兰州交通大学智能问数系统赋能校园后勤 开启“AI+数据”服务新范式

　　兰州交通大学推出基于大模型技术的“交大AI问数”，聚焦后勤管理场景，以“AI+后勤”为核心，解决校园数据治理与业务应用脱节问题，通过多源数据构建“对话即服务”模式，并提供数据看板、深度解读、报告撰写等功能，展现学校在AI赋能校园领域的领先实践。

AI问数

　　一、场景突破：“AI+后勤”重构校园数据服务生态

　　交大AI问数以后勤管理为核心切入点，接入后勤用餐、洗浴及人事管理场景全量数据，实现从“数据孤岛”到“对话式洞察”的跨越，并通过“数据看板”“数据解读”“数据报告”强化服务能力：

　　（一）自然语言驱动的精准数据查询

　　系统通过教育领域语义建模，能精准理解校园高频后勤需求，比如：

　　“昨天学生用餐的主要时间段”

　　“昨天百苑餐厅的消费情况”

　　“上周和这周洗澡的学生人数相差多少”

　　系统支持多维度组合查询（如“按餐厅+师生类别统计早餐消费人数”），成为后勤管理的“智能数据助手”。

　　（二）从数据查询到全流程业务响应

　　1.个性化数据看板

　　用户可根据日常工作习惯，将高频查询数据（如“各食堂每日用餐情况”“学生洗浴次数及金额”）一键添加至数据看板，实时更新关键指标，直观呈现后勤运营趋势。

数据看板设计器

　　2.大模型深度解读

　　将数据看板中的指标（如“本周用餐率波动数据”）提交给本地大模型，系统会自动生成多维度分析。“从一天数据看，女生早餐和午餐就餐率明显高于男生。”，为后勤决策提供“数据+洞察”的双重支撑。

数据解读

　　3.自动化数据报告撰写

　　上传标准化报告模板（如《月度后勤运营分析报告》）后，系统会自动解析模板中的数据需求（如“各食堂用餐情况”“洗浴人次及消费金额”），通过问数功能获取结果并自动填充，完成后可导出报告，将报告撰写周期从传统1天缩短至10分钟。

报告撰写

　　二、技术领先性：“AI+后勤”的底层支撑体系

　　交大AI问数的核心竞争力源于“领域模型+知识图谱+工程化实施”的融合，为后勤场景提供有力技术支撑：

　　高校领域语义建模：能精准识别“食堂-窗口-用餐时段”“公寓-洗浴时长-使用频率”等专属术语，语义理解准确率达99%，超过通用大模型。

　　动态知识图谱：梳理“食堂-消费-师生-时间段”“师生-洗浴设备-消费”等实体关系，支持跨表关联查询（如“分析某餐厅经营种类与用餐人数的关联性”）。

　　数据权限精细化控制：建立严格的权限隔离机制，后勤数据（用餐、洗浴等）与其他数据分开存储、独立授权，保障数据安全。

　　移动架构支持：适配手机、平板等设备，后勤管理人员可通过移动端看板实时掌握现场情况。

AI问数移动端

　　三、未来展望：构建全校数据智能协同生态

　　交大AI问数以“AI+后勤”为起点，正逐步拓展为覆盖全校的智能数据中枢，未来将重点推进

　　（一）深化后勤场景的数据工具能力

　　优化“问数-看板-解读-报告”全流程，升级语义理解模型以支持更复杂的后勤查询，增强看板自定义功能，提升解读的行业适配性并输出专业建议，拓展报告模板库以覆盖更多场景。

　　（二）加速全校数据的分阶段接入

　　在保障数据安全与独立管理的前提下，分批次纳入教学、科研、学生管理等领域数据，最终形成覆盖“教-学-管-服-研”全链条的数据池。

　　（三）打造跨场景数据协同的智能中枢

　　未来，系统将通过统一的数据交互入口，让各部门既能调用本领域数据，又能在授权范围内实现跨场景数据关联分析，最终实现全校数据的“智能协同、价值共生”。（武凌）