數據多頭管理
缺少專門對數據管理進行監督和控制的組織,各部門關注數據的角度不一樣,缺少一個組織從全局的視角對數據進行管理,導致無法建立統一的數據管理規程、標準等。
將分散、多樣化的核心數據等通過標準化、質量探查、清洗、集成及監控等技術手段進行優化形成水務集團內的數據治理體系,并結合企業組織結構,形成數據管控執行體系,在內部持續運行提升、挖掘主數據的應用價值。
缺少專門對數據管理進行監督和控制的組織,各部門關注數據的角度不一樣,缺少一個組織從全局的視角對數據進行管理,導致無法建立統一的數據管理規程、標準等。
沒有規范統一的數據標準和數據模型,各部門站在各自的立場生產、使用和管理數據,使得數據分散在不同的部門和信息系統中,缺乏統一的數據規劃、可信的數據來源和數據標準。
缺乏清晰的數據質量管控規范與標準;數據的自動采集尚未全面實現,處理過程存在人為干預問題,導致水務企業數據中存在大量的錯誤、遺漏和重復數據,影響數據的分析和應用。
數據的產生、使用、維護、備份到過時被銷毀的數據生命周期管理規范和流程不完善;無信息化工具支撐數據生命周期狀態的查詢,未有效利用元數據管理。
本地文件
營業數據
水廠生產數據
管網scada數據
工程搶修數據
遠傳小表數據
......
數據采集
數據清洗
數據加工
數據探索
處理分發
客戶主數據
大表主數據
小表主數據
流量計主數據
壓力計主數據
水質儀主數據
高層泵站主數據
用水性質主數據
......
質量評估
規則配置
風險預警
質量整改
質量報告
多源實例處理
高效存儲
敏捷計算
數據全景
治理模型
鏈路模型
存儲模型
計算模型
標準制定
標準評估
標準實施
資產編目
資產查詢
資產服務
資產運營
數據共享
對水務企業所有的信息系統數據資源進行清點盤查,并進行元數據的制作和完善,實現集中化管理;識別主數據、并制定接口規范。對識別的數據資源進行大數據平臺數據接入和標準化處理。并進行大數據平臺盤點后指定范圍的數據全程管控和治理。
水務企業數字化轉型的核心是實現業務流程數字化和超自動化,通過對水務企業現有業務流程、表單、數據進行調研和梳理,明確動作流、角色流、實物和信息流,設計部門內部關鍵業務流程和跨部門核心業務流程,識別關鍵數據資產,明確數據資產歸屬部門和使用部門。
數據標準是水務企業數據治理的基礎,在構建數據模型時需要明確數據分類規則、主數據、元數據等標準,在構建數據分析指標體系時需要明確計算公式、統計口徑、維度屬性等標準,在構建報表體系時需要明確報表名稱、字段定義、填報時間等標準。
對納入數據治理管理范圍的數據,結合業務要求進行質量檢查的規則設置、定期檢查、質量問題分析和排查、質量報告匯報等實施工作,將質量評估、質量檢核、質量整改與質量報告等工作環節進行流程整合,形成完整的數據質量管理閉環。
基于數據模型,結合水務企業組織機構,從業務視角構建數據資產目錄,明確數據的分布和所有權,給出業務場景和數據資源的關聯關系,讓業務部門明確各自的數據資產情況,降低數據查看、管理和利用的門檻。
結合水務企業運營管理要求,提出典型數據分析應用場景,設計管理層經營分析管理駕駛艙,實現數據可視化展示和查詢,滿足管理層對數據的獲取和分析需求。由數據資產編目提供對數據共享(數據超市)的支持,并定期進行數據資產使用情況分析。
采用平臺標準化、接口服務化、數據規范化、功能組件化的原則實現信息互聯互通,通過數據治理打通各個業務鏈條,統一數據語言和數據標準,實現數據共享以及數據資產最大化。
建立和制定企業統一的基礎代碼、標準的統計指標,將企業的數據有機地關聯起來,有效地解決各管理層之間、各業務部門之間、各應用系統之間數據獨立和相互隔離的問題,實現信息共享。
通過信息整合形成各種主題的數據服務,實現對生產類、經營服務類等綜合指標的展現和專題分析,建立企業分析模型,構建大數據決策分析平臺,發掘更多功能和信息效應。