制造业数据治理白皮书2022版 -亚马逊云科技

软通动力信息技术(集团)股份有限公司(以下简称“软通动力”)是中国领先的软件与信息技术服务商，致力于成为具有全球影响力的数字技术服务领导企业，企业数字化转型可信赖合作伙伴。2005年，公司成立于北京，坚持扎根中国，服务全球市场。目前，在全秉承用数字技术提升客户价值的使命，软通动力长期提供软件与数字技术服务和数字化运营服务，其中软件与数字技术服务包括咨询与解决方案、数字技术服务和通用技术服务；凭借深厚的行业积累，公司在10余个重要行业服务超过1000家国内外客户，其中超亚马逊云科技(AmazonWebServices)是全球云计算的开创者和引领者，超过15年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及26个地理中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基11白皮书白皮书声明AmazonWebServices,Inc.或其关联方(“亚马逊云科技”)共同撰写，双方就各自撰写的内容分别、独立享有相关知识;关于软通动力部分的声明:本白皮书中所含内容乃一般性信息，任何软通动力信息技术(集团)股份有限公司、其全球成员所网络或它们的关联机构并不因此构成提供任何专业建议或服务。在作出任何可能影响您的财务或业务的决策或采取任何相关行动前，您应咨询合格的专业顾问。我们并未对本白皮书所含信息的准确性或完整性作出任何(明示或暗示)陈述、保证或承诺。软通动力信息技术(集团)股份有限公司、其成员所、关联机构、员工或代理方均不对任何方因使用本通讯而直接或间接导致的任何损失或损害承担责任。软通动力信息技术(集团)股份有限公司及其每一家成员所和它们的关联机构均为具有独立法律地位的法律实体，相互之间不因第三方而承担任何责任或约束对方。软通动力信息技术(集团)股份有限公司及其每一家成员所和它们的关联机构仅对自身行为及遗漏承担责任，而对相互的行为及遗漏不承担任何法律责任。软通动力信息技术(集团)股份有限公司并不向客户提关于软通动力与亚马逊云科技共同撰写部分的声明:本部分内容陈述了软通动力数据治软通动力DataGo和亚马逊云科技原生架构的数据治理平台助力制造业企业数据治理、制造业关键场景专项数据治理和软通动力与亚马逊云科技助力其他行业的数据治理的案例。软通动力与亚马逊云科技在封面页所示日期的有关服务产品及实践，该等信息可能变化且我们不会另行通知。客户对于本部分的信息以及软通动力及亚马逊云科技的产品或服务应自己做出独立的判断，该等内容都是“依现状”提供，不包含任何明示或者暗示的保证。本部分内容并没有创设来自软通动力、亚马逊云科技或其各自的关联方、提供方或许可方的任何保证、陈述、合同性承诺、条件或者担保。本部分内容不是软通动力、亚马逊云科技和其各自的客户之间任何协议的组成部分，也不构成22前言国之本、兴国之器、强国之基。伴随科学技术的发展，在云计算、人工智能、机器学习、区块链、物联网等新兴技术的推动下，正全面改变着制造业企业的生产制造与运输方式，推进制造业企业数字化转型和数据治理将会为制造业企业创造巨大价值。而这一切的核心关键是制造业企业数据治理框架的形成、数据治理平台的建设和企业数据资产的管理。数据资产作为人类最新最有活力的资产形式将成为企业最核心竞争力的来源。时下，制造业企业如何形成企业数据治理框架、搭建数据治理平台和实现数据资题。虽受经济形势影响，制造企业发展放慢了步伐，但数字化转型和推行数据治理已成为制造企业发展的必然趋势。不少著名大型制造业企业已注意到这一点并已经着手开始数字化转型和推进企业数据治理，这无疑是一个明智和有规划的决定。对于制造业企业的数字化转型和数据治理的推进是制造业实现智能制造的必经之路，制造业企业实现数字化转型和推进数据治理应充分理解国家和各级政府部门出于对国家发展、国家安全、社会稳定和公众利益的考虑而构建的法律体系和指导办法，积极响应政策要求，推进制造业企业早日实现数字化转本白皮书旨在为制造业企业数字化转型和数据治理提供建议，解读相应的法律法规，分析面临的问题和挑战，并提出应对策略以建立相应管理体系和构建数据治理平台，助力制造33白皮书白皮书03051.经济增速下行形势下制造业艰难转型05073.国内制造业复苏势头强劲104.新晋生产要素数据治理助力制造业转型升级11二、制造业面临数据问题和挑战1212足企业需要、可信度低133.企业数据文化建设薄弱、数据驱动意识缺位134.让数据可视、可控、可用及可信是当务之急13三、制造类企业平台级数据治理建议16国家层面的数据治理导向162.平台化的集中式数据治理17数据进行资产化管理和应用25四、制造业关键场景专项治理27企业统一数字底座上的制造业供应链控制塔项目建设272.大数据和人工智能引领下的计划协同31五、数据治理案例34治理案例342.装备制造业数据治理案例363.医疗行业数据治理案例38售及快消品行业数据治理案例3944中国制造业体量领跑全球。对于中国中国经济能够在短短几十年时间内实现腾飞，坐上世界第二大经济体的位置，制造业可以说的发展，无论制造业总量还是制造业技术水提高。据工信部统计，中国工是全世界唯一拥有联合国产业分类中所列全部工业门类的国家。在500种主要工业产电、智能手机、消费级无人机等重点产业跻身世界前列，通信设走向中国制造业正努力摆脱“大而不强”企业局部采用了计算机辅助管理，多数小型企业仍处于经验管理阶段；设计方面上我国化阶段，柔性制造单元和系统仅在少数企业。中国制造业在劳动生产率、产品质量中国制造强国发展指数报告》显示，2018年中国制造业劳动生产率28974.93美元/27.8%；在产品质量上，美国制造的产品平球平均水平，总利润与平均利润分别相当于美国的60％和56％，且中美高端制造业的投资资本回报率(ROIC)近乎为1：2。2021年12月份，规模以上工业增加值同比增长4.3%，环比增长0.42%。制造业采购经理指数为50.3%，比上月上升0.2个百分点。2021年，全国工业产能利用率为77.5%，比上年提高3.0个百分点，欧美国品研发、技术装备和加工能力等方面都取得了很大的进步，但具有独立自主知识产权的家相比，仍显示，2019年世界各国制造强国发展指数情况如表1-12019年各国制造强国发展指55白皮书白皮书41口总额比重91知名品牌数2率32数7全球比重48占制造业增加值比重产业集中度3发明专利授权量5业人员比重6率信息化发展指数(IDI指数)66战略的政策导向调工业互联网建设是新一代信息技术和实体经济深度融合。2019年以来中国数字经济行业：提出,建设高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控的智能化综合性数字信息基础说施。有序推进骨干网扩容，协同推进千兆光纤络和5G网络础设施建设，推动5G商用署和规模应用，前瞻布局第六代移动通(6G)网络技术储备,加大6G技术研发支持力度,核心产业加值占国内生产总值比重达10%，数据要素市场体系初步建立，产业数字化转型迈上新台阶，数字产业化水平显提升,数字化公共服务更加普惠均等，数字经济理发展为主题，以供给侧结构性改革为主线，以释放数据要素价值为导向,围绕夯实产业发展基础,着力推动数据资源高质量、技术新高水平、基础设施高效能,围绕构建高效产业链，着力提升产业供给能力和行业赋能效应，统筹发展和安全，培育自主可控和开放合作的产业生态，打造数字经济发展新优势。到2025年，我国大产业测算规模突破3万亿元,创新力强、附加值高、自主可控的现代化三年行动计划(2021-2023年)》明确到2023年底，在国内主要城市初步建成物联新型基础设施，物联连接数突破20亿，为物联，数字化产业蓬77白皮书白皮书彻新发展理念中和工作的意为实现碳达峰碳中和的目标壁画了行动路线图，进一步推动范围规规定明确了39种常见类型App的必要个人信息范围，其中第十四个五迎接数字时代,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。充分发挥海量数据和丰富应用场景优势,促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经出工业互联网创新发展目标，其中包括新型基础设施进一步产业发展生态进一步健全和安全保障能力进一步增强。着力解决工业互联网发展中的深层次难点、痛点问题，推动产业培育产业平台化发展生态、加快传统企业数字化转型步伐,打造跨越物理边界的“虚拟”产业园和产业集群,发展基于式，支持构建农业、工业、交通、教育、安防城市管理、公共资源交易等领域规范化数据开发利用的场景。化转型,打造数据供应链,以数据流引领物资流人才流、技术流、资金流，形成产业链上下游和跨行业融合的数字化生态体系，构建设字化-产业链数字化-数字化生态的典型范式。主要方向为筑基础,夯实数字化转型技术支撑,搭平台,构建多层联动的产业互联网平台，促转型，加快企业”上云用数赋智“，建生态，建立跨界融合的数字化生态，兴业态，拓展经济发展。88联网在加快新型基础设施建设方面,提出改造工业互联网内外网络,增强完善工业互联网标识体系、提升工业互联网平台核业互联网大数据中心，加快工业互联网发展发展数字经济新模式新业态,扶持疫情控期间涌现的在线办无人配送、新零售等新模式新业态加快发展,培育壮大共享制造、个性化定制等服务型制造值，探索企业制造能力交易、工业知识交易等新模式,鼓励发展算法产业和数据产业，培育一批中小学数字化服务商，打造开源App开发者社区和中小中国(四川)中小微企业云服务大会、中国数字经济高端峰会等会议期间，举办中小企业数字化赋能高端论坛,促进理持新发展理念，坚持推动高质量发展，坚持以改革为主线，结合各自优势和结构转型特场规权为在技术细节上，一是明确了市场份额认定的指标范围,二是规了认定具市场支配地位的特殊考虑因素三是规定了以低于殊情形，对涉及互联网等新型经济业式，应当综合考虑经营者提供的免费商品以及平台经济做出的全方位部署，提出要依域滥用市场支配地位限制交易、不正当竞争，重点强调严禁平台单边签订排他性服务提供合。信息来源：中商情报网()99大数据技术日渐成熟推动制造业升级。2021年通过的“中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要”(以下简称“十四五”规划)对于大数据的发展作出了重要部署。历经多年发展,大数据从一个新兴的技术产业,正在成为融入经济社会发展各领域的要素、资源、动力、观念。特别是我国提出“加快培育数据要素市场”后,大数据的发展迎来了全新的阶段。2021年以来,全球各国大数据战略持续推进,聚焦数据价值释放,而国内围绕数据要素的各个方面正在加速布局和创新发展。政策方面,我国大数据战略进一步深化,激活数据要素潜能、加快数据要素白皮书市场化建设成为核心议题;法律方面,从基本法律、行业行政法规到地方立法,我国数据法律体系架构初步搭建完成;技术方面,业务、加已形成支撑数据要素发展的整套工具体系;管理方面,数据资产管理实践加速落地,并正在从提升数据资产质量向数据资产价值运营加速升级;流通方面,数据流通的基础制度与市场规则仍在起步探索阶段,但各界力从新模式、新技术、新规则等多角度加速探索变革思路;安全方面,随着监管力度和企业意识的强化,数据安全治理初见成复苏势头强劲近年国内制造业复苏势头迅猛，制造企业纷纷谋求转型升级。根据国家统计局发业采购经理指数(PMI)、非制造业商务活动指数和综合PMI产出指数分别为51.9%、55.7%和55.1%，均继续位于年内较高运行水平，连续10个月保持在荣枯线以上。据，提升了1.22％。在我国庞大的制造业分可观，这也是自2011年以来，我国的制造业增加值在GDP中所占的比重第一次出据数据显示，去年我国的先进制造业(包括5G通信设备制造、医药制造、医疗设备制造等等)增加值的增速达到了惊人的18.2％，这也是我国制造业升级转型处于高速发展阶段的直接证明。全球经济环境的恶化让中国制造业企业意识到，长期处于产业链中下游，如“三来一补”等劳动密集型、低附加值的企业发展策略愈发国内掀起一波更加汹涌的基于制造业现状及业内数据治理咨询一是工业互联网建设加速，打造中国税及公共环境等万物互联的新业态。制造业数字化、智能化转型加速，越来越多制造企业认识到“机器”，特别是“智能机器”的重要性，会更加主动地应用工业互联网进行智能化和数字化变革，必将推动中国先进制二是智能制造成为制造业企业追求的石化企业、汽车制造企业，甚至富士康等代场需要，转产防护、口罩等医疗防护产品，充分体现了其柔性生产经营满足市场应急需求的灵活性和快速响应性等优势，也为其他制造企业起到示作用。未来，制造企业生产经营将更加柔三是全球经济环境变化，让部分制造企业更关注强大的内需市场。全球经济环境变化，外需减少将会持续较长一段时间，而我国经济市场逐步恢复，复工复产全面推进，市场活力和潜力将被逐步激活，促使部分制造企业要素数据治理助力制造业转型升级数据作为新型生产要素，是数字经济院关于构建更加完善的要素意见》分类提出了土地、劳动五个要素领域改革的见》强调要加快培育数据要素市场，推进政府数据开放共享，提升社会数据资源价 (以下简称《规划》)，作出了“十四五时期”我国数字经济发展的重点部署的指导，数据要素作用，成为《规划》重点《规划》要求强化高质量数据要素供给，加快数据要素市场化流通，创新数数据治理是充分发挥企业数据价值的必经之路，是助力制造业转型升级的有力保而数据价值却因上述种种原因常常难以充分发挥，但依托数据治理手段，能解决释放数方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，具体体现(一)掌握数据现状。数据治理对数据家当和数据获取夯实基础。数据地图作为数据的全盘映射，帮助数据开发者和数据使用者了解数据，成为对数据资产管理进行有效监控(二)提升数据质量。数据治理通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数据质量，形成覆盖数据全生命周期的数据质量管(三)实现互联互通。数据治理通过制定统的数据标准，建立数据共享制度，完善数数据使用等数据共享相关流程规范，打破数(四)提高获取效率。数据治理将大量前期的数据准备时间和交付项目的时间缩短，提升数据的获取和服务效率，让数据随时快速有效就绪，缩短数据分析人员的数据准备时(五)保障安全合规。数据治理通过制定完善的数据安全策略、建立体系化的数据安全措施、执行数据安全审计，全方位进行安全控，确保数据获取和使用合法合规，为数(六)持续释放价值。数据治理通过一个持放数据价值为理念来实现数据资源管理工理方面，建立一套符合数据驱动的组地为白皮书白皮书异构信息源导致制造企业形成巨大而原因，大部分制造业企业已拥有多种业务系统，这些系统和数据已成为企业运转和发展不可缺少的组成部分，但这些数据库大都是被独立创建和管理的，在信息系统方面，企业内部各部门往往各自独立，彼此的信息和个异构的信息源。这些异构信息源使得整个大量异构数据制约制造业企业数据的传输和共享。随着制造业企业数字化的建设，制造业企业出现并收集存储了许多新的数据形式(文本、音频、图像、视频数据等)，这些大量存在的异构数据，被分布保存在不同的存储环境或数据库中仅服务建设初期自身的独立系统，制约了企业各部门间的数据传输和共享。传统的关系数据库之间的数据信息的交换采用文本文件作为中间媒介，但文本只能实现单张关系表间的简单信交互。在信息系统中，需要交互的信息量是庞大而复杂的，这种简单的文本信息交换显然力不从心。如何将不同的数据库应用系统纳入到一个系统下，实现用户在各系统间利用一种具有通用性、操作性良好的数据交换技使信息系统具有异构相容、集成现有信息的特点。因此如何将原有的各类成熟的数据库系统不加修饰的纳入到新的数据集成系统中，实现多个异构数据库间信息的共享和制造业企业数据资产管理能力不足。教育行业等传统行业仍处于初级阶段，数据资产管理的意识和动力不足，数据资产管理组建相对专业化的数据资产管理团队，尝试性对核心业务开展数据标准化工作。根据。金融行业、互联网行业、通信行业、业等较早享受到了“数据红利”，持续推进业务线上化，数据资产管理重要性随，逐步发展数据资产管理部门，加大DCMM评估结果显示，以上行业评估结果是建立组织的数据中心，将数据从各个系统随着大数据与人工智能技术的应用普及，海量多源异构数据急剧增加，特别是非结构化数据的增加，传统大数据平台在面临多源异因此，传统大数据中心已经无法适应现在的组织数据整合要求，需要考虑一种新务的逻辑数据整合，而业需要、可信度低制造业产业链条长，多业态并存，形数字原生企业，特别是大中型的制造企业，往往有着较长的业务链路，从研发到销售全产业链覆盖，在各个工艺流程中沉淀着大量的复杂数据。在信息化时代初期建立了很多相对独立的IT系统，典型的的特点是形成了“一类业务、一个IT系统、一个数据库”的烟囱式IT架构。其直接带来的问题就是不同IT系统之间的数据不贯通，同样的数据需要在不同的IT系统中重复录入，甚至在不同IT系统中的同一个数据不一致等。制造业企业数据环境复杂，历史包袱数字原生企业特别是制造业企业普遍有较长的历史，组织架构和人员配置都围绕着线下息化过程。很多制造型企业随着不同阶段的发展需求，保留着各个版本的ERP软件和各种不同类型的数环境，导致数据来源多样，独立封装和存储的数据难以集中共享，也不敢随意改造或替换，IT系统历史包袱沉重。数据没有管理责任人，各系统之间甚至同系统内建设薄弱、数据驱动意识缺位制造业企业数据战略，数据建设目标为一种新的生产要素，在企业构筑竞争优势的过程中起着重要作用，企业应将数据作为需要业务充分参与，IT系统确保遵从，这是一个非常复杂的系统工程。一个企业想要做大做强，成为世界一流企业需要注重数据制造业企业没有完整的数据综合治理只有构筑一套企业级的数据综合治理体系，才能确保关键数据资产有清晰的业务管理责任，IT建设有稳定的原则和依据，作业人程和指导；当面临争议时，有裁决机构和升级处理机制；治理过程所需的视、可控、可用及可信是当务之急树立正确的企业数据建设工作思路成为保障企业成功实现数据治理的根本。制造行业作为非数字原生企业，数字化转型的关键要素之一是在现实世界的基础上构建一个跨越孤立系统、承载业务的“数字孪生”的世界。通过在数字世界汇聚、联接与分描述、诊断和预测，最终指导上，企业需要构建以云为基础、以数据为驱动的新型IT架构。数字世界一方面要充分利用现有IT系统的存量数据资产，另一方面要构建一条从现实感知、采集、汇聚数据到数字世界、过程与规则的可用主题联接数据湖数据底座白皮书业务流IT系统建立完善的企业数据建设框架是企业顺利完成数据治理的必要手段。针对企业数据治理架，基于统一的规则与平台，以业务数字化为前提，务，支撑企业业务数字化运营。如下图2-2企客户客户员工合作伙伴供应商消费者供应供应销售交付人力资源财务其他数据1)数据源：2)数据湖：3)数据主题联接：4)数据消费：5)数据治理：为保障各业务领域数据工作的有序开展，需建立统一的数据治理能力，如数据体系、数据分权使用有权用权营权等机制素权益保护制度建设和白皮书国家重点推动工业互联网建设和企业数据治理。2020年5月工信部颁发《关于工业大数据发展的指导意见》，推动工业数，加快工业设备互联互通，推动工业数据高质量汇聚，统筹建设国家工业大，推动工业数据开放共享，激发工据市场活力，深化数据应用，完善数据治理。2020年9月国务院国资委办公厅下发《关于加快推进国有企业数字化转型工作，要求各国有企业加快集团数据治据归口管理部门，加强数据标准化、元数据价值，提升数据洞察能力”，提升数据服务水平。2022年4月19日，习近平总书记主持召开中央全面深化改革委员会第二十五次会议(以下简称“会议”)，审议通过了《关于加强数字政设的指导意见》，强调要全面贯彻网络强国战略，把数字技术广泛应用于政府管理府数字化、智能化运行，为推进国家治理体系和治理能力现代化提供有力子，综合运用好制度和技术工在保障数据安全的前提下，打通各级政府和各部门之间数据共享堵点，破除“数据委员会第二十六次会议关于数据治理的重点据治理导向得出的启示：制造业企业当下应抓住机遇，积极推进企业智能在保障数据安全前提下推进数据高效利用，提升数据治理有效性与安全性，推进制造业企业我国智能制造处于初级发展阶段，须在关键短板装备、基础零部件、工业软件等关键环节和第三，系统总结并复制推广智能制造示范项目经验模式。对《智能制造发展规划 (2016-2020年)》《智能制造工程实施指南(2016-2020年)》进行系统评估，继续推进智能制造示范项目，坚持以应用促发展，进一步推进示范应用，将形成的经验模式向同行业长链条，为制造业智能化转型和生产率的提高提供更多机会，为新技术、新产品发展创造更五，加大政策引导和资金支持力度。进一步鼓励全国产业转型升级示范区出台和落实精准有效的政策举措，保障企业智能制造在人、财、物等要素的需求，推进制造企业进行系据治理软通动力以为企业数字化转型为重点构建了软通动力数据治理体系。数据作为一种新的生产要素，在企业构筑竞争优势的过程中起着重要作用，企业应将数据作为一种战略资产进行管理。软通动力作为中国领先客户战略规划，业客户提供全面的端到端的咨询与实施服务的根本目标出发，并结合软通动力多年来积累的企业数据治理。如录245具务变革管理程运营管理36白皮书白皮书务中产生，在IT系统中落地，决定了企业数据治理工作必须充分融入到企业的数据治理平平台平台设计数据采集数据开发数据管理数据建模数据应用平台运维计定义定义入设计设计方式步同步步步步步发修改发修改准据标准典理型模型设计型监控及优化(一)平台设计：企业数据治理平台设计要充分考虑企业数据架构，包含但不限于需求架构设计、数据规范定义、数据引入和数据指标设计等。在数据治理平台设计过程中还需充分考虑到平台界面设计、数库设计、数据集成方案设计，向上承接企从数据标准的定义，库表和字段的设计满足企业数据架构的设计要求，从而达到数据治(二)数据采集：数据采集是企业数据治理据库同步、基于g(三)数据开发：数据开发是数据治理平台发挥作用的重要保障。数据开发主要包括数和(四)数据管理：数据管理是数据治理平台质量、主数据、元数据以及数据的生命周期和数据安全的管理。其中数据标准是在企业范围内确保数据一致的关键，是企业需共同遵守的属性层数据含义及业务规则，是就应作为企业层面的标准在企业内被共同遵(五)数据建模：数据建模是从数据的视角对企业的业务对象、业务过程和业务规则的模拟和抽象，根据业务需求抽取信息的主要业务信息之间的联系关系，是建设一套完美的数据治理平台的关键。数据建模主要包括概念模型、逻辑模型和物理模型(六)数据应用：数据应用是企业数据治理的成果展示，主要包含数据可视化、BI报平台正常运转的有效措施。主要包含监控管其中持续改进和优化是建设一个完美的企业数据治理平台的必要保障，企业的数据治理平台建设不可能一蹴而就，需要根据企业的发展和业务状况不断改进和修正，最终达到(一)数据源：数据同源是数据治理的核心，所以数据治理平台的数据源必须支持主流的数(三)数据开发：用编写代码的方式构建复杂的数据模型和不同类型的代码任务，降低代码(四)数据质量：数据质量的持续提升是数据治理的核心目标。需要数据治理平台具备提升数据质量的能力，保障数据的安全，对数据质量进行实时监控，第一时间感知脏数据，并采息查看、数据明细信息、分区等。化配置的向导模式，快速将关系型数软通动力与亚马逊云科技强强联手，建立了基于软通动力DataGo和亚马逊云科技云的应用和普及，数据处理呈现出新的特征，业务变化快、数据来源多、系统耦合多和应用深度加深等。传统的大数据建设和开发周期已经不能满足业务的需要，需要一个更快的建设周境况下，软通动力自研DataGo平台协同亚马逊云科技平台概念示意图:数据应用数据服务数据存储计算数据应用数据服务数据存储计算数据接入数据源离线计算离线计算数据输出数据引入规范建模通用研发运维调度LogtailSLSS3数据APISQLServerSQLServerOracle......企业提供全生命周期的数据管理工具，助力企业轻松完成......数据安全数据安全.......DataGo数据治理平台数据地图数据地图数据质量数据血缘元数据数据权限............数据源数据源MySQLPostgreSQLDB2HBaseHiveOracleSQLserver...数据开发、数据质量、运维监控、数据地图、数据服务等。其中最主要的有三点：功能覆盖亚马逊云科技数据治理体系：亚马逊云科技数据治理流程是通过获取流程数据，了解企业相关业务的流程、组织及技术能力，并从相关数据状态中获得更多业务洞察；结合业务实例，实时政策动态、架构等变化因素，有针对性地制定数据治理策略，构建以探索驱动定义的数producer/Flume//DataXreadreATAGOmazonKinesisATAGOmazonKinesis lerserer，通过亚马逊云科技能够轻松地在数据湖与专用数据服务之间移动数据。例如，AmazonGlue是数据以进行分析、机器学习和应用程序开发的工作；更快的数据集成，亚马逊云科技能过联合查询可以从关系数据库查询实时数据；便于移动，利用存储在不同系统中的数据，亚马逊云科技让您能够轻松地在自己的所有服务和数据存储之间移动数据：从内向基于软通动力DataGo和亚马逊云科技云原生架构的数据治理平台核心优势明动力的数据治理服务以自研的数据治理平生组件，可全方位满足客户对数据标准、数据开发、数据血缘、数据集成并形成数据服务以及后续数据运维的需求。可以帮助客户一，前后贯通，及时同步；灵活满足支持业务需求和分析需求，实现数据驱动业务；全销售渠道数据协助决策，仪表板数据自助分析平台，增强营销效率,帮助实现多场景营销活动等诉求。如图3-7为白皮书白皮书DataGo与亚马逊云科技数据治理平台架构示意图。 境 互式查询 数据服务 应用开发 跨引擎混合调度跨引擎混合调度跨云混合调度上下文参数传递调度流程逻辑控制心成批量同步批量同步增量同步实时同步数据转换IOT端采集数据的物理数据库。通过创建数据源的方式，将业务数据引入DataGo平台计算源EMR的hive中进行构建数据中台。同时也可以将已构建完成的数据导入数据源。DataGo基于亚马逊云科技丰富的云服务、提供了丰富的数据库类型接入，包括主流的关系型数据库以及分布式数据库，能将业务系统数据对接到平台中，提供后续建模分析使用，数据源是数据建设的来源或基础。通过与AmazonRDS数据库产品以治理存储层能够非常好的满足各类不同数Service(AmazonRDS)让您能够在云中轻扩展关系数据库。它在自动执行耗时的管理任务(如硬件预置、数据库设置、修补和备份)的同时，可提供经济实用的可调容量。这使您能够腾出时间专注于应用程序，为它们提供所需的快速性能、高可用性、安全性和兼容性。AmazonRDS在多种类型的数据库实例(针对内存、性能或I/O进行了优化的实例)上均可用，并提供六种常用的数据库引擎供您选SQLServer。借助AmazonRDS强大的性能、可靠性、可扩展性以及数据安全性，能够非常好的实现制造业对数据源的需求。B云中数据仓库服务。能够使用SQL在数据仓库、运营数据库和数据湖间分析结构化和半结构化数据，从几百GB数据，扩展至1PB或更多，支持制造数据治理平台通过运库、数据湖、数据仓库和数千个第三方数据集，对复杂的规模化数据进行实时和(二)全域数据集成。数据集成是基于DataGo构建的简单高效的数据同步平台，致力于提供具有强大的数据预处理能力、丰富的异构数据源之间数据高速稳定的同步能nDMS繁多异构数据源提供稳定高速的迁移能力。入，通过数据集成任务，将所需的源数据同步至目标数据库。使用AmazonGlue完成对数据流的接收、处理和使用，AmazonGlue是一项无服务器数据集成服务，它简化了发现、准备和合并数据以进行分析、机器学习和应用程序开发的工作。支撑制造业应用系统中各种数据来源的发现和以及在数据库、数据仓库和数据湖中加载和实现对数据的收集。AmazonKinesis可让用户轻松收集、处理和分析实时流数据，以便及时获得见解并对新信息快速做出响应。获取ERP实时数据，工厂采集数据，供应链上报数据，也可以获取用于机器学习、DataGo的核心功能，支持数据开发和临时查询。通过编写SQL代码的方式构建复杂的数据模型、构建不同类型(周期/手动)的代码任”对任务进行试跑，并查看任务的运行情况，还可以选中“select”语行查看“结果”，且为任务配置调度周期和任务之间的依赖关系，完成后即可点击提交按钮将任务提交并发布，提交后即刻生成版本记录，方便开发者进行各个代码版本之间的代码对比，至此就便捷的完成ETL此外临时查询是面向业务主题的数据查询，屏蔽了物理模型中技术特性带来的影响，基于逻辑模型从业务视角出发对外提供查询服务。同时，数据开发模块对接了DataGo的权限管理、运维和用户管理，致力于为您构建便捷、高效的数据开发平台。基于(四)数据质量。数据质量是对数据模块构建计算任务过程中的数据和结果数据的正确性进行表级校验和字段级校验的功能，主要选择校验方式(表/字段)的目标表，选取规则模板(内置模板和负责模板)配置具体内置模板中的表级规则有：表行值；字段规则有：唯一值个数固定值，空值个数固定值，空值个数/总行数固重复值个数固定值等；规则模板则是自定义通过SQL来创建模板规则；校验规则配置完成后可通过调度配置将数据校验任务和调度系统打通，通过调度系统触达数据(五)数据服务。数据服务旨在为企业搭建统一的数据服务总线，帮助企业统一管理对内对外的API服务。数据服务支持通过可视化配置的向导模式，快速将关系型数据库和NoSQL数据库的表生成API。您无需具备编码能力，即可快速配置一个API。API管理、运维的全生命周期管理。帮助您简单、快速、低成本、低风险地实现微服务聚数据服务采用Serverless架构，您只需要关注API本身的查询逻辑，无需关心运行环境等基础设施，数据服务会为您准备好计资源，并支持弹性扩展，零运维成本。数据的统一市场化管理，有效地降低数据开放门槛的同时，保障了数据开放的安现快速搜索，整合的可以添加多个用户,为保障数据安全工作空间为用户提供了用户及角色等身份，您可以针对不同用户的工作空间使用需求，授予其相应的功能权限角色。一个组织可以包含多白皮书添加进组织的每个用户至少归属于一个工作空间，空间管理员拥有其所在空间的所有工对hive实现统一的，细粒度的数据访问权限控制，用户角度可以查看对数据有哪些权从数据角度，可查看哪种角色有何种权云科技的安全技术架构，可等不同自定义的行级别权限管理，用数据架构和业务场景的交互，实现数据全生命周期的安全数据流通管理数据运营管理数据标准管理数据流通管理数据运营管理数据标准管理主数据管理元数据管理数据开发管理化化资产化管理和应用理的前提与基础。随着数据的重要性日益显著，数据资产管理成为激发组织数据要素活力、加速数据价值释放的关键。数据资产(DataAsset)是指由组织(政府机构、企事业单位等)合法拥有或控制的数据资源，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感数据资产，数据资产是能够为组织产生价值的数据资源，建设企业级数据资产管理架构是企业数据发挥高效价值的有力保障。数据资产管理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产管理包括数据模型管理、数据标准管理、数数据资产管理(一)数据模型管理。是指在信息系统设计用语、单词等数据要素设计数据模型，并在信息系统建设和运行维护过程中，严格按照数据模型管(二)数据标准管理。数据标准管理的目标是通过制定和发布由数据利益相关方确认的制度约束、过程管控、技术段，推动数据的标准化，进一步提(三)数据质量管理。是指运用相关技术来控制等一系列活动。衡量数据质量的指标体和管理与企业的(五)数据安全管理。是指在组织数据安全战略的指导下，为确保数据处于有效保护和合法利用的状态，多个部门协作实施的一系白皮书列活动集合。包括建立组织数据安全治理团基础，是为获得高质量的、整合设以生产企业的供应链管理为例，生产以生产企业的供应链管理为例，生产和经营从来就不是一个孤立的行为，在生产和管理中已经沉淀了一套数字资产，如何应用好这套数字资产，是需要上下游充分合作互相支撑的过程。很多企业已经意识到，依靠传统的商业模式，在竞争与挤压式增长的市场环境中想要有所建树是非常艰难的。因不再局限于只做生产需求输出方，而是主动信息，链接上下游企业资源，展开同，产销协同的合作模式，并从中获业务场景：突然的需求变化造成了缺货或货商，多级物流商，运输动企业需要为供应链业务的全局管控提供信息集成、业务监测洞察到协同处理的端到端的数智化解决方案，实现供应链价值运营的实业务方面，供应链管理的核心工作是理。完善数字，就是让数字作为生产要素，指引企业如何运用数据，去辅助每个环节做正确的技术方面，缺少高效数据集成，导致在供应链环节的繁多异构数据源不能高效存缺少数据接口，不能将数据引入，通过数据集成任务，将所需的源数据同步至目标数据没有上云，导致数据共享软通动力DataGo协同亚马逊云科技共同搭建的数据治理平台来实该业务场景的实施，提高制造解决方案：采用平台化的数据治理方案，使构建的供应链控制塔平台，使关键业务环节向打穿，在全业务流程管理中，建立一个透镜”切片，为这一个环协同、可决策的体系内循环优化。目前软通动力已经完成的设备施设备施......白皮书展展能源制造业快消&零售农村农业详情详情应协同存存情及量评价供应链业务运营管控E2E场景供应链控制 成)供应链监控供应链监供应链监评估及优化PAI人工智能·机器学习·大数据分析·云计算·智能算法·......·物联网loT·5G·机器人自动化·智慧园区·物流运营·......全链率RDC仓前置仓库11-NRDC仓AI人工智能·机器学习·大数据分析·云计算·智能算法·......·物联网loT·5G·机器人自动化·智慧园区·物流运营·......全链率RDC仓前置仓库11-NRDC仓经销商库N1-N仓库111流科技产品与解决方案，体验车GPS车GPS同同业务中台数据源数据图谱数据质量平台RESTFlu务检索服务白皮书景的解决方案给出供应链控制塔搭建的整体框架,如图4-3所示为型可视化能力(可视套件集成)监控引擎中心SIS系统景的整体框架给出供应链控制塔搭建技术架构,如图4-4所示为供分层管分层管理itySparkJaveSparkJaveFlinkTEZHDFS分布式存储/Hbase/S3fkafkae(一)使供应链整个环节的业务对象化、规通过梳理分析供应链的业务流程，落实到数去，包括需求管理、生产管设，为实现采销联动。帮助供应商快速熟悉产品，了解客户需求(PO、预测等)，并根据供需关系建立合理的生产和库存控制策略，提高(三)实现供应链的需求管理，生产管理和供应管理三者协同，帮助企业增值。一个成功的采销项目，一定是从供应网络与需求预测匹配开始的。需求管理主要包括产品生命产、采购和供应商进行全面数据要求是非常敏感的。需求算再准，没有供应商及时灵活的交付，就没三者缺一不可，互相好此供应链控制塔，也是提高市场反应能力的正确方法，最终帮助企业提高及时交付率和生产灵活性，减少库存损失和领下的计划协同良好的数据治理体系和数据治理平台会帮助让制造企业创造更大的价值，数据治理离不开大数据和人工智能的先进技术。大数据的发展为人工智能提供了海量的训练数据，为机器学习和深度学习的突破提供了重要支撑，而人工智能应用的发展又催生出更制造业企业实现工业数字化转型离不开大数业务场景：企业战略管理体系没有持续和规部门贯通、战略的延续性差、部分管理层缺孤岛化、应用烟囱化，部和利用低敏、应用系；缺乏完善的数据管理体系，无法持续提升各类数据质量和保证数据使用的通过指标准确、实时、全面的了解公司经营状况，及时做出具有数据支撑的科学决策；信息安全策略不清晰，安全不完善，技术防护能力偏弱，安全管控程，保密文化建设缺失；企业目标技术方面，企业已建设相应领域IT应用支撑业务运作，但是主航道核心IT系设，大量工作体外进行，现有系统，数据共享和集成较差；技术架构基本满足目前业务和信息化管理要求，但业务发展态势的基础上，为客户构建数字战关组件，围详细落地项目路径设计(包括时间周期人力资源、金额、里程节点、风险、详细落地项目路径设计(包括时间周期人力资源、金额、里程节点、风险、项目技术规格根据路标进行业务能力框架IT现状调研与诊断，包括信息度、智慧园区便IT基础设计设计设计计集团/企业安全计项目管理启动&商务白皮书业务智慧化、服务体验化、人文科技化，帮助企业数据治理快速上云；运用大数据和人工智通过大数据和人工智能等技术手段实现“智能制造”、“智慧园区”和“智能运营中心”三。具体数据治理方案架构如下图4-5企实施路径设计建设落地现状诊断规划方案实施路径设计建设落地力地图及智能工厂蓝图案设计案设计重点场景风险分重点场景风险分析计构设计给出其数据治理框架,如图4-6所示为大数据与人工智能协大数据与人工智能(算法、模型)大数据与人工智能(算法、模型)应用数据中台能力支持心能力大数据平台技术支持能力据此场景的数据治理框架给出大数据与人工智能协同下的制造业企业数据治理平台搭文件处理框架图片处理框架TEZ SQLserver......型Java统企白皮书白皮书G务的全球化制造解决方案供应商，在全球拥有100家厂区、20多万名员工，在电子制造、医疗等多个行业中创造价值。自2018年开始，G企业开始探索数据集中化平台化治理相关的工作。从基于数据分析工具系统、供应链、人力资源等，系统繁杂。历史的数据应用呈现出性能低下、对业务系统压力G认构建数据平台来赋能数字化转型游数据应用的关系，确保接口和整