DeepSeek驱动的数字企业

在前文【大模型驱动的业务自动化】中,笔者介绍了一种通用的知识应用系统(GESLM)。GESLM的基本思路就是先用大模型将人提供的业务知识转换为计算机可理解的形式描述,然后加载后用于业务的处理。

从而突破了大模型目前只能用在toP(人)的场景,而可以拓展到toM(机器)领域。

大模型驱动的业务自动化】中笔者说过,由于目前样板太少,只能用prompt的方式来实现。但由于业务知识的提取与转换是一个比较复杂,所以prompt非常庞大与复杂,结果在笔者的笔记本电脑上某大模型直接拒绝工作了:(

最后还是DeepSeek给力。笔者通过此事确实认识到了DeepSeek的能力,不由想到:是否能进一步的将DeepSeek或大模型从业务系统的知识预备环节应用到其它场景中呢?

基于GESLM,我们可以把一个企业的所有业务操作都抽象为一系列各种业务场景下的业务知识,而这些业务知识的总和,就构成了一个企业所有业务的知识性描述。那么一个真实的企业,也就可以通过这么方式被映射到数字世界中成为一个数字企业。

数字企业的构成

数字企业包括五个部分,分别是:

1、物理底座

具体执行业务动作,支撑GESLV中相关的谓词【参见:大模型驱动的业务自动化】实现,和真实世界完成交互。

2、数据底座

保存GESLM和真实世界交互的信号、信息、数据、记录等,并完成人-机之间数据的语义翻译工作。

3、业务办理

业务操作知识转换成各业务场景下的形式描述后,被加载到GESLM中,用来完成具体场景下的业务办理。

4、业务过程

一个业务过程,就是把各个业务场景串联到一起并加以协调的宏观办理过程,是现实中的业务流程在GESLM中的映射。

5、业务诊断

对业务的办理进行监控与审计,以发现业务办理中出现的各种违规、违纪、异常、危机、趋势、预警等问题,并进行分析、研判,给出原因与建议对策。

需要注意的是,数字企业和真实企业是异质异构的,所以真实企业中决策层、协调层、操作层对于数字企业来说,都是以业务过程串联起来的业务知识的具体应用。也就是说,在数字企业看来,这三层都属于业务办理与业务过程,只是可能用到的知识不同。

业务过程

业务过程其实就是流程在GESLM中的映射。

而我们知道,流程的描述就是一个标准的petri网。所以,业务过程可以用一个完整的petri网模型来建模。

在【大模型驱动的业务自动化】中笔者曾提到业务办理是一个复杂的层次性知识映射,其中的SOP【标准操作序列】也是可以用petri网来进行描述的。

两者的区别在于,SOP以顺序性操作为主,再加一些跳转就可以了,所以是petri网的极大的简化。而流程则是标准的petri网,复杂了很多:

  • 各库所的扇入可以有or类型【有请求即执行,有一个跃迁送入令牌则激活】、and类型【需要满足所有前置条件才能启动,所有跃迁都送入令牌则激活】

  • 各库所的扇出可以有or类型【本库所结束后从所有跃迁中选择一个送出令牌,如审批,同意与否择其一执行,不可能对某一件事的审批结果是既同意又否决】、and类型【本库所结束后向所有跃迁送出令牌,如项目里程碑,后继节点一同启动】

  • 跃迁可以指向任一库所,包括回指。对流程来说一般有如下的约束:一个流程都有一个默认的开始、结束库所,要求不能有内部跃迁指向开始库所,结束库所不能有内部跃迁指向其它库所

因此,相比SOP,流程如果设计的不好会导致死锁【某and入型库始终无法激活:即无法满足其扇入跃迁都有令牌送入的要求】。所以,业务过程在提交后必须执行一个自检测动作,以避免上线运行后出现流程的死锁。

业务诊断

传统上,企业经营是否存在问题,信息系统采用的是两种诊断方式:

1、分析比对:通过建设指标体系,然后和最佳实践进行比对来分析可能的问题点

2、报表展示:通过提供数十、数百张不同用途的报表,详细的展示企业运行的方方面面,由经验丰富的业务人员、管理人员等根据报表反映出的蛛丝马迹来自行发现问题

这两者中,前者更高效,但需要长期在信息化方面进行投入、方能积累并建立起有效而恰当的指标体系;后者的压力都给到了使用者,更无法达到我们借助DeepSeek的目的。

在【大模型驱动的业务自动化】一文中,笔者提到:

需要说明的是:很多企业、很多领域,起始阶段未必有足够精细的业务知识满足量化计算的要求,所以还应当引入模糊推理来支持人的经验判断,以降低应用门槛

那么,我们反向运用此种技术,即对业务系统采集到的各种经营数据根据企业经营者的经验做模糊判断,将这些量化的数字转化为定性的好坏判断,然后就可以将这些判断用DeepSeek来做综合判断与深度思考,来揭示业务中存在的问题了。

也就是说,我们要建立一套指标体系,以及基于此指标体系的评价系统,能通过对企业业务运行数据给出相应的业务运行的评价,然后再将这些评价汇总后统一提交给DeepSeek来对企业的经营情况进行分析评估,并给出启发性诊断意见。

结语

基于GESLM,我们可以动态的、定制化的、按需的基于业务人员的描述来快速而低成本的实现业务信息系统,然后通过业务诊断对业务运行情况、企业经营情况进行评价,然后再利用DeepSeek来做综合判断与深度思考来揭示企业运营中存在的问题。

数字企业,由于以DeepSeek为代表的大模型会深入介入到企业运营过程中,会极大的改变企业运营,未来的企业会是一个什么样子,可能需要方方面面的思考与探索。

标题Python网络课程在线学习平台研究AI更换标题第1章引言介绍Python网络课程在线学习平台的研究背景、意义、国内外现状和研究方法。1.1研究背景与意义阐述Python在线学习平台的重要性和研究意义。1.2国内外研究现状概述国内外Python在线学习平台的发展现状。1.3研究方法与论文结构介绍本文的研究方法和整体论文结构。第2章相关理论总结在线学习平台及Python教育的相关理论。2.1在线学习平台概述介绍在线学习平台的基本概念、特点和发展趋势。2.2Python教育理论阐述Python语言教学的理论和方法。2.3技术支持理论讨论构建在线学习平台所需的技术支持理论。第3章Python网络课程在线学习平台设计详细介绍Python网络课程在线学习平台的设计方案。3.1平台功能设计阐述平台的核心功能,如课程管理、用户管理、学习跟踪等。3.2平台架构设计给出平台的整体架构,包括前后端设计、数据库设计等。3.3平台界面设计介绍平台的用户界面设计,强调用户体验和易用性。第4章平台实现与测试详细阐述Python网络课程在线学习平台的实现过程和测试方法。4.1平台实现介绍平台的开发环境、技术栈和实现细节。4.2平台测试对平台进行功能测试、性能测试和安全测试,确保平台稳定可靠。第5章平台应用与效果分析分析Python网络课程在线学习平台在实际应用中的效果。5.1平台应用案例介绍平台在实际教学或培训中的应用案例。5.2效果评估与分析通过数据分析和用户反馈,评估平台的应用效果。第6章结论与展望总结Python网络课程在线学习平台的研究成果,并展望未来发展方向。6.1研究结论概括本文关于Python在线学习平台的研究结论。6.2研究展望提出未来Python在线学习平台的研究方向和发展建议。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值