D.SPOT会议及活动风险智能管理实践系列文章

一、全景

整体而言，D.SPOT的内部世界以“五模块+双引擎”的组合，构成7块版图。
首先我们来看一下全景（如图1）。

图1：D.SPOT解构全景图

按照会前、会中、会后三个阶段，D.SPOT包含五大功能模块：

会前：1）风险智能预测

会中：2）线上会议管控、3）线下会议管控

会后：4）风险智能感知、5）风险跟进反馈

而从全局功能支撑上，D.SPOT还有“数据可视化”和“场景可配置”两大引擎，分别实现灵活的图表及报告展现，以及不同行业和企业的个性化应用场景与流程配置。

以下我们基于以上7个版图为大家一一进行解构。

二、解构

1）风险智能预测

关键词：特征分析 | 人工智能 | 机器学习

在会前筹备阶段，风险智能预测模块提供了对会议或活动（方便起见，以下统称“会议”）是否存在潜在违规风险的预测判断及提示功能。

首先，D.SPOT团队曾对大量的历史会议数据进行过特征分析，从中选取合规会议（即“好样本”）和违规事项（即“坏样本”），通过好、坏样本的比对，建立起一个多维度的风险特征信息库。

在用户提交每一个会议申请后，平台会启用基于人工智能的特征分析算法去进行“撞库”，即：寻找任何与风险特征高度匹配的情况，从而识别潜在的违规事项。

相较于以往基于指标阈值式的简单模型，D.SPOT目前应用AI特征分析算法后，预测准确率比以往提升了将近50%。

我们来看一个例子：通常而言我们都认为会议风险与申请经费存在较大关联性，所以传统的做法是对经费设一个上限值，当超过上限时进行风险提示。而这其实很容易规避——刻意的适当下调经费即可。

实际上，对历史数据的分析表明，并非是经费越高，风险越大；随着经费申请逐步增高，违规情况反而呈现下降的趋势。

而经过特征分析，D.SPOT的AI模型识别到，会议经费与会议计划时长的比例是更重要的因子，且这一因子偏离同类活动的平均值越多，风险相关性越强。显然这样的特征式分析更科学，实用性也更强。

最后，通过对违规会议特征的持续机器学习和积累，风险特征信息库还会不断丰富，预测准确性也会越来越高。
 

2）线上会议管控

关键词：实时监控 | 量化分析| 灵活适配 | 数据安全

线上会议管控模块基于智能语音及图像分析算法，迅速、高效的对于线上会议的关键风险进行实时监控、自动识别。

典型的潜在违规风险包括：会议出现长时间集体静默、摄像头或分享内容黑屏、参会人数异常等情况，已均可通过语音识别（ASR）、图像识别等算法准确发现并预警（如图2）。

图2：D.SPOT识别线上会议潜在违规风险

其次，对于线下会议通常关注的有效演讲时长、有效参会人员时长等关键管控指标，D.SPOT实现了自动秒级统计精度，这是人工方式统计很难做到的。

同时，在用户授权的前提下，D.SPOT对于演讲的内容能自动进行全篇文字记录，并通过自然语言处理（NLP）技术，与历史会议纪要一同进行全量分析，实现真正的大数据式的风险识别（如图3）。

图3：D.SPOT线上会议风险监控分析报告样例

第三，大家知道线上会议平台种类繁多，对此D.SPOT自主研发了一系列的适配接口，实现了多平台适配（多）、短周期交付（快）、无缝式体验（好）、轻量化开发（省）。目前对于在线视频会议软件、在线学术会议网站、企业内部定制平台均可实现适配。

3）线下会议管控

关键词：远程管控 | 数据采集| 数据校验

对于线下会议，D.SPOT不但支持现场管控，同时也支持远程管控。

在当下疫情挑战下，许多线下会议的管控人员很难及时调动到位，此时远程会议管控就起到了至关重要的作用。在确保管控业务连续性的同时，也保障了管控人员的健康安全，同时大大节省了差旅成本。

其次，线下会议的管控，其信息采集是至关重要的环节，D.SPOT提供了丰富的信息收集类型，包含照片、视频、表单、音频以及实时视频连线等，可基于管控场景及目的自由组合。同时配合地理位置信息及时间戳信息的记录，也进一步确保了信息的真实有效。

 

4）风险智能感知

关键词：全量覆盖 | 算法驱动 | 数据驱动 | 安全保障

相比于传统的抽样管控，D.SPOT实现了颠覆性的管控模式——全量关键风险管控。

“全量”首先体现在会议类型的全覆盖：数字化技术的应用，使得管控范围可以覆盖所有会议，包括线上、线下以及混合型的会议。

“全量”还体现在分析的全覆盖：得益于大数据技术，D.SPOT的分析范围从传统的单场会议分析，转换为全量历史会议数据的交叉比对。

其次，D.SPOT的风险感知由算法和数据共同驱动。

如前文所述，D.SPOT自主研发了针对会议场景的一系列风险识别算法，包括：自动翻拍识别、相似性识别、人物数量自动识别等。这些风险识别算法内涵50余个关键性特征参数，相比于传统的基于风险指标的监测管控方式，实现了更智能、更精准、更动态的风险识别效果。

最后，D.SPOT在关注管控效果的同时，也不忘对于数据安全的保障。无论是数据的存储、传输、分级分类保护等方面，均提供了完善并有针对性的解决方案。
 

5）风险跟踪反馈

关键词：闭环管理 | 灵活配置

对于会议全过程中所识别的风险，D.SPOT提供了针对性的闭环管理方案，从流程设计上满足各类企业不同程度的跟进及闭环管理要求。

同时在系统层面通过可配置流程引擎实现高效的系统落地。在算法层面，基于闭环管控的最终结果，智能调整算法模型。实现了从业务、到系统到算法的全面闭环。

6）数据可视化引擎

关键词：数据展现 | 管理视图

对于会议风险管理的各类结果及趋势，D.SPOT可定制化实现相应的可视化报表，在帮助管理者直观了解风险现状的同时，也帮助各类相关方了解自身管辖领域内的风险状态，并且支持风险事件的下钻分析，实现从现象洞悉到原因分析的一站式可视化管控。

同时对于各类关键风险，实现各类智能推送，进一步提升管控的时效性及对象的精准性。

图4：D.SPOT风险视图可视化示例

7）场景可配置引擎

关键词：灵活配置

D.SPOT后台内嵌了功能强大的场景式可配置引擎。

基于该引擎，D.SPOT不但能够支持会议风险相关的管控，对于商户巡检、经销商检查、实物资产盘点及巡检、门店巡检等各类现场检查场景均能够快速、经济、灵活的实现场景搭建、管控落地、智能识别、闭环管理。

图5：D.SPOT基于个性化需求配置检查项（GIF）

三、结语

以上我们解构了D.SPOT丰富的内部世界。读者可能会想，这些模块和引擎组合起来，究竟能爆发出多大的能量呢？

所以，下一期，我们会通过场景的方式，向大家进一步分享D.SPOT的实战案例。