如何通过数据治理为智慧水务增效赋能？

2022年上半年，我国水利项目投资规模达到4000多亿元左右，其中，智慧水务市场投资预估在百亿元，呈现全面提速增长态势。

智慧水务是水务信息化的高级阶段。其本质是一种具有综合性、整体性的水务企业数字化发展过程，其核心理念是利用云计算、大数据、物联网和移动互联网等新一代信息技术为支撑，通过智能设备立体感知企业生产、环境、状态等信息的全方位变化，对海量感知数据进行传输、存储和处理，并基于统一融合和互联互通的信息平台，实现大数据时代下对数据的智能分析，实现控制自动化、管理协同化、决策科学化以及服务主动化，推动城市信息化、现代化和可持续发展提供水资源综合管理。

—  01  —

智慧水务具体应用场景

1、动态监控，应急响应

基于云计算、大数据、物联网等新技术，做到24小时动态监控、实时数据采集、无损信息传输等，使水务部门在线监测水务系统运行状态，对异常情况做到实时预警、快速响应，终端调控。当异常情况发生时，能够第一时间进行远程干预和处置，提高水务企业的应急响应能力，降低事故风险与隐患。

2、智能调控，智慧决策

通过智慧水务平台，实现水务全流程的智能调控，包括集中监控、移动巡检、故障诊断、设备运维、供水调度等，实现以自控系统代替人工，以更精细和动态的方式管理整个生产、管理、服务流程，使之更加数字化、智能化、规范化。

以此同时，构建水务数据深度挖掘与分析模型，重塑水务智慧管理体系，做到紧跟市场、随需速动，发挥数据的智慧决策能力，为企业经营提供快速、强大、有效的决策支撑，实现信息化和管理提升的充分结合。

3、协同管理，降本增效

对水务部门来说，企业数据可以进行全面集成、整合，打破各部门间的数据壁垒，实现信息交换、共享与高效利用。打通各环节业务流程，实现不同系统间的数据共享和业务联动，构建一体化协同运营管理模式，降低整体工作协调成本，提升水务企业的综合管理效率。

同时，通过智慧化在线监控与维护管理系统，进行终端管控，及时做到工艺优化和运维调整，有效降低企业整体运营成本支出。

在实现智慧水务的过程中，信息化的产物就是数据，其质量以及应用直接决定了水务信息化的达成情况，所以，必要的数据治理成为了信息化的重中之重。但出于各种原因，水务行业的数据治理建设面临着诸多难点与挑战。

—  02  —

水务数据治理建设难点

1、水务数据复杂

水务数据的来源及形式多样，包括勘测、规划、设计、施工、管理等多种来源，以及长系列的结构化、半结构化数据和大量非结构化数据，数据量级通常在数百TB或PB以上。并且，随着水务行业各领域和环节的信息化应用不断增加，监测密度及指标不断提升，数据增加速度不断加快，水务行业的数据量呈现持续增长态势。

2、数据集成难

水务企业大多已历经十年信息化建设，系统中已存储了海量数据，如：客户信息、水表信息、历史水量、水质、水压数据等。一些系统年代久远，标准化程度不高，导致改造的成本较高，给数据的应用集成带来较大困难。

3、数据标准不统一

企业内部各职能部门各自为政，难以在标准和规则层面达成一致，致使数据标准难统一，跨部门信息共享困难。且由于由于缺乏统一标准和数据关联，大量的数据清洗依靠人为判断，数据清洗难度和风险都很大；有些业务职能分散在不同的部门，造成信息系统的功能重叠，导致数据重复录入，数据冗余致使数应用效率低下。

4、决策支持作用不足

由于缺乏在数据层面的顶层设计，无法在单位决策层、管理层和业务层等各层级统一思路。原有系统中缺少有效的数据挖掘与分析功能，导致数据过于死板僵化，并未发挥其对集团过去的追溯和对现在及未来的指导作用，对集团业务管控和决策分析的支撑效果不明显。

—  03  —

水务行业如何做好数据治理？

1、全方案采集存储水务数据

数据采集、存储、整合是智慧水务大数据分析的前提和基础。水务企业需利用大数据技术，实现从原水到水厂、从管网到用户等环节全方位、全要素的信息采集，消除信息孤岛实现系统的互联互通，实现海量数据的传输与存储。构建智慧水务数据仓库和数据湖，实现数据资源标准化、数据来源唯一化和信息流程简洁化，对数据进行集中管理，实现大数据整合应用。

2、进行水务数据标准管理

智慧水务大数据的分析应用，数据资源的标准化建设是重中之重。下图是可供参考的智慧水务大数据标准体系。具体的标准规范需由水务企业按需梳理和建设。

智慧水务大数据标准体系

3、做好水务主数据管理

做好水务主数据管理，可以更好的发挥数据资源的作用。主数据的集中管理为在水务企业层面上整合及共享系统中的数据提供了关键的基础支持,因此,构建主数据标准化体系、建立主数据交互和共享基础标准、实现主数据全生命周期管理的业务运作,已经成为提高企业信息化建设效益、改善业务数据质量、在高端决策上为企业提供强有力支持的重要途径。

在主数据管控过程中，需以数据标准化为目标、数据治理组织建设为保障、数据梳理为前提、数据过程管控为手段，实现全面、高效的数据管控过程，持续优化和绩效改进的主数据管理愿景，达到“数据同源、规范共享、服务集中、提升价值”。

4、搭建智慧水务大数据平台

智慧水务需具备多业务系统高度协同、全面物联网感知、设备智能联动、事件及时应对、服务灵活创新、管理决策科学等特性。要实现这些特性，我们需利用大数据技术，构建水务大数据分析平台，通过平台全面打通业务系统，根本解决数据孤岛问题。并对水务运行管理状态进行梳理，建立一套可量化、标准化的分析指标体系，对城市水务情况进行全面统计与深度分析，为数据消费者提供大数据服务。

—  04  —

智能数据治理平台睿治

全方位赋能水务行业数据治理
 

睿治智能数据治理平台能够基于水务行业数据共性，采用成熟模块化设计理念，实现各模块功能应用场景普遍适用；平台功能全面，模块组装灵活，可高效便捷完成数据从创建到消亡的全过程的监控和治理；平台提供丰富的服务接口，内置脚本支持，全面满足集成、拓展需要。

△睿治数据治理平台架构图

睿治平台从下至上主要分为以下几层：

（1）数据源层：主要用来管理各类数据源，内部数据如：OA、ERP、CRM等业务系统数据，也支持文本文件上传；外部数据如：社交媒体、互联网等。

（2）数据存储层：通过数据交换将数据输送到ODS、数据仓库、数据集市进行存储。

（3）数据处理层：主要包括元数据、数据标准、数据质量。元数据可进行元数据采集、血缘分析、影响分析、全链分析，元数据变更管理、绘制数据地图等；数据标准可定义数据标准、标准落地、标准评估监控，及标准版本管理等；数据质量可管理质量规则、数据模型，及数据质量方案。

（4）数据共享层：主要包括数据资产管理。数据资产管理包括数据资产视图、数据资产检索、资产采集更新等功能。

（5）数据应用层：该层主要通过平台便捷的应用功能，从而改善决策支撑、缩短管理成本、降低数据风险、提升数据价值，并提供数据公开等。

睿治作为国内少有的覆盖数据全生命周期的数据治理平台，以创新的方式保证水务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身打造符合自身特征的数据治理体系。实现了数据问题一个平台全解决，使客户从此告别东拼西凑尴尬局面，从而进一步提升数据治理的全面性、连贯性、持续性，真正实现降本增效。