业界数据到应用做的最好的是哪家企业？
palantir，主要原因有
1、股票市场成功
2、商业成功，增长好
3、客户反馈积极，大量案例中反馈实际解决了用户实际业务问题，提升了决策效率
palantir 核心概念是什么？
ontology，本体
本体是什么？
本体是一种建模方法，本体里面包含：
1、数据：Dataset
2、逻辑：logic
3、动作：action
本体是物理世界孪生，建模客户业务流程
本体相比知识图谱的区别是什么？
建模对象不一样。
知识图谱里面也有本体概念。但是本质上 palantir 建模的是客户业务流程，里面除了数据还有逻辑和执行动作。更适合场景是业务实际解决等。
知识图谱建模的是业务知识，更多的是服务于企业检索，知识推理等场景。
知识图谱为什么落地难度高？
1、知识是逻辑，逻辑组织无限。
2、因此需要依赖大量的专家去构建实体，而且整个过程又不收敛，导致知识图谱的落地变得很困难。
3、推理成功度不高。
本体相比RAG的提升是什么？
RAG主要缺数据治理，查询又是随机的。现在大量的数据缺乏有效的提取手段，尤其是复杂的excel和PDF文档。
大家对RAG的期待太高，落地预期和期待有很大GAP。普通的RAG更多是助手的功能，又很难回答到底对客户的业务的收益。
一旦部分case回答不准确，会导致客户判断系统无法生产使用。本体相比RAG有数据治理建模过程，有决策闭环过程。在特定场景下，比RAG的准确度和对业务的体校有明显的提升和收益。
本体相比RAG准确的原因是什么？
本体先建模，然后是使用。相比RAG 灌入一堆数据，随便问问题，不收敛，效果要好很多。
本体把业务流程进行了抽象，业务流程中决策通常比较收敛。
如果决策不收敛，那新员工也无法学会工作。
本体建模能收敛吗？
能收敛。
相比知识图谱的不收敛，有专家投入太大的问题。
本体是对物理业务流程建模，是可以收敛的。相对而言，业务流程在一段时间相对固定的。
如果业务流程不固定，那企业的新员工也无法培养。
本体不适合的场景有哪些？
本体也有限制。至少有两类业务是不合适的。
1、企业的数字化程度不够。比如 ERP，CRM 系统都没有。如果数据系统本身建设不够，无法利用数据驱动决策。
2、CEO 的决策，或者类似 CEO 的决策。决策无范式，无法抽象。
如果数据，逻辑，action 这些建模能足够，本体的行业和场景相对是通用的。
本体核心适合的场景有哪些？
对业务建模，提升业务决策效率。
适合的场景典型有：
- 战场决策
- 舆情监测处理
- 供应链高效管理
- 送餐路线规划
- 订单排产
- 国安排查犯人
本体推广可能的瓶颈？
核心还是潜在客户数会比较受限
客户的认知，信息化程度，IT预算规模要到一定的程度。
国内推广需要时间
本体相比传统数据库建模的区别？
1、最大区别，除了有数据之外，还有逻辑和 action。逻辑是业务流程的代码化和工具化。
2、本体里面的数据和数据库也有区别，数据库是 ER 模型，更适合机器理解，建模是为了机器可以更高效的执行（比如表和表尽量数据不重复，为了执行效率做各种优化等等）。本体是面向业务对象，业务更容易理解，更接近业务语言。
本体是否可以脱离数据平台独立？
无法脱离数据平台
本体是在数据平台的基础上增架对业务的建模，决策闭环。
这些都是不能脱离数据存在的。
本体是否使用结构化数据偏多，非结构化数据是否适合？
非结构化数据可以通过提取结构化信息，起到辅助决策作用
大模型的增强带来结构化数据的处理增强，非结构化数据会越来越多起到作用。
本体为什么可以让大模型决策更准确？
本体的本质是让大模型处在“完全信息决策”。
一个业务决策除了需要数据之外，人决策是很复杂的过程，还要有上下文，隐知识等等。这些人是已经掌握和学会了，所以可以决策。
模型如果只有数据，缺乏这些上下文知识就无法决策。
本体除了数据之外，还有logic 和 action，logic 就是把业务流程代码化，工具化，给到大模型，因此大模型可以获得完全信息。所以决策可以做到更准确。
本体的logic是什么？
在现实世界中，企业的每一个重要决策，往往都不是由单一数据触发的，而是综合各种信息、规则、预测和优化之后得出的结果。这背后支撑的，就是企业的“逻辑资产”。这些逻辑资产可能是
1、ERP 或 CRM 中定义的业务规则；
2、数据科学平台上训练好的预测模型；
3、运筹优化系统中的路径规划或产能分配算法；
4、财务模拟工具里的风险评估逻辑；
本体里面的逻辑就是这些潜规则代码化。
本体在企业的应用效果如何？
根据访谈可以得出明确的结论，企业的高层和下面具体的执行人员都是 buy-in 的
高层 buy-in 理念：从数据到决策
执行人员 buy-in 效果：数据是可以很容归拢到一起，业务人员可以很容构建 case，构建的很多 case 也是有实际效果的，确实能提升决策的效果，比如呆滞料可以从原来的月为单位去审查，现在可以按天去审查决策。
落地本体产品最核心的点是什么？
1、建模能力
2、数据集成能力
3、平台的快速开发能力（可调试，低代码，模型提效，各种工具加持组装应用很方便（地图，表单等等））
对大模型的能力要求高吗？
不高，PALANTIR 2019 年开始搞这个，大模型能力不强，有一些规则很难抽象的时候，就不能用于决策
本体为什么在中国没有成功？
1、中国已经有部分公司成功应用了本体，比如华戎，给国安，税务局排查等等，效果还不错。
2、2B市场没有看到很好的例子，和理念有关系，国内私有化服务成本过高（定制化，付费能力差）。
3、数据中台概念比较火，付费模式也是清晰的。所以客户是有机会接受本体的理念的。
