基于第三代知识图谱的政务数据治理

秦锋剑

我主要从三个方面谈一下绿湾在数据治理方面的一些思考，一是当前政务大数据面临的机遇与挑战，二是基于第三代知识图谱的政务数据治理解决方案，三是绿湾智子应用案例。

谈到大数据方面的一些挑战，我认为根源在于大家对大数据的理解不一致，也不是很透彻。很多时候我们盲目去做一个系统，觉得收集很多数据就是在做大数据业务，而具体到数据的类别、质量以及数据的应用却没有深入的思考。特别是政务相关的数据，数据量不仅大而且数据结构复杂，再加上收集的数据没有统一的标准，有效的分析更无从谈起，那么领导看了这些杂乱无章的数据也无法辅助决策。

国务院印发的《促进大数据发展行动纲要》中提到“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”这里面提到要做数据的关联分析，为什么呢？如果我们只是根据一些数据做一个统计分析，生成一个报告，几张图就能说明问题。那这个本身不是真正地挖掘大数据价值，因为并没有通过关联分析，发现新的知识，形成启发。可能常识性的知识也可以告诉我们这些结果。我们认为，利用数据要发现新知识、创造新价值、提升新能力，这样才是一个好的大数据应用。

现在很多人都在提数据融合，那么如何做到呢？这要从目前的一些现状出发，厘清数据应用发展的几个阶段。进入信息化后，我们各个委办局都通过自己建的系统，满足了当时的业务需求，这就形成了后期“数据孤岛”林立的状态。第二个阶段是在云计算的推动下，大家开始部署云上业务，实现共享，而实际上每个业务系统还是独立运作的。第三个阶段大家认为数据开放和共享很重要，所以提出了数据要做分类、归集，于是形成了很多的目录。但是，数据之间的壁垒还是没有打通。如果想要走到数据融合应用的阶段，我们必须建立良好的数据资源管理体系，做好数据治理，形成有效的开放共享。

下面重点讲一下知识图谱的解决方案。知识图谱实际上是谷歌在2012年提出来的，2018年第一次被Gartner在技术成熟度曲线上呈现，并提出了和5G、VR、深度学习同样的技术级别评定，就是还不太成熟，处于发展的初期，但应用场景很广泛。

那么，基于知识图谱的数据治理又该怎么做？

我们认为，第一步是数据汇聚：按照业务需求，明确数据类型、数据量级、数据接入方式、数据更新频率等，并根据数据探查和定义实时将海量、多源、异构数据提取、清洗、接入大数据中心。第二步是数据组织：按照数据应用需求，根据数据定义的标准，实现数据资源分类建库，包括原始库、资源库、主题库、知识库、业务库、业务要素索引库等。第三步是数据标识：基于标签知识库，利用标签引擎对数据进行比对分析、模型计算，并对其打上标签，为上层应用提供支撑。第四步是数据关联：按照业务领域知识，结合动态本体和对象模型，从数据中提取关键要素（实体、实体属性、实体关系），并挖掘要素间的深层次关联，建立知识图谱，提高人类决策能力。

数据治理过程中的数据监理也十分重要，我们有时候找厂商去清洗数据，中间可能会有丢失数据的情况发生，但我们并不知道发生了什么。如果我们设立数据监理，就会及时发现数据的问题。比如密云水库的水到每家每户，每一个环节都要做监控，包括水质、水量的变化，微生物的变化情况等。如果其中任意一项有变化，我们水利监测方都会报警出来，而且能清楚显示是哪个环节出问题了，数据监理也是同样的作用。

在长期的研发和实践中，绿湾科技以知识图谱為核心内容，构建起了“一个数据中心”+“一个数据平台”+“N个数据应用”的产品框架。作为绿湾的拳头产品，公司自主研发的“智子”大数据智能应用系统、数据治理产品、知识图谱产品、机器学习平台、视频作战平台、智慧城市人口大数据分析系统、移动互联网政务综合平台“掌上110”等，为公安、法院、检察院、社会治理、金融证券等政府及行业客户提供了针对具体场景的大数据解决方案。

最后讲一下绿湾智子的应用，绿湾大数据分析产品在智慧检索、关系挖掘、时空分析、布控预警等方面具有非常实用强大的功效，广泛应用于社会治安、反恐预防、反欺诈及决策评估、人口和产业布局等业务场景。

而我们提到的绿湾智子，如何理解呢？每个大脑和智慧的成长都有一个过程，智子现在就如同一个孩子，还需要不断培育。随着人工智能的发展，知识图谱有了更多的契机，通过对陈述性知识和程序性知识的不断吸收，正在成长中的“智子”会变得越来越“聪明”。我们可以基于知识图谱完成大数据里的城市治理，包括人口规模、人口分布、人口结构，都要通过大数据来挖掘情报。

（根据演讲内容整理，未经本人审核）