一.數據中臺概述

01 數據中臺介紹

數據中臺是指通過數據技術，對海量數據進行采集、計算、存儲、加工，同時統一標準和口徑；數據中臺把數據統一之后，會形成標準數據，再進行存儲，形成大數據資產層，進而為客戶提供高效服務.

02 數據中臺設計原則

1.數據的一致性與標準性

2.數據實用性與服務性

3.數據獨立性與可拓展性

4.數據的安全性

5.數據的分級管理機制

03 數據中臺設計的方法

(1)基于面向服務的架構方法（SOA）

基于面向服務的架構方法 (Service-Oriented Architecture，SOA采用基于面向服務的架構方法，構建智慧城市運營中心的業務流程和IT架構。SOA(面向服務的體系結構) 將政府中各個系統應用程序的不同功能單元抽象為服務，通過這些服務之間定義良好的接口和契約聯系起來。

SOA 架構由服務總線、服務目錄、門戶、流程管理等幾個核心組件構成的。這些核心組件協同工作共同支撐服務的部罷、運行與管理監控

(2)業務系統規劃法（BSP）

業務系統規劃法 (BusinessSystemPlanning，BSP) 的關鍵思想是將業務的長期戰略目標轉化為信息系統的戰略目標，通過對業務戰略的分析導出信息系統的規劃；業務系統規劃法(BSP) 的規劃步驟：

1) 準備工作;

2) 調研;

3) 定義業務過程:

4) 業務過程重組:

5) 定義數據類

6) 定義信息系統總體結構:

7) 確定總體結構中的優先順序;

8) 完成 BSP 研究報告，提出建議書和開發計劃。

(3)系統工程論

系統工程方法將相關問題及情況分門別類，確定邊界，側重各門類之間內在聯系，確保處理方法的完整性，采用全面和運動的觀點、方法分析主要問題及整個過程。其具有綜合性、科學性、實踐性的特點。

利用系統工程理論指導軟件開發和維護，主要使用工程化概念原理、技術及方法開展軟件開發、維護的工作。采用系統工程方法是用系統的原理、方法研究系統的對象，立足整體系統，制作出科學的工作計劃及流程，有效的完成任務。

二.數據中臺核心功能

01 數據中臺核心功能

(1)技術架構

目前各政府機構和企業的信息化平臺數據按結構類型主要分為三種，分別是:結構化數據、非結構化數據、半結構化數據三大類

數據中臺主要包含:數據統一采集接入平臺、數據集中處理平臺、數據組織管理平臺、數據組織管理平臺、數據全域治理平臺、數據融合共享平臺、數據分析挖掘平臺、知識圖譜平臺、統一管理平臺、數據可視化平臺等多個平臺系統

(2)層次架構

基于數據資源的需求分析和愿景目標，結合設計規劃方法論、原則和規劃思路，統一數據資源體系規劃建設大數據采集感知體系、數據資源融合體系和信息共享服務體系，將數據安全和數據標準融入二大體系之中，通過智能演進不斷提升數據接入、處理、組織、挖掘、治理和服務的能力，不斷豐富和完善數據中臺。數據資源總體架構圖如下所示:

(3)邏輯架構

統一數據資源體系的規劃建設是數據建設的核心，承載著高效使用底層平臺能力進行海量數據的動態感知采集和接入、標準化和智能化處理、精細化組織、全維度融合、精準可控的共享服務、多手段集成安全等關鍵責任和重任。為實現一述目標，統一數據資源體系規劃了三大體系:大數據感知采集體系、數據資源融合體系以及數據共享服務體系。系統功能設計上，主要包含:數據接入、數據處理、數據組織、數據挖掘和數據治理、數據共享服務。各個模塊的功能構成如下：

(4)數據架構

數據中臺數據架構是針對多源異構的數據場景，在數據組織層面為數據的接入、融合及智能數據應用服務等提供穩定、高效的支撐從數據的接入方式、存儲方式、加工方式、使用方式等方面綜合考慮；

資源庫是在原始庫的基礎上進行數據的規u范化治理及基于數據主題的整合:主題庫是以原始數據、資源數據為基礎，構建實體關系模型并在此基礎上形成的知識圖譜和事理圖譜等，業務庫是為了支撐不同業務場景所定義的相關數據結構。

知識庫是專業領域或與專業領域相關的特征知識數據和規則方法集合。此外還包括整合數據索引信息的統一索引庫;記錄了本平臺及與平臺相關的數據的屬性、位置、數據量、權限等基本信息的數據資源目錄;記錄了技術元數據、業務元數據、管理元數據的元數據庫; 以及為交工分析挖掘規劃的數據實驗空間和記錄平臺相關管理配置信息的管理信息庫。數據架構圖如下：

02 數據統一采集接入平臺

(1)平臺架構

采用統一的數據接入模式，以標準化、模塊化的方式進行多源異構數據資源的接入：提供采集全面、動態可配的數據接入機制，實現數據的獲取分發、策略配置、任務配置、任務調度、數據加密、斷點續傳等數據接入功能；當接入時，同時維護數據資源目錄，以及數據血緣信息

(2)數據流程

平臺提供一站式的數據遷移接入功能，內部數據通過專用數據通道進入統一接入平臺，可在接入過程中做初步的清洗加工，并提供可視化的任務調度運行管理，并向數據智能管理和數據治理提供數據支持

(3)平臺功能

1)數據接入

考慮到數據的種類多樣性、多源異構性，以及通道的多樣復雜性!數據接入系統支持多源接入，支持對數據接入的插件化管理，可以分為關系型數據庫、nosal 數據庫、分布式存儲系統、流式處理系統、消息中間件系統、文本文件和文件系統等。

2)數據接入策略配置

數據接入系統策略配置模塊針對多數據源系統以及結構化數據、半結構化數據、非結構化數據的不同數據類型特點，按照抽取、同步整合等數據處理步驟，提供一體化、可融合的數據適配解析器和數據轉換功能，采用插件方式，支持二次開發，實現根據數據源情況的自適應數據解析和流程化處理。

3)數據接入斷點續傳

數據接入系統支持數據傳輸過程中的斷點續傳。在數據總線傳輸過程中，當遇到網絡故障、傳輸資源短缺、入原始庫積壓時，狀態總線記錄接入數據中斷點及數據接入中斷狀態，控制總線在數據接入所需網絡、存儲等資源可用時，從排隊任務中重新啟動斷點續傳任務分配數據總線資源，從數據斷點處接入后續數據，不需要從頭開始數據傳輸，從而節約數據傳輸時間，提高數據接入效率。在數據分發過程中，數據訂閱方沒能正常接收訂閱的數據時，接入系統支持對失敗數據做斷點重發。

4)數據接入任務管理

數據接入系統支持多樣化的任務管理方式，實現了多種場景的任務調度機制對數據接入的任務支持多角度的任務監功能，支持異常處理、重新調度等功能，及時解決存在問題，恢復數據傳輸，確保按時完成數據匯聚整合任務，保證大數據中心數據資源的準確性、完整性和一致性。

5)數據接入清洗

數據清洗的任務是過濾那些不符合要求的數據，將過濾的結果能夠直觀的展示給相應的主管部門，主管部門確認是否過濾掉或者修正之后再進行抽取。

6)數據接入統計

數據接入系統接入統計模塊支持對接入數據、分發數據進行多種維度的數據量統計。通過接入數據的接入統計，有助于對數據總資產總體的、宏觀的、全面的掌握。接入統計模塊主要從接入數據的數據量、接入數據文件數量、每個接入數據文件的接入時間、數據接入的總耗時、數據來源、數據文件類型、分發數據的數據量、分發數據的文件數量、每個分發數據文件的分發時間、數據分發的總耗時、數據分發目的地等維度，對數據接入做接入數據的整體統計。數據接入系統接入統計模塊支持接入統計功能插件式開發，可自定義配置數據接入的統計項

7)數據接入對賬

數據對賬是數據提供方和數據接收方在數據傳輸結束后進行完整性、一致性、正確性檢驗的過程，提供數據接入效果評估能力

8)數據接入質量

數據接入系統的數據質量模塊對接入數據做接入維度的數據質量檢測評估。數據接入系統對接入數據解密異常、解壓異常的數據作為問題數據記錄日志。數據接入系統對接入數據的數據對賬異常記錄在接入數據問題報告。接入數據在完成數據對賬后生成數據接入質量報告，對數據接入過程做整體的質量評估檢測。數據接入系統的問題數據記錄日志、接入數據問題報告對數據接入異常的數據做詳細的信息記錄，支持用戶手動查詢問題數據

03 數據集中處理平臺

數據處理是實現數據標準化的過程，包括了數據的提取、清洗、關聯、比對、標識、對象化等操作，支持實時計算和離線計算，支持批量處理操作。數據傳輸過程支持分布式數據傳輸方式。在數據處理過程中，引入人工智能技術，實現結構化和非結構化數據的處理，采用圖計算和內存計算技術，實現數據的價值提升。在數據處理過程中.引入模型體系和標簽工程和知識圖譜技術，進一步提升數據價值密度，為數據智能應用實現數據增值、數據準備、數據抽象

(1)平臺架構

數據處理遵循相關標準，通過對數據進行提取、清洗、關聯、比對、標識、對象化、構建知識圖譜等規范化處理流程，實現異構數據的標準化及深度融合。數據處理采用開放式架構，能夠以統一標準易于擴展的方式進行數據處理流程的動態編排。同時，在各環節引入了自然語言處理、多媒體信息處理和機器學習等技術，實現對數據的智能感知和認知。

(2)數據流程

(3)平臺功能

1)數據提取

數據提取的過程主要是從功能各個業務系統上根據約定的采集周期采集全量或增量數據，生成相應的文本文件。在采集過程中可能涉及系統內或跨系統的數據關聯獲取。這些文本文件的結構與源數據基本相同(根據具體需求可能要濾掉一些字段信息) ，我們稱這些存放源數據的文本文件為 EXF

2)數據清洗

數據清洗的任務是過濾那些不符合要求的數據，將過濾的結果能夠直觀的展示給相應的主管部門，主管部門確認是否過濾掉或者修正之后再進行抽取

3)數據關聯

數據的多源性，導致不同來源的數據之間的關系是離散的，需要對這些離散關系進行匹配或聯接，進一步提高數據可用性。

數據經過提取、清洗之后形成的數據實體，比如可以通過命名實體識別對身份證進行識別，根據兩個身份證之間的共現或根據詞向量計算詞與詞之間的相似度來判斷兩個人是否有關系

4)數據對比

數據比對包括結構化比對、關鍵詞比對等，滿足數據關聯、線索發現、觸網報警等業務需要。從數據類型上分，數據比對分為結構化數據比對、非結構化數據比對

5)數據標識

標識是對數據、數據集進行某一特征、特征的識別和認定。對數據進行標識化可以增加數據維度，拓展數據的屬性，提供建立與數據之上的抽象。標識流程主要是圍繞標識建立一套包括標識的定義、執行、流程管理以及可視化等功能的系統

6)數據糾錯

綜上所述，數據的標準化處理過程，按照數據標準，基本實現了自動化和智能化的處理，但是由于數據的多源異構特性，數據的龐大復雜性，對此類數據的自動化處理將是一個漸進改進的過程。在平臺前期運行中，對進入各類資源庫、主題庫和業務庫的數據需要進行準確性認定。針對有誤的策略執行回滾操作，針對錯誤的數據中實現糾正錯誤數據功能

7）數據處理任務調度

數據處理任務調度，實現任務自動切片分發、斷點續傳、節點管理、調度節點故障切換等功能。對視頻圖像、音頻、文檔等大文件數據，提供 FTP/SFTP、HTTP 等文件傳輸方式，實現斷網續傳、多線程并行分塊傳輸等功能

8）策略配置管理

針對結構化數據、半結構化數據、非結構化數據的不同類型特點配置管理中心支持按照提取、清洗、過濾、比對、關聯、標識等數據處理過程，提供一體化、可融合的數據適配解析器器合數據轉換功能，實現根據數據類型合數據情況的自適應數據解析和流程化處理

9）數據存儲

結構化和半結構化數據可存儲于分布式并行數據庫中，數據存儲格式可以為列式存儲和行式存儲等多種存儲方式;

10）數據模型建設

整個模型工程的架構主要由算子管理、模型建模、模型管理和模型引擎四部分組成

用戶可以通過多種建模方式創建基于標準的模型，部署到模型運行引擎上面配置模型參數，模型運行引擎會對模型運行的合法性進行驗證，包括是否符合標準，數據資源是否有訪問權限，算法參數是否合法，模型編排是否合理等。模型通過驗證之后，會上傳到測試平臺上面，通過數據采樣、構建測試集等多種方式檢測模型執行的準確性模型測試成功之后，進行模型上線部署。通過申請計算資源，將模型實例化成任務運行

11）知識圖譜建設

將各類數據，匯總融合成為人、事、地、物、組織等多類實體，根據其中的屬性聯系、時空聯系、語義聯系、特征聯系等，建立相互關系，最終形成一張由人事地物組織構成的關系大網。關系網根據數據的接入可自動更新，有效解決大數據時代數據分散、割裂以及難以統一處理的問題，為系統提供多維度、可查詢、可分析、可研判的數據系統

12）人工智能語義分析建設

實體語義分析平臺是一款集成統計學習、機器學習、深度學習等關鍵自然語言處理技術，具備專屬語義模型建設和場景化自然語言處理流程建設能力的非結構化文本數據語義挖掘工具。致力于解決機器學習算法與業務的自動映射，提供業務建模與業務計算能力為企業實現非結構化文本落地。實現對非結構化文本進行智能處理，輸出多維度業務標簽，將無序的非結構化信息轉換為滿足業務需求的結構化數據

04 數據組織管理平臺

(1)平臺架構

(2)數據流程

數據組織過程通過分層實現，經過標準化、對象化的處理過程!提高數據質量和數據價值

(3)平臺功能

1）原始庫建設

原始庫是對不同來源的數據，按照數據的原始格式進行存儲，支持所有的數據類型。因此，原始庫的數據組織方式與接入時的數據組織方式直接一一對應，不對數據做任何處理。

2）資源庫建設

資源庫，綜合各類數據資源進行提煉加工，形成公共數據集合對各項業務工作都具有支撐作用，可以脫離任何業務而獨立存在，也與每一項業務相關。

3）主題庫建設

主題庫一般是根據客戶實際的業務需要分析各行業的特性來定制化的相關數據庫

4）業務庫建設

業務庫是支撐業務的相關需求，為特定的業務活動提供基礎數據、臨時數據、分析統計類數據、挖掘類數據等，并記錄業務過程中總結及發現的相關知識。

5）知識庫建設

知識庫是指專業領域或與專業領域相關的特征知識數據和規則方法集合，包括一些全領域共享的用于主體、行為、言論分類的特定知識性數據集合，也包括處理、控制、表達知識數據的規則、方法、過程等集合，如犯罪規律、技法戰法、業務處理邏輯等。

05 數據全域治理平臺

(1）平臺架構

數據標準管理負責管理維護整個數據中臺的標準，為其他各類管理活動提供標準化服務支持。元數據管理為血緣管理和數據資產管理提供元數據支撐，基于元數據管理建立血緣關系、進行血緣分析、元數據級別的分級定義和資源目錄規劃等:數據資產管理負責數據資產共享、分發、使用、管理，包含數據資源目錄、分級分類、生命周期管理、血緣管理等部分;數據質量通過建立評估標準和管理規范，提供數據質量問題發現、監測跟蹤、分析應用等閉環流程和管理功能為數據質量提供必要的保障;數據運維管理則全面掌握數據接入、數據流量、數據資源的總體情況和使用情況:數據運營是數據資產管理實現的最終階段，該階段包括開展數據資產價值評估、數據資產運營流通等

(2)數據流程

數據治理，通過管理數據資源目錄、元數據、分級分類、血緣關系等信息保障數據匯聚與融合后的效果，規范數據組織形式；同時對數據質量進行管控，通過運維手段確保數據全生命周期的高質量運行，通過數據運營變現數據價值

(3)數據資產目錄

建設數據中臺數據資源目錄，以全國的原始庫、資源庫、主題庫、知識庫、業務庫的數據資源為管理對象。形成標準的、規范的、統一的數據中臺數據資源目錄，結合用戶分級分類訪問權限管理，促進數據中臺的數據資源科學、有序、安全的開放和共享

(4)元數據管理

元數據管理是數據治理得到有效實施的關鍵技術環節之一，為了在大數據能力構建過程中有效的實時數據治理，平臺須提供元數據管理功能，管理在實時過程中沉淀的各類元數據信息，并可開放各類元數據信息，以支持管理人員、業務人員和技術人員快速了解平臺數據對象定義以及對象之間的關系等

(5)血緣管理

數據的血緣關系主要由數據平臺各類數據源的數據項信息、庫表關系、ETL 邏輯、存儲過程、代碼邏輯等組成。能清晰的反映數據從源頭到過程轉化，到最終數據產物之前的轉換關系，包括但不限于:組合關系、依賴關系、數據流向拓撲信息

通過完善的數據血緣關系，建設數據中臺的數據地圖，提供良好的數據溯源、血統分析的能力。

06 數據質量管理平臺

(1)數據標準管理

數據標準管理包括:根據制定的數據中臺、各數據來源方基礎數據，業務數據的數據標準，統一管理數據標準，規范數據資源格式、命名的準確性和口徑的一致性

(2)數據生命周期管理

數據的生命全周期管理，須貫穿于數據中臺采集、存儲、整合、處理與分析、應用與呈現、歸檔與銷毀的數據生命周期，進行持續優化治理。元數據管理和主數據管理是數據標準化層面的治理，從基礎上保障數據的完整性、規范性和一致性:數據質量管理更加強調運用數據特征度量來精確判定數據價值，更加注重數據清洗后的整合、分析與價值利用，更加傾向于通過持續治理來有改進數據質量、創造新的價值:數據中臺的開放共享使得數據安全與合規問題更加嚴重，需要在數據全生命周期內強化數據分級分類管理、強制數據鑒權訪問，確保重要數據資產在使用過程中具有適當的認證、授權、審計、控制。

(3)數據質量管理

數據運維管理和數據質量管理息息相關，數據質量管理是客觀上對整個數據提供層數據的質量量化評價標準，用來把數據質量比較抽象的概念用數字等指標來進行量化，是對數據提供層數據質量高低的個客觀評價。數據運維管理是把數據提供層數據通過可視化或報表等方式客觀展示系統整體情況，通過可視化的形式把數據質量進行展示匯總，從而達到真實數據的客觀展示，并通過客觀數據發現系統的問題，來逐步完善系統的整體功能和性能，從而提升整個系統的質量。

07 數據共享服務平臺

(1）平臺架構

服務總線通過 API 接口方式提供服務，服務構建平臺為應用開發提供支撐。通過以上方式，形成數據中臺手段豐富、分類服務、按需動態授權的數據服務綜合模式。

(2）數據流程

(3）平臺功能

1）數據服務總線設計

①數據服務總線功能

服務管理中心主要針對節點和服務進行管理。節點分為主中心節點和分中心節點(包括備份中心)。節點管理主要完成節點注冊，節點審批以及節點的基本信息維護等。服務管理主要完成服務注冊、服務審批、服務發布、服務檢索、服務維護、服務分類以及服務信息的全網同步等

②數據服務總線部署

數據服務總線，在主中心和分中心分別部署，在各級數據服務總線節點之間建立數據互聯通路，實現消息、實時數據流 (包括音視頻流數據)、文件等多種數據交換方式，實現服務調度、服務路由、數據交換、服務調用、服務安全等功能

2）數據服務場景設計

①數據服務構建場景

②數據服務使用場景

服務使用者瀏覽服務目錄，選擇需要使用的服務，提交服務使用申請。服務管理者對此服務使用申請進行鑒權，如果判斷有權使用此服務，那么批準此申請。服務使用者在使用完服務后，對服務進行評價，評價信息會被其他服務使用者參考，以幫助他們了解服務的質量。

③數據服務審計場景

3）數據交換服務

數據交換服務是數據中臺各節點提供的面向業務部門的數據交換渠道。目前包含數據訂閱、數據下載、數據推送等數據共享服務模式

①數據訂閱服務

數據訂閱服務包含訂閱發布和訂閱推送兩個過程實時訂閱和精準推送。訂閱類型包含增量訂閱、關鍵詞訂閱、范圍訂閱、協議訂閱、消息訂閱、主題訂閱等。

數據訂閱服務主要功能包括可訂閱數據和服務目錄查詢，數據訂閱提交，訂閱撤銷、續訂和訂閱協議標準查詢等

②數據推送服務

數據推送是數據平臺各節點之間，數據平臺和省市縣各平臺之間數據交換的基礎核心能力，數據推送實現將加工好的數據或分析成果，向一線推送，以便應用于實戰、體現大數據價值，并將數據化為數據能力的過程

③數據下載服務

數據下載服務是對數據資源異步處理方式。數據下載服務，提供日常業務數據、政策信息、共享目錄數據等的下載路徑。

4）數據可視化服務

數據可視化服務，幫助用戶快速完成多數據整合，建立統一數據口徑，支持自助式數據準備，并提供靈活、易用、高效可視化探索式分析能力，幫助用戶構建切合自身業務的企業洞察，并將數據決策快速覆蓋隔層相關人員及應用場景

5）數據管理服務

①元數據訪問服務

元數據，主要是對數據的數據描述，對數據的數據描述可以概括為如下幾個部分:數據結構定義、數據代碼定義、數據部署定義、數據接口規范定義、數據血緣關系定義、數據路由訪問定義、數據訪問權限定義組成。元數據訪問服務，提供數據資源、服務資源的元數據查詢訪問能力，并提供分級匯聚的服務能力。支持枚舉數據資源、獲取數據資源的元數據信息以及字段結構信息，包括對應的元數據信息等

②數據字典服務

數據字典是對數據的數據項、數據結構、數據流、數據存儲等進行定義和描述，數據元素業務含義的抽象表達，用來對數據流程圖中的各個元素做出詳細的說明，是對系統中使用的所有數據元素的定義的集合。

數據字典服務提供數據字典的查詢、翻譯接口，返回字典類別、字典項值等相應所需結果，實現數據字典查詢或翻譯。

③數據鑒權服務

數據鑒權服務要求所有的數據服務請求，都必須對請求方權限進行驗證，確保其所訪問的數據在權限允許范圍內，是數據中臺保證數據安全的核心。

④跨網跨域服務

跨網跨域服務，實現內部數據、外部社會數據和內外部泛感知數據的整合，形成高質量的數據基礎;在保證數據安全的前提下，通過邊界防護，允許適當的公共網絡跨越邊界使用內部的數據服務，實現數據中臺的跨網，跨域服務能力，體現數據中臺的社會價值

08 數據可視化平臺

(1）平臺架構

數據可視化平臺為整個數據中臺提供了大數據可視化展示能力，它為客戶提供了各種可視化組件，客戶可以根據自己的需求通過組件間簡單組合進行數據展示。為客戶提供了超過 50 種以上的數據可視化展示方式

(2）數據流程

通過可視化分析展示平臺，使抽象的數據信息變得簡單、易懂直觀呈現數據分析結果，豐富的可視化組件可幫助業務準確的表達數據的價值所在，完善的功能可幫助用戶建立有針對性的報表體系。其主要價值可體現在即席查詢、數據洞察與大屏呈現、移動報表之上。

(3）平臺功能

1）數據可視化

系統支持多場景模板管理，預置地理分析、實時監控、匯報展示等多種場景模版。系統支持除針對業務展示優化過的常規圖表外，還能夠繪制包括海量數據的地理軌跡、熱力分布、地域區塊、3D 地圖、3D 地球,地理數據的多層疊加。此外還有拓撲關系、樹圖等異形圖表可以自由搭配

提供豐富的圖形可視化選擇，(堆積) 柱圖、 堆積) 橫條圖、散點圖、(堆積)面積圖、折線圖、組合圖、瀑布圖、餅圖、環形圖、南丁格爾玫瑰圖、油量圖、散點圖、氣泡圖、雷達圖、關系圖、熱力圖、詞云圖

2）地圖分析

地圖分析可以將數據在地圖上進行可視化呈現，形成地理導航儀，通過點擊、下鉆以及圖表聯動等方式，進行數據分析和展示

3）儀表盤

適用于管理者把握全局，運籌帷幄。以簡潔、直觀的界面，展現各環節的數據，并以豐富的展現和互動形式為決策者提供幫助。

1、可視化配置、布局靈活、快速發布、支持頁面主題2、豐富的互動性，支持 What-if 分析，參數控件可視化3、支持頁面內部、頁面之間的鉆取、關聯分析4、幫助開發人員快速完成儀表盤設計，實現交付過程敏捷化

4）大屏幕

系統內置大屏拼接控制，可以根據不同的應用場景，自由布局多塊屏幕的分布以及顯示內容，既可重點關注專項事件態勢，又可全面掌控整體態勢。可通過 PAD 等手持設備作為控制終端，來實現對大屏顯示布局、監控模式的切換以及軟件界面內容的交互控制。提供各種靈活、便捷的操控體驗

5）報表報告

本報表報告可滿足各種格式的行業監管報表、內部管理報表的需求。包括:清單報表、交叉報表、分組報表、多源分片報表、分塊報表、表單報表、圖形報表、回寫報表、假設分析報表、二次計算報表套打報表、段落式報表、預警報表、組合報表

6）分析報告

系統可通過拖拽的方式形成報告的模板，即可按照相關參數隨時進行報告生成，省去定期手工出報告的時間和煩惱。將數據從IT 環節貫通到辦公系統，提高報告的制作效率，使業務的工作重心回歸問題的原因分析和解決方案設計上。

7）豐富的交互查詢

系統支持按照時間、空間、屬性等不同維度對數據進行全方位呈現，提供豐富的呈現形式和交互功能

8）二三維聯動功能

三維雙屏相互聯動，二維的平面地理視圖便于操控，三維視圖便于直觀形象化展示

9）數據歷史回放

系統支持任一時間段的數據以軌跡圖、儀表盤等各種方式加以展現，并可對全系統數據同步進行快進、慢放等操作，有助于決策者了解全局數據變化趨勢

09 主要關鍵技術

(1）內存級數據交換共享

1）多元異構、一鍵遷移

2）數據采集和分發

3）數據實時交換

4）數據ETL工作流

5）分布式內存處理

6）多種數據災備方式

(2）一站式數據集成和數據管理

(3）數據分析模型

(4）數據治理技術

(5）數據挖掘技術

(6）可視化建模技術

(7）NLP語義分析技術

(8）知識圖譜技術

(9）數據交換共享技術指標

(10）應用系統技術指標