多源异构企业数据驱动的AI服务动态优化方法及系统与流程

本发明涉及数据处理领域，具体涉及多源异构企业数据驱动的ai服务动态优化方法及系统。

背景技术：

1、在企业数字化转型的推进过程中，企业内部已积累起分布于erp企业资源计划、crm客户关系管理、mes生产制造执行、财务核算、oa协同办公等多套异构业务系统及各类非结构化数据载体中的海量企业数据，不同数据源在数据格式、存储方式、更新频率与业务语义口径上存在显著差异；与此同时，企业基于上述数据部署了销售销量预测、客户流失预警、产品质量检测、财务风险识别、智能排班等多类ai服务，但现有技术中各类ai服务通常独立构建专属的数据处理链路，每条链路均需从零完成数据接入、清洗转换、业务语义解析等全流程处理，不同ai服务间的语义处理能力无法共享复用，不仅造成开发资源与算力资源的重复浪费，也导致不同服务的数据业务语义口径难以统一，当新ai服务上线或原有服务迭代升级时，均需重新搭建完整的数据处理链路，存在部署周期长、业务响应速度慢、数据处理一致性差的缺陷，难以快速适配动态变化的业务场景需求。

技术实现思路

1、本申请提供了多源异构企业数据驱动的ai服务动态优化方法及系统，旨在解决现有ai服务通常独立构建数据处理链路，导致部署周期长、响应速度慢、数据处理一致性差的技术问题。

2、鉴于上述问题，本申请提供了多源异构企业数据驱动的ai服务动态优化方法及系统。

3、本申请公开的第一个方面，提供了多源异构企业数据驱动的ai服务动态优化方法，该方法包括：

4、获取多个企业数据源中的企业数据，以及基于所述企业数据执行的多个ai服务对应的数据处理链；获取待执行ai服务的服务任务，根据所述服务任务确定待处理企业数据对象及所述待处理企业数据对象对应的目标业务语义，并根据所述目标业务语义确定所述待执行ai服务所需的目标语义处理结果；从所述多个ai服务对应的数据处理链中确定与所述目标业务语义对应的语义处理节点，将所述语义处理节点形成的语义处理结果与所述目标语义处理结果进行匹配，以确定可复用语义处理节点以及补充处理节点；根据所述可复用语义处理节点在对应数据处理链中的处理顺序确定共享处理段，将所述补充处理节点接入所述共享处理段的输出端以重构所述待执行ai服务的数据处理链，并基于重构后的数据处理链执行所述待执行ai服务。

5、本申请公开的另一个方面，提供了多源异构企业数据驱动的ai服务动态优化系统，该系统包括：

6、采集模块，用于获取多个企业数据源中的企业数据，以及基于所述企业数据执行的多个ai服务对应的数据处理链；处理模块，用于获取待执行ai服务的服务任务，根据所述服务任务确定待处理企业数据对象及所述待处理企业数据对象对应的目标业务语义，并根据所述目标业务语义确定所述待执行ai服务所需的目标语义处理结果；匹配模块，用于从所述多个ai服务对应的数据处理链中确定与所述目标业务语义对应的语义处理节点，将所述语义处理节点形成的语义处理结果与所述目标语义处理结果进行匹配，以确定可复用语义处理节点以及补充处理节点；执行模块，用于根据所述可复用语义处理节点在对应数据处理链中的处理顺序确定共享处理段，将所述补充处理节点接入所述共享处理段的输出端以重构所述待执行ai服务的数据处理链，并基于重构后的数据处理链执行所述待执行ai服务。

7、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

8、通过对存量ai服务的全链路数据处理流程进行标准化拆解并标记其中的语义处理节点，以待执行ai服务的目标业务语义为基准，与存量语义处理节点的输出结果进行数据对象、业务语义、数据字段、数据范围、数据状态多维度匹配，识别可复用语义处理节点并整合形成共享处理段，仅需补充适配字段、范围、状态差异的补充处理节点即可重构目标ai服务的数据处理链，缩短ai服务的部署与迭代周期、降低开发与算力资源消耗，同时保障了不同ai服务间数据业务语义的统一口径，提升企业ai服务的响应效率与数据处理质量。

9、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

1.多源异构企业数据驱动的ai服务动态优化方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，根据所述服务任务确定待处理企业数据对象及所述待处理企业数据对象对应的目标业务语义，方法包括：

3.如权利要求2所述的方法，其特征在于，根据所述业务环节从所述待处理企业数据对象中确定对应的业务语义信息，所述待处理企业数据对象包括同一企业业务对象在不同企业数据源中的关联数据对象；

4.如权利要求1所述的方法，其特征在于，根据所述目标业务语义确定所述待执行ai服务所需的目标语义处理结果，方法包括：

5.如权利要求4所述的方法，其特征在于，将所述语义处理节点形成的语义处理结果与所述目标语义处理结果进行匹配，以确定可复用语义处理节点以及补充处理节点，包括：

6.如权利要求5所述的方法，其特征在于，根据所述匹配关系确定所述可复用语义处理节点以及所述补充处理节点，包括：

7.如权利要求6所述的方法，其特征在于，根据不一致的数据字段、数据范围或数据状态确定所述补充处理节点，方法包括：

8.如权利要求1所述的方法，其特征在于，根据所述可复用语义处理节点在对应数据处理链中的处理顺序确定共享处理段，方法包括：

9.如权利要求1所述的方法，其特征在于，获取所述企业数据执行的多个ai服务对应的数据处理链的方法包括：

10.多源异构企业数据驱动的ai服务动态优化系统，其特征在于，用于实施权利要求1至9中任意一项所述多源异构企业数据驱动的ai服务动态优化方法的步骤，所述系统包括：