等维度，实时、动态、可视化地展示标准研制情况，并撰写标准大数据分析研究报告，从而帮助用户全方位、多视角了解标准工作的全貌。 ｃ．再循环，即通过数据沉淀与数据应用，及时收集回笼信息对数据质量进行评估，对数据进行反复打磨，以促进下一次的挖掘优化，达到服务产生数据、数据反哺服务的增量闭环。在此闭环循环过程中，以提高质量效益为中心，将情报数据转化为用户需求洞察，进而由洞察产生行动，这不仅在技术上提升了洞察分析能力，也可在组织、管控、能力等方面同步得到精准提升，确保了“感知→洞察→评估→响应”闭环的顺利运行 并得以循环提升，最终为用户提供全链路的高效标准情报服务，使数据成为推动标准情报服务高质量发展的有力支撑。同样地，经由数据导入与更新、数据加工与内容挖掘、指标自动抽取与人工校对等环节，国家标准文献共享服务平台完成了标准情报信息的全流程管理，为用户提供了标准信息的全流程服务，切实增强了自身的可持续发展能力。
    190浏览量
    原文链接

  • 《场景化智慧数据驱动的情报研究模式：概念、技术框架和实验验证》
    • 来源专题：数智化图书情报
    • 编译者：闫亚飞
    • 发布时间：2023-07-11
    • 情报研究是科技文献机构满足科技决策和服务需求、提供知识化服务的重要手段。随着科技决策和服务需求的深入，以及数据信息资源和技术的发展，情报研究先后经历了以文献、信息报道和资料翻译汇编为主的“文献搜集与资料整理服务”、以深入文献文本统计为主的“计量研究和检索服务”、以针对明确问题的基于大量资料的调研报告为主的“情报专题服务”、基于信息和技术的面向科技创新问题的“知识提供”等（如面向规划与布局的科技领域态势研判和机制体制分析等）发展阶段。不同历史阶段的情报研究具有其需求的合理性和历史的必然性，体现了不同时期的知识服务内涵与特点，这些情报研究类型至今在特定需求下仍在发挥重要作用。 按照科研决策机构的要求，“情报服务要实现从数据到情报到知识到智慧的服务”和“智慧体现在可能的解决方案——Possible Solutions”。当前，国际科技竞争态势错综复杂，学科交叉融合、科研范式变革推动科技领域不断催生重大创新，ChatGPT等信息技术严重冲击传统知识服务，科技决策需要综合研判的因素更加多元，对数据和信息的需求更高。因此，情报研究在提供可能解决方案的知识服务中面临严峻的挑战：如何把握和解析“科技决策需求”本身？如何构建可循证的“数据+情报+知识”链与“科技决策需求”对齐？如何为“科技决策需求”“生成”“可能的解决方案”？ 文章针对当前“科技决策需求”的特点，提出场景化智慧数据驱动情报研究模式，建立科技决策需求场景（S）-场景化数据（DX）-解决方案场景（S）的量化表征模型（SDS），场景化分析视角贯穿SDS模型实现路径全链条。研究初步解决了“科技决策需求”本身的结构化可计算的描述（场景化），对齐“科技决策需求”结构化可计算的场景化数据（智慧数据）的挖掘与组织，以及在此基础上的可选解决方案的“生成”方法，并通过实例进行初步验证。
    403浏览量
    原文链接