导语： 12345 热线是城市治理的"晴雨表"——每天成千上万的工单背后，藏着问题的高发区域、频发人群与风险苗头。奥腾科技基于 Ottomi-Nexus 多模态 AI 数据中台为某区城市运行管理中心构建智能决策分析系统，以多维分析模型、关系图谱与大模型能力，让热线数据从"接得住"走向"看得透、防得住"。

一、项目背景

12345 市民服务热线是感知城市运行的重要触角，工单数据同时包含时间、空间、主体、事项四个维度，是典型的**多模态城市运行数据**。某区城市运行管理中心承担全区热线工单的流转、督办与分析职责，随着"接诉即办"改革深化，对热线数据的要求已从"处置完每一单"升级为"从每一单中读出规律"——哪里在反复投诉？哪些矛盾正在酝酿？治理资源应该往哪里倾斜？

然而，热线工单以非结构化文本为主，传统 BI 手段难以穿透文本内容挖掘深层规律，中心迫切需要一套面向热线场景的智能分析决策能力。

二、核心痛点

业务痛点

1. 问题溯源难。 工单分析停留在"数量统计"层面，缺少对诉求本质规律的下钻挖掘，问题预防无从谈起。

2. 风险识别滞后。 "一人多诉"、集中投诉等风险苗头靠人工翻单发现，往往等到舆情发酵才介入，错失处置窗口。

3. 分析报告成本高。 周期性的热线分析报告依赖人工取数、制表、写稿，一份报告耗时数天，数据时效性差。

IT 痛点

1. 多源异构数据难融合。 工单文本、话务录音、网格空间数据、委办局处置数据分散存储，缺少统一的数据底座与分析平台。

2. 关系型数据与非结构化数据联合分析能力缺失。 传统数仓难以支撑"人-地-事-单位"多维关系建模与图谱分析。

三、解决方案

1. 统一数据底座：多模态数据一站式归集

依托 Ottomi-Nexus 多模态 AI 数据中台，将工单文本、话务数据、地理网格数据、委办局业务数据统一归集入湖；AI 编目与 AI 质检自动完成数据标准化，为上层分析提供可信数据底座。

2. 多维分析模型：融合时间、空间与处置联动

构建多维分析模型，融合时间序列、区域网格对比、处置联动分析：支持按街镇、委办局、事项类别、时间周期多维下钻，穿透工单数据洞察问题本质规律，为"未诉先办"提供依据。

3. 热点与画像图谱：让"人-地-事-单位"关联起来

构建多维关系图谱，刻画投诉人画像与诉求焦点：高频词云实时呈现全区诉求热点；"人-地-事-单位"复杂关系模型自动识别同一主体在不同场景下的关联诉求，让反复投诉、跨部门推诿等问题显性化。

4. 智能预警监测：从"事后处置"到"事前干预"

上线实时异常预警能力：秒级播报紧急事件，智能识别"一人多诉"、集中投诉等异常模式；质量考核预警动态展示各街镇"四率"（响应率、解决率、满意率、按时办结率）末位排名，直击质量瓶颈。

5. 大模型智能检索与报告生成

基于寻数问数智能体对接大模型能力：业务人员以自然语言查询"上月违建投诉走势""某街道高发问题 TOP5"等，系统自动检索数据并生成图表；分析报告一键自动生成，覆盖关键词时间走势、地域分布、处置效能等全景内容。

四、落地成效

- 预警时效跃升： 紧急事件与集中投诉从人工发现（小时级）提升至秒级播报，重复投诉、多人同诉等风险苗头平均提前约 48 小时介入处置；

- 报告效率提升： 周期性分析报告由人工数天编制压缩至一键生成，月度报告产出时效提升约 80%；

- 治理精准度提高： 依托热点图谱与画像分析，全区高发问题识别准确率明显提升，季度重复投诉率稳步下降；

- 基层减负： 各街镇考核数据自动汇聚、动态排名，人工统计核对工作量下降约 60%，基层人员将更多精力投入现场处置。

五、客户价值

本案例展示了热线数据从"接诉即办"的副产品转变为城市治理决策资产的完整路径：多维分析模型解决"看得见"，关系图谱解决"看得懂"，智能预警解决"防得住"，大模型检索报告解决"用得上"。对城市运行管理而言，系统沉淀的不仅是一套分析工具，更是一套"数据发现问题、数据驱动决策、数据评价成效"的闭环机制——治理资源投向哪里不再凭经验，而是由数据说话。这一模式可平滑复制到城市管理、市场监管、应急指挥等同类场景。