智慧城市数据底座建设探析

2022-03-23张海峰

智能建筑与智慧城市 2022年3期

关键词：智慧分析建设

张海峰

（身份证号码：3206111980******16）

1 智慧城市的内涵

智慧城市的内涵大致可归纳为三个层次：

1）基础层面

智慧城市综合运用新一代信息技术，通过建设云计算中心、大数据中心和数据中台等智能基础设施，奠定城市发展基石[3]，形成城市的智能中枢，作为城市级智能的物理载体，完成城市学习演进的过程。

2）应用层面

智慧城市将城市治理作为主要应用领域，对城市中人、地、事、物、组织的感知互联，经由智能中枢完成对城市数据的类人脑处理，对交通、环保等各个领域的治理模式进行再造和创新，提高城市建设运行的效率和水平。

3）拓展层面

智慧城市的建设是各类应用场景和新技术、新产品之间的交互通道，与此同时，智慧城市将城市以及人的各类行为数字化，为产业发展注入新的生产要素，对产业技术创新和转型升级具有重要意义。

2 数据中台让城市数据有效释放能量

2.1 解码数据中台

数据中台提供数据上云、数据治理、数据分析、数据决策、结果展现等功能，实现数据资源管理，潜在规律挖掘，业务决策优化。最终目标是为了向业务应用输出全量的、标准的、干净的、智能的数据[1]。

数据中台具备提升使用效率、提高数据质量、挖掘数据价值三个核心能力，让数据应用变得更加方便。

1）提升使用效率

数据在没有经过数据加工之前，数字化建设往往局限在单个业务流程中，忽视通用性能力的沉淀。数据中台提供适用、成熟、完善的一站式平台工具，在简便有效的基础上，实现数据整合、管理、服务，是一套灵活度高的数据处理平台。

2）提高数据质量

数据中台联通全域数据，通过统一的数据标准和质量体系，建设提纯加工后的标准数据资产，为业务应用提供高质量数据。

3）挖掘数据价值

数据中台通过打通多个业务系统间的数据，提供以前单个部门或业务单元无法提供的数据服务能力，以实现数据更大的价值。

2.2 数据中台设计

数据中台提供一站式数据资源管理服务，完成数据架构、数据质量、数据生命周期管理、数据可视化等多项数据管理应用，可以为业务应用提供数据共享和数据分析[5]。

数据中台覆盖数据采集层、数据计算管理层、数据服务层（见图1），实现标准数据模型管理、应用数据模型管理、数据质量管理、数据链路分析、智能标签体系建设、业务算法模型管理等功能，提供标准化程度高、易用性强的一站式数据服务平台，为上层各类应用提供全量的、标准的、干净的、智能的数据。

图1 数据中台架构图

依托数据中台，可设计高质量的标准化数据模型，减少重复开发工作，用户可全面了解数据质量、数据使用情况和系统运行情况，并从业务视角直观使用并探索数据，更高效地从数据中获取业务价值。

2.3 释放城市数据能量

数据中台是一个基础的理念和架构，是构建数据智能的全流程平台，在智慧城市建设中，数据中台将有效释放城市数据能量。

搭建城市统一的数据中台，充分利用数据中台各类数据开发、算法管理工具，降低数据开发及算法开发的门槛，极大简化数据开发、优化算法管理过程，缩短数据治理周期，降低城市数据治理成本[2]。

3 基于数据中台构建智慧城市数据底座

数据是城市发展中比土地和水资源更重要的资源。数据中台融合城市各委办局数据，以及各类社会数据和互联网数据资源，根据政府行业数据体量大的特点，以保持公共数据层的稳定性以及数据处理的性能，为上层业务提供稳固的数据底盘，加速业务效果的产出，形成城市统一数据底座，以支撑上层业务的数据需求，成为城市数字化的数据底座。

3.1 城市数据中台建设

智慧城市需要数据中台作为城市数据底座，实现对数据的统一治理、分析以及标签化，通过数据中台赋能的数据更好地支撑各部门开发新应用。

数据中台提供底层数据治理支撑，为彻底消除“数据孤岛”，将数据变成资源提供能力支撑，实现以数据协同驱动业务协同[4]。通过数据中台构建城市全量分析数据能力平台，推动平台深度应用。

构建城市统一的数据中台，集成数据汇聚、数据加工、数据管理、数据服务、数据标准、数据分析、数据可视化、数据安全管控等支撑能力，实现政府数据资源、社会数据资源的互联互通，保障城市业务信息即时在线、数据实时流动，形成高利用价值的城市数据资产，推进公共数据有序开放和利用，围绕数据创新利用，培育基于场景应用和公共服务的生态体系。

3.2 城市数据资源建设

通过城市数据资源建设，数据中台可以不断向上层应用输出数据。

1）基础资源

提供数据治理所需的数据存储、数据计算、网络通信以及软件环境等资源，保障上层对数据的需求。

2）数据汇聚

通过数据采集层接入到数据中台，继而开始分层治理。数据来源和类型不同，使用的采集/接入方式也不同。

3）数据融合

基于行业顶层设计、业务发展规划以及相关政策文件，整合不同应用系统、不同接入方式的数据。对杂乱无章的原始数据进行自上而下的数据标准化管理，治理成分层分域、标准干净的数据模型。

4）数据质量

通过构建数据质量规则标准和数据质量管理流程，规范化数据质量稽查监控、数据质量处置运维、数据质量分析评价等内容，保障数据质量，提升数据治理的能效，以促进、保障数据价值的实现。

5）数据分析

通过部署相关智能化组件、工具及产品，提供灵活、面向特定业务场景的语义建模能力和标签体系。提供基于业务模型的数据挖掘分析能力、面向业务对象和业务群体的画像能力，以及对数据的多维度分析能力。

6）数据服务

实现产出数据地对外开放和能力输出。基于数据服务平台，数据在经过计算、处理、落库之后，根据相关标准规范创建服务、发布服务、监控服务、下线服务，然后通过检索、权限申请和服务调用相关数据服务，以实现对数据的各类服务。

3.3 城市专题分析建设

在城市数据资源建设的基础上，基于城市数据资源的“供血系统”，数据中台通过城市专题分析建设，可以帮助城市挖掘潜在规律，优化业务决策，实现实战管用、干部爱用、群众受用的城市数据底座，让数据真正驱动管理与服务。

城市专题分析建设主要有三种业务场景。态势感知，采集不同部门的相关资源，通过建立数据分析模型，形成城市总体态势感知分析，全面掌握城市运行态势。决策分析，结合实际情况，从专题痛点出发，选取业务场景，匹配专题数据，进行对比、趋势、预测分析。监测预警，根据数据分析结果，对标相应指标的基准值，呈现预警内容。

依据城市相关领域的政策、标准、指导意见等，结合城市特色，智慧城市建设可以选择符合城市的专题分析。常见的专题分析建设有人口专题分析、法人专题分析、信用专题分析。

3.3.1 人口专题分析

人口专题分析围绕人生经历的各阶段，把从出生到接受教育，再到学校毕业参加工作、社保缴纳、组建家庭、退休养老、人口流动等进行全方位分析。通过多维度、多阶段的人口专题分析，可以充分了解目前区域人口发展现状，对未来人口走势进行预测。

3.3.2 法人专题分析

法人专题分析包括法人主体专题分析、重点行业专题分析、经济专题分析、区域专题分析等。通过对法人数据进行分析，处理法人类型、行业、重点行业、区域等多维度的法人数据；明确安全风险源头和趋势，确定重点法人分析对象、重点分析行业、重点分析业务等，为城市提供决策依据。

3.3.3 信用专题分析

信用专题分析是在各类信用数据整合归类的基础上，建立并动态更新大数据分析模型，对信用数据加载并进行汇总、统计、监测、分析，发现数据下潜在的规律，找出数据之间的关联关系，及时掌握信用主体经营行为、规律与特征，通过信用监测分析和及时预警，主动发现违法违规现象，并形成趋势判断，从而提高政府科学决策和风险预判能力。