IDC評估報告顯示，全球超過80%的資料以非結構化形式存在，僅有0.5%的資料被分析運用，許多有價值的非結構化資料并沒有得到有效利用。
不同資料來源通過不同的知識擷取方式建構知識圖譜
在醫療器械企業中存在着多源異構資料，各個資料子產品間由于存儲方式的不同，資料類型的差異等因素，使得原本存在關聯的資料無法進行關聯，進而形成了“資料孤島”。應用達觀知識圖譜，能夠将不同來源、不同結構的資料類型進行抽象模組化，基于可動态變化的“概念，實體，屬性，關系”資料類型，實作各類資料的統一自動化模組化，同時實作知識搜尋，問答，失效歸因分析等功能，成功喚醒“沉睡知識”，為企業賦能。
圖譜的具體設計
達觀資料基于豐富的業務場景經驗發現，許多醫療器械行業由于産品研發的資料安全性以及知識産權等因素，在出現多源異構資料的“資料孤島”問題的同時，還要考慮文檔管理權限問題。僅限一小部分人員能夠查閱全文并不是最優解，文檔中勢必會有能夠開放分享學習的内容，例如在産品文檔中提及的使用裝置、檢測工具等不敏感但可共享的知識。是以這導緻了許多相通領域的技術與知識無法在企業内部進行充分的複用與流動，在一定程度上降低了工程師們對知識的檢索效率，進而會減慢企業内部的醫療器械産品研發跟疊代程序。在圖譜建構的過程中，首要的棘手問題就是多源異構資料的整合，其重點在半結構化資料與非結構化資料的結構化處理工作。達觀知識圖譜支援多種資料類型的接入如文檔、圖檔、視訊等，面對這些類型的資料，達觀将采用自研的OCR技術進行掃描件中的文字識别，其準确率得到了衆多使用者的認可，以及結合達觀資料自研的文本抽取與NLP技術能夠高效的将半結構化與非結構化資料進行結構化進而完成顯式、易了解、可推理、面向人的知識圖譜，進一步實作自然人機互動與工作自動化。
知識引擎與機器智腦
達觀知識圖譜根據企業的實際業務場景建構産品的細分知識庫，将多源異構資料中有價值的資料知識以及曆史經驗進行提取，進一步建構醫療器械産品相關的知識圖譜，再通過圖譜産品的圖譜搜尋與智能問答等功能，使得工程師可以從海量且異構的資料中快速且準确的找到所需的資料，不僅充分利用了資料的關聯性與相關經驗的沉澱，還進一步的提升了企業内部的知識共享能力等軟實力。
知識的積累與沉澱是智能化的必經之路
達觀知識圖譜建構時，在涉及敏感資料時與企業的權限管理保持高度的一緻性，在拓展共享的同時兼顧權限收斂，可根據使用者對敏感資料的實際權限來決定是否展示。例如，無權限的使用者搜尋某産品的文檔資料時，為其展示部分脫敏資料。達觀資料基于自然語言處理與知識圖譜技術與企業攜手建構的知識圖譜平台，通過知識圖譜的搜尋、問答、可視化探索與文檔溯源功能，為企業新入員工快速熟悉産品與老員工的知識沉澱，還可利用圖譜進行資料分析，提升醫療器械的研發效率。與此同時，有效促進企業資料的标準化工作，為企業發展帶來長遠的影響。