Chapter01_什么是本体?从 Palantir 谈起

简介: 本文解析Palantir成功背后的“本体”方法论:将业务对象、关系、规则与行动统一建模,使数据真正驱动决策与执行。以坦帕医院为例,本体助力患者安置效率提升83%,揭示企业级AI落地的关键——不是堆砌数据,而是构建可理解、可判断、可执行的业务语义体系。(239字)

2025 年,Palantir 的收入达到 44.75 亿美元,同比增长 56%。当年商业收入的增量中,超过一半来自已有客户。作为一家商业软件加服务的公司,Palantir在商业上的巨大成功,与其独特的本体方法论息息相关。本文讲从本体的角度,理解为什么Palantir能够在商业上取得如此大的成功?

美国坦帕综合医院从 2021 年开始使用 Palantir,到 2024 年,应用已从一个场景扩展到十多个。医院披露,患者安置所需的时间减少了 83%。对医院而言,软件服务于日常资源协调,其价值也应通过资源协调效率与质量的提升来衡量。

Palantir 值得借鉴的一项核心设计,是把业务对象与操作组织在同一套模型中,让人能够依据数据作出判断,并继续处理业务。 这套模型就是它称为 Ontology 的本体。以医院为例,软件既要知道哪张床可用,也要能支持为某次入住安排床位。

对于已经积累大量数据的企业,值得追问的是,系统发现问题以后,能否帮助业务人员把问题处理下去?

如果你关心企业本体怎样利用已有数据,可以先了解 Dataphin 的数据建设与治理能力,再沿本文理解业务对象与行动的关系。

本体把业务对象、判断规则与行动组织起来

本体,是一套对企业业务世界的共同定义。 它明确客户、车辆、订单等业务对象分别代表什么,怎样描述它们,以及它们之间如何联系。在 Palantir 的体系中,本体还组织业务判断逻辑和可执行的行动,让业务人员与 AI 能够依据同一套含义理解情况、作出判断并推进工作。

可以把它理解为一本“企业操作说明书”。它说明企业里有哪些业务对象,也解释这些对象怎样联系、在什么条件下需要采取什么行动。下图用对象、关系、规则和行动四个部分展开这一比喻。

image.png

对象,是说明书里的“零件清单”。 对象代表企业需要识别和管理的业务事物,例如一辆车、一位客户或一笔订单。每个对象都有自己的身份,以及描述它的属性。车辆可以有车架号、车型和上次保养日期;订单可以有金额、下订时间和交付状态。团队由此能够明确,自己讨论的是哪个对象,以及它当前处于什么状态。

关系,是“零件”之间的“装配图”。 一位客户下了一笔订单,订单对应一辆车,车辆又有多次保养记录。把这些联系明确下来,就能沿着车辆找到相关客户和服务历史,让分散的记录形成可以核对的业务上下文。同一个人可以同时是购车人和用车人,也可能只承担其中一种角色,关系需要把这些含义区分清楚。

规则,是说明书里的“运行原理”。 假设企业约定车辆距离上次保养满12个月时需要提醒,就应明确从哪次记录开始计时、哪些车辆符合条件,以及已经预约的客户是否还需要提醒。规则把业务经验变成可重复使用的判断依据,让团队对“哪些客户需要跟进”的理解一致。这里的12个月仅用于解释规则,实际条件由业务确定。

行动,是说明书里的“操作按钮”。 行动定义可以对业务对象做什么,例如创建保养跟进任务、发送通知或登记预约。每项行动都需要明确操作对象、输入信息、执行条件和权限,并记录执行结果。“这辆车需要保养”的判断,才有可能落实为一次可追踪的客户服务。

在这个简化示例中,车辆对象提供上次保养日期,客户与车辆的关系确定联系对象,规则判断是否需要提醒,行动则完成通知或创建跟进任务。对象与关系帮助理解业务事实,规则和行动进一步把判断接到实际工作上。

先分清患者与本次入住,才能处理正确的那件事

我们现在利用患者安置的场景,理解这些定义怎样发挥作用。

一名患者可能多次入院。患者身份回答“是谁”,本次入住回答“正在处理哪一次就医”。这两个对象的含义不同,等待时间、床位安排和相关状态都应当对应到具体的一次入住。

假设工作人员要查看某位患者当前的安置情况。系统需要先找到患者,再找到本次入住,沿着入住与床位的关系查看安排。如果只按患者姓名汇总历史记录,就可能把上次入住的床位当成这次安排。即使姓名完全正确,业务含义仍然可能错位。

这就是本体首先要解决的问题。它要规定“患者”和“入住”各自代表什么,怎样辨认同一个对象,以及两者之间怎样关联。实际接入数据时,再把患者编号、入住编号和相应记录映射到这些定义。

本体中的对象还可以是医院资源。“床位”具有编号、当前状态等属性,通过“属于”关系关联到“病区”。业务人员从某次入住出发,可以查到对应患者和已安排的床位,再查到床位所在的病区。每一步都有明确的关系含义。

模型中的内容 医院模型中的例子 解决的问题
对象 患者、本次入住、床位、病区 当前讨论的是谁、哪件事或哪项资源
属性 入住时间、床位编号、床位状态 这个对象有哪些具体信息
关系 入住属于某患者,入住安排到某床位,床位属于某病区 不同对象怎样对应
业务逻辑 按业务条件判断本次入住可使用哪些床位 已有事实满足什么条件
行动 为本次入住分配床位,并记录安排结果 怎样按规定改变业务状态

本体定义“床位状态”的含义,业务数据提供某张床此刻的状态值。 当数据更新时,状态值会变化;当医院调整什么叫“可分配”时,业务定义也需要随之维护。把两者对应起来,软件才能使用数据回答业务问题。

这也说明,建设本体需要业务团队和数据团队一起参与。业务团队确认对象、关系和判断条件;数据团队核对标识、字段与更新方式。字段名称相同,不能保证含义一致;含义已经约定,也还需要可靠的数据来支持。

从空床到可分配床位,中间还有业务逻辑

床位处于空闲状态,只说明一项事实。它是否适合本次入住,还取决于患者需求、床位条件和医院规定的安排要求。

在医院废模型中,可以先找到当前等待安置的入住记录,再筛选状态可用、条件相符的床位,形成待确认的候选集合。这里的“条件相符”需要由业务人员明确,并由软件中的逻辑实现。涉及诊疗和护理的专业要求,仍由相应专业人员制定和判断。

本体将这段逻辑与它使用的对象联系起来。输入是某次入住和相关资源,输出是符合已定义条件的候选床位。使用者能够核对筛选依据,也能发现输入缺了什么。若缺少必要条件,系统应保留待确认项,不能仅凭“空闲”就认定可以安排。

逻辑还可以用于解释指标。若团队要比较患者安置耗时,就要约定从何时开始计时、何时算安排完成,并明确统计哪些入住记录。不同报表采用同一套定义,才有条件比较变化。统计结果可以提示哪一环节需要检查,后续处理仍要回到具体入住和资源。

已有数据建设中的对象、活动和指标定义,能够为这项工作提供材料。Dataphin 的业务实体指南介绍了对象、事件、快照与流程的区分,可以帮助团队梳理现有定义的适用范围。

行动把一次决定变成可以核对的业务变化

工作人员选择候选床位后,还需要正式提交安排。一次“分配床位”应当指明处理哪次入住、选择哪张床,以及提交后修改哪些关系和状态。

Palantir 用动作类型(Action type)定义一类操作允许进行的变更,以及相关处理逻辑。具体执行时,再传入本次操作的对象与参数。前面的“分配床位”可以用它理解动作类型与一次实际操作的区别。

对这项行动,需要分别核对两个条件。执行人是否有权分配床位,决定谁可以提交;提交时床位是否仍然可用,决定当前能否进行安排。能够查看床位信息,并不自动获得操作权限。几分钟前得到的候选结果,也不能代替提交时的状态检查。

安排成功后,系统应保留本次入住与床位的关联,使后续查询能看到已确认的结果。若还涉及外部医院系统,就需要按实际接口核对写入和回执。模型里的行动定义,要通过相应软件和业务流程执行,才能形成真实变化。

因此,查询与行动有不同的验收结果。查出候选床位,可以帮助工作人员作判断;确认并记录分配,才表示安排已形成。二者使用相同的业务对象,操作目标和完成证据各自明确。

不同应用可以使用共同定义,AI 也需要遵守它们

全院协调人员需要查看等待安置的整体情况,病区工作人员关注本病区的具体安排。两种界面可以不同,但“本次入住”和“床位”的含义应当一致,相关操作也需要遵循共同规则。

Palantir 的对象视图(Object Views)把一个对象的属性与关联信息组织在同一页面。下面的官方患者示例中,患者标识和就诊记录分别呈现。读者可以据此观察,对象定义怎样进入使用者实际看到的界面。

image.png

患者标识与就诊记录分别呈现,基本信息和关联记录围绕同一患者组织。

动作的处理逻辑与校验也可以供多个应用使用。若全院协调界面和病区界面都需要分配床位,共同适用的规则可以集中维护。部门之间确有差异的条件,则需要单独说明适用范围。复用成立的前提,是双方使用的业务含义和条件一致。

AI 参与工作时,同样需要这些定义。工作人员提出“找出当前等待安置、可以安排床位的患者”,系统需要将问题对应到本次入住,再按定义查找相关记录和候选资源。生成一段流畅建议,尚不能说明它找对了对象,也不能说明安排已经完成。

Palantir是一家面向政府及企业提供数据分析与AI软件的平台公司。它的一项核心理念,是让数据支持业务决定,并将决定落实为可执行的工作。

在 Palantir 的产品分工中,Foundry 支持数据管理、本体建设与应用开发,AIP 将大模型接入业务信息和工具,Apollo 支持部署与更新。三者为应用运行提供不同能力,本体把其中使用的业务含义组织起来。

image.png

业务应用与 AI 智能体(Agent)使用共同的本体定义。实线表示建设或使用关系,虚线表示部署与更新。

沿用医院模型,AI 可以协助整理候选方案,工作人员按任务设计确认,相关系统再按授权执行行动。每一步都要能回到所使用的对象、依据和结果。这样才能判断问题出在记录不完整、条件定义不清,还是操作没有完成。

从一项具体工作检验本体是否有用

对患者安置而言,本体建设是否有效,可以落到一个完整问题上。系统能否识别正确的本次入住,使用明确条件找到候选床位,再把经确认的安排记录到对应对象上?

其中任一步缺失,都会影响这项工作。对象混淆会指向错误的入住;判断条件不清会让候选结果失去依据;操作结果没有记录,后续人员就无法确认安排进展。把定义、数据与行动对应好,多个岗位才能围绕同一次入住继续协作。

企业开始建设本体,也可以先选一项需要改善的工作,确认完成它必须用到哪些对象和判断条件,再接入所需数据与操作接口。第一轮的范围由工作决定,效果也由具体过程验证。

下一篇从“这个月卖了多少辆车”出发,解释本体怎样统一客户、购车机会、订单和流程节点的理解。

如果正在考虑企业本体建设,可以带着一项具体业务问题,通过瓴羊官方联系入口咨询数据建设与 AI 应用需求。

继续阅读 02 业务对象与口径怎样统一 · 03 Dataphin 的数据模型与知识图谱

资料来源

Palantir 2025 年年度报告,年度收入、已有商业客户收入增量及公司背景。

坦帕综合医院与 Palantir 扩大合作,2024 年 6 月,合作过程、应用扩展及医院披露的患者安置指标。

空客 Skywise Core,平台数据与机队运营应用。

Palantir Ontology 概览与Ontology 系统架构,对象、关系、逻辑与行动。

平台协作关系、本体应用与动作类型,产品职责、对象应用及动作复用。

AIP 架构与架构中心概览,AI 应用能力与现场工程协作。

Palantir 对象视图与患者示例,患者对象视图原图及功能说明;中文导读为编辑注解。

系列作者:莫疑(工号264386)

相关文章
|
18小时前
|
SQL 数据建模 知识图谱
企业本体系列导读:从「本体是什么」到「本体的价值如何体现」
本系列共8篇,以汽车销售为教学主线,系统讲解企业本体与业务语义:从概念定义、团队共识、数据建模、知识图谱,到驱动Agent行动、产品协同、逆向建模、跨次跟进及价值验证,实现语义落地闭环。(239字)
|
22小时前
|
SQL 人工智能 监控
Chapter05_从本体语义到业务行动:Dataphin × WinNexo 的产品架构
本文详解 Dataphin 与 WinNexo 的协同架构:前者加工企业数据与知识,构建可信、可治理的「Data for AI」;后者通过语义中心与大模型推理,实现「AI for Business」,推动知识落地业务。二者分工明确、闭环联动,支撑 Agent 高效回访与决策。(239字)
|
21小时前
|
人工智能 算法
Chapter08_本体项目的价值如何验证?先证明答对,再证明做成
本文提出汽车销售场景下AI Agent试点的四层验收法:验证业务理解正确性、任务完成度、同等质量下的效率提升,以及经营结果变化。强调证据分层、口径统一、可比基线与归因严谨,助力团队科学决策是否扩大应用。(239字)
|
22小时前
|
供应链 知识图谱
Chapter02_本体与业务语义:怎样让团队对“卖了多少辆车”形成一致理解?
本文介绍“业务本体”如何统一团队对销售指标的理解:以“购车机会”为中心,厘清家庭、个人、订单等对象及其关系,明确定义体验、下订、交付等关键节点的发生条件,确保销量、转化率等指标有共同语义基础。(239字)
|
23小时前
|
弹性计算 人工智能 运维
阿里云2026年优惠活动汇总:老客户大促五大福利一次讲清
新购和续费优惠要区分,老客新购套餐库存有限售罄即下线,需关注库存状态;代金券有使用门槛和适用产品范围,部分券不可用于特价实例;老客特惠机型仅限指定地域,跨地域无法享受活动价;部分特价实例不支持降配只支持升级,采购前规划好长期需求;多账号场景下子账号部分权限受限,领取权益和续费建议用主账号操作。把技术约束放在价格之前,先定负载、再匹配配置、最后在活动窗口内下单,才能真正做到又便宜又够用。
25 0
|
22小时前
|
SQL 供应链 数据建模
Chapter03_Dataphin与本体:业务语义怎样落到数据模型与知识图谱中?
本文以家庭购车场景为例,详解如何在Dataphin中通过规范建模(对象/活动/流程)、指标口径配置与知识图谱协同,将模糊业务定义(如“一次购车机会”)精准映射到分散的接待、试驾、订单等数据源,并借助元数据、SQL血缘和文档语义实现可追溯、可核验的数据资产建设。(239字)
|
21小时前
|
人工智能 知识图谱
Chapter07_本体在汽车销售中的应用:从试驾记录到下一次有效跟进
本文探讨汽车销售中“跨次接待”的信息延续难题,强调将客户多次到店统一归属至同一购车机会,结构化整合接待、试驾等碎片信息,生成含“已确认进展—待解决问题—可执行准备”三层的精准简报,助力销售顾问无缝衔接、高效跟进。(239字)
|
22小时前
|
自然语言处理 API
Chapter04_从本体到行动:业务语义如何帮助 Agent 推进销售工作?
本文探讨如何将销售中“客户尚未下订”转化为精准跟进动作,提出以业务语义定义回访任务、Agent协同准备简报、多维度核验执行结果的方法论,助力从洞察到成交的闭环落地。(239字)
|
17小时前
|
JSON 自然语言处理 并行计算
多语言结构化决策开源软件:Deepopen(改进后的 Laya)的非自回归路由与概率校准设计
Deepopen(改进后的 Laya)是一款面向结构化决策场景的开源 System 1 决策引擎,可对文本、邮件、工单和 JSON 状态直接输出分类、评分与二元概率结果。系统通过非自回归推理、语言路由和概率校准,服务于多语言工单分诊、内容审核、提示词防护与模型路由等低延迟流程。其在 CLINC150 与 Banking77 的本地复现对照中分别位于第 2 位和第 5 位。
|
21小时前
|
SQL 监控 前端开发
网站数据分析平台架构与选型实践:事件流建模、转化路径诊断与企业级集成
网站数据分析正从外围访问统计向深度用户行为建模与业务系统集成演进。本文从数字化架构视角,对比百度统计、友盟 U-Web、GA4 与企业级增长分析方案在采集、模型与协同上的技术差异,探讨行为事件对齐、漏斗流失诊断及私有化合规治理实践,为技术决策提供参考。

热门文章

最新文章