2021年上旬，应陕西某公司要求，北京七星蓝图科技有限公司利用先进的知识图谱解决方案，协助某企业完成了数字化转型，为企业构建了关系数据模型，系统主要实现了如下功能：
1、根据用户的业务需求及使用场景，完善用户结构化数据的信息采集；
2、通过核心算法以及人工智能技术，在用户结构化数据的基础上，搭建用户非结构化数据的关系模型，构建知识图谱平台；
3、通过知识图谱以及BI技术，对数据模型的分析结果进行展示。
一、实施背景
陕西某公司在本次项目建设以前，客服并没有构建完整的业务数据关联模型，所有数据采用的是原始的集中式存储方案，数据之间采用了表格结构式的关系进行关联，表格之间的对应关系并没有完全打通，此类方案最大的弊端就是在日常的业务管理中，每个问题决策都需要投入大量的人力成本，因为所有表格与数据、数据与数据、数据与关键字之间的关联关系，即非结构化数据，都需要通过人工去记忆。当决策过程中出现了大量的非结构化数据时，任何的决策都需要决策者及其辅助人员具备非常强的专业性，二是数据容易出现纰漏和偏差，从而也就导致了最终的决策过程非常缓慢，偶尔还会出现不公平、不合理的情况。
二、实施目标
此系统建设的目的在于，通过对该客户分布在全国各地分公司日常物资消耗情况的数据抽取，利用七星蓝图的核心算法进行分析，再辅以人工智能技术，帮忙该客户构建基于各地分公司仓储、物流、生产、损耗等数据的网状关联结构数据库，形成完整的业务知识图谱。
三、建设内容
七星蓝图为此客户搭建了大数据分析系统，通过使用知识图谱的自动抽取技术，可以在表格与数据之间的结构性数据关系以外，建立新的关系维度，也就是非结构化数据关系，通过对非结构化数据的不断增加与积累，最终可以形成企业运营的大数据应用平台，使企业的管理者能够对企业日常的运营问题进行数据挖掘，对工作流程、物资配给、物流路线、仓储管理等方面进行深度优化，在提升企业运营效率的同时，减少相关的人力投入，降低企业经营的边际成本。
四、项目建设过程及成果
第一部分，对用户各地分公司的基础信息进行了结构化的梳理，其中主要包括工作场地、生产能力、配套设备、物流配送、人员信息、仓储信息等内容。
第二部分，根据用户最终需要进行决策的业务、人员信息、仓储信息等内容进行梳理。
第三部分，根据用户最终需要进行决策的业务场景，利用人工智能技术，对每项内容的各项维度的信息进行抽取，完善用户的结构化数据库。
第四部分，通过添加核心算法，从结构化数据库中提取出非结构化的数据信息，建立非结构化数据库，并最终形成完整的知识图谱。
五、客户评价
客户对于七星利用先进的知识图谱解决方案协助其完成数字化转型，并为其构建关系数据模型的交付成果给予肯定，对于工作效率给予认可，对于服务态度给予了表扬。