Интеллектуальные возможности для обработки растущих объемов данных. Технологии завтрашнего дня. Сергей Полтев Москва, 17 октября 2014 года. - презентация

1 Интеллектуальные возможности для обработки растущих объемов данных. Технологии завтрашнего дня. Сергей Полтев Москва, 17 октября 2014 года

2 Корпоративные данные сегодня Неструктурированных данных (электронная почта, сообщения, документы, заявки и т.п.) становится все больше 300 млрд / день – 24 млрд / день – SMS 10 млрд / день – телефонных звонков Источник: Исследование ABBYY/DOCFLOW 2014 г.

3 Эффективный архив. Вчера и сегодня. Быстрый поиск и извлечение необходимых данных Реализация процессов обработки Структурирование, каталогизация Подготовка сводных отчетов

4 Эффективный архив сегодня. Извлечение атрибутов Реквизит Значение Контрагент 1ООО «Энская транспортная компания» Контрагент 2ООО «Агроимпульс» ….….…. Анализ изображения, извлечение значимой информации Автоматическое заполнение учетной карточки данными из текста

5 Существующих технологий недостаточно. Переизбыток информации, невозможность «человеческой» обработки всего объема

6 Эффективный архив. Завтра Интеллектуальный поиск Извлечение фактов из неструктурированного текста Классификация текстов Автоматическая обработка произвольных материалов из внешних источников (Интернет, публикации прессе, и т.п.)

7 Эффективные архивы завтра. Извлечение фактов Ключевые объекты и значимые факты

8 Новые возможности Извлечение данных без предварительной настройки форм Автоматическое «структурирование» информации Рубрикация, установка связи между объектами Сценарии автоматической обработки вновь поступающих материалов в зависимости от содержания

9 Больше информации – больше требования к платформе Гибкость Производительность Отказоустойчивость Безопасность ДЕЛО EOS for SharePoint eDocLib

10 Примеры использования

11 Пример 1. Автоматическая обработка корреспонденции.

12 Автоматическая обработка корреспонденции Оценка содержимого – тональность, упоминаемые факты и персоны Исходя из оценки – отправка по одному из предопределенных маршрутов Результат: оперативный и своевременный ответ

13 Пример 2. База знаний по продукции.

14 Автоматическая актуализация базы знаний Производитель Наименование Аналоги Характеристики Мониторинг российских и зарубежных производителей Автоматическая обработка и рубрикация Предоставление полной информации по аналогам изделий, производимых предприятием, нормативным документам, и т.п. Результат: поддержание базы знаний в актуальном состоянии МОНИТОРИНГ Автоматическая обработка данных Производитель Наименование Аналоги Характеристики Производитель Наименование Аналоги Характеристики РУБРИКАЦИЯ

15 Спасибо за внимание!