工业场景

场景1：供应链优化

背景：汽车制造业十分重视供应链管理,通过提高供应链效率,降低生产/仓储成本，拓展利润空间，提高服务质量。对提高整体公司的市场竞争力具有关键性作用。 需求：通过RFID等产品电子标识技术、物联网技术以及移动互联网技术使企业获得完整的产品供应链的大数据，通过供应链上的大数据采集和分析，帮助企业持续进行供应链改进和优化。

场景2：产品故障诊断与预测

背景：自动化设备在使用过程中，会有很多不定性的设备故障。特别在食品或医药行业某些关键工艺段，设备的不确定性宕机带直接带来几百万级的损失。 需求：建立一套模型，可以针对性预估此类设备的宕机状况，基于大数据进行演算法分析，并通过提前布置人力或保养措施来尽可能减少宕机带来的损失。

场景3：生产计划与排程

背景：现阶段，在离散生产行业里面，多品种，少批量已经成了一个行业特色. 针对此类行业(比如机加工行业)的高级排产系统也就成了业界一大难题。 需求：在客户不定期订单，机台不定性宕机，人员技能参差不齐，原材料随时短缺的等情形下，怎么实现做一个能实用的详细生产计划，能根据这个计划合理安排后续的生产尽可能满足各个客户的交期。

场景4：加速产品创新

背景：随著工业4.0及「互联网+」浪潮的冲击及品质消费的不断升级，中国制造业正面临著一触即发的转型风口。如何针对用户的个性化需求做出快速反应，为用户提供更好的产品和服务，如何做到将用户的创意和需求真正变成产品交付到用户手中，成为传统制造企业成功转型的关键。 需求：打造智慧产品采集用户使用数据与产品运行数据，利用大数据对产品持续进行优化创新，从而提升市场竞争力。

场景5：节能

背景：伴随著PM2.5不断升高，低碳节能是未来发展趋势，建筑作为城市中不可或缺的一部分，在节能方面更应受到重视。 需求：准确预测大型商业或者公共建筑的负荷功率对于建筑能源管理和节能十分重要。依赖于这些预测的负荷功率，运营管理人员、售电公司等主体可以提前制定和优化用电计划，结合蓄电池储能、分时电价、可再生能源发电情况等信息，达到绿色节能和降低运营成本的目的。（此场景将提供相关数据，选择该场景并使用数据的选手请在提交的文件夹中附上答案。）

泛娱乐场景

场景1：大数据对影视业的核心价值：精准受众画像

互联网时代，「受众偏好」是影视剧成败的重要因素。而大数据对影视产业链的核心价值正是「精准受众画像」。它主要通过各色各样的「标签」来实现，从而促使立项、策划、制作、宣发、播映等环节的循环联动，而不再像以前传统影视生产模式的单向传播。 需求：参赛者用大数据描述精准受众画像

场景2：大数据协助内容生产决策 影视行业本质上还是一个内容为王的领域。影视剧进入IP时代后，剧本话题性如何、人物关系与网路关系如何；拍什么、谁来拍、谁来演、怎么播、拍什么类型等，都在大数据分析的基础上，采取C2B的模式，根据市场需求和受众需求进行创作。 需求：利用大数据技术分析特定受众年龄结构、文化程度、地域分布、兴趣表现、评论热词、喜欢的演员和导演、历史观影、观剧风格等，为C2B内容创作乃至影视剧制作提供决策依据。

场景3：影视IP孵化开发 泛娱乐产业的核心思路在于IP价值的发掘和重塑。一批由网路文学、动漫改编而来的电视剧、电影、网路剧受到热捧，大批资本涌入影视娱乐产业。但IP影视化机遇与挑战并存，业界在IP立项、开发、影视化及广告招商过程中面临内容创作不成熟、IP估值过高、投资风险大等等诸多痛点。如何使用大数据发现潜力IP、评估IP价值、加速IP孵化？ 需求：使用大数据技术和人工智慧演算法，对影视IP的评估、交易、孵化等环节进行分析，提出解决方案，为孵化投资提供决策依据。

场景4：游戏IP孵化开发 随著大数据的驱动和泛娱乐业务相互协同发展，文学、游戏、影视、动漫等内容源之间会迸发出更加深层的联动效应。任何一方的用户都有可能成为其他方的潜在用户，用户的活跃也将逐渐改变不同产品形态之间的联系。 需求：通过大数据帮助公司有效地分析目标用户的需求方向，并实时运用于产品策划、研发的各个环节，通过大规模数据模型优化IP选题和制作水平，上线前预估盈利能力等。

场景5：影视营销策略和运营效率 不同的影视作品，拥有不同的受众群体，其营销推广渠道、策略也不尽相同。首映会在哪个城市、哪家影院办，平面广告贴在哪个公车站，向谁推送衍伸品广告，都将基于大数据做决策，而不是经验或者随机。某类型影视剧拥有怎样的受众群体？受众群体的特点及汇集渠道在哪？如何使用大数据预测影视营销的爆点？如何推动影视内容和品牌创意营销？ 需求：通过大数据技术和人工智慧演算法指导影视制作公司进行精准营销，提高运营效率。

场景6：游戏大数据营销 在游戏发行市场中，联运合作、买量推广、品牌营销是常见的推广手段。如何通过大数据洞察用户来源，驱动产品营销?用户获取成本越来越高，游戏厂商如何获取精准用户?如何通过大数据避免买量道路上的坑?如何通过大数据判断用户的行为特征实现流量变现?

需求：通过大数据人工智慧模型演算法，根据游戏相关数据，辅助游戏推广和发行。

场景7：艺人IP价值管理 随著泛娱乐影视行业的兴盛，大量影视艺人的职业发展规划以及商业价值最大化呈现等行业发展痛点，都亟需得到理性、规范、成熟的系统化支持和服务。艺人的IP属性越来越受到各经纪公司的重视。如何在大量的商业资源中，找到与艺人气质、形象、特征相符的的品牌，达到艺人与品牌的价值双赢，如何找到艺人、商业、场景三大元素的交集数据，挖掘艺人的潜在IP 空间，是泛娱乐数据服务一个方向。 需求：通过对艺人本身的纵向、横向、设计艺人泛娱乐以及粉丝画像、商业价值数据分析，提供艺人可匹配的商业品牌领域和上升空间方向，对艺人职业生涯的管理和规划提供有效支持。

场景8：电影发行排片管理 电影的发行排片对于票房的影响毋庸置疑。一些发行公司由于不了解不同题材电影、不同档期电影、不同地区受众电影以及不同体量级主创人员的排片规律，直接导致排片受阻影响票房成绩。如何能够在电影上映前，通过对历史数据的分析以及对上映影片的各维度分析，提供有效的拍片指导服务，是行业在未来需要提供支持的重要一环。 需求：运用电影排片数据，结合电影类型、影院基础数据、电影映前的舆情指数、受众画像、天气数据等维度，对排片档期、场次、院线分布、城市划分做出综合分析，指导电影排片。

场景9：电影票房收视预测 电影一直被当作艺术品，电影行业不太重视数据。但近年来，电影行业对于数据的日趋重视是不争的事实。中国电影市场环境所拥有和积累的数据量不够丰富，但微博、搜索、电商等数据已达一定的规模。中国电影市场规模不断扩张，但体量不稳定，相关数据积累欠缺，量化模块不够科学完善，数据预测基础能力有待提高，面对突发事件和不可控因素如何解决。 需求：通过大数据人工智慧技术，使用电影舆情数据、电影销售数据、观众数据、观影习惯等数据，更精准地预测不同类型影片的票房。

场景10：项目投资决策 万众创业全民互娱的时代，市场逐渐成熟、资本疯狂涌入。未来，泛娱乐行业投资机会在哪里？如何合理评估投资项目价值？如何对影视项目进行风险评估和收益评估，并提高投资成功率？ 需求：通过对宏观市场、市场制发趋势、行业资讯、市场运作规律，内容和卖点分析，受众画像，主创团队等层面的分析，为影视项目投资提供参考依据。

场景11：大数据辅助舆情数据监测和分析 根据网页、微博、微信、报刊、客户端、论坛等全网舆情数据，使用大数据技术分析热点事件、舆情数据、粉丝画像、行业研究、新媒体研究、政企刊物、宏观经济情况等，为政府、企业提供舆情监测报告、危机公关分析、新媒体传播策划方案等。 需求：通过大数据技术挖掘、分析舆情数据，并提供舆情监测报告、危机公关分析、新媒体传播策划方案等创新工具或创新报告等。

医疗场景

场景1：医院病历结构化处理

我国医疗领域长期发展过程中，各地方医院缺乏统一规范的临床结构化病历模型；基层医疗卫生机构病历写作尤其缺乏规范性，并且存在医生直接复制粘贴病历内容的现象，造成病历重复率较高，使用价值很小。推进医院病历结构化进程，以挖掘更深层次的数据价值是目前医疗健康领域的一大需求。 需求：通过大数据及自然语言处理技术，使用大量无结构的病历数据，研发开放性的中文病历语义API，提供医院无缝对接的可插拔式模块，或为保险公司、医疗机构等提供智能病历分析服务。

场景2：识别医保欺诈

保险欺诈是当前金融业领域的一个巨大风险。在美国，保险公司每年要损失数十亿美元。在印度，仅仅是 2011 年的亏损总额就达到 3000 亿印度卢比。除了经济损失，保险公司还会失去一些业务，因为客户感到不满意。虽然许多保险监管机构已经定义了框架和流程来控制欺诈行为，但他们往往只是对欺诈做出反应，而不是采取主动措施来预防它们。传统的方法(如循环列入黑名单的客户、保险代理人和员工)并不能解决欺诈问题。 需求：结合用户的保费数据和支付数据，使用大数据方法构建模型，让相关人员可以方便查询保险公司给定的客户、区域、保险产品、代理或审批人员信息，以防止该期间内的整体欺诈风险。

场景3：语音电子病历

香港德信2016年的一项调查显示，中国50%以上的住院医生平均每天用于写病历的时间超过4小时，相当一部分医生写病历的时间超过7小时；国内部分放射科仍采用传统书写方式，有专门记录员记录医生主诉内容，而后转录入电脑中，效率低下。 需求：通过大数据技术智能语音技术以及自然语言理解技术，实现让医生的主诉内容可以实时转化为文本，录入到HIS、 PACS、 CIS等医院信息管理软体中。

场景4：智能问诊

很多三甲医院医生看病量很大，每天需要问诊120至180人，对医生和患者双方来说体验都不好。面对医患沟通效率低下与医生供给不足两大难题，智能问诊在解决这两大难题方面有巨大潜力。 需求：通过大数据技术、人工智慧技术，建立智能问诊系统，实现「预问诊」和「自诊」两大功能，利用患者的基本信息、症状、既往病史、过敏史等信息，为患者形成初步的诊断报告，或让患者在手机或PC端通过人机交互完成智能问诊，提高患者就诊效率。

场景5：推荐用药

2010年至2015年，我国零售药店药品/非药品市场规模从1886亿元上升到了3092亿元，其中药品和非药品的平均增长率分别为11.2%和9.3% 。没有专业医药知识的患者面临众多的药品选择，往往无从下手。 需求：利用大数据人工智慧等技术，结合患者患病的症状和程度，通过后台演算法系统给出中药和西药的用药建议。

场景6：医疗大数据辅助诊疗 医疗大数据辅助诊疗，就是基于海量医疗数据与人工智慧演算法，发现病症规律，为医生诊断和安排治疗方案提供参考意见。但受限于传统医疗体系，医疗信息往往被封闭在一家医院的院墙之内，医院数据壁垒严重，使得医疗数据样本量小，成本高，实现医疗大数据辅助诊疗具有一定难度。 需求：期待参赛选手构思出如何打破目前的数据壁垒，并在数据共享后，通过海量数据给出医疗大数据辅助诊疗的方案。

场景7：疾病风险预测 疾病风险预测的实现，与精准医学的发展有著密不可分的联系。疾病风险预测是指通过基因测序与检测，提前预测疾病发生的风险。通过患者的基因数据，利用大数据人工智慧技术进行基因测序，提前预测患者疾病，让患者早做预防。 需求：利用大数据以及基因测序等技术，使用大量基因数据，通过肿瘤基因检测、遗传基因检测以及传染病检测等程序，预测人类疾病风险的发生。

场景8：未来十年慢病发病风险评估

通过患者的身高体重、年龄、历史血压，血糖，血氧数据、低密度脂蛋白数据、高密度脂蛋白数据、甘油三酯数据、本人高血压糖尿病疾病历史、家族病史、生活习惯（烟酒、运动、饮食）等，对患者未来十年慢病发病风险进行评估，要求给出预测结果数据，并具有可行的商业模式以及切实可行的操作路径。

场景9：儿童未来十年身高预测

通过儿童的出生日期、顺产or剖腹产、出生身高体重、性别、目前身高体重、父母身高、0-6个月喂养方式、母乳时长、宝宝用药情况、饮食情况（鸡蛋、牛奶、）、锻炼情况、睡眠情况等，预测儿童未来十年身高，并根据预测结果为特定儿童提供身高诊断报告，要求给出预测结果数据，并具有可行的商业模式以及切实可行的操作路径。

场景10：骨质疏松型骨折发生概率（40岁以上）

通过患者的年龄、性别、低骨密度指数、BMI指数、既往脆性骨折史（尤其是髋部、尺桡骨远端及椎体骨折史）、抽烟饮酒、饮食习惯、运动习惯、父母骨密度、接受糖皮质激素治疗、是否有关节炎等数据预测40岁以上人群的骨质疏松型骨折发生概率，要求给出预测结果数据，并具有可行的商业模式以及切实可行的操作路径。

场景11：探索大数据居家养老新模式

背景：数据显示，到2020年，我国老年人口数量将达2.6亿人。其中，失能和半失能老年人口将突破4600万。老年人在生活照料、医疗卫生、康复护理等方面需求正在不断增加。目前，国内主要的养老模式有三种，分别是机构养老、居家养老和社区养老，三种养老模式在国内的占比约为3%、96%和1%，居家养老绝对占据主流。在居家养老服务体系中，收集、分析和解决大量分散居住老年人群的养老需求是重要基础。 需求：针对目前国内居家养老存在的问题，研究设计关于居家养老服务的硬体或软体，利用大数据技术连接居家养老的各种服务，完善居家养老服务的信息化程度，建立医院、医疗机构、社区、家庭等于一体的合作交流平台。要求方案具备一定的创新性，并具有可操作的商业模式。

场景12：利用大数据调节睡眠，改善睡眠质量

背景：伴随著快节奏的生活和压力，居民「睡不好」、「睡不著」的问题存在普遍性。据世界卫生组织调查，在世界范围内约1/3的人有睡眠障碍，而在我国患有各类睡眠障碍的人的比例明显高于世界27%的水平，因睡眠障碍引发的睡眠健康等一系列问题正在吞噬人的精神和健康。伴随著人们对健康睡眠的愈加重视，如何利用大数据技术，布局「互联网」+「睡眠」市场，让智能睡眠监测快速走入大众生活，让睡眠真正成为一种享受，成为一个新的课题。 需求：针对居民的睡眠障碍问题，研发设计能够监测居民睡眠状况的硬体或软体，利用大数据技术连接与睡眠相关的硬体、软体、可穿戴设备等，打通各平台数据，更好地监测居民的睡眠状况和睡眠质量，通过对居民睡眠数据的分析，为其自动订制一套改善睡眠质量的解决方案，打造「睡眠+」的大健康生态生活圈。要求方案具备一定的创新性，并具有可操作的商业路径。

场景13：用大数据改善慢病管理，提高患者生活质量

背景：慢病已经成为21世纪危害人们健康的重要公共问题。根据国家卫生计生委疾控局2014年数据，我国现有确诊慢病患者近3亿人，而且发病率以每年8.7%的速率上升。具有病程长、流行广、费用贵、致残致死率高等特点。慢病对于患者的健康和生活往往会产生严重的影响，而且会给患者的家庭和社会带来严重的负担。因此，利用大数据技术科学而完善的慢病管理显得更加重要。 需求：针对目前我国慢病管理现状，研发设计可改善慢病管理的硬体、软体和智能可穿戴设备。并能够利用大数据技术科学而完善地改善慢病患者身体状况，包括：（1）实时跟踪用户身体状况。（2）根据检测数据为用户实施个性化的健康管理方案。（3）基于数据的健康管理能降低重病发病率，减少医疗支出。要求方案具有一定的创新性，并具备可操作的商业路径。

场景14：大数据助力优生优育，创建幸福家庭

背景：优生优育能够提高人口质量，控制人口增长。在实现优生优育的过程中，孕妇需要进行产前检查，重视宝宝是否有出生缺陷，关注孕期营养与妊娠期疾病。等孩子出生，准妈妈要关注孩子的饮食、身体状况，为宝宝营造一个良好的生活环境。实现优生优育过程中的每个环节，都可以利用大数据技术来提高效率，帮助母婴群体更好地了解自己的身体状况。 需求：针对优生优育的各个环节，研发设计能够实现优生优育的硬体、软体和智能可穿戴设备等。利用大数据技术优化产前诊断流程，提高医生诊断效率，降低胎儿出生缺陷率；研发设计适合孕妇的智能可穿戴设备，实时监测孕妇饮食、起居和身体状况，通过对孕妇健康状况的分析，针对性地对孕妇推荐孕期食谱和注意事项等。要求方案具备一定的创新型，并具有可操作的商业路径。

场景15

问题：放射科医生的工作强度高，工作效率亟待提升。 解决方案：希望通过AI方法，对医院日常所拍摄的大量CT、MRI等肺部医学影像数据进行快速处理，涵盖内容如下：

1.针对影片进行图像识别和机器学习，圈出疑似病灶的位置；2.针对于已经确认的病灶，通过图像识别方式对病灶尺寸的直径、面积和体积进行快速测量，并给出具体数据；3.根据疾病发展阶段对医学影像进行逐层筛选，并给出对应的病情分类和解决建议；4.针对专一病种，需给出概率数据。

场景16

问题：妇幼医院的产前诊断需要处理大量不清晰的染色体图像，以及对于染色体进行配对分型。目前的流程会消耗大量人工时间，并且对于准确率要求很高。 解决方案：需要人工智慧从众多图片中找到较清晰的染色体图片并且将染色体配对分型。

场景17

问题：妇幼病人存在大量科普性需求，各大综合在线问诊平台至少30%以上的咨询来自妇产科和儿科，再加上大量母婴垂直平台，问询数量将更加巨大。 解决方案：需要运用人工智慧机器学习和自然语言处理技术，研发科普型在线问诊智能医生。 需求提供方：上海市第一妇婴保健院

场景18

问题：妇幼医院的产科超声标准切面图全靠超声医生凭经验截取，速度慢且难度大，因此很多检查无法大量开展，比如NT测量。多胎患者的超声更难完成，尤其对于没有经验的医师。 解决方案：需要人工智慧从三纬图像中获得多切面图片，从中筛选出标准切面、解读标准切面图像指标：从易到难，并且从单胎图像向多胎图像进展，从单一器官向多器官进展。 需求提供方：上海市第一妇婴保健院

场景19

问题：一名医生1天需要看100多名患儿，每个患儿的就诊时间也就3-5分钟，不能满足家长希望与医生多沟通多交流的期望。很多家长反映，自己还没有跟医生讲完病情，医生已经开具处方；另一方面，家长对儿童医疗健康知识比较匮乏，跟医生沟通过程中没有掌握基本要领和关键点。 解决方案：希望建立医疗大数据智能问答应用平台，嵌入到医院移动医疗平台中。家长在平台挂号后，系统自动推送针对就诊症状和疾病相关注意事项，并提醒家长在就诊中与医生沟通的要点，让家长在就诊前可以事先了解疾病相关症状，提高就诊效率。

场景20

问题：骨龄检测标准复杂并且重复，人肉眼做容易有误差。 解决方案：人工智慧可以极大提高放射科医生在该检测中的工作效率和准确度。基于PACS手腕骨X线影像数据的自动骨龄检测与报告系统开发与临床应用研究，希望建立「 国际通用的G-P图谱法」计算机自动化系统和「骨龄诊断报告智能化」系统，通过应用深度学习等建立新的「骨龄评估常模」。

推荐阅读：

相关文章