大数据先进实践案例研究报告

1 1 2 3 4二、案例研究 5(一)政府管理部门 5 三、案例做法及启示 (一)数据管理备受重视，数字化上升至战略高度 (二)组织架构健全，数据管理日趋专业化、产业化 (三)工作机制完备，数据管理高效推进 (四)构筑统一数据平台，实现内外部数据统一汇聚 (五)推进数据共享开放，赋能数据应用与业务创新 (六)发展与安全并重，数据安全任重道远 (七)重视队伍建设，培育大数据人才 (一)强化数据统筹，形成规模效益 (二)建立标准机制，强化数据管控与协同机制 (三)强化资源统筹，打造统一中台 55 55(五)树立安全“红线意识”,加强数据安全合规管控 56(六)加强队伍建设，培育数据文化 1(一)工作背景随着“互联网+”浪潮席卷全球以及“大云物移智”等新一代信息通信技术广泛应用，世界正处于一个数据爆发增长的时代，一种新的经济形态——数字经济蓬勃兴起。数字经济将数据作为一种新的重要生产资料，随着数字技术的出现和推广，数字经济时代的价值创造模式很快得到了普遍的认同，并广泛应用到其他经济领域中，成为驱动全球经济发展日益重要的新动能。世界上包括中国在内的许多国家都已经认识到了数据所蕴含的重要战略意义，纷纷开始在国家层面进行战略部署，以迎接数据技术革命正在带来的新的机遇和挑战。国家电网公司经过十几年的信息化建设和应用，在数据基础设施建设、数据汇聚共享、数据分析应用、数据标准管理等方面取得了显著成效，有力支撑了大电网安全稳定运行以及公司高质量发展，但也存在数据资源共享程度不高、数据标准不统一、数据价值挖掘不足等问题。在全力推进公司战略目标的要求下，大数据中心应运而生，以打通数据壁垒，激活数据价值，发展数字经济，支撑公司战略目标实现为使命，力争建成能源行业国际一流大数据中心，成为公司大数据枢纽。为了更好贯彻落实公司发展战略目标，全面支撑公司战略落地，大数据中心组织内外部单位成立编写组，开展2019-2025年发展规划研究工作，其中，中心要求编写组准确把握当前公司电力物联网建设和数据资产业务发展的需求，充分调研国内外业界领先实践，深入剖析公司及中心数据管理应用存在的问题，按照“现状摸2底、业界研究、总分项设计”的推进思路，完成中心2019-2025年发展规划报告编制工作。(二)编写目的本次先进实践案例研究作为现状评估的重要组成，主要对国内外先进的大数据中心运作模式、管理方式、技术路线以及商业生态建设等方面进行研究学习，形成业界领先实践研究报告，深入探讨未来中心业务发展模式、管理策略及技术路线，为整体发展规划研究编制提供外部实践依据，具体而言，本次实践研究达到如下3个1.把握趋势，提供数字化战略转型指导随着社会环境、经济环境的不断变迁，公用事业行业也在不断发展变化，通过外部实践研究，能够充分把握国内外公用事业行业，特别是能源行业数字化转型发展的整体趋势，同时综合考虑国内经济环境和电力体制改革的现实，经过科学提炼和创新性结合应用，形成公司数字化转型的总体发展策略，指导中心战略落地，为实现中心未来业务战略目标奠定坚实基础。2.借鉴经验，加速解决实际问题和短板当前经过初步的现状梳理和分析总结，形成数据管理、关键技术、数据服务、人才队伍等多个维度的问题汇总，涉及业务、信息、技术、保障等各方面，通过本次外部实践研究，总结出外部优秀企业在面对类似或相同问题时的思考路径、积极实践和改进成效，尽管在政策、制度、业务等方面存在一定差异，但思考过程和实践做法也有诸多值得学习借鉴的地方。3.勇于探索，助推公司数字化产品与服务创新3加快电力物联网建设，从全息感知、信息连接、开放共享、融合创新等方面进行提升，落实公司战略发展目标。通过调研符合公司发展需求的国内外金融、通信、互联网、能源等行业的先进数字化转型企业，对标分析各企业的核心能力建设、服务与产品、技术平台、数据安全、人才建设、创新服务等关键成功要素，总结成功经验，为大数据中心未来的数字服务与产品创新提供方向借鉴。(三)研究方法外部实践研究是一种为促进企业业务改进和提高的实证研究方法，具有详细的理论支撑和方法。在开展本次先进实践研究之前，需要结合客户需求实际，厘清比对目标企业和具体业务板块后，再继续完成后续大数据中心规划的实施与分析。本次领先实践研究将参照标准工作方法，将整体工作分为五步，包括：计划制定；企业遴选；方法确定；案例研究和适用性评估；成果应用。1.计划制定应坚持系统优化的思想，追求业务的总体优化。从问题出发，紧密结合业务的薄弱环节，提出领先实践研究的重点领域要求。在制定计划的过程中，应根据资源的可获得性和落地可行性两个方面来确定领先实践的研究范围、深度和细度，确保工作高效。2.企业遴选确定研究对象企业，首先应有科学的依据确保所选企业的整体先进性。本次领先实践国际企业研究中按照先进性和相似性原则选择排名靠前的国家及相应能源企业作为研究对象；国内领先企业研究选取与国家电网所处行业相近的企业以及互联网知名企业。3.方法确定4在确定研究企业后，采用定性、定量两种方法相结合。本次领先实践研究，采用定性方式进行，具体研究时，也可采用案例分析、访谈参观和专家交流的三种方式中的一种和几种。本次领先实践调研针对国际同业采用案例分析和专家交流相结合的方式，针对国内企业采用案例分析和访谈参观相结合的方式。4.案例研究和适用性评估每个领先企业都有在各自社会环境下的关键做法，且在其特定社会环境下都被证明是正确和可行的，此时适用性评估的作用就被凸显。适应性评估是相似性原则的具体展现和落地，那些领先实践企业所处行业环境、国家政策与目前公司相似度越高越可以认为其适用性评估越好，领先实践内容越具有可复制性和达到设定的应用5.成果应用将领先实践中经过初步验证和筛选的具备一定适用性的业务内容和结论在业务规划中予以有效体现和继承，确保领先实践研究成果得以满足研究初衷。(四)研究对象1.选择原则注重先进性原则，包含先行、先导和先锋的意思，企业可能从事也可能并非从事电力行业，但其在所在行业目前具备较高领导地位和社会形象，且是其经过备受业界赞誉的成功转型和变革达到了目前成功，并且有科学论据证明其的先进性，并是国家电网可以借鉴学习并快速付诸实施的。注重相似性原则，从事同一行业，其业务内容、服务形式、运5大数据组织架构，设置CDO(首席数字官),推进新一代信息系统重1.贵州省大数据发展管理局(1)基本情况贵州省大数据发展管理局调整成立于2017年2月，根据中央编6(2)典型做法贵州省大数据发展管理局自2014年以来，以国家首个大数据综合试验区建设为契机，实施大数据战略行动，推进政务数据共享开放，坚持大数据发展“规划、建设、资金、服务采购”四统一，全面建设“一云一网一平台”(承载全省政务数据和应用的云上贵州“一朵云”,全省政务信息系统互联互通的政务服务“一张网”,全省政务服务和政务数据智能工作“一平台”),实现了全省政务数据在一个体系里存储、在一个平台上共享交换，以共享促应用，以应用推共享，推动了大数据与实体经济、乡村振兴、服务民生、社会治理的深度融合，数据“聚通用”得到国家肯定，有力推动了国家治理体系和治理能力走向现代化。1)建立机构清晰、职责明确的高效数据管理推进机制贵州省委、省政府把大数据作为“一把手”工程，成立由省长担任组长、有关省领导任副组长，各市(州)、省有关部门一把手为成员的全省大数据发展领导小组，领导小组办公室设在大数据管理部门。设立省政府直属正厅级事业单位贵州省大数据发展管理局，设立省大数据产业发展中心，成立国有全资的云上贵州大数据集团公司、贵州省大数据产业发展研究院，设立贵州省大数据专家咨询委员会，形成了“一领导小组、一办一局、一中心、一公司、一研究院、一智库”的管理机制。其中，贵州省大数据管理局下设9个部门，分别为：办公室、政策法规与标准规范处、规划投资处、产业发展处、数据资源管理与安全处、基础设施处、应用推广处、对外交流与宣传处和人事人才处，全面负责贵州省数据的“汇聚、共享、调度、开放和开发应用"。72)加强法规标准规范建设，为数据管理提供有效依据台法规。2016年，制定全国首个《贵州省大数据发展应用促进条例》,将政府数据共享开放工作纳入法制化管理，确保政府数据共享开放可持续、有序推进。出台《贵州省政务数据资源管理暂行办法》,对全省政务数据资源的采集、存储、共享、开放及安全管理等方面做出了明确规定，并开展《贵州省政府数据共享开放条例》立法调研工作。二是研制标准。成立贵州省大数据标准委员会，组织制定了贵州省政府数据分类、分级、数据目录梳理等标准指南编制，发布《贵州省政府数据分类分级指南》等地方标准，按照“一数一源”的原则，统一标准格式，梳理政务数据资源目录。三是编制规范。编制《应用系统迁云指南》《云上贵州数据共享交换平台数据资源发布管理使用指南》和四大基础库数据共享应用等规范，为政府数据采集、管理应用等提供依据和支撑。3)打造统一技术平台与协同机制，推进数据共享开放①建设“云上贵州”统一云平台，实现数据资源一体化整合由大数据主管部门负责，成立国有全资企业云上贵州公司，搭建了云上贵州系统平台，云上贵州公司具体负责运营维护，为全省提供统一的云存储、云计算、云安全等云服务，全省只有一个平台就是“云上贵州”,各地各部门不再单独规划建设服务于政务应用的云计算平台和数据中心。按照“网络通、管控通、数据通、服务通”的要求，有条件的市州，建设方案经大数据主管部门审核通过后，省大数据领导小组批准，按照云上贵州系统平台架构建设逻辑分平台，实现政务数据在云上贵州一个平台上汇聚。8云上贵州系统平台构架分为三层：基础层、核心层和应用层。基础层整合阿里飞天、华为云平台等，提供云计算和云存储服务；核心层由自主开发的数据共享交换和共享数据资源库组成，提供数据目录发布、数据资源池存储、数据共享交换等服务；应用层由各级、各部门应用系统组成，由电子政务云统筹各部门应用通过电子政务外网和互联网对外提供服务。目前，云上贵州系统平台含物理机有1371台，云服务器12000余台(已使用9300多台),云数据库3418台(已使用2246台),总存储空间11800T(已使用1600T),按需要提供高性能物理服务器、ORACLE数据库、负载均衡、开放存储、云安全等全方位云服务，并可根据用户需求快速实现资源扩容。公有域和专有域在云上贵州统一管控平台的统一管理下对外提供服务。②完善信息化项目审批机制采用云技术实现政府信息化集约化建设和改造，新建项目必须对照“云上贵州”平台相关技术规范，满足数据通的条件，利用部门协同，大数据主管部门技术审核后，省发展改革委才予立项，省财政厅给予资金支持，牢牢把住入口关。针对信息化项目建设在数据目录梳理不规范、不符合共享交换要求、不利于部门间协同服务的项目进行整改，基于“云上贵州”平台为基础开展建设，实现向集约建设方式转变，防止产生新的信息孤岛。③创新数据确权和共享交换机制建立政务数据调度机制，大数据主管部门对数据资源全流程进行管理，明确数据提供方、使用方、管理方的权责，对全省数据资源共享开放流程、情况等统一可视化呈现，实现数据的自动流程化9管理。“云上贵州”通过对各政府部门的数据资产进行梳理确定数据目录，通过数据分级策略形成有条件/无条件数据共享清单和负面清单，对各类政务数据进行确权。通过平台的数据调度系统，执行数据申请、审批、推送、接口开发封装等全过程管控，完成接口调用。通过数据安全接入平台进行政4)深挖数据价值，服务于民①打造“用”的窗口一是电子政务云。由省政府办公厅牵头建设，打造全省20万政府系统公务人员工作、学习、管理的总入口。横向覆盖省直各部门、纵向连接市、县、乡级政府，向上连接国家电子政务外网，为全省政府办文、办会、办事、督查、应急、辅助决策等政务工作提供支撑。二是省网上办事大厅。由省政府政务服务中心牵头建设，覆盖省、市、县、乡、村五级，作为全省统一的政务服务平台，实现一张网办理、一套标准审批、一个模式服务。三是云上贵州移动服务平台。由大数据主管部门牵头建设，对各级各部门的政务民生服务应用进行移动化、标准化和适应性改造，统一对外推广和提供②以用促建，完善大数据应用体系进行分析。一是改善政府监管。增强政府对市场主体行为的关联性、可预见性判断，把改管的管住，不断深化放管服改革。如，“数据铁笼”通过用数据编织规范制约权力的“笼子”,制定统一的数据技术标准，优化、细化、固化权力运行流程和办理环节，让权力运行全程留痕，真正在阳光下运行。二是增强政府服务。用大数据创新优化公共服务方式，减少前置审批，强化事中、事后监管。让数据多跑路，百姓少跑腿，让人民群众体会到更多“获得感”。如，省网上办事大厅被国务院列为全国五个“互联网+政务服务”一体化平台建设试点之一。5)大数据发展与安全并重，构建完善的数据安全体系贵州省大数据发展管理局以总体国家安全观为指导，坚持“1+1+3+N”安全管理总体思路，由公安部批准，建设全国首个国家大数据及网络安全示范试点城市；建设国家级综合性大数据安全靶场，依托靶场每年开展以城市真是网络目标为靶标的大数据及网络安全攻防演练；建立大数据安全技术创新中心、应用示范中心、政府监管中心，推动大数据及网络安全技术自主创新及成果应用，统筹大数据安全管理；建立各个技术平台组成的立体化监管、防护、应急体系，实现各地各部门纵横相连的立体化管控。同时，构建包括组织、预防保护、监管保护、应急处置、综合防护、技术服务、人才教育、工作支撑等大数据安全八大体系建设架构。同时，在数据安全方面开展了立法探索，颁布全国首部开展大数据安全管理地6)着力人才建设，聚集大数据人才贵州省大数据局人才人事处负责全省大数据人才培养相关职初步形成从社会培训、中职高到本科、研究生的大数据人才培养体系，统筹政府、高校、企业和社会资源，与国家统计局、清华大学、贵州大学、阿里巴巴、华为、NIIT等共建大数据学院和基地，21所高职获批设立“大数据应用与技术”专业，贵州理工学院·阿里巴巴大数据学院、华为大数据学院实现招生2880人。二是打造“智力收割机”,成立(美国硅谷)大数据协同创新中心，搭建与美国、日本、印度等企业互访和信息交互平台，发布大数据技术和人才榜单，建设大数据人才云。经过多年人才建设，“贵漂”成为潮流，每年到贵州生活工作的“贵漂”族以上万人次增长。《大学生就业流向报告(2016)》(阿里巴巴)显示，贵州全国大学毕业生流入地排行第七，新来毕业生人数是离开毕业生人数的217%;《中国大数据发展报告2017》(国家信息中心)显示，贵州与上海、浙江为全国大数据人才流入意向度最高的省份；《全国城市年轻指数报告(2018)》(腾讯QQ大数据)显示，贵阳年轻指数全国排名第1。2.杭州市数据资源管理局(1)基本情况杭州市数据资源管理局成立于2017年，是杭州市数据集中统一管理机构，统筹全市数据资源管理工作，负责全市政务数据和公共数据平台建设和管理。目前在数据管理方面主要为推动数据资源在政府管理和社会治理领域的应用(包括智慧交通、智慧城管、智慧旅游、智慧政务、智慧医疗等一系列智慧应用场景)以及实施城市(2)典型做法杭州的信息化、数字化建设成效显著,建设了包括智慧交通、智慧城管等一系列智慧应用场景，智慧城市的建设在提升杭州市城市管理与服务水平、促进产业升级、提高市民生活品质等方面取得了良好的成效。杭州市数据资源管理局以智慧城市建设为主线，选与应用工作。数据管理以数据大脑及政务数据共享为平台，建立专业管理组织架构与工作机制实现了数据管理工作的高效专业。1)抓好组织协同，强化机制创新杭州市数据资源管理局主要负责全市的数据资源标准制定、协调全市政务数据和公共数据资源的目录制定、归集管理、整理利用等工作。在内部机构设置方面，共设有综合处、数据资源处、应用处三个处室共规划编制15人，现有7人，以及大数据管理服务中心规划编制24人，现有16人，从而形成了“三处室一中心”的组织跨部门组织协调方面，依据重点任务抽调各部门专人建立工作专班的工作机制。重点任务发起后，依据专班相关管理办法，成立相应层级的专班组织，明确工作内容、计划及人员，抽调专人统一集中发起“会战式”攻关，打破了传统组织壁垒的限制。数据运行组织方面，一是创建“共建共营”机制，由各部门、企业与数据管理局共同参与运营管控工作；二是面向市场的公司化运营，成立由市国有企业控股，社会企业和研发团队参股的混合所有制公司，既解决城市大脑研发投入、运营费用问题，同时也带动产业发展，拉动数字经济。2)强化统筹规划与技术能力赋能杭州市数据资源管理局建设了“1363”政务数据共享平台，1指数据资源中心，按照数据应用方向划分为归集库、专业库及专题库；第一个3指交换、共享、开放三大平台，交换平台负责归集库与部门数据间交换与同步，共享平台对外提供数据与数据流接口，安全体系标准体系实现数据共享，开放平台对外提供数据探索分析、实践应用的软硬件平台；6指人口、法人、信用、电子证照、办事材料、地理信息等六个归集库，第二个3指运维、安全、标准三大体系。政务数据安全体系标准体系视频数据视频数据公安民政公安归集库交换运维体系运维体系为落实国家重点战略，建设了“城市数据大脑”,目标实现统一顶层规划，统一架构，突破区域、部门、行业界限和体制性障碍，充分整合基础设施资源、公共信息资源和终端资源，带动全社会信息资源的广度整合、深度开发利用，最大程度地发挥信息资源的价值和信息化效益。超级应用超级应用特色应用1杭州城市数据大脑互联网数据公共数据企业数据特色应取2旅游城管系统办事平安智慧亚运数据服务特色应用政务数据特色应用2“城市数据大脑”是一个按照城市学“城市生命体”理论和“互联网+现代治理”思维，创新运用大数据、云计算、人工智能等前沿科技构建的平台型人工智能中枢。其整合汇集政府、企业和社会数据，在城市治理领域进行融合计算，实现城市运行的生命体征感知、公共资源配置、宏观决策指挥、事件预测预警、“城市病”治理等功能。城市数据大脑数据主要来自两方面，一方面为政府保有的公安、安监、住建、卫生、工商、交通、食品药品监管、环境保护、应急、消防、人社等部门数据；另一方面为企业、运营商及互联网企业拥有的消费、媒体、金融、医疗等数据资源。城市数据大脑通过接入、汇集政府、企业、运营商和互联网企业的海量多源数据资源，利用云计算能力，通过大数据、人工智能等技术支撑各行业系统有效运行，有效提升系统能级。通过跨部门、跨领域、跨区域的即时数据处理，实现数据融合创新，协调各个职能系统，致力于解决综合性问题，修正城市运行缺陷，提高城市运行效率。合开放精准治理城市大脑安全保障体系城市大脑标准规范体系禁图3杭州城市数据大脑能力架构城市数据大脑从运营支撑体系、应用服务体系、数据资源体系、技术支撑体系、城市大脑综合能力体系、城市大脑标准规范体系、城市大脑安全保障体系等方面，以“融合开放、精准治理、智慧创新”为目标，建设了包括智慧交通、智慧城管、智慧旅游、智慧政务、智慧医疗等一系列智慧应用场景。综合能力体系建设方面。依托云计算、大数据平台，整合政府、企业、运营商和互联网企业的海量多源数据资源，形成了基于机器智能模式、人工交互、迭代计算、多重验证方式的“城市态势和状态感知能力"、“城市治理优化能力”以及“多部门协同应急指技术支撑体系建设方面。构建了计算平台、数据资源平台和IT服务平台，提供了标准接口，实现政府数据、城市公共服务数据、运营商数据、互联网数据等的统一归集、统一管理和共享开放。充分利用大规模分布式计算内核、云数据库、大数据处理、分布式中间件服务等技术，为杭州市提供统一计算服务及计算能力，构建能为政府、企业和个人提供公共计算、数据服务的城市运行基础设施体系及人工智能创新服务平台。数据资源体系建设方面。依托数据资源平台，采集政府公用事业单位政务数据、城市运行中产生的各类数据以及互联网数据，建立统一规范、安全可控、充分共享的城市数据资源中心，实现城市数据资源跨区域、跨层级、跨部门、跨时间的互联互通、融合共享，建成了政府数据统一开放平台，同时实施公共机构数据开放策略，推进公共机构数据资源统一汇聚和有序开放。应用服务体系建设方面。依托城市数据大脑提供的计算平台、数据资源平台和IT服务平台构建应用服务体系。围绕交通治理、城市管理、公共安全、生态环境、健康医疗、住房保障和社会信用等领域，强化跨行业、跨部门的智慧融合，促进业务的快速反应和政务的高效协同，提升政府智慧治理能力，打造精准主动的公共服务体系，促进智慧创新。标准规范体系建设方面。杭州从总体的项目设计、数据资源、安全保障、基础设施、智慧应用、项目管理等方面，建立了总体设计标准规范、数据资源标准规范、安全保障标准规范、项目管理标准规范、数据质量管理规范、公共数据开放标准等，保障整个体系建设过程的规范化。安全保障体系建设方面。从数据资源的归集、传输、处理、交换、共享、存储、运行、维护、访问、使用等全方位对数据提供安全保障。以可管、可控、可信为核心，依照统一规划、分段建设、持续完善的原则，建立了先进、实用、稳定、可靠、发展的数据大脑信息安全保障体系。运营支撑体系建设方面。严防敏感数据泄露，综合评估数据属性，封装核心数据，定制数据服务，建立数据开放的定价机制、交易规则、计量计费，实现数据资源资产化、价值化。同时，通过大数据开发和应用的商业模式创新，吸引各类主体共享共用大数据资源，推动数据资源的融合应用和开发以及产业化应用的落地。3)创新机制，加强数据管理杭州市数据资源管理局建设数字化应用的应用需求是以人民为中心，建立全覆盖、全流程、全时段的政务数据服务能力。一方面建设基础大数据平台支撑应用，依托“1363”政务数据共享平台的交换平台实现数据接入归集。另一方面依靠健全组织制度，提出数据“无条件归集、有条件使用”,从制度上解决数据孤岛问题。杭州市数据资源管理局提出以信息技术治理数据与移动手段管理的制度。用数据说话，用数据管理运行新方式，通过移动端实时跟踪数据变化，在现场应用中实现数据动态管理。数据共享方面，在对内共享方面，依托共享平台将自建与统建系统的流程、数据流转等功能分批逐渐迁移，逐步弱化自建系统，强化共享平台组件化功能。其次共享平台不仅实现数据流转与标准统一，对内的数据需求实现全部在线流程化。在对外数据共享方面，由于目前立法以及其他保护措施不到位，对外数据开放共享应用仍处于探索阶段。杭州市数据资源管理局坚持不直接提供明细原始数据，只提供分析加工后的数据，敏感数据必须脱敏的开放原则。数据安全管理方面，一是建设数据资源安全监管系统，对数据资源各参与方的数据访问行为、平台操作行为进行合规性监督；二是设立标准、规范保证数据安全有法规可依，《城市大脑建设管理规范》、《政务数据共享安全管理规范》等相关制度对全寿命周期内数据安全进行了规范。三是在数据存储时即对数据进行脱敏加密，增强数据主动防御能力。四是在数据应用中按照安全体系建立分角色授权机制，数据应用方面，杭州市数据资源管理局以智慧城市建设为主线，选取城市“数据大脑”、“互联网+政务”等重点建设任务开展数据应未来将实现“1383政务数据共享平台”构建，建成涵盖人口库、法人库、信用库、电子证照库、办事材料库、地理信息库、建筑信息库、车辆信息库的政务大数据共享平台。二是建设城市计算资源平台、城市数据资源平台、城市算法服务平台等三大技术支撑平台，支撑区县中枢特色应用、行业应用以及服务城市各行业和超级应用，如智慧亚运、移动办事、经济运行分析、应急指挥等。三是探索服务模式。以物联网、政务网、移动互联网为载体，感知运行、感知环境、感知管理、感知民生，以云计算、大数据平台、数据中台等为技术支撑，构建城市画像、企业画像、人口画像，对城市运行状态进行仿真、预警、分析、预测、决策、处置，建成“互联网+政务服务”新模式，为城市发展提供更智能的智慧调度、更便捷的政务服务、更智慧的产业转型、(二)大型传统企业1.华为公司(1)基本情况华为是全球领先的信息与通信技术(ICT)基础设施和智能终端提供商，在全球170余个国家和地区开展业务，世界500强排名第61位，拥有员工18万余人，其中研发人员8万余人，约占员工总数的45%。华为涉及业务涵盖了通讯、物联网、智慧城市、智能制造、芯片制造和安全等领域，基本形成了对ICT产业的全链条覆盖，2018年全球销售收入7212亿元，净利润593亿元。华为的企业愿景是“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”,愿景中的人、家庭、组织分别对应华为三大事业群(Business(2)典型做法华为从1998年开始信息化建设。作为一个非数字化原生企业，华为的数字化转型之路经历了最初的分散型企业IT、第二阶段的集中化IT、第三阶段的国际化IT、第四阶段基于云模式的IT2.0,至2016年将“数字化转型”作为未来发展的必经之路，并提出2021年前打造全联接的智能华为，成为行业标杆。华为数据管理业务随着信息化建设起步，并伴随数字化转型加快脚步。经过多年努力，华为建立了完备的组织业务架构、强大的数据管理平台、高效的工作协同机制和完善的数字人才培养模式，形成了“以数据为对象，以ICT平台为工具，以软件为载体，以服务为目的”的数字化生产模式，支撑企业数字化转型和业务稳健发展。1)建立实体化的数据管理组织华为认为，数字化转型的核心是数据，数据是一切业务的基础。务”并列，作为集团第4个中央集权，并在集团职能层面设立质量与流程IT管理部负责数字化变革项目的统一管理。质量与流程IT管理部由集团董事会成员直接管理，采用非破坏式演进和改造的方式推进华为数字化转型，被赋予了充分的资源统管权力，权限非常高。截至2018年底，质量与流程IT管理部共有员工3300余人，支撑了华为全球18万员工、15万合作伙伴、170多个国家和地区的高效运营。质量与流程质量与流程IT管理部方案部区域业务变革部领域解决方案部业务体验与用户经营部企业架构与流程管理部企业架构与规公司数据管理部项目管理能力信息技术工T技术架构与设计部安全部部公司信息与安全部公司质量与变革项目办图4华为质量与流程IT管理部架构质量与流程IT管理部下设公司数据管理部，定位为集团数据管理体系的建设者、数据的能力中心、业务的数据伙伴和数据文化的倡xx数据管理模块xxxx数据管理模块xx数据管理模块x×数据管理部xx数据管理部xx数据管理部xx数据管理部组织定位图5华为数据管理业务组织架构在开展具体数据业务时，公司数据管理部与各业务部门数据管理部或数据管理模块成立联合工作组，以项目形式执行相在元数据管理阶段，公司数据管理部联合各业务部门成立元数据联合工作组，结合业务实际，通过协作方式解决元数据管理问题。2)构筑数据底座，实现内外部数据统一汇聚统一的数据底座是华为数字化运营的重要基础，是实现“内部共华为将内部数据、外部数据全部纳入数据底座管理，实现存储、计算、分析和对外提供数据服务和产品的全过程管理。数据进入数据湖前，将按照统一的入湖标准进行清洗和转换。对于非实时处理的离线数据，按照物理入湖方式进入数据湖；对于实时业务场景数据，以虚拟入湖方式进入数据湖。通过汇聚整合各类内外部数据，数据湖提供了可信、实时、一致、完整的数据资产，支撑了基于“数出一孔”的数据消费和应用。数据进入数据湖后，一方面以数据服务的方式向集团内外部提供多通道的实时、可信数据服务，支撑报告、自助分析、实时可视、智能决策等不同场景业务应用；另一方面，经计算、分析、建模、标签化和指标化等操作后，按照客户、员工、财经、产品、合作伙伴等不同主题类别，建立数据主题联接，提供可信、一致、完整的业务对象宽表数据资产，支撑对全联接的数字化对象感知。运营监控运营监控数据服务数据多维模型图模型指标(数据中台)物理表内部数据外部数据虚拟表数消数据底座结构化非结构化实时可视智能决策数据服务数据湖数据源据费报告图6华为数据平台(数据底座)3)构建高效的数据管理协同工作机制在数据授权方面，华为规定所有数据在集团层面均归首席财务官(CFO)所有，公司数据管理部担任企业数据管家的角色。在集团层面下，各个业务板块基于主题域，扮演各自领域数据所有者的角色。华为认为，数据只有直接提供给使用者才能发挥其最大价值。在这一理念的驱使下，华为对数据进行了分级分类管理，对于非涉密数据，需求方无需向数据所有者申请授权，只需上级部门批准即可从数据底座统一获取；但是对于涉密数据，仍需取得数据所有者授权才可使用。在数据治理方面，华为按照明确数据所有者、发布数据标准、定义数据密级、明确数据源、数据质量评估和元数据注册等6项数据入湖标准，对数据进行清洗，确保进入数据底座的数据干净、拥有者明确、源头唯一。由于明确了数据所有者和数据源，由数据所有者确保数据的准确性、及时性和有效性，可以保障数据被更好地存储和使用。在数据共享方面，华为对非涉密的企业内部数据，通过管理策略化、技术服务化的方式进行数据共享。在管理制度上，华为规定各业务数据必须按照数据管理部制定的统一标准，进入数据湖共享。在技术实现上，华为对进入数据湖的数据进行联接，形成一致的数据对象提供共享和服务，目前已完成6000多个不同主题的数据联接。在数据应用方面，华为按照业务板块和组织划分数字化运营组，并成立专门的数字化运营团队，开展数据产品运营。按照从低到高排序，华为将数据应用分为“实时可视”“智能与分析”“执行和决策”一理念影响，华为注重将数据应用嵌入业务决策过程，先后开发了智能数字化大脑、智能运营驱动仓储作业、智能风险管理等数字产品，实现了数据对业务的智能化支撑。在数据项目管理方面，华为推崇“以业务增值为目标、以运营为驱动、以服务化为响应”的数字化组织，建立了“小而美”的一体化产品团队，实现了需求的快速感知与迭代。在项目团队管理上，将原有“业务+分析+架构+运营”的职能式管理转变为“产品经理制+核心资源池”的矩阵式管理，推动项目研发向产品化运作转变，实现了产品与资源能力的快速匹配。在项目开发管理上，以产品为导向，推动项目开发从瀑布模式走向敏捷和双IT模式，改变了以往“求稳定、少变化”的信息化建设模式，实现了求差异、变化快的“短跑式”项4)注重打造专业化数据人才队伍在数据全业务流程中，数据清洗、宽表构建和数据分析等都是专业性极强的工作，需要业务、数据和IT团队相互协作才能完成。华为充分认识到数字化人才队伍建设的重要性，将“建能力”作为其数IT工程师等数字化人才的引进与培养，开展了大量工作。在华为，数据分析技术的发展推动了新角色的出现，数据分析已逐步成为普通业务人员必备的一项基本技能。华为将数据人才分为业务、数据和IT三类，其中业务人员约占15%、数据人才约占30%、IT人才约占55%。2.华润集团(1)基本情况华润是一家在香港注册和运营的多元化控股企业集团，业务范围涵盖城市建设与运营、科技与金融、能源服务、大健康、大消费5大领域，下设7大战略业务单元、19家一级利润中心，实体企业约2000家，在职员工42万人，位列世界500强第80位。截至2018年，华润拥有总资产15,579亿港元，营业额6,995亿港元，净利润586亿港元。华润以“引领商业进步，共创美好生活”为使命，借助“国际化、+互联网”的“两翼”之势，通过开展研发创新、提升信息化水平等举措，实现“跑赢大市、转型升级”的发展目标。(2)典型做法华润自2009年开始集团信息化建设，到目前为止已建成或在建涵盖资金、人力、审计、知识库、档案、采购和投资等领域的全业务信息化系统。2015年，华润“双擎两翼”战略明确了“互联网”转型升级方向，围绕智能生产、电商平台、运营管控、办公网络、数据加工等5大领域，大力推进互联网技术与现有业务融合。2019年，华润将智能化水平提升为集团转型升级六大战略之一，信息化侧重点由基础信息化向推动企业经营价值链各环节数字化、智能化转变，驱动企业转型升级。华润的信息化建设基础为其数字化、智能化转型打下了组织、平台和思维基础，数据管理业务也随着信息化建设及数字化、智能化转型的推进，逐步发展壮大起来。2017年，华润在多年信息化建设的基础上，启动了数据标准化工作，从内部业务赋能、外部数据变现两个维度出发，将各单位数据按需统一接入到集团数据平台。另外，在数据管理组织构建、数据管理机制创新和数字人才培养等方面，华润同样积累了一些可供借鉴的经验。“实业”引擎“实业”引擎实业作为集团“十三五”期间收入与利润的主力渠道，是保障集团发展的原动力。驱动力。“全球化”之翼全球化助力集团抓住两个市场、用好两种资源，是集团业务开阔视野、广阔布局的翱翔之翼。“互联网”之翼“互联网”助力集团各大产业的创新和重塑，是集团产业拥抱客户、改造业务的腾飞之翼。“资本”引擎资本作为集团长期发展的新型资金来源和商业模式化的方式，是加快集团发展的图7华润数字化转型战略方向1)建立智能、数字、信息一体化运作的数据管理组织华润在数据管理方面并没有设立专门机构，而是采用与信息化管理共用一套组织架构的方式，按照“一部一公司”模式，开展数据接润集团数据业务归口管理部门，下设智能发展推进部、数字创新推进部、信息化推进部等，负责智能、数字和信息业务的职能管理；“一务部等，负责打造华润信息科技产业和资产平台，支撑华润集团赋能业务、赋能技术、赋能管理和赋能IT运营等。部部部部部云部营服2)构建统一的数据平台，推进数据汇聚融合2016年，华润建成了集团数据中心，通过华润通、润工作、华润汇等项目的研发提炼，自主规划并研发了基于先进互联网技术和架构的集团数字化平台，目前已服务集团总部及下属10多家利润中心的系统及产品研发。华润数字化平台主要包括“两库”,即数据仓库和信息库。数据仓库主要用于汇聚内外部结构化数据，经整合、汇总、建模、计算和分析处理后，在仓外集市发布，供报表、仪表盘、即席分析等场景使用；信息库主要用于汇聚各类非结构化数据，经离线、实时计算处理后，在数据集市发布，供知识库、物联网等场景使用。目前，“两库”均已完成平台建设，共存储数据约30TB,占集团已知数据总量的10%左右。其中，数据仓库主要存储资金、税务、人资以及电力、置地、水泥等数据，信息库主要存储知识库、信托、微电子、燃气等数据。OA集团共性系统非结构化数据实时数据集团共性系统电力ERP地然气合并人力资全悦务数据应用数据仓库管理合并管理合并颈算图9华润数据平台(两库)此外，华润还在“两库”基础上，建立了元数据和数据标准管理系统、主数据管理系统、数据质量管理系统等统一数据管理平台，以及大数据分析技术共享资源池，支持各业务单元开展数据标准、模型应用、质量验核以及大数据分析应用等工作。3)着力构建高效的数据管理机制在数据授权方面，华润规定集团层面的数据由各业务部门自行管理，除集团战略部与财务部拥有全量数据使用权外，其他部门使用数据需由数据所在业务部门授权。在利润中心层面，数据归各利润中心自行管理，各利润中心间如需数据授权，需在集团信息与智能部的指导撮合下，以数据交易的方式进行。另外，各利润中心如需向外部提供数据，须经集团批准。在数据标准化方面，华润以“建标、贯标、核标”的方式，通过“设组织、定标准、建机制、搭平台”开展数据标准化管理。在组织上，华润数据标准化工作由“一把手”亲自挂帅，成立领导组、工作组和各单位标准化组织，分层分级推进标准化工作事项。在标准上，华润采用“集团统筹、分级管理”模式，编制集团层面数据标准目录结构，各单位基于该标准目录细化数据标准管理工作。在机制上，华润建立数据标准编制、评审、变更、发布、执行和考核的管理流程，并在系统建设环节强化数据架构和数据标准化落地。在平台建设上，华润使用元数据和数据标准管理系统对数据字典和数据标准进行统一管理，扩展主数据管理系统应用范围，同时建设数据质量管理系统在数据共享方面，华润认为，不愿意共享数据是其数字化转型道路中的一个重大问题。为了解决利润中心间数据交换与共享问题，华润引进业界先进的数据管理理念，通过建设“数据银行”打破数据壁垒。一方面，数据所有者将数据“存”入集团，集团根据一定规则对数据价值进行评估，并向数据所有者支付利息。另一方面，集团数据中心对存入数据进行管理，通过数据加工、挖掘、智能分析等技术，在这种模式下，数据管理者从成本中心变成利润中心，数据共享也变成了数据交易。在数据应用方面，华润利用其统一的数据平台和人工智能、大数据等技术能力，为各专业板块提供智能技术赋能。各专业板块以“需求导向、价值驱动”为原则，根据行业特点制定覆盖业务价值链和应用场景的智能化解决方案，并结合年度商业计划推进落实。典型产品包括华润燃气气量负荷预测系统、华润电力火电集中监测与分析专家系统、华润置地智慧商场等专业级应用，以及集团智慧金融平台、智能客服、会员忠诚度计划等集团级应用。其中，与英国石油公司在中国共享客户忠诚计划已部分实现数据变现。4)建立灵活的用人育人机制在人才使用方面，华润实行市场化的薪酬、职级、考核和激励机制，制定统一的IT人才职级与薪酬框架体系，并且通过并购外部团队快速构建专业能力，实现了“人员能上能下、能进能出、能增能减”的灵活用人模式。例如，润联智慧科技公司拥有华润旗下最顶级、最专业的数字化解决方案团队，成员来自于华为、IBM、麦肯锡、埃森哲、德勤、西门子等行业领先企业以及海外知名学府，为公司发展提供了强大的人才基础。在人才培养方面，华润联合香港大学等知名学府，培养数据科学家和数据算法人才。针对集团高层，重点帮助管理者加深对数据科学的认识，重视数据科学的应用，了解数据科学如何帮助企业决策；针对业务领导，重点帮助其了解数据科学工具及技术如何应用于不同行业，以及如何借助数据科学提升业务能力；针对工作人员，重点根据所属业务单元岗位需求和个人条件，培养“T型”能力(横向商业、竖向技术),以及可持续的学习和扩展能力。3.建设银行大数据中心(1)基本情况为落实建行“智慧化银行+创新型银行”发展战略，2015年3月，筹建建行上海大数据智慧中心，是建行成本型的企业级数据分析应用支撑机构，主要负责搭建大数据工作平台，建立和维护数据挖掘分析模型，由总行数据管理部指导和管理，为全行大数据应用提供全面的数据、分析方法、工具和人员支持，支撑业务部门管理决策、客户营销、风险管理、产品创新等数据分析要求，培养数据分析专业人才。(2)典型做法建行大数据智慧中心2015年挂牌至今，以能力建设中心，以价点，建设开放型、创新型、学习型组织，并开展业务工作。1)数据工作精细化分工，促进数据业务向专业化发展建行大数据智慧中心受总行数据管理部管理，协同技术部门共同为全行提供数据服务。中心共设立9个处，包括4个前台业务处室(普惠互联网金融处、宏观与市场处、客户与产品处、机构与运营处),负责分析和实现业务需求；4个后台支持处室(数据服务处、创新处、产品转化处，平台管理处),负责技术、数据产品和项目管理支持；另设1个综合处，负责综合事务管理。创新处前台业务处室后台支持处室产品转化处图10上建行大数据智慧中心组织架构2)协同顺畅的工作机制，推进业务高效开展建行大数据智慧中心在大数据应用上，对需求、分析、成果转化全过程进行有效管理。需求阶段，一般由专业部门和分行提出，数据管理部统筹安排并确定下达，大数据分析中心具体承担。实施阶段，大数据分析中心接到任务后，根据项目需求情况，确定参与项目的内外部数据专家、模型专家、业务专家，成立工作小组；业务部门深度介入，每个项目需求派专人全程参与监督，确保成果可用。成果应用阶段，因其需求由专业部门提出，成果应用一般由总行数据管理部组织需求部门确认评估后，制定计划，推广到各分行应用。目前，大数据分析中心每年承担80个左右的大数据应用项目，每个项目实施周期三个月左右，成果转化率极高，得到全行认可。3)建设统一分析平台，支撑业务应用产品快速构建目前，在平台建设上，经过两期项目，完成了国内领先的企业级大数据智能平台，有效支撑数据产品化、数据在线推送，让业务人员快速构建产品，推动数字化建设。在业务能力上，建行大数据智慧中心熟悉银行业务，能快速理解或主动提出需求；始终紧跟业绩业务发展动态，及时掌握最新金融业务；开展前瞻性研究，为建行提出产品、流程、横式等创新性建议及战略性的决策。在分析能力上，具备完全自主的数据分析能力，能迅速满足业务需求，精通业界主流算法、工具等；紧跟业界最近方法，完全掌握新兴数据分析方法、分析工具、模型等；具备创新能力、工具调优等发声能力；在数据能力上，建行大数据智慧中心熟悉建行数据及外部数据，具备各类数据掌控能力；实施掌握内外数据状况，精通各类新型数据处理能力；具备培训全行数据分布、提供数据支撑能力。4)内外部支撑队伍强大，培训机制健全建行大数据智慧中心承担了全行数据分析人才培养职责，对内结合数据业务打造专业分析专家队伍，建设“绿树工程”,将培训与实践相结合，通过大数据项目，为总行及各分行培养数据型人才，营造全行用数据说话的氛围；对外通过与咨询机构、知名大学、领先企业建立长效的大数据应用合作机制，形成外部专家资源池，根据专家水平确定取费标准，按年签订战略合作框架协议，按时计费，确保高水平人员及时参与大数据应用项目工作。截至目前，已开展了四年共21期培训，涉及309个大数据项目，开展计财、资绩、合规、人力、普惠、客服、结算、机构条线专题培训，为全行培养数据分析人才1031名。(三)数字化原生企业1.阿里巴巴(1)基本情况阿里巴巴成立于1999年，现主要通过旗下三个交易市场协助世界各地数以百万计的买家和供应商从事网上生意，包括：集中服务全球进出口商的国际交易市场的国际站；集中国内贸易的中国交易市场中文站；以及在国际交易市场上的全球批发交易平台速卖通，为规模较小、需要小批量货物快速付运的买家提供服务。在数据资产管理方面，阿里自2009年成立共享事业部，开始数据资产的统一管理。2013年开始阿里巴巴开始规划统一的数据管理体系，建设统一大数据平台，2014年启动数据公共服务建设，实现数据资产标准化，2015年正式目前已形成一套综合能力平台，具备对前台业务变化及创新快速响应(2)典型做法1)机动灵活，加强组织协同阿里巴巴在数据管理方面主要由中台事业群负责，其数据管理组织也随着业务发展多次变更。目前阿里巴巴的数据管理主要由共享业务事业部整体负责，具体架构如下：阿里巴巴集阿里巴巴集团业务支撑业务共享单元用户中心店铺中心商品中心搜索中心交易中心数据服务评价中心营销中心支撑阿里云平台分布式文件系统(盘古)任务调度(伏裁)开源用户阿里妈妈关系题数随着阿里业务板块的扩张，集团层面希望将共性业务沉淀到具体载体，减少资源浪费，打通业务及数据壁垒，2009年，阿里成立共享业务事业部，将阿里巴巴集团前端业务中公共、通用的业务沉淀到了该事业部，包含了用户中心、商品中心、交易中心、评价中心等十几个中心，为阿里巴巴各种前端业务提供相应服务中心领域内最专业、稳定的业务服务。2015年阿里提出以数据价值化、降本、提效和组织优化为目的的双中台战略，建设数据中台，通过对业务数据的萃取和连接形成基于业务的数据体系，提供数据服务助力业务发展。建设业务中台，打破信息孤岛，沉淀共享业务模块，促进业务创新和发展。数据中台对内按照规范化流程，确保各角色高效沟通合作，对外以产品线为组织实现协同运营。2)构建统一数据平台，沉淀技术力量阿里的大数据平台主要依托阿里云平台构建了一体化大数据生态组件及产品，实现阿里系各类产品的顺利运行。赋能小二-阿里数据社会影响-数据大屏赋能商家-生意参谋数据资产管理智能数据研发计算与存储平台离线计算实时计算图12阿里数据平台阿里巴巴自2008年的去“IOE”到2015年提出“大中台，小前台”战略，其在大数据架构方面做好了充分规划，特别是在数据计算与存储、云计算、数据资产管理等方面具备了行业领先地位，沉淀了大量优势技术。究其成功原因，与前期合理充分的规划结合后期动态调整，在发展中沉淀技术力量密切相关。数据接入方面，通过建设统一的数据中台，让所有业务系统在物理层面上进行了汇聚，再通过数据中台对内外提供数据服务。数据治理方面，阿里依靠OneData体系工具开展全域数据建设，消除数据孤岛，使数据干净可用。数据共享方面，依靠数据中台，按照数据资产构建与管理方法对数据标准化、技术内核工具化、元数据驱动智能化，在之上提供全流程一体化数据服务，实现了向上多样化赋能场景，向下屏多计算引擎。3)坚持“用户需求导向”特色企业文化在阿里企业文化中，“用户需求导向”一直占据重要地位，在数字化运营转型中，逐渐认识到大数据的收集、挖掘和分析能支撑企业的业务运转、营销策略乃至战略方向。在阿里对内外不同类型的数据服务均以“应用需求导向”,保证数据应用顺应客户和公司发展需要。4)内外兼具，开展数据运营阿里的数据运营主要为企业内部提供数据服务，依托阿里云也为外部提供一体化大数据技术及资源。典型场景如“数据中台"、“城市大脑”、“工业大脑”等。阿里发布ET工业大脑，让机器能够感知、传递和自我诊断问题，ET工业大脑通过分析工业生产中收集的数据，优化机器的产出和减少废品成本。通过并不昂贵的传感器、智能算法和强大的计算能力，ET工业大脑解决的是制造业的核心问题。ERPERPCRMSRMMES统【云计算】主机、存储、数据库、中间件智能管控平台【大数据】离线、实时、流式计算BI平台+机器学习平台骤心中心图13ET工业数据大脑5)强化责任，夯实安全基石数据安全管理方面，一是实施数据安全防护管理，建立信息安全管理体系覆盖了产品研发、业务运营、安全保障、营销推广等全生命周期，实现信息安全管理的每一位“责任人",按照明确的“规范”、遵守标准的“流程”,安全流程基本实现线上化，过程数据指标化，运营度量平台化，基本覆盖各项安全控制措施，有效保障了业务安全、稳定、合规。二是设立数据安全防护技术，结合数据安全防护管理措施，在数据生命周期各阶段如数据产生、数据存储、数据使用、数据传输、数据共享、数据销毁等都嵌入了安全控制措施，保障用户数据的机密性、完整性、可用性。(1)基本情况腾讯是一家以互联网为基础的科技与文化公司，位列世界500强第237位，拥有员工5万余人，其中50%以上为研发人员。腾讯的业务范围涵盖社交平台、数字内容两大核心领域，拥有完善的自主研发体系，在存储技术、数据挖掘、多媒体、中文处理、分布式网络、无线技术六大方向拥有相当数量专利，在全球互联网企业中专利申请和授权总量均位居前列。腾讯的企业愿景是成为“最受尊敬的互联网企业”,在工业、医疗、零售、教育等领域，为传统行业的数字化转型升级提供“数字接口”和“数字工具箱”,为数以亿计的用户提供游文学、影业等数字内容产品及相关服务。(2)典型做法腾讯作为一家原生互联网企业，其所有业务开展都与数据紧密结合，在利用即时通信工具QQ、移动社交和通信服务微信和WeChat、门户网站腾讯网、腾讯游戏、社交网络平台等产品满足用户沟通、资讯、娱乐和金融等方面需求的同时，也收集了大量用户数据，为挖掘数据价值、实现数据变现奠定了坚实基础。以腾讯旗下的微信产品为例，目前月活跃用户数已超过10.22亿，公众号总数超过1000万，每日新增1.5余万条数据，国际注册用户数超过2亿，遍及200多个国家和地区。为了存储这些数据资源，腾讯在全球5大洲布局了18个大数据中心节点，累计存储各类数据超过1000PB,日增加数据500TB,通过推进云计算、大数据、人工智能等前沿技术与各行各业融合发展，为亿级海量用户提供稳定优质的数据增值服务。经过多年数字化建设，腾讯已经形成了较为先进的数据管理经验和数据运营能力，在产品、工具和管理等方面都已经非常成熟，具备向外成套输出数字解决方案的能力。腾讯数据管理以“汇、管、用”为目标，聚焦数据构建强大的数据平台和基于平台的数据管理机制，提供数据开发、应用全链条服务。1)拥有强大的数据平台与技术工具腾讯大数据平台自2009年开始建设，经历了离线、实时、智能和融合四代演变。目前，腾讯大数据平台以云为骨架，在Hadoop1+Spark2开源大数据处理平台的基础上，利用各种开源与自研软件，开发各类数据分析、数据挖掘和人工智能产品。与其他数据平台类似，腾讯的大数据平台同样包括数据接入、数据计算与存储、数据可视化、数据服务和数据应用等层级。其中，接入层采用Kafka3、Flume4等开源工具完成数据汇集，分析层采用ElasticSearch5、腾讯人工智能识别服务等对数据进行分析处理，服务层利用网络文件系统 (NFS)等方式发布数据服务，供基于各类语言开发的应用使用。另外，针对数据全生命周期，腾讯利用自研工具开展数据标准化和安全质量等数据治理工作。12345Spark:专为大规模数据处理而设计的快速通用的计算引Kafka:一种高吞吐量的分布式发布订阅消息系统。数据分析与可视化数据分析与可视化工具数据服务总线数据应用数据应用系统数据接入数据交换平台…数据计算与存储截至目前，腾讯大数据平台集群规模已达40000台以上，日采集数据条数超过25万亿，日实时计算次数高达20.5万亿余次，日启动容器个数超过2.5亿。2)建立基于平台的高效数据管理机制在数据授权方面，腾讯将数据视为重要的资产，除了基础数据、IT运维数据等共享类数据外，对非共享类数据，腾讯各事业群以独立核算单元的身份，在业务驱动下按照交易模式进行数据授权。有时，各事业群之间的数据授权并不完全基于业务，还需要考虑企业战略发展的需求。例如，在微信培育初期，QQ用户数据开放给微信使用，当微信形成规模效应后，QQ即停止向微信开放接口，用户数据也不再提供给微信使用。在数据汇聚方面，腾讯采用顶层驱动、价值吸引、降低门槛等方式，辅以组织流程保障推动数据聚合。在顶层驱动方面，腾讯强化决策者对数据价值的认可和对整体数据的需求，面向全员宣贯“数据为优化业务系统服务能力，并通过亮点宣传增加业务系统曝光率，提升知名度。在降低门槛方面，腾讯提供稳定、易用的自助式接入平台，实现数据接入灵活、按需和可保留，同时提供自助式数据门户，支撑用户对数据进行管理授权。在组织流程方面，腾讯建立独立的数据整合处理团队，并在各业务条线设立独立的数据团队或接口人负责对接。在数据共享方面，腾讯几乎所有数据都已实现产品化和服务化，除用户标签等基础数据以及IT运维数据在平台共享外，其余数据均分布在各个事业群。对于共享数据，腾讯设立内部组织进行统一管理，并利用自身能力开发相应的数据共享产品。对于非共享数据，腾讯各事业群以独立核算单元身份，通过开发数据交互接口，以交易模式进行数据共享。腾讯在数据产品运营方面具有更加丰富的经验，依托其强大的大数据平台，提升海量数据快速高效处理能力，助力业务快速发展。例如，腾讯通过HERMES实时多维分析引擎，仅2秒即可实现客户群的快速分析与识别。再如，腾讯建立10亿级QQ用户画像和高维度机器学习平台等，实现了广告精准推荐，帮助企业营业收入5年内增长12倍。另外，随着大数据平台演进带来的专业分工、运营和使用分离，腾讯意识到多租户是平台服务化的关键和基础。因此，腾讯基于多租户构建数据服务与应用能力，实现了服务能力租户化、租户管理、租户资源度量及资源隔离与安全管理，支撑不同租户数据开发、数据应用、数据服务和数据治理等业务开展。在数字生态方面，腾讯通过对外开放平台、开放生态、建立生态联盟，打造了共生共赢的互联网生态圈。在开放平台方面，腾讯为开发者提供技术与工具资源、基础云计算服务及行业解决方案、AI技术能力平台、第三方程序及内容传播平台等。在开放生态方面，腾讯建立众创空间、双百计划、青藤大学及创业扶持政策，广泛连接社会资源、资金、产学研和创业者。在生态联盟方面，腾讯与京东、美团、快手、58同城等互联网企业携手，建立共赢的数字化生态圈。(四)综合能源企业1.远景能源(1)基本情况远景能源科技有限公司成立于2007年，自成立至今连续多年业务成倍增长，已经成为全球领先的智慧能源技术解决方案提供商，包括智能风机的研发与销售、智慧风场管理软件服务、智慧风电技术开研发能力和技术水平已处于全球领先地位。2014年，集团销售收入100亿，人均价值创造与谷歌、苹果相当。2019年6月，EnvisionGroup(远景集团)被《麻省理工科技评论》(MITTechnologyReview)评为2019年度“50家聪明的公司”。获奖理由是远景集团“打造了全的6000万个风电、光伏、储能、充电桩、电动汽车等设备实时智能协同，帮助实现大规模可再生能源接入，推动能源转型。(2)典型做法1)清晰宏伟的战略发展定位远景能源自公司成立时的主营业务是风力发电设备的研发、生产与销售，该项业务的确立是与当时中国正处于大力发展风电的国情相适应的。但是，当远景的竞争对手们都在关注稳定增长的风电市场中扩大市场份额时，远景能源不只把关注点放在制造上，而是以整体解决方案的角度来发掘商机，为未来的公司重新定位打下基础。首先，远景能源研发并设计出“智能风机”,在叶片和风机内外部加装了传感器和雷达，用雷达监测风的流动性、强弱，通过传感器收集各项数据，汇总到云端计算分析，再利用智能控制技术、先进的测量技术、数据分析专家系统、主动性能控制和基于可靠性的决策算法等，使得发电效率要比同类产品高20%,这就是其与国内外其他风机企业如金风、联合动力最大的不同。在风机上安装传感器以及部署智能控制算法只是智慧能源的第一阶段。智慧风电场是第二阶段。在多个风机并存的风电场里，单个风机的能效最大化并不意味着整个能效最大化，远景用基于智能传感网和云计算的智慧风场管理系统，将风资源评估、风场设计、风场运维、资产管理等全生命周期透明化、数字化、信息化，结合智能控制、智能传感、云服务、大数据等技术，构建智慧风场全生命周期管理平由此，远景能源以数字能源技术为基础对公司重新定位，致力于成为智能物联的平台型公司，按此公司定位，远景能源有计划地向其它新能源领域拓展。远景能源认为，新能源将会呈现供给决定需求的新业态，而新能源的前景十分广阔，这都为远景能源创新商业模式提供了广阔的想象空间。而将公司定位于围绕着“数据”发展为智能物联的平台型公司，便是顺应新能源发展趋势、创新商业模式的战略举措。2)以商业模式创新引领公司发展①构建智慧风场全生命周期管理平台在风电行业，无论是测风管理还是微观选址，无论是机组选型还是机型排布，在不同阶段参与的技术人员使用的工具和方法各有不同，缺少开发设计阶段全过程的管理以及重点环节专业性的把控，最终导致不确定性累积，这也是为什么同一个风电场，不同设计院、不同咨询公司的评估电量差异较大的原因，由此造成不必要的资产投资失误。针对风电项目投资无法有效管控风险和有效优化设计的现状，远景能源决定做一款类似格林威治之于航海意义的风场软件产品，通过强大的平台，可以对风电项目全生命周期的各个环节进行风险控制，管理风电项目投资风险。格林威治平台让风场的设计和投资更精准，为风电行业的投资评估和风险管理找到一个准绳，也让格林威治成为行业利用知识和积累知识的大平台。远景能源的平台数据来源于全世界的气象、环境数据但紧靠这些来源还不够，并不是针对风电，精度不够，空间分辨率过大。针对风电，辨别到10米-20米的精度，远景的主要工作是研发一套气象模型，加工这些数据，从100公里降格到10米。远景能源和国家超级计算所合作，开发完善现有的气象模型。远景有优化气象模型的方法论体系，并把他们运用到国家计算中心，源源不断生成气象2011年，远景正式推出了智慧风场WindOSTM操作系统。对于已建成的风场，智慧风场操作系统windOS平台和高级应用可以实现发电量的提升。通过大数据挖掘提升资产效益，远景能源目前管理着包括美国最大的能源上市公司Pattern能源、大西洋电力、Orion能源、中广核等在内的2000万千瓦的全球新能源资产。远景通过包括“格林威治”云平台、智慧风场操作系统WindOS平台、高级应用在内的格林平台，不断刷新业主的观念，引领业主掌握理性投资的方法。由于格林威治平台打通了项目发起、投资、管理的全生命周期，平台上可以实现项目开发商、投资基金的对接，而作为产业投资人的产业投资公司，需要风险可控，格林威治平台可以解决信息不对称，增加信息的透明度，降低整个行业的风险，所以不少投资基金经理已经开始在格林威治平台上挖掘优质项目。远景能源相信，通过智慧风场全生命周期管理平台，在完成原始以及大规模的数据积累之后，远景迎来的将是一个巨大的待爆发的市场，也就是目前广受互联网企业关注的物联网市场。②恰当借鉴互联网公司的免费模式对于远景而言，云平台的打造最为基础的工作是邀请更多的合作伙伴使用平台，而互联网企业经常用到的免费模式便成为远景能源进行商业模式创新的主要维度。但是，业务发展需要大量的研发投入，以免费模式进入壁垒较强的能源领域，远景能源对于软件开发的投入从哪里来以及能否持续，便成为远景能源需要首先考虑清楚的事情。远景能源是通过收费模式与免费模式加以平衡来解决的，而收费模式的落脚点选择在了欧美国家，在中国采取免费模式。相对来讲，欧美的风电投资市场已经比较理性，据此，远景能源的软件在欧美国家获得的丰厚利润，可以反哺国内的软件投资。远景能源可以用免费的软件平台促进中国风电市场的理性繁荣，甚至在中对于远景而言，当下的技术难点是中国乃至全球缺乏这样的企业，缺少信息化互联网基因又有可再生能源投资管理的基因，远景要努力成为双基因拥有者。免费的模式无疑是互联网企业出发的第一步，而远景的互联网能源梦也是从一家互联网企业出发的。③以资源整合者的角色、以轻资产模式布局能源领域能源企业的第一笔投资，往往会用在建场和购买设备上，待公司运转到一定时期，再由“重资产”公司向“轻资产”公司转型。年初创期时的路线是，邀请专家研发高效产品，而后利用供应链采购远景能源轻资产思路的继续延伸，则可以体现在两大平台和未来的能源体系上。以阿波罗光伏云平台为例，远景能源把自己比作第三方，先结合TUV莱茵在光伏行业线下强大的组件认证和检测能力，并加入国内多家银行、融资租赁公司、基金公司的评估。完成“攒局”之后，其自身不会介入光伏电站的实际交易环节，仅扮演作为服务提供者和平台建立者的角色。而对于未来的能源系统，将会有数百亿的设备连接到互联网上，从手机到电动汽车，再到光伏电池板、风力发电机组，还有大量的储能电池。而远景的角色，仍然不会是厚重的资产拥有者，而是成为的机制建立者，这个机制将包含系统、法则、规律、参与方。④发挥数据资产价值正如前文所述，不难看出，远景能源预期的模式与按需交通服务企业Uber有相似之处。就像每一个用户只需要点击一下手机就能够找到一辆出租车，车辆会在最短的时间内到达用户的所在地点，并且将用户送至他们想去的任何地方一样，用户通过远景能源的系统，可以灵活地掌握和使用与能源有关的信息。目前，依靠独家技术、巨大市场和政策支持，远景能源做成平台的客观条件已经齐备，这也为其实现战略的进一步升级、成为智能物联的平台型公司奠定了基础，届时，大数据能够产生的盈利空间，将有更多可能，因此远景能源把盈利点放在能源的数据上。远景能源相信：只要使用的用户——电站接盘者、电厂投资人、银行、保险公司甚至设计院——有什么诉求，远景能源都可以通过数据开发提供解决2.法国电力(1)基本情况法国电力集团(EDF:ElectriciteDeFrance)成立于1946年，是负责全法国发、输、配电业务的国有企业。为了完成公共服务事业的使命，法国电力集团负责电力设施的设计、建设和运营。法国电力集团是世界能源市场上的主力之一，是全球范围内最大的供电服务商之一。下属公司有英国EDFEnergy(法国电力能源公司)和比利时EDFLuminus(法国电力比利时公司)。凭借50多年能源开发经验，法国电力集团已经成为世界领先电力公司之一。作为一家在核能、热能、水电和可再生能源方面具有世界级工业竞争力的大型企业，法国电力集团可以提供包括电力投资、工程设计以及电力管理与配送在内的一体化解决方案。2018年7月19日，《财富》世界500强排行榜发布，法国电力公司位列94位。作为全球领先的电力基础设施服务提供商，法国电力公司(EDF)非常重视大数据在企业运营分析管理中的作用，通过设立专业机构、完善数据基础、增强分析能力，不断发掘数据资产价值，为企业战略转型与服务升级提供有效的决策支撑。(2)典型做法1)建立独立机构支持运营决策法国电力在客户关系管理数据库中，对用户信息进行了全面搜集，包括客户名称、电费计价方式、客户用电行为特点等。法国电力研发部下成立了职能服务型的运营分析中心，专门负责对客户数据进行分析，以对销售管理进行支撑。数据运3组大数据库图15法国电力数据运营分析框架该部门以项目制的形式负责向销售、营销和财务控制在内的六个业务部门提供客户行为分析支撑，以改善这些部门的服务质量并实现客户的最大化保留。其工作职责可分为5个方面：与相应的部门保持沟通，找到分析所需的相关数据；对内部数据进行清理，对外部源数据进行整合；采用神经网络、聚类、回归分析等分析方法对数据进行按需分析，预测电力需求侧的变化、区分客户群特点及消费规律；在全面了解客户情况的基础上，按照客户的忠诚度、利润率、生命周期价值以及与新推出产品的相关性对客户进行打分；确保法国电力拥有必要的工具来满足不断发展的营销需求。通过坚持不懈地克服各种数据复杂性问题，分析型客户关系管理