400-608-2558
029-8766-9737
资讯
当前位置:首页 > 资讯 > 行业资讯
《新基建思考及能源企业数字化实践》深度全文
时间:2020-08-12 09:18:29 浏览:
8月6日,以“科技赋能 变革创新——构建‍‍智慧能源新生态”为主题的“2020能源企业数字化创新发展论坛”成功召开。
2020能源企业数字化创新发展论坛

本次论坛由中国信息产业商会主办,中国信息产业商会人工智能分会、信息化建设服务平台承办,国家信息中心、国家电网、美林数据、中国海油、中国电力建设集团、兖矿集团共同支持。

美林数据作为协办单位受邀出席,公司高级副总裁刘宏分享《新基建思考及能源企业数字化实践》主题内容。

以下为正文:
第一篇章:理解新基建

 
各位朋友,大家好。我是美林数据技术股份有限公司高级副总裁刘宏,今天我将分享关于《新基建思考及能源企业数字化实践》。
  • 理解基础设施
首先,在理解“新基建”之前,我们需要了解什么“基础设施”。基础设施有两大特性,其一是基础性,是必不可少的、不能直接形成价值。其二是平台性,即泛在性和支撑性,更注重环境、生态的构建。
  • 传统基建&数字基建
其次,我们还需要了解传统基建与数字基建。传统基建,是社会经济中基本的、需耗用大量资金和劳动的固定资产建设。按建设用途分类的话,生产性建设项目包括工业建设、水利建设、运输建设等,非生产性建设项目包括住宅建设、卫生建设、公用事业部建设等。

而数字基建是以科技为核心驱动力的新经济发展模式,基础是5G技术,5G是物联网、人工智能、万物互联、工业互联网和信息化的基础。与传统基建重资产模式相比,数字基建更多是轻资产、高科技含量、高附加值的发展模式。

  • 传统基建与数字基建的关系
两者之间到底是什么关系?我拿一个形象的比喻来说明,传统基建就好比人的骨骼系统、肌肉系统、循环系统;数字基建就好比人的神经系统和大脑。
传统基建与数字基建的关系
两者首先是相辅相成的,传统基建是更基础的系统体系,在没有强大神经系统和大脑的情况下也能够继续生存,在短期内不会被淘汰。但是数字基建一定是依附于传统基建基础之上的,不是替代,而是赋能。

数字基建给社会、企业带来了改变生存方式的机会。例如,以前人类早先是穴居的、打猎为生,随着智力的发展开始耕种、纺织、畜牧。这可以理解为一种新的赋能。这是因为新的神经系统与大脑发育,创新出新的生存模式。现在的数字基建也是期望探索更多的突破与创新。

当然,新的生存方式的出现,必然会导致传统基建内容的变化,一些传统基建开始进化,一些传统基建开始退化。例如,人类奔跑能力开始退化,但手指却越来越灵活;人类因为吃熟食导致消化能力的退化,但总体上人的健康与寿命更长了。
人类发展
我们可以理解数字基建是一次企业/社会的进化过程,由猿向人的进化过程。
  • 新基建

新基建是数字基建+传统基建的升级,既包括了数字基建的内容,也涉及到了传统基建的升级。

新基建涵盖了7项内容,三个层面的事情:神经系统的构建(5G、工业互联网),大脑的构建(数据中心、人工智能),循环系统的升级(城际高铁&城市轨道交通、特高压、新能源充电桩)。

这些给我们企业进行数字化转型指明了方向:从企业的神经系统、大脑、循环系统来考虑企业数字化基础建设的范围。

新基建是国家实力向更高层次进化的基础。是在构建一个全新的生态环境,这个环境向企业提供了由“猿向人进化”的机遇。国家通过新基建给企业提供了数字经济的大环境,让企业具备构建自身的神经系统和企业大脑的机会。让企业能够完成进化,也就是数字化转型过程。

因此,可以看到数字化转型对于企业的必要性。不进化最终就会像猴子一样要么躲进深山,要么进入动物园。


第二篇章:企业数字化转型
  • 什么是“数字化”
什么是数字化
当前, 企业已经不是简单人的群体,而是人、生产设备、生产物资、生产/市场环境等复杂对象的综合体,这也意味着企业数字化考虑的是如何建立人与设备、物资以及环境之间“沟通”,并相互进行“知识、规则”的学习、传递、执行和度量。

这里提到的是“沟通”而不是传递,是让设备、生产物资、环境“读懂”人们的想法和意图,并自动的采取正确的操作。还有一层意思是这种人与设备、环境之间的交互是双向的,而非一方被动接受的。

  • 数字化vs信息化

信息化注重的是人与机器以及人通过机器实现人与人之间的信息交互。数字化的目标则是如何让没有人干预的情况下实现人与机器、人与环境、机器与环境、机器之间的自主交互。

信息化更多的是将机器作为信息传递和存储的一种手段,而数字化则是希望机器来替代人类来独立的完成工作。我们一般理解的狭义上的信息化只是数字化阶段的初级阶段,数字化的更高阶段是人工智能阶段。

信息化是围绕“人”来开展的,数字化则是围绕“机器”来开展的。主体发生了变化,所以意义也发生了变化。


一个企业要不要进行数字化转型?回答这个问题需要理解数字化转型的意义,数字化不仅带来的是生产经营模式的改变,最关键的是给企业经营者带来企业发展的信心,以及更高层次的发展欲望。
数字化转型
例如,当交通方式是以自行车为主的时候,活动范围可能就是一个城区;当交通方式是以汽车为主的时候,活动范围可能就会扩大到一个省;当交通方式成为高铁、飞机的时候,活动范围可能就会覆盖全国。

所以,企业的数字化转型首先是以自己的战略发展目标为牵引,如果企业没有更高的发展欲望,做数字化就没有意义。(我一直就想在城区活动,那么高铁与飞机对于我就没有必要)。

  • 数字化中的“高智商”
数字化中很重要的一点是具备“高智商”的智慧。人在衡量智慧时,通过观察力、记忆力、抽象力、思考力、行动力等多个维度进行判断。企业同样如此,观察力即企业信息采集能力、记忆力即信息存储能力、抽象力即数据挖掘能力、思考力即数据应用能力、行动力即自动控制能力,这是一个企业智慧的体现。
数字化中的高智商

  • “高智商”能力再分解
再进一步对企业智慧的分解,其实就是我们现在大部分企业正在进行的数字化转型动作。信息采集能力对应物联网平台、信息存储能力对应数据中台、数据挖掘能力对应技术中台、数据应用能力对应业务中台、自动控制能力对应云边应用平台。
  • 企业数字化全过程概览
企业数字化转型
企业数字化全过程大概分为8个步骤,是一个循环往复的过程。由业务数字化规划开始——数据范围——数据获取——数据存储——数据质量——分析建模/规则化、知识化——数字化执行阶段——数字化能力评估。总体来看,应该是一个螺旋上升的模式。

第三篇章:企业数字化转型第一步
  • 让数据成为生产要素
企业数字化转型第一步简单来讲,就是让数据成为生产要素,而不是搁置在存储器内,是以数据价值释放为基础的数据管理。

数据管理链条大致分为数据模型、数据标准及主数据识别、数据融合、数据需求、数据分析、数据应用。在每个环节上或多或少都会遇到一些难题。

例如,数据模型一直被重视,但没有发挥应用的作用。

例如,大家都忙于制定各种标准,最终发现统一标准更加艰巨。

例如,数据壁垒的修建速度往往快于我们的“拆迁速度”。

例如,拥有大量数据,但是业务人员不知道长什么样,在哪里,怎么用?

例如,数据分析工具种类繁杂,缺少统一套路。

从单一业务应用视角更深层次的进行理解,我们会发现,企业对于两端的业务需求以及数据应用认知优先级最高,而把中间的数据获取放到了较低的认知优先级。但对于系统化视角(即企业信息化部门视角),两端与中间的各个环节都需要关注,目前最大的问题在于数据整合,如何让数据面向业务应用时更加友善、便捷。
数据分析工具
  • 大数据环境下的数据治理活动

我们传统的思路是统一数据模型——数据标准制定——主数据管理——数据质量管理——数据应用。但在大数据环境下其实变得很困难,因为第一数据边界是模糊的;第二点数据来源的广泛性;第三是数据质量认知的多重性,不同的应用对于数据质量有不同的要求。这就导致了传统的数据治理思路在大数据环境下捉襟见肘。

大数据环境下业务需求是首位的,紧接着是围绕业务需求整理数据需求,再是基于应用的数据融合,融合之后是数据质量管理,最后到数据应用。


  • 数据价值发现过程的数字化转型

让数据成为生产要素最大的考验在于是否实现了数据价值发现过程的数字化转型,而非人工实现方式。其中包括数据管理的自动化与知识发现的自动化。数据管理自动化主要是多源数据的统一存储、多源数据融合、有业务目标的数据质量提升。知识发现自动化主要是缩短提取数据的路径、自动化的建模过程、已有经验的快速分享。
数据治理
原有的主数据治理方法是指人工的数据标准收集梳理,人工的业务系统主数据映射关系梳理以及通过管理手段的标准及主数据统一管理,这是一种大统一的思路。美林提出的思路是基于算法的自动历史数据识别与基于业务规则+AI的跨系统主数据自动融合,采用先融合再统一的思想。
数据治理
对于数据标准也是如此,采用融合统一的思路。收集各业务系统自身存在的数据标准,将数据标准进行映射融合,确保标准之间是能够相互翻译的。最终实现基于智能化融合算法的快速数据标准制订,以用促管的数据标准管理以及自动化的数据标准应用评估。
  • 大数据模式下数据治理关键点之数据模型管理
美林提出的思路是基于算法的自动历史数据识别与基于业务规则+AI的跨系统主数据自动融合,采用先融合再统一的思想。大家都知道模型管理的重要性,但模型管理最大的问题在于表里不一,两张皮。虽然制订了标准,但做不做又是另一回事。因为人工设计的数据模型是离线文档、业务系统数据库表结构是手工梳理、人工的数据标准与业务系统库表结构离线比对、通过管理手段要求业务系统进行设计改造,种种原因导致贯标难以成效。

美林数据提出的方案是基于知识图谱技术进行结构化的数据模型的存储与展现,自动提取表结构,自动发现表关系,自动进行标准与业务系统库表结构的匹配度识别,自动构建标准与现实库表结构的映射关系。并通过自动化的差异感知与动态的标准版本管理确保标准执行保持持续有效。
希子图鉴-数据资产管理平台

目前,我们已经推出了自主研发希子图鉴-数据资产管理平台,并在电网、风电、水务、制造等多个行业落地应用。平台采用了全新的“逆向工程”数据资产管理理念,以知识图谱、深度学习、人工智能技术为主,实现多源头、跨平台、跨部门、多形态数据的统一整合,纵向打通企业业务到数据的垂直脉络,横向关联企业的不同业务系统,使分散、孤立的数据成为汇集标准的数据。用图谱可视化的方式全景直观的掌握企业所拥有的全量数据资产,构建统一融合的业务视角下的企业数据资产一张图体系,让管理的数据成为应用的数据,帮助企业构建数据级智慧大脑。
企业数据资产
  • 大数据模式下数据治理关键点之数据云图
在数据模型管理之后如何让业务人员用起来。这里就需要数据云图,数据云图包括数据地图和业务地图两部分,两者需要融合。以数字化形式提供业务全貌,提供业务之间的关联,提供业务细节的访问入口。以业务为入口,提供与业务相关的数据全貌,提供数据的访问,提供数据宽表用于数据分析。类似于高德地图,使用者不需要懂背后的原理,只需要掌握使用方法。同时,业务、模型、数据其实是三张皮的事情,需要三者相互融合,以数据云图的形式清晰的展示企业数据仓库,为企业业务人员提供一种基于业务视角来获得数据服务的全新渠道。

我的分享到此结束,谢谢!



立即试用
立即试用
全国服务电话
400-608-2558
029-8766-9737
企业邮箱
tempo@meritdata.com.cn
中国西安 ▪ 雁塔区西三环天谷八路软件新城国家电子商务示范基地六层
扫码关注我们

知乎
Copyright © 2018 MeritData.All Rights Reserved陕ICP备05005361号-1.    陕公网安备 61019002000171号