人工智慧應用落地場景

工業場景

場景1：供應鏈優化

背景：汽車製造業十分重視供應鏈管理,通過提高供應鏈效率,降低生產/倉儲成本，拓展利潤空間，提高服務質量。對提高整體公司的市場競爭力具有關鍵性作用。需求：通過RFID等產品電子標識技術、物聯網技術以及移動互聯網技術使企業獲得完整的產品供應鏈的大數據，通過供應鏈上的大數據採集和分析，幫助企業持續進行供應鏈改進和優化。

場景2：產品故障診斷與預測

背景：自動化設備在使用過程中，會有很多不定性的設備故障。特別在食品或醫藥行業某些關鍵工藝段，設備的不確定性宕機帶直接帶來幾百萬級的損失。需求：建立一套模型，可以針對性預估此類設備的宕機狀況，基於大數據進行演算法分析，並通過提前布置人力或保養措施來儘可能減少宕機帶來的損失。

場景3：生產計劃與排程

背景：現階段，在離散生產行業裡面，多品種，少批量已經成了一個行業特色. 針對此類行業(比如機加工行業)的高級排產系統也就成了業界一大難題。需求：在客戶不定期訂單，機台不定性宕機，人員技能參差不齊，原材料隨時短缺的等情形下，怎麼實現做一個能實用的詳細生產計劃，能根據這個計劃合理安排後續的生產儘可能滿足各個客戶的交期。

場景4：加速產品創新

背景：隨著工業4.0及「互聯網+」浪潮的衝擊及品質消費的不斷升級，中國製造業正面臨著一觸即發的轉型風口。如何針對用戶的個性化需求做出快速反應，為用戶提供更好的產品和服務，如何做到將用戶的創意和需求真正變成產品交付到用戶手中，成為傳統製造企業成功轉型的關鍵。需求：打造智慧產品採集用戶使用數據與產品運行數據，利用大數據對產品持續進行優化創新，從而提升市場競爭力。

場景5：節能

背景：伴隨著PM2.5不斷升高，低碳節能是未來發展趨勢，建築作為城市中不可或缺的一部分，在節能方面更應受到重視。需求：準確預測大型商業或者公共建築的負荷功率對於建築能源管理和節能十分重要。依賴於這些預測的負荷功率，運營管理人員、售電公司等主體可以提前制定和優化用電計劃，結合蓄電池儲能、分時電價、可再生能源發電情況等信息，達到綠色節能和降低運營成本的目的。（此場景將提供相關數據，選擇該場景並使用數據的選手請在提交的文件夾中附上答案。）

泛娛樂場景

場景1：大數據對影視業的核心價值：精準受眾畫像

互聯網時代，「受眾偏好」是影視劇成敗的重要因素。而大數據對影視產業鏈的核心價值正是「精準受眾畫像」。它主要通過各色各樣的「標籤」來實現，從而促使立項、策劃、製作、宣發、播映等環節的循環聯動，而不再像以前傳統影視生產模式的單向傳播。需求：參賽者用大數據描述精準受眾畫像

場景2：大數據協助內容生產決策 影視行業本質上還是一個內容為王的領域。影視劇進入IP時代後，劇本話題性如何、人物關係與網路關係如何；拍什麼、誰來拍、誰來演、怎麼播、拍什麼類型等，都在大數據分析的基礎上，採取C2B的模式，根據市場需求和受眾需求進行創作。需求：利用大數據技術分析特定受眾年齡結構、文化程度、地域分布、興趣表現、評論熱詞、喜歡的演員和導演、歷史觀影、觀劇風格等，為C2B內容創作乃至影視劇製作提供決策依據。

場景3：影視IP孵化開發 泛娛樂產業的核心思路在於IP價值的發掘和重塑。一批由網路文學、動漫改編而來的電視劇、電影、網路劇受到熱捧，大批資本湧入影視娛樂產業。但IP影視化機遇與挑戰並存，業界在IP立項、開發、影視化及廣告招商過程中面臨內容創作不成熟、IP估值過高、投資風險大等等諸多痛點。如何使用大數據發現潛力IP、評估IP價值、加速IP孵化？需求：使用大數據技術和人工智慧演算法，對影視IP的評估、交易、孵化等環節進行分析，提出解決方案，為孵化投資提供決策依據。

場景4：遊戲IP孵化開發 隨著大數據的驅動和泛娛樂業務相互協同發展，文學、遊戲、影視、動漫等內容源之間會迸發出更加深層的聯動效應。任何一方的用戶都有可能成為其他方的潛在用戶，用戶的活躍也將逐漸改變不同產品形態之間的聯繫。需求：通過大數據幫助公司有效地分析目標用戶的需求方向，並實時運用於產品策劃、研發的各個環節，通過大規模數據模型優化IP選題和製作水平，上線前預估盈利能力等。

場景5：影視營銷策略和運營效率 不同的影視作品，擁有不同的受眾群體，其營銷推廣渠道、策略也不盡相同。首映會在哪個城市、哪家影院辦，平面廣告貼在哪個公車站，向誰推送衍伸品廣告，都將基於大數據做決策，而不是經驗或者隨機。某類型影視劇擁有怎樣的受眾群體？受眾群體的特點及彙集渠道在哪？如何使用大數據預測影視營銷的爆點？如何推動影視內容和品牌創意營銷？需求：通過大數據技術和人工智慧演算法指導影視製作公司進行精準營銷，提高運營效率。

場景6：遊戲大數據營銷 在遊戲發行市場中，聯運合作、買量推廣、品牌營銷是常見的推廣手段。如何通過大數據洞察用戶來源，驅動產品營銷?用戶獲取成本越來越高，遊戲廠商如何獲取精準用戶?如何通過大數據避免買量道路上的坑?如何通過大數據判斷用戶的行為特徵實現流量變現?

需求：通過大數據人工智慧模型演算法，根據遊戲相關數據，輔助遊戲推廣和發行。

場景7：藝人IP價值管理 隨著泛娛樂影視行業的興盛，大量影視藝人的職業發展規劃以及商業價值最大化呈現等行業發展痛點，都亟需得到理性、規範、成熟的系統化支持和服務。藝人的IP屬性越來越受到各經紀公司的重視。如何在大量的商業資源中，找到與藝人氣質、形象、特徵相符的的品牌，達到藝人與品牌的價值雙贏，如何找到藝人、商業、場景三大元素的交集數據，挖掘藝人的潛在IP 空間，是泛娛樂數據服務一個方向。需求：通過對藝人本身的縱向、橫向、設計藝人泛娛樂以及粉絲畫像、商業價值數據分析，提供藝人可匹配的商業品牌領域和上升空間方向，對藝人職業生涯的管理和規劃提供有效支持。

場景8：電影發行排片管理 電影的發行排片對於票房的影響毋庸置疑。一些發行公司由於不了解不同題材電影、不同檔期電影、不同地區受眾電影以及不同體量級主創人員的排片規律，直接導致排片受阻影響票房成績。如何能夠在電影上映前，通過對歷史數據的分析以及對上映影片的各維度分析，提供有效的拍片指導服務，是行業在未來需要提供支持的重要一環。需求：運用電影排片數據，結合電影類型、影院基礎數據、電影映前的輿情指數、受眾畫像、天氣數據等維度，對排片檔期、場次、院線分布、城市劃分做出綜合分析，指導電影排片。

場景9：電影票房收視預測 電影一直被當作藝術品，電影行業不太重視數據。但近年來，電影行業對於數據的日趨重視是不爭的事實。中國電影市場環境所擁有和積累的數據量不夠豐富，但微博、搜索、電商等數據已達一定的規模。中國電影市場規模不斷擴張，但體量不穩定，相關數據積累欠缺，量化模塊不夠科學完善，數據預測基礎能力有待提高，面對突發事件和不可控因素如何解決。需求：通過大數據人工智慧技術，使用電影輿情數據、電影銷售數據、觀眾數據、觀影習慣等數據，更精準地預測不同類型影片的票房。

場景10：項目投資決策 萬眾創業全民互娛的時代，市場逐漸成熟、資本瘋狂湧入。未來，泛娛樂行業投資機會在哪裡？如何合理評估投資項目價值？如何對影視項目進行風險評估和收益評估，並提高投資成功率？需求：通過對宏觀市場、市場制發趨勢、行業資訊、市場運作規律，內容和賣點分析，受眾畫像，主創團隊等層面的分析，為影視項目投資提供參考依據。

場景11：大數據輔助輿情數據監測和分析 根據網頁、微博、微信、報刊、客戶端、論壇等全網輿情數據，使用大數據技術分析熱點事件、輿情數據、粉絲畫像、行業研究、新媒體研究、政企刊物、宏觀經濟情況等，為政府、企業提供輿情監測報告、危機公關分析、新媒體傳播策劃方案等。需求：通過大數據技術挖掘、分析輿情數據，並提供輿情監測報告、危機公關分析、新媒體傳播策劃方案等創新工具或創新報告等。

醫療場景

場景1：醫院病歷結構化處理

我國醫療領域長期發展過程中，各地方醫院缺乏統一規範的臨床結構化病歷模型；基層醫療衛生機構病歷寫作尤其缺乏規範性，並且存在醫生直接複製粘貼病歷內容的現象，造成病歷重複率較高，使用價值很小。推進醫院病歷結構化進程，以挖掘更深層次的數據價值是目前醫療健康領域的一大需求。需求：通過大數據及自然語言處理技術，使用大量無結構的病曆數據，研發開放性的中文病歷語義API，提供醫院無縫對接的可插拔式模塊，或為保險公司、醫療機構等提供智能病歷分析服務。

場景2：識別醫保欺詐

保險欺詐是當前金融業領域的一個巨大風險。在美國，保險公司每年要損失數十億美元。在印度，僅僅是 2011 年的虧損總額就達到 3000 億印度盧比。除了經濟損失，保險公司還會失去一些業務，因為客戶感到不滿意。雖然許多保險監管機構已經定義了框架和流程來控制欺詐行為，但他們往往只是對欺詐做出反應，而不是採取主動措施來預防它們。傳統的方法(如循環列入黑名單的客戶、保險代理人和員工)並不能解決欺詐問題。需求：結合用戶的保費數據和支付數據，使用大數據方法構建模型，讓相關人員可以方便查詢保險公司給定的客戶、區域、保險產品、代理或審批人員信息，以防止該期間內的整體欺詐風險。

場景3：語音電子病歷

香港德信2016年的一項調查顯示，中國50%以上的住院醫生平均每天用於寫病歷的時間超過4小時，相當一部分醫生寫病歷的時間超過7小時；國內部分放射科仍採用傳統書寫方式，有專門記錄員記錄醫生主訴內容，而後轉錄入電腦中，效率低下。需求：通過大數據技術智能語音技術以及自然語言理解技術，實現讓醫生的主訴內容可以實時轉化為文本，錄入到HIS、 PACS、 CIS等醫院信息管理軟體中。

場景4：智能問診

很多三甲醫院醫生看病量很大，每天需要問診120至180人，對醫生和患者雙方來說體驗都不好。面對醫患溝通效率低下與醫生供給不足兩大難題，智能問診在解決這兩大難題方面有巨大潛力。需求：通過大數據技術、人工智慧技術，建立智能問診系統，實現「預問診」和「自診」兩大功能，利用患者的基本信息、癥狀、既往病史、過敏史等信息，為患者形成初步的診斷報告，或讓患者在手機或PC端通過人機交互完成智能問診，提高患者就診效率。

場景5：推薦用藥

2010年至2015年，我國零售藥店藥品/非藥品市場規模從1886億元上升到了3092億元，其中藥品和非藥品的平均增長率分別為11.2%和9.3% 。沒有專業醫藥知識的患者面臨眾多的藥品選擇，往往無從下手。需求：利用大數據人工智慧等技術，結合患者患病的癥狀和程度，通過後台演算法系統給出中藥和西藥的用藥建議。

場景6：醫療大數據輔助診療 醫療大數據輔助診療，就是基於海量醫療數據與人工智慧演算法，發現病症規律，為醫生診斷和安排治療方案提供參考意見。但受限於傳統醫療體系，醫療信息往往被封閉在一家醫院的院牆之內，醫院數據壁壘嚴重，使得醫療數據樣本量小，成本高，實現醫療大數據輔助診療具有一定難度。需求：期待參賽選手構思出如何打破目前的數據壁壘，並在數據共享後，通過海量數據給出醫療大數據輔助診療的方案。

場景7：疾病風險預測 疾病風險預測的實現，與精準醫學的發展有著密不可分的聯繫。疾病風險預測是指通過基因測序與檢測，提前預測疾病發生的風險。通過患者的基因數據，利用大數據人工智慧技術進行基因測序，提前預測患者疾病，讓患者早做預防。需求：利用大數據以及基因測序等技術，使用大量基因數據，通過腫瘤基因檢測、遺傳基因檢測以及傳染病檢測等程序，預測人類疾病風險的發生。

場景8：未來十年慢病發病風險評估

通過患者的身高體重、年齡、歷史血壓，血糖，血氧數據、低密度脂蛋白數據、高密度脂蛋白數據、甘油三酯數據、本人高血壓糖尿病疾病歷史、家族病史、生活習慣（煙酒、運動、飲食）等，對患者未來十年慢病發病風險進行評估，要求給出預測結果數據，並具有可行的商業模式以及切實可行的操作路徑。

場景9：兒童未來十年身高預測

通過兒童的出生日期、順產or剖腹產、出生身高體重、性別、目前身高體重、父母身高、0-6個月餵養方式、母乳時長、寶寶用藥情況、飲食情況（雞蛋、牛奶、）、鍛煉情況、睡眠情況等，預測兒童未來十年身高，並根據預測結果為特定兒童提供身高診斷報告，要求給出預測結果數據，並具有可行的商業模式以及切實可行的操作路徑。

場景10：骨質疏鬆型骨折發生概率（40歲以上）

通過患者的年齡、性別、低骨密度指數、BMI指數、既往脆性骨折史（尤其是髖部、尺橈骨遠端及椎體骨折史）、抽煙飲酒、飲食習慣、運動習慣、父母骨密度、接受糖皮質激素治療、是否有關節炎等數據預測40歲以上人群的骨質疏鬆型骨折發生概率，要求給出預測結果數據，並具有可行的商業模式以及切實可行的操作路徑。

場景11：探索大數據居家養老新模式

背景：數據顯示，到2020年，我國老年人口數量將達2.6億人。其中，失能和半失能老年人口將突破4600萬。老年人在生活照料、醫療衛生、康復護理等方面需求正在不斷增加。目前，國內主要的養老模式有三種，分別是機構養老、居家養老和社區養老，三種養老模式在國內的佔比約為3%、96%和1%，居家養老絕對佔據主流。在居家養老服務體系中，收集、分析和解決大量分散居住老年人群的養老需求是重要基礎。需求：針對目前國內居家養老存在的問題，研究設計關於居家養老服務的硬體或軟體，利用大數據技術連接居家養老的各種服務，完善居家養老服務的信息化程度，建立醫院、醫療機構、社區、家庭等於一體的合作交流平台。要求方案具備一定的創新性，並具有可操作的商業模式。

場景12：利用大數據調節睡眠，改善睡眠質量

背景：伴隨著快節奏的生活和壓力，居民「睡不好」、「睡不著」的問題存在普遍性。據世界衛生組織調查，在世界範圍內約1/3的人有睡眠障礙，而在我國患有各類睡眠障礙的人的比例明顯高於世界27%的水平，因睡眠障礙引發的睡眠健康等一系列問題正在吞噬人的精神和健康。伴隨著人們對健康睡眠的愈加重視，如何利用大數據技術，布局「互聯網」+「睡眠」市場，讓智能睡眠監測快速走入大眾生活，讓睡眠真正成為一種享受，成為一個新的課題。需求：針對居民的睡眠障礙問題，研發設計能夠監測居民睡眠狀況的硬體或軟體，利用大數據技術連接與睡眠相關的硬體、軟體、可穿戴設備等，打通各平台數據，更好地監測居民的睡眠狀況和睡眠質量，通過對居民睡眠數據的分析，為其自動訂製一套改善睡眠質量的解決方案，打造「睡眠+」的大健康生態生活圈。要求方案具備一定的創新性，並具有可操作的商業路徑。

場景13：用大數據改善慢病管理，提高患者生活質量

背景：慢病已經成為21世紀危害人們健康的重要公共問題。根據國家衛生計生委疾控局2014年數據，我國現有確診慢病患者近3億人，而且發病率以每年8.7%的速率上升。具有病程長、流行廣、費用貴、致殘致死率高等特點。慢病對於患者的健康和生活往往會產生嚴重的影響，而且會給患者的家庭和社會帶來嚴重的負擔。因此，利用大數據技術科學而完善的慢病管理顯得更加重要。需求：針對目前我國慢病管理現狀，研發設計可改善慢病管理的硬體、軟體和智能可穿戴設備。並能夠利用大數據技術科學而完善地改善慢病患者身體狀況，包括：（1）實時跟蹤用戶身體狀況。（2）根據檢測數據為用戶實施個性化的健康管理方案。（3）基於數據的健康管理能降低重病發病率，減少醫療支出。要求方案具有一定的創新性，並具備可操作的商業路徑。

場景14：大數據助力優生優育，創建幸福家庭

背景：優生優育能夠提高人口質量，控制人口增長。在實現優生優育的過程中，孕婦需要進行產前檢查，重視寶寶是否有出生缺陷，關注孕期營養與妊娠期疾病。等孩子出生，准媽媽要關注孩子的飲食、身體狀況，為寶寶營造一個良好的生活環境。實現優生優育過程中的每個環節，都可以利用大數據技術來提高效率，幫助母嬰群體更好地了解自己的身體狀況。需求：針對優生優育的各個環節，研發設計能夠實現優生優育的硬體、軟體和智能可穿戴設備等。利用大數據技術優化產前診斷流程，提高醫生診斷效率，降低胎兒出生缺陷率；研發設計適合孕婦的智能可穿戴設備，實時監測孕婦飲食、起居和身體狀況，通過對孕婦健康狀況的分析，針對性地對孕婦推薦孕期食譜和注意事項等。要求方案具備一定的創新型，並具有可操作的商業路徑。

場景15

問題：放射科醫生的工作強度高，工作效率亟待提升。解決方案：希望通過AI方法，對醫院日常所拍攝的大量CT、MRI等肺部醫學影像數據進行快速處理，涵蓋內容如下：

1.針對影片進行圖像識別和機器學習，圈出疑似病灶的位置；2.針對於已經確認的病灶，通過圖像識別方式對病灶尺寸的直徑、面積和體積進行快速測量，並給出具體數據；3.根據疾病發展階段對醫學影像進行逐層篩選，並給出對應的病情分類和解決建議；4.針對專一病種，需給出概率數據。

場景16

問題：婦幼醫院的產前診斷需要處理大量不清晰的染色體圖像，以及對於染色體進行配對分型。目前的流程會消耗大量人工時間，並且對於準確率要求很高。解決方案：需要人工智慧從眾多圖片中找到較清晰的染色體圖片並且將染色體配對分型。

場景17

問題：婦幼病人存在大量科普性需求，各大綜合在線問診平台至少30%以上的諮詢來自婦產科和兒科，再加上大量母嬰垂直平台，問詢數量將更加巨大。解決方案：需要運用人工智慧機器學習和自然語言處理技術，研發科普型在線問診智能醫生。需求提供方：上海市第一婦嬰保健院

場景18

問題：婦幼醫院的產科超聲標準切面圖全靠超聲醫生憑經驗截取，速度慢且難度大，因此很多檢查無法大量開展，比如NT測量。多胎患者的超聲更難完成，尤其對於沒有經驗的醫師。解決方案：需要人工智慧從三緯圖像中獲得多切面圖片，從中篩選出標準切面、解讀標準切面圖像指標：從易到難，並且從單胎圖像向多胎圖像進展，從單一器官向多器官進展。需求提供方：上海市第一婦嬰保健院

場景19

問題：一名醫生1天需要看100多名患兒，每個患兒的就診時間也就3-5分鐘，不能滿足家長希望與醫生多溝通多交流的期望。很多家長反映，自己還沒有跟醫生講完病情，醫生已經開具處方；另一方面，家長對兒童醫療健康知識比較匱乏，跟醫生溝通過程中沒有掌握基本要領和關鍵點。解決方案：希望建立醫療大數據智能問答應用平台，嵌入到醫院移動醫療平台中。家長在平台挂號後，系統自動推送針對就診癥狀和疾病相關注意事項，並提醒家長在就診中與醫生溝通的要點，讓家長在就診前可以事先了解疾病相關癥狀，提高就診效率。

場景20

問題：骨齡檢測標準複雜並且重複，人肉眼做容易有誤差。解決方案：人工智慧可以極大提高放射科醫生在該檢測中的工作效率和準確度。基於PACS手腕骨X線影像數據的自動骨齡檢測與報告系統開發與臨床應用研究，希望建立「國際通用的G-P圖譜法」計算機自動化系統和「骨齡診斷報告智能化」系統，通過應用深度學習等建立新的「骨齡評估常模」。