工业互联网大数据平台建设方案相关两份资料

工业互联网大数据平台

建设方案背景介绍调查分析平台建设云平台总体架构大数据平台介绍大数据平台应用模型算法介绍Contents目录为什么有工业4.0？实体物理世界和虚拟网络世界融合工业4.020世纪70年代兴起的信息化工业3.020世纪初电气化和自动化工业2.0实体18世纪机械制造设备的引入工业1.0工业4.0、中国制造2025工信部长苗圩在讲到德国工业4.0与中国制造2025时，曾这样概括：如出一辙、异曲同工、殊途同归。因此，两者表述不同，但内涵基本一致工业4.0工业4.0由德国提出，主要指提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴。其技术基础是网络实体系统及物联网。中国制造2025坚持“创新驱动、质量为先、绿色发展、结构优化、人才为本”的基本方针，坚持“市场主导、政府引导，立足当前、着眼长远，整体推进、重点突破，自主发展、开放合作”的基本原则。什么是大数据？所谓“大数据”，指的是所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到截取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。。大数据处理技术代表了新一代的技术架构，这种架构通过高速获取数据并对其进行分析和挖掘，从海量形式各异的数据源中更有效地抽取出富含价值的信息。从大量数据中挖掘高价值知识是各界对于大数据的一个共识。海量数据可广泛获得，所稀缺的是如何从中挖掘出智慧和观点。——Google首席经济学家HalVarian大数据主要被用于分析和决策，企业用以分析的数据越全面，分析的结果就越接近于真实。大数据分析意味着企业能够从这些新的数据中获取新的洞察力，并将其与已知业务的各个细节相融合，对企业产生新的价值。工业大数据分析及应用的三个阶段时间第一阶段1990-2000第二阶段2000-2010第三阶段2010～至今核心技术远程监控、数据采集和管理大数据中心和数据分析软件数据分析平台与高级数据分析工具问题对象／价值以产品为核心的状态监控，问题发生后的及时处理，帮助用户避免故障造成的损失以使用为核心的信息服务，通过及时维修和预测型维护避免故障发生的风险以用户为中心的平台式服务，实现了以社区为基础的用户主导的服务生态体系商业模式产品为主的附加服务产品租赁体系和长期服务合同按需的个性化自服务模式，分享经济代表性企业和技术产品GMOnStarTM阿尔斯通TrackTracerTMGEPredix平台大数据特征：量（Volume）、速度（Velocity）、多样性（Variety）、真实性（Veracity）工业大数据特征：大数据特征＋可见性（Visibility）、价值（Value）互联网大数据与工业大数据的对比分析互联网大数据工业大数据数据量需求大量样本数尽可能全面地使用样本数据质量要求较低较高，需要对数据质量进行预判和修复对数据属性意义的解读不考虑属性的意义，只分析统计显著性强调特征之间地物理关联分析手段以统计分析为主，通过挖掘样本中各个属性之间的相关性进行预测具有一定逻辑地流水线式数据流分析手段。强调跨学科技术的融合，包括数学、物理、机器学习、控制、人工智能等分析结果准确性要求较低较高工业大数据待解决问题（3B）：隐匿性（BelowSurface）；碎片化（Broken）；低质性（BadQuality）工业大数据应用背景介绍调查分析平台建设云平台总体架构大数据平台介绍大数据平台应用模型算法介绍Contents目录工业大数据的核心是机器数据机器大数据的特点工业互联网和大数据的关系工业互联网工业互联网工业互联网大数据+=企业发展动力通过工业互联网将来自于传感器发出的信息汇总，然后基于大数据平台，根据相应的指标、规则予以过滤、分析，可以提炼出对企业有价值的信息。大数据可以对指定信息进行归纳总结，形成某种规律性的认识，最终提炼为对企业和个人有用的新信息，帮助他们进行更好的决策。工业互联网与大数据的作用提升产品智能化产品的智能化是把传感器、处理器、存储器、通信模块、传输系统融入到各种产品中，使得产品具备动态存储、感知和通信能力，实现产品的可追溯、可识别、可定位。目前互联网汽车、工程机械、智能家电等是产品智能化的热点领域。深入拓展行业应用工业互联网与大数据通过网络与企业管理平台连接，企业管理平台可以运用无线网络、视频远程故障诊断等信息服务系统，远程监控设备的运转情况，并基于工业大数据实现故障预警，有针对性地提供维修等服务，实现“服务型制造”。工业互联网与大数据的特点全要素全要素就是说产品数据的完整性,它携带了全部的尺寸、工艺、制造、售后使用的信息。01全方位关注产品设计、制造、采购、使用等上下游信息。03全过程数据的设计和使用，必须要考虑跨越不同的设计、制造阶段。02全融合万物互联意识，关注企业各业务的全面关联及融合。04大数据对企业的应用价值体现31542自助分析、生产管道可视化、资源解耦随需而动，营销实时，以业务效率提升为标志。提升业务效率数据集中到数据中心，多数据源管理，透明服务支持，实时的决策和预测能力提升整体经营管理水平。增强管理水平数据开放服务、租售数据、广告等新业务.创新商业模式互联网化的电子渠道全景体验、个性化商品推荐、LBS位置营销、面向客户个体的深度洞察提升客户体验以技术驱动为标志，内存计算、MPP、CEP…分而治之的分布式计算让运营商实时高效决策….技术高效、低成本挖掘工业大数据价值的核心技术——CPS

分析手段工艺、效率和产能商业模式内核数据和知识建模智能设备平台基础测量材料设备维护6M6CCPS定义:从实体空间的对象、环境、活动中进行大数据的采集、储存、建模、分析、挖掘、评估、预测、优化、协同，并与对象的设计、测试和运行性能表征相结合，产生与实体空间深度融合、实时交互、互相耦合、互相更新的网络空间；进而，通过自感知、自记忆、自认知、自决策、自重构和智能支持促进工业资产的全面智能化.工业大数据云平台实现路径扩展性增量式的、几乎无限的扩展可用性要求系统总是在线运行灵活性灵活可动态改变的数据模型扩展性纵向扩展横向扩展分布式资源集中计算和存储分布可用性单份数据数据复制一致性不要使用分布式事务处理大数据处理的需求和特点背景介绍调查分析平台建设云平台总体架构大数据平台介绍大数据平台应用模型算法介绍Contents目录工业大数据云平台建设终极目标IaaS：提供基本的计算、网络和存储资源。PaaS：中间层，提供对行业业务应用的支持。SaaS：向用户交付最终业务应用和数据分析。PaaS环境层：为业务应用提供支撑的软件组件、包括各种中间件和数据库等。以Hadoop为代表的大数据处理。PaaS业务层：包含了应用的后台程序，数据处理算法以及业务数据等实现业务能力的元素。PaaS服务层：将业务层的业务、算法和数据以接口的形式提供给上层的前端应用直接访问。平台核心：统一资源+大数据+开放服务云平台总体架构—22

—

面向一般数据中心典型的应用场景，提供对混合IT资源的统一接入，以构筑云模式下基础资源调度的最佳实践。以PaaS能力为核心，将应用系统的典型软件组件以服务形态提供，为业务系统提供统一环境支持，并进行统一管理和监控。将大数据平台作为典型服务组件整合到云平台中进行统一管理，以适应未来应用对大数据能力的普遍使用。为用户提供面向DevOps的统一云服务业务流程，以统一平台提供传统的IaaS和PaaS能力，并贯穿开发、测试和生产的全过程。云平台总体架构介绍工业大数据平台--数据业务逻辑背景介绍调查分析平台建设云平台总体架构大数据平台介绍大数据平台应用模型算法介绍Contents目录准实时采集批量采集Hadoop平台MPP，基于X86平台主数据仓库分布式数据库基于X86平台数据采集（云化ETL，流数据处理、爬虫）数据层获取层能力层精细化营销智能运营物联网应用应用商店客服应用基础分析能力数据挖掘能力实时分析能力自助分析能力多维分析能力数据共享能力指标应用报表应用主题分析专题分析互联网GN口半结构化、非结构化数据BSS经分DMVACMC话单业务平台结构化数据数据源分布式文件系统HDFS记录明细数据HBaseM/RHive记录汇总数据数据统一服务和开放SQL、FTP、WS、MDX、API、……分布式数据库（MPP）：存储加工、关联、汇总后的业务数据，并提供分布式计算，支撑数据深度分析和数据挖掘能力，向主数据仓库输出KPI和高度汇总数据。主数据仓库（与MPP合设）：存储指标数据、KPI数据和高度汇总数据。Hadoop云平台：负责存储海量的流量话单数据，提供并行的计算和非结构化数据的处理能力，实现低成本的存储和低时延、高并发的查询能力。数据开放接口：向大数据应用方提供大数据平台的能力。数据采集（ETL）：负责源数据的采集、清洗、转换和加载包括：1、把原始数据加载到Hadoop平台。2、把加工后的数据加载分布式数据库和主数据仓库应用层大数据平台目标架构及定位数据分级存储原则数据融合与分级存储实施按数据血缘按逻辑层次按业务种类按设备网络划分按设备物理地址在线、近线、离线按访问频度内存数据库按响应及时性内存数据库数据生命周期中在线数据对高性能存储的需求，以及随着数据生命周期的变更，逐渐向一般性能存储的迁移，是分级存储管理的一条主线。同时兼顾考虑其他分级原则，共同作用影响数据迁移机制。基于生命周期基于访问压力基于业务用途基于物理属性分级原则高性能磁盘库磁带光盘库中低性能磁盘库将核心模型（即中度汇总的模型）通过改造融入到现有主数据仓库的核心模型中，减少数据冗余，提升数据质量。将主数据仓库中的历史数据和清单数据迁移到低成本分布式数据库，减轻主数据仓库的计算与存储压力并支撑深度数据分析。数据数据数据1、核心模型融入主数据仓库主数据仓库2、历史数据迁移到分布式数据库分布式数据库大数据平台：

数据分级存储工业大数据平台--技术架构源数据导入ETL，进行数据的清洗、转换和入库。基础数据加载到主数据仓库，规划保存3年清洗、转换后的ODS加载到分布式数据库规划保存1+1月，在分布式数据库内完成明细数据和轻度汇总数据加工生成，规划保存2年ODS数据和非结构化数据，如爬到的网页数据ftp到Hadoop平台做长久保存非结化数据分析处理在Hadoop平台完成，产生的结果加载到分布式数据库生成KPI和高度汇总数据加载到主数据仓库。Hadoop平台主数据仓库报表数据标签库客户统一视图……信息子层话单数据非结构化数据明细数据层

（DW）轻度汇总层（MK）高度汇总层（MK）应用库分布式数据库MPP数据访问SQLFTPHSQLAPIETL数据采集ETL互联网GN口非结构化数据BSS经分DMVACMC话单业务平台结构化数据数据源获取层123465业务应用通过数据访问接口获取所需求数据。7精细化营销其他应用1其他应用2指标数据大数据平台：

数据处理流程数据采集--设备数据数据采集--实时数据接入处理数据采集--批量数据接入处理交互式查询实时在线处理实时流处理

批处理基于spark和hadoop的计算模型，同时支持批处理、交互式处理、流处理。技术架构解决方案批处理应用（分钟级别~小时级别）OLTP/在线事务处理应用（毫秒~秒级别）OLAP/在线交互式分析应用（秒级别）实时流处理（持续不断）技术架构解决方案通常的时间跨度在数十秒到数分钟之间按数据维度进行统计、聚合根据历史数据进行拟合和预测计算数据之间的相关性和模式等适合提供高速在线分析服典型应用场景政府各部门数据证券交易银行保险企业ERP/CRM等适用于数据量在GB到TB的高速数据分析通常的时间跨度在数百毫秒到数秒之间数据来源多、高并发、数据处理量达分析结果快速响应典型应用场景社交网络分析、关联关系分析用户分类、用户行为预测高并发查询按主键毫秒级检索按多维度秒级检索按照关键字秒级检索交互式查询实时在线处理HDFS：分布式文件系统有较强的容错性可在x86平台上运行，减少总体成本可扩展，能构建大规模的应用HBase：非结构化NoSQl分布式数据库

基于分布式文件系统HDFS，保证数据安全列式存储，节省存储空间提供大数据量的高速读写操作Hive：分布式关系型数据库数据可保存在HDFS，可提供海量的数据存储类SQL的查询语句，提供大数据的统计和分析操作，适合海量数据的批处理通过MapReduce实现大规划并行计算MapReduce：大规划并行计算引擎可将任务分布并行运行在一个集群服务器中Hadoop平台提供了海量数据的分布式存储与处理的框架。基于服务器本地的计算与存储资源，Hadoop集群可以扩展到上千台服务器。同时，Hadoop在设计时充分考虑了硬件设备的不可靠因素，在软件层面提供数据和计算的高可靠保证。大数据平台：Hadoop主要功能HBaseMapReduceHiveHDFS快速的数据读取大数据存储统计复杂计算并行处理技术基础研究方向研究方向关键任务制高点大数据可视化挖掘1）新型内存迭代数据挖掘算法2）数据挖掘可视化开发平台3）房地产、金融、电信等机器学习模型研究1）基于内存计算的机器学习算法2）行业大数据深度机器学习模型3）大数据可视化挖掘大数据内存计算1）基于内存的迭代算法研究2）内存大数据高速统计分析技术1）基于大数据内存的计算技术2）国内产品领先大数据语义分析1）大数据自然语言识别2）非结构化数据的知识发现、集成技术大数据平台的可视化集成目前是空白领域大数据云计算技术1）大数据云计算平台技术2）商业智能云平台技术1）云BI技术及大数据平台的核心技术研究2）大数据云BI在国内应用是未来趋势，有望建成国内第一家云BI平台-技术基础研究方向背景介绍调查分析平台建设云平台总体架构大数据平台介绍大数据平台应用模型算法介绍Contents目录大数据平台应用--资产管理服务大数据平台应用--数据管理与服务大数据平台应用--数据分析服务大数据平台应用--数据安全服务大数据平台应用--数据展示智慧公安大数据平台与

资源中心建设方案目录01平台总体建设方案02平台功能建设方案03资源中心建设方案04平台建设应用效果大数据平台与资源中心构建TB级大数据采集、存储、计算、挖掘、分析与应用能力汇聚数据资源形成数据资产保护数据安全挖掘数据价值形成业务洞察建立数据服务城市管理者城市运营者城市企业城市监管机构城市居民G安各系统数据物联网数据社会数据政府机构相关数据互联网数据…智慧G安数据检索数据计算决策依据洞察&建议数据统计、经营分析、风险预警、智能服务、辅助决策&兑现数据价值、赋能G安实战、提升治安水平、推动社会发展平台定位：信息引擎&决策中枢平台总体建设目标GA大数据中心数据应用自助化数据运行可视化数据组织知识化数据监控智能化数据处理自动化数据接入标准化建设目标聚：推进G安、交通、应急、社保相关数据资源的整合，促进政务数据的对接利用。并逐步推进社会数据、互联网数据等数据的采集与汇聚。管：构建一站式数据资产可视化管理，通过对数据资产的血缘谱系和信息资源目录的统一管理，实现GA数据的全过程治理与管理，以及各环节的安全与质量监管。通：实现基于应用场景的数据资源共享与管理机制，推动GA大数据资源的充分共享，让数据为解决交通拥堵、环境保护等各类社会问题赋能，发挥g安大数据资源的价值。用：整合数据资源并开展数据应用模型及算法研究，探索数据应用于服务模式创新。通过主题库、智能应用等方式推动在公共安全、城市治理、社会管理等领域的广泛深度应用。安：打造整体安全管控体系，保证平台上各类数据在数据汇聚、数据管理与治理、数据加工处理、数据应用开发、数据共享与开放等全生命周期中的安全防护能力。平台总体建设方案市g安大数据平台与资源中心大数据云计算数据整合功能设计应用发布需求分析应用展示模型设计流口管理一R一档全息感知公共安全数据采集数据存储数据计算数据模型治理管理计算模型数据源关联业务目标业务逻辑计算任务调度数据安全数据应用服务数据服务/能力共享G安社会资源…交警舆情整合系统数据数据开放摄像其他…Mac整合设备数据监管人员应用厂家运营人员管理人员服务各方角色CL平台总体技术架构平台总体应用流程抽取配置数据摸底数据校核模型设计元数据配置标签维护分布式文件系统搭建组件适配构建抽取平台产线服务部署产线适配产线功能拓展开发数据需求数据建模数据开发数据调度数据维护规范制定平台功能建设数据对接实施数据治理运营平台总体实施方案资源中心建设目录01平台总体建设方案02平台功能建设方案03资源中心建设方案04平台建设应用效果平台功能设计g安大数据中心是一个系统工程，如果把大数据汇聚中心比如成建一栋大楼，平台功能建设相当于打地基，把房子的框架搭好，框架稳不稳，好不好，决定了大楼的基本质量。大数据平台由9大模块组成，支持至少10000个数据任务并发执行，系统响应时间均值<=1s，日处理数据量峰值10T（相当于50亿条数据）数据服务数据安全数据运维数据应用数据采集平台数据中心层数据开发调度平台数据管理数据分析大数据中心组成部分平台功能架构基于g安大数据中心的建设目标，结合市G安G安数据与业务特点，采用了当前最主流的大数据平台技术架构，构设了g安大数据中心平台。大数据基础平台（数据存储、计算与采集）数据管理治理(数据资产管理、数据质量管理、统一开发调度)数据安全管理数据可视化统一数据门户基础支撑平台流数据接入批数据接入源数据G安数据物联设备数据实时数据流外部数据互联网数据…非结构化数据支持结构化数据、非结构化数据、实时流数据、设备数据等数据的采集处理与存储；批数据处理通过数据采集任务调度的方式，根据时间戳定时探查数据源数据以及结构化文件的变动，通过数据采集平台的解析，抽取增量数据到数据资源平台；流数据处理通过数据资源平台内独立部署kafka消息系统，采用数据源推送或自动拉取的方式，将流数据接入数据资源平台。主动采集&数据推送通过对数据资产的治理，让系统数据更加准确、一致、完整、安全，降低IT成本；针对数据资产应用使得系统数据的使用过程更为人性、便捷、智能，从而提升管理决策水平。关于数据资产运营是支持系统数据资产的分发、开发、交易等数据嫁接的实现。从而促进数据资产的价值实现。数据资产资产管理主要是针对数据资产类目编制的过程梳理、明确职责等内容，同时也可以对数据表的元数据信息进行有效管理资产总览从数据规模、类目分布、热门访问等多个角度，对数据资源平台上的数据资产状况进行全景式展现。资产目录对平台元数据的有序组织，是记录数据体系的保障数据类目是目录信息与服务、保障与支撑所组成的一个整体针对资产的合理组织，需要对资产进行对应分类资产报告针对整体平台上的对应数据，提供定周期了解其对应资产情况，对总体资产情况进行分析。资产地图通过元数据信息收集、数据血缘探查、数据权限申请授权等手段，帮助数据资源平台完成数据信息的收集和管理，解决数据资源平台数据开发者有哪些数据可用、到哪里可以找到数据的难题，并且提升数据资源的利用率。实时数据管理提供针对实时数据的元数据管理功能，包括：元数据采集、元数据存储、元数据运维、数据质量检查、元数据分析、权限管理、数据生命周期管理、元数据服务。数据资产管理数据质量管理主要包含对数据完整性、准确性、鲜活性、权威性的分析和管理，并对数据进行跟踪、处理和解决，实现对数据质量的全程管理，提高数据的质量。质量模型一套规则质检方案一质检方案二质检方案……and╋╋质量模型实体表数据质量基础单元完整性准确性鲜活性权威性根据业务需要选择实体表和规则，方案与方案之间相互独立，互不干扰。通过执行模型下的质检方案，可以得到用户关心的数据质量分析结果，如问题数据明细信息、数据质量分析结果等。平台能够提供质量规则配置、质量监控、问题处理等功能，及时发现并分析数据质量问题，不断改善数据的使用质量，从而提升数据的可用性，挖掘数据更大的价值空值检查值域检查规范检查逻辑检查重复数据检查及时性检查缺失记录检查引用完整性检查……检查质量规则数据质量管理数据开发平台数据开发完成多种环境的全量与增量数据处理能力，简化开发过程。统一数据开发入口，支持可视化开发和原生态开发两种开发模式，实现原生态开发与可视化编排的互相转换，提升开发效率，支撑多种混搭数据库环境的开发调度功能。⊙可视化开发⊙原生态开发统一调度平台以一个流水线生产为例：传统做法是单条生产线依赖产品的生产工序进行协同生产。在统一开发调度平台可以通过控制中心进行作业命令下发，状态收集进行控制，达到多个工厂，多条生产线的协同调度，实现数据从“采集→加工→对外应用服务”的全生命周期管理统一调度管理流程设计与管理调度策略管控任务调度控制标准化控件……作业/任务管理作业/任务调度作业/任务执行采集转换加载调度监控数据安全管理安全服务体系平台基础设备信息源身份认证信息数据授权信息安全服务信息数据使用信息g安大数据平台数据流数据流安全运营中心安全服务信息平台安全运营安全规范审计事前：统一身份访问控制事中：数据脱敏数据分类分级事后：安全日志审计分析风险告警监控整体：数据安全合规审查数据可视化可视化分析工具提供以简单拖拽操作方式，灵活、快速的生成各种报表，用户可对有权限的数据资源进行快速的数据探索及数据可视化分析。专题数据，主题数据加工完成后，用户可利用可视化工具开发可视化报表，经过测试发布上线后，对外提供可视化服务拖拽编辑可视化图表丰富的图表组件，有多种样式主题可选基于角色、用户的权限管理，以及空间的数据隔离图表数据支持导出csv，以便离线分析。统一数据门户构建统一的数据门户集成数据采集、治理管理、数据开发与数据应用分析能力，全面打造面向各各角色的一体化数据管理与应用门户，对外提供统一的数据管理、集成和应用服务，实现对数据资产与服务的协同管理和应用。通过大，中，小屏实现数据目录、数据应用、数据地图、个人管理等各项门户目录的建设；它提供应用集成功能，通过多种方式整合决策分析应用系统开发的应用功能；可根据角色提供数据管理者、数据开发者与数据应用者门户；门户集成的各个系统界面风格上实现统一，包括列表样式、页面布局页面颜色搭配、字体大小、按钮风格等。提供统一数据集成、管理与应用门户平台技术特性先进的混合计算架构采用离线计算引擎、流式计算引擎和分布式数据库引擎融合技术架构半结构化、非结构化数据提供低成本存储，并提供低时延、高并发查询和分析功能；结构化数据采用分布式数据库引擎，支持列式存储、分布式计算、智能索引等功能，实现高性能结构化数据分析处理；计算能力强，数据分析辅助决策，扩展能力强。高性价比的分布式集群基于x86服务器本地的计算与存储资源，计算集群可以动态调整，从数台到数千台之间弹性扩展，按需构建应用，减少总体成本；同时，在设计时充分考虑了硬件设备的不可靠因素，在软件层面提供计算和存储的高可靠保证；分布式集群，若干节点服务器出问题，数据库仍可正常使用。云化ETL结构化数据和非结构化数据统一汇聚接入，“不挑食”；将不同业务系统中分散、零乱、标准不统一的各种源数据中的数据进行汇聚；支持从DBMS、互联网、物联网、政企单位等各种数据源中提取数据。数据分层和分级存储不同数据分开存储，互不影响，防止数据相互渗透，保证数据安全；把数据按照不同阶段分为ODS、DWD、DW和ADS数据，分别存储在大数据平台和数据仓库，满足不同阶段的计算需求。g安大数据平台技术特点平台应用特性数据接入标准化通过制定接口规范，支持多源头采集、多种形态的数据形式，同时数据对账清晰明了，同时通过设置预警阈值，对源头的数据监控，及时发现源头采集问题。数据处理自动化通过自动化对标、自动化作业等产品、工具，以机器算法代替人力劳动，大大提高生产力。数据监控智能化通过定义多种监控点及接口规范，实现运维监控的统一管理，结合多种提醒方式，及时发现并解决问题。数据组织知识化通过分析各系统共享数据集，提炼权威数据，形成主数据模型。通过人、车、地址等主题域建模，掌握各主题的内在关系，深度整合，形成以实体为单位的复杂的关系网络。数据运行可视化ETL工具与数据治理平台有机结合，将数据治理实施流程各环节通过平台去实现，由平台驱动各产品协作完成整个数据治理过程。数据应用自助化依托服务总线，建设统一的服务平台，服务大厅，通过服务权限和数据权限控制，用户可自助申请、自助使用、自助评价反馈。目录01平台总体建设方案02平台功能建设方案03资源中心建设方案04平台建设应用效果资源中心总体规划共享数据对内共享区大数据资源区离线数据区实时数据平台中心库专题库融合库基础库主题库结构化数据公共数据库层非结构化数据重点RY库流动RK库JIN种库YU情信息库RK主题库AN件主题库CL主题库位置主题库贴源数据层G安资源社会资源智能物联设备基础标签库数据资源中心建设相当于装饰整栋大楼，让大楼更加实用，满足入客户的个性化需求，为各类应用建设提供基础数据环境和云计算支撑。互联网数据数据采集范围数据汇聚流程数据流向图数据标签建设构建基础库数据标签模板数据标签管理分类查询功能分类统计提供数据标签模版管理功能，可对数据标签模板进行编辑修改。提供数据标签管理功能，满足数据资产业务属性随业务发生变化时数据资产标签能够灵活变化。提供数据资产分类查询功能，可通过选取分类标签中具体的属性标签对数据资产进行筛查。提供数据资产分类统计功能，可对各种标签属性的数据资产进行分类统计，并形成统计报表，供使用人员查询不同属性数据资产的整体统计情况。数据标签体系数据治理涵盖了数据的全局治理和过程管控，是数据可用的前提，只有确保数据的标准化、规范化，可信可用，才能进一步通过数据运营与应用实现数据资产管理，发现数据问题、发掘数据价值，进而实现数据资产的盘活和有效利用。数据管理平台基于元模型驱动模式，构建一体化的数据资产管控，实现全流程、全生命周期和全景式的“三全”治理，确保每一份数据资产皆可靠、可信、可用；通过对数据、应用、