如今是大数据时代，将大数据技术应用于公用事业领域，是推动公用事业产业发展创新的趋势。公用事业大数据理念是将源-网-站-户等公用事业运行 数据及开发、经营、热线、财务、设备、项目等其他领域数据进行综合采集、处理、分析与应用的相关技术与思想。公用事业大数据不仅是大数据技术在公用事业领域的深入应用，也是生产、消费及相关技术革命与大数据理 念的深度融合，将加速推进公用事业产业发展及服务模式创新。
宏观政策
2021年3月，全国人大正式通过的国家“十四五”规 划提出加快数字化发展、建设数字中国，加快推动数字产业化和产业数字化。 迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活 方式和治理方式变革。 全面推进政府运行方式、业务流程和服务模式数字化智能化。深化“互联网+政务服务”，提升全流程一体化在线服务平台功能。
2020年9月，国资委《关于加快推进 国有企业数字化转型工作》要求，运用大数据、云计算、人工智能、物联网等新一代信息技术，建设敏捷高效可复用的新一代数字技术基础设施，加快数据治理体系建设，加强数据标准化、元数据和主数据管理工作，实现用 户需求的实时感知、分析和预测，推进用户服务敏捷化。
现状分析
国内公用事业企业多数已进行了数字化转型尝试，比如热网监控、财务 、客服等系统已经上线，但在建设过程中往往重应用轻规划，导致各业务系统独自建设，缺乏系统统一规划和有机整合：
- 部分业务系统和数据缺失，有的公用事业企业不但缺少项目、设备、GIS 、服务相关系统，而且各个业务系统的数据粒度也不够细；
- 数据分散缺乏整合，形成数据孤岛，造成大部分数据应用以原始数据的展现为主，缺乏洞察，横向缺少数据关联分析，纵向缺少数据挖掘，无法充 分发挥出数据价值；
- 缺乏数据标准，数据有多个出处，标准不统一，整合难度大；
- 缺乏数据治理，数据传输及时性、可靠性和质量无法保证；
- 缺乏有数字化意识 的团队，导致很多公用事业企业的数字化转型工作不可持续；
- 缺乏数据安全和保密措施，如公用事业企业的管网数据、财务数据、经营服务数据、生产数据。
一家典型的公用事业 企业 实际业务系统往往涉及市场开发、用户管理、经营收费、热线工单、用户服务、设备信息、热网运行、生产调度、户表集抄、工程项目、财务管理等信息化平台。首先，大部分公用事业企业都未建立企业服务总 线，应用系统之间的数据集成采用点对点的方式，系统间数据传输路径繁多，形成复杂的多对多的网状结构。造成多点互联维护成本高，集成效率、可用性和可维护性存在不足；其次，缺乏统一的数据标准体系，且数据源众 多，各数据源质量参差不齐，导致实际可利用的有效数据占比不高。各业务领域主数据不统一，元数据分散，各专业业务管理逻辑不衔接，数据存在专业壁垒，难以实现数据共享，导致生产决策仍以经验为主；再次，未建立 统一的物联网接入标准，整体物联网的信息交换和共享流程中数据存储、数据管理、数据传递接口等标准，及物理设备、通信接入、数据传输、安全保障等信息安全技术标准体系尚处于起步阶段。
解决方案
体系规划
公用事业大数据平台是企业数据汇聚地，但这些数据并不是简单的堆积，否则会经常出现命名不一、口径不一的问题，从而导 致数据并不能发挥真正的威力。数据中心数据体系是在全域原始数据的基础上进行标准定义及分层建模，目标是形成一套完整、规范、准确的结构。数据体系应该具备如下主要特征：
- 数据全面 ：尽量脱离对业务系统的数据依赖，这就需要尽量多的采集业务数据，从而灵活应对需求；
- 结构清晰：纵向分层，横向主题域、业务过程划分，让整个层次结构清晰易懂；
- 数据准确 ：定义一致性指标，统一命名、业务含义及计算口径。
为了达到上述要求，需要一个体系化的数据层次架构，这个层次架构定义了数据分层及每一层的模型建设规范，实施过程中应严格按照规范 执行。
由下到上依次为贴源数据层（ODS）、公共维度模型层（CDM）、应用数据层（ADS）。每一层都具有独立的职能，原则上需要保证逐层依赖，即上层依赖下层，不允许跨层调用，否则容易造成计算口径 不集中、更新频率不匹配，最终导致数据不一致的问题。
公用事业大数据 平台架构
建设思路
统一数据标准，搭建数据生态体系
梳理现有信息系统、已有数据以及 业务特点等现状，设计大数据结构模型，形成多维合一的数据标准，逐步形成公用事业企业特有的数据生态体系。明确数据的内容和格式要求，明确数据责任人，统筹整个企业的数据资源，在系统中形成企业主数据、元数据 及相关配置数据。
建设统一大数据平台，数据融合共享
建设统一大数据中心，对数据“纵向管理、横向贯通”，实现数据融合共享，实现数据价值流动。推 进各系统之间的数据融合，实现数据统一管理，为公用事业企业数字化系统的长期持续健康发展提供保障。梳理公用事业企业各业务板块的数据关联关系，建立跨专业数据分析服务，支撑跨部门、跨层级数据分析应用，满足 个性化决策支持需求。
沉淀数据资产，发掘数据价值
沉淀公用事业企业数据资产，对内向各管理层级提供数据展示与分析服务，对外向政府部门提供能源数据分析，提 供增值服务，支持产业数字化；挖掘数据和业务场景的结合点，将数据资产快速形成服务能力并与业务进行对接，实现数据的服务化、业务化，提升对数据价值的感知；全盘监测和统计分析企业经营业务，深度进行数据挖掘 ，支持业务预测和决策分析。
重视数据安全，降低数据泄露风险
制定数据管理办法，建立数据认责体系，重视数据权限控制，重视数据安全访问、数据分级、分区管理 ；强化数据安全防护水平，加强重点数据保护，对数据进行有效脱敏，降低公司数据泄露风险；在服务过程中，将数据资产实施有效的隔离机制，需要严格审核和控制数据服务的类型。
建设内容
公用事业企业的业务基本都涉及开发、收费、热线、设备、 运行、调度、工程项目、财务等方面数据，这些数据都分散在不同业务系统中，存在数据口径不统一、数据格式不规范、数据关联性不够等问题。通过数据中心对相关业务系统数据进行数据采集、清洗、标准化等处理，并进 行集中存储，包括基础主数据、历史动态数据、实时增量数据，形成企业全量、实时数据中心。通过统一数据口径、标准，并持续治理，形成高质量的数据管理，让数据成为可用、易用，能产生实际业务指导和管理决策价值 。
参照DCMM数据管理能力成熟度评估模型，公用事业大数据平台建设方面需要实现数据采集、数据服务、元数据、数据标准、数据质量、数据归档等全面、精细、可视化的内容。
数据分布
公用事业企业主数据包括：组织结构、系统用户、客户等 。
业务活动数据包括：项目的任务、用料、施工、检查等记录；客户的入网、收费、工单、通话等记录；设备的变更、巡检、维修、保养等记录。
时序数据包括：楼表、单元表、户表等运行 数据，以及锅炉环保数据和天气数据。
能耗数据包括：水、热、气等的瞬时用量和累计用量。
参考类型数据：项目类型、设备类型、锅炉类型、能源类型、计费方式、客户类型、客户标签、 单价类型、交款方式、工单来源、工单紧急程度、工单类别、工单环节等数据。
数据源
一般来说采用数据库（Oracle、SQLserver、MySQL） 、Webservice、OPC等方式进行对接。对每一个数据源都需要确定以下信息：对接厂商系统、采集内容、采集方式、授权信息、对接协议、更新频率。
- 提供方名称，例如：某某抄表系统；
- 采集内容，例如：楼表、单元表及户表运行数据；
- 采集方式，可选项为：数据库、OPC、WebService；
- 采集信息，包括：数据库/HTTP访问地址及用户名、密码；
- 对接文档，包括：请求方式、数据结构、数据单位、更新频率等说明性内容；
- 对接负责人，包括：姓名及联系方式。
效果价值
将公用事业运营经验与庞大的财务、生产、客服、项目、设备等数据相结合，进行数据融合、建模、展示、分析、预测、优化。形成公用事业运营全景图，开展业财分析、开发预 测、公用事业运营指标检测、运行预测预警、水力平衡分析、生产调度管理、突发事件应急指挥等活动，推动公用事业企业整体化调度、精细化管理、便捷化服务、科学化决策、智慧化运营。
打通信息孤岛，构建数据共享平台
公用事业大数据平台实现了设备、生产、客服、财务信息高度共享，对项目、合同、设备、物料、用户进行统 一编码，进行数字化治理，实现标准统一、查询方便、统计快速，彻底打通供应链、财务、生产、服务的编号壁垒，消除信息孤岛，促进业务的协同共享。
实现数据穿透，助力精准服务
公用事业板块开户面积、公用事业户数、开户户数等数据都实现了穿透功能，实时运行情况、管网现状情况清晰可见，基础数据可具体到每一个小区、以 及小区内楼宇分布，甚至终端用户的详细信息。调度、客服、热线、服务人员可实时共享生产运行数据。
进行成本收入核算，实现 精益管理
实现生产、经营、财务、人力等业务信息化系统的对接融合，自动集成水、气、人力、项目等成本数据，以及暖费、入网费、配套费等收入数据。对公司、片区等运营单元的全业务成本和收入进行 综合监控分析，辅助能耗数据和服务数据，对各单元进行生产运营综合考核。
“一张网”数据驾驶舱，辅助调度决 策
全景呈现源、网、站、户信息，打造公用事业“一张网” 关联设备、资产、运行、维护数据，实现现场和指挥中心联动。对静态管网设备和动态运行数据进行监控和汇总，对开发、经营、服 务、财务数据进行汇总和分析。基于GIS，在开发、失调、工况故障、集中投诉等方面，有效展开实时监控、及时调度、应急指挥工作。
市场、项目联动，保障工程进展
根据市场开发情况，规划升级改造项目，并实现对项目的合同、资金、进度、用料、施工记录的全面监督，从安全、资源、资金各方面保障公用事业工程顺利进行。
基于大数据机器学习，实现安全公用事业、精准公用事业
基于采集到的运行数据、公用事业特性参数， 对历史数据展开对比分析和学习训练，展开负荷预测、水力分析，实现能源按需分配，促进服务升级，提升运营水平！
