助力企业数字化转型，知识图谱为应用而生｜爱分析报告(12)

知识应用：在1.2.1节可以看到，目前知识图谱技术在垂直行业已有较多应用场景。目前，知识图谱的构建和使用是以应用场景为导向。在行业内寻求应用场景，理解用户核心需求，判断是否能应用知识图谱后，再根据应用场景构建知识图谱；
在整个知识图谱的知识应用过程中；有两个核心关键点：1）找到业务与知识图谱技术的结合点，结合点的选取将直接影响实际应用效果。2）知识图谱的schema的设计，不同行业的知识体系不完全一样，具有较强的领域性，在设计schema的过程要求业务专家与技术人员协作完成，这也是知识图谱构建的难点；
知识图谱技术作为感知智能向认知智能跨进的关键技术，在行业内的应用场景会逐步地增加，相较于其他人工智能技术，知识图谱技术需要与行业Know-How有深度结合，更多的业务专家参与知识图谱的构建过程，会更有利于知识图谱的落地。

2.4.2 知识图谱落地的“一核两翼”
上一小节可以看到，知识图谱技术落地的关键步骤为：知识构建（知识抽取与知识融合）、知识推理、知识存储与知识应用。其中，针对上一节中关键步骤中影响因素进行提炼总结，可得到决定知识图谱技术落地效果好坏的三大关键因素，本报告总结为“一核两翼”，即专业团队、数据与算法模型。
“一核两翼”中“一核”指的专业团队，这里的专业团队指行业专家与技术专家和用户共同组成的团队。行业专家与技术专家配合构建专业领域知识图谱，客户与技术专家完成知识图谱后期的运营与知识更新，让知识图谱“跑起来”。在“两翼”能力越来越接近的今天，专业团队对于项目应用的影响是决定性的。
“两翼”指数据与算法模型，知识图谱是连接数据知识与业务场景的关键技术，数据在整个知识图谱构建的过程中起到决定性作用，但由于数据来源广泛、各行业数据质量参差不齐，对于数据的治理、标注与知识图谱构建中的知识抽取加工的工作是老生常谈的难题，后面应用过程中的数据查询、分类也存在挑战。