助力企业数字化转型，知识图谱为应用而生｜爱分析报告(9)

基于知识图谱的智能导诊系统，借助知识图谱的推理能力，患者只需描述症状或疾病，就可以为患者提供智能导诊服务，匹配科室和医生，缓解医院导诊服务的压力，提高医院的智能化管理水平。
2.3.4 能源与工业行业知识图谱应用场景分析
国内工业水平发展参差不齐，长期的行业不景气导致企业信息化发展较慢，目前大部分企业数据粗放式管理，可用性与易用性较差，难以形成知识积累。随着竞争加剧，以电力、石化、工业、水务为代表的资源密集型企业加速向技术密集型与数字密集型企业转型，提高企业数字化能力；
面对能源与工业行业的业务挑战，企业需求将数据形成知识，创建支持上层业务应用的领域知识库，在辅助业务应用的同时进行相应的知识积累。员工可通过知识库快速获取知识，降低培训与研发成本。
2.3.5 电信行业知识图谱应用场景分析
市场已经趋近于饱和的电信行业，提高服务质量是运营商争取客户的重要举措。由于人工客服的培训流程较长且人员流动性较强，建立运营商领域知识库是快速提高客服人员服务质量的有效方法。客服人员通过检索知识库获取知识，快速、准确地回答客户问题；
5G时代的到来，运营商更注重下沉市场。但对下沉市场的运营需要大量资源投入。建立运营商领域知识库，一线工作人员可以通过检索知识库的方式快速获取知识；
运营商利用知识图谱技术通过对购买人的关联关系图谱分析，可以快速获取潜在客户群体，发掘隐性商机。
2.3.6 零售行业知识图谱应用场景分析
在零售数字化的进程中，零售商获取了大量消费者、商品以及门店的数据，但数据的价值在于发现三者的关联关系。通过知识图谱技术，零售商构建商品知识图谱，以商品为核心，发掘三者的隐性关系，辅助商品营销；
门店选址时，品牌商要高效、准确的选择新区域内最佳位置。通过大量的门店数据，基于知识图谱技术，可快速构建门店领域知识库，帮助企业根据产品类型快速发现区域内的空白市场点位，辅助决策人完成门店选址工作。
2.4 知识图谱的落地关键举措及挑战
2.4.1 知识图谱落地的关键步骤
由1.1.3节可以看出，知识图谱的关键步骤包括知识抽取、知识融合、知识推理、知识存储与知识应用等关键五步。其中，知识抽取与知识融合环节共同完成知识构建，在知识构建的构建的过程，从海量数据中抽取概念、实体、关系和属性，并进行消歧、对齐和融合。