大型流域水电企业数据治理探索与实践

王 薇 禹跃美 张 宏 吴明波 吴 涛

（华能澜沧江水电股份有限公司，云南昆明 650000）

1 背景

当前，数字化转型已上升为国家战略，“十四五”规划提出“加快数字化发展，建设数字中国”的战略要求。为贯彻习近平总书记关于推动数字经济和实体经济融合发展的重要指示精神，落实党中央、国务院关于深化新一代信息技术与制造业融合的决策部署，打造数字经济新优势，依据国资委和集团公司数字化转型工作要求的重要举措，公司深入领会数字化转型的重要意义，深刻理解数字化转型是大势所趋。通过构建数据运营中心，促进生产经营管理向着数字化、网络化、智能化转变，充分挖掘数据价值，支撑企业生产经营管理的数字化转型。

在公司生产经营活动过程中积累了海量的数据，虽然通过工业互联网、远程智能诊断系统等建设和应用，在设备精益化管理水平提升、状态检修、“精品”机组打造方面取得一定成效，但从整体来看，随着多源异构数据集成和利用的需求日益增长，单一的平台应用愈发难以满足数据融合应用的业务需求和企业高质量发展的需要。因此，数据应用在促进生产经营活动降本、提质、增效方面还有很大的提升空间，数字化转型工作任重道远。

2 目前水电企业数据管理存在的主要问题

为了全面摸清数据管理方面存在的痛点、难点，对公司全域数据管理、应用情况进行了摸底调研，深入解读水电企业生产及管理领域的业务现状，以数据视角全面识别数据采集、数据存储、数据传输和数据应用存在的问题和痛点。

（1）数据资产待规划。由于相关数据的分散和多头管理，且缺乏明细的层级结构等问题，尽管水电领域的各种信息业务系统中存储了大量数据，但应用程序分析所需的数据仍无法准确检索。

（2）数据标准待统一。由于数据格式、类型和其他数据标准不一致，需要进行大量手工校准和校正，导致数据维护成本高且无法被有效利用，很难支持数据共享和业务协作。

（3）数据质量待提升。数据产生、传输、应用过程中经过筛选、计算和转化会造成源数据质量损失。由于缺乏高质量的验证规则以及支持平台，数据质量问题不能及时发现，经常在数据消耗结束时才发现数据存在问题，未能及时改进数据质量，导致数据修正工作的重复。

（5）数据平台有待完善。部分业务缺乏系统支撑，主要通过线下台账管理，其次，现有系统缺乏在统一平台上收集和管理数据的能力，并且数据断点在系统之间很常见，导致数据映射的工作量很大。

总之，数据问题阻碍了水电领域的数据查询、分析和挖掘，从而影响相关智能应用的准确性，带来工作成本的增加等问题。因此，鉴于现有技术的局限性，如何为大型流域水电企业提供数据治理体系是水电领域数据管理者迫切需要解决的问题。

针对以上水电企业数据管理面临的痛点和难点，结合水电领域生产数据的行业特性，本研究为大型流域水电企业提供了一种数据治理体系，加强多元数据的统筹治理能力，针对水电企业的数据进行全域全周期的治理。为了实现上述目标，通过实践中的一个或多个实施案例，探索大型流域水电企业的数据治理[1]。

3 数据治理体系探索与实践

3.1 构建水电领域的数据资产目录体系，形成数据地图

首先，自上而下梳理顶层数据资产目录，结合水电领域业务管理价值链，形成水电企业数据资产的顶层框架；其次，盘点水电领域的所有信息系统数据库，将获得的数据表和字段列表与水电领域自上而下梳理的数据资产框架相结合，形成一个清晰、完整的水电领域数据资产目录。在实践中，整体盘点和梳理水电领域相关的电能量系统、生产监测系统等数据库表、字段属性，建立水电企业生产运行主题域分组下的数据资产目录。

水电领域数据资产目录共计5 层：分别为具有水电领域特征的主题域分组（L1）；业务主题域（L2）；业务对象（L3），包括重要的人、事和物；关键属性集与行业属性(L4)，即水电领域内的逻辑数据实体；与每个逻辑实体相关的显著特征属性(L5)。

通过以上技术方案，最终形成具有水电领域特色，且分层、分级结构清晰，能有效支撑业务管理和控制的数据资产目录体系，使水电领域的数据可追踪、可搜索、可适用。

大家常说低压难降，这是因为大多数的降压药虽然是高压、低压一起降，但是这些药对收缩压降低的幅度大于舒张压，所以相对而言，降低舒张压的效果就不那么明显。临床常用利尿剂减少血容量负荷，或是用β受体阻滞剂（洛尔类）抑制交感神经活动，降低舒张压。

3.2 建立水电领域的数据标准体系，统一数据语言

针对形成的水电领域的数据资产目录体系，从数据分类、数据编码、数据属性等3 个方面建立统一的数据标准。建立统一的数据标准主要包括以下步骤。

（1）识别公共属性。根据公共属性的识别原则，识别水电领域中所有数据的对象属性，包括存在于多个字段和表中的属性字段，如时间、员工和单位属性；然后对识别出的共同属性进行标准化。在此基础上，可以重复引用公共属性标准。

（2）识别个性属性。水电领域中除上述共同属性外，其他属性都属于个性属性，如生产监控测量点的分类，存在于生产监控、监测系统逻辑实体中，将识别出来的个性属性进行标准化。在此基础上，个性属性的标准主要是指单一的逻辑实体。

（3） 属性标准化。属性标准化是基于上述共同属性和单独属性进行的。按照“一号、一源、一标”的原则，参考国标、行标和企业标准，确定数据标准的来源；然后根据属性的标准代码、名称、描述、字段类型和长度，决定是否引用代码表，是否需要填写码表字段，并对数据责任主体、版本号、标准设置、修订时间等属性进行标准化。

通过以上技术方案，最后形成水电领域统一的数据标准体系，建立跨领域、跨流程、跨系统的统一数据语言。

3.3 建立水电领域的数据质量体系，保障数据质量

根据水电现场生产数据的特点，对数据定义、产生、传输、使用、保存与销毁的全过程进行监测与监控。从数据质量的一致性、唯一性、有效性、完整性、及时性和准确性6 个维度，建立水电领域运行控制数据质量检验规则，对数据质量进行监测和评价，定期输出各领域数据质量报告。根据发现的质量问题，数据责任人及时处理和关闭质量问题，有效提高数据质量。通过对数据质量的量化评估，实现数据质量直观、简洁、有效的评价[2]。

通过以上技术方案，实现对水电领域数据质量全生命周期的监测和评估，形成数据质量报告，经过问题闭环处理，切实保障水电领域数据质量。

3.4 建立水电领域的数据安全策略，构建安全屏障

基于水电领域的数据管理特点，从以下几个方面构建水电领域数据的安全策略。

（1）数据定密定级。根据公司数据安全及保密相关要求，将数据安全分为内部公开、外部公开等5 种类型；基于不同数据的安全等级要求对其密级进行定义和规划。

（2）数据安全策略的制定。根据水电领域划分的数据安全级别，选择静态脱敏、动态脱敏、数字水印等不同的安全存储策略进行安全管理和控制，确保水电领域数据存储的安全。数据安全策略可进行个性化的、灵活的安全控制，如实现表级、字段、行级数据授权。

（3）分级数据访问。针对水电领域的不同部门和数据管理角色，配置分级数据访问，确保发电厂只能从发电厂的来源访问和查询相关生产数据。

通过以上技术方案形成完整的数据安全体系，保障水电领域的数据共享安全。

4 实施效果

4.1 建立以数字化转型为目标的数据治理体系

（1）建立数据治理体系。结合水电企业生产经营实际，以生产、财务、物资与采购三大领域为试点，完成数据资产目录、数据标准、数据质量校核、数据安全策略及数据管理办法“五个一”设计。通过数据治理，夯实数据“基石”，确保数据可查、可溯、可用，为数据价值的充分发挥提供支撑。

（2）保障数据安全。水电企业曾经的业务系统相互割裂，数据安全管理没有形成统一的机制，如何保护企业、员工、客户、供应商和其他可识别个体的数据信息安全是重点工作。统一的数据安全保护中心，提供敏感数据识别及分类、安全隐私保护、细粒度权限控制、数据风险识别及合规审计等功能，提供个性化设计数据安全策略，建立数据全生命周期管理的安全“屏障”，保障数据安全。

（3）提升数据成熟度。前期的数据管理主要是被动管理，需求主要体现在单个项目层面，没有统一的管理流程。目前，数据已被视为实现公司绩效目标的重要资产之一，并在组织层面制定了一系列标准化管理流程，以促进数据管理的标准化。数据成熟度由初始级到稳健级实现了跨越式的提升。

4.2 数据服务支撑能力不断提高、体验不断提升

（1）发挥数据价值。通过建立数据资产地图，构建数据服务，强化业务场景数据建模，为各业务领域数据资产的深度价值挖掘提供支撑。实现数据资产的数据血缘关系和数据全景可视，通过统一访问，形成关键的跨业务数据融合中枢，使各业务部门数据互联互通，信息共享共治，以用促治[3]。

（2）提升数据服务能力。通过计算机监控系统、在线监测系统，以及财务、物资与采购等经营管理数据与数据运营中心的信息交互，完成对企业生产、经营管理等数据的全面采集和汇聚，运用工业智能、大数据分析手段实现了数据统一标准治理和多元化应用。基于工业互联网、商业报表、数据挖掘等数据分析平台，开展数据综合分析工作，提高数据挖掘、流式计算、统计分析、自动报表等多元化数据应用能力；强化了基于新一代信息技术开展数据治理、分析、服务的理念，丰富了设备状态数据分析方法，提升了数据服务能力。

（3）助力企业数字化转型。研究建立了以智慧企业建设为目标的大型流域水电企业数据治理、应用及服务体系，该成果具有普适性和较高的推广价值，可在能源行业乃至其他工业领域推广应用[4]。在探索、实践过程中，培养了一批乐于学习新技术、管理理念新、思维活跃、敢于尝试、勇于探索、理论扎实、专业面广的专业技术人员，促进企业管理数字化转型升级。

5 结语

以数字化转型为目标的大型流域水电企业数据治理是“水电生产与新一代信息技术融合”的具体实践，作为非数字原生企业大胆尝试数据治理工作，虽然没有现成的方案可以参考，但是通过分析水电领域的数据资产体系、数据标准体系、数据质量校核体系，设计了数据安全策略系统的技术方案，规范了水电领域的数据管理过程[5]。以此为基础，进一步的技术方案是搭建具有水电领域特色的数据运营平台系统，实现水电领域数据采集、数据入湖、数据治理、数据服务等核心能力。通过建立数据治理方法论及管理体系，统一规划、建设应用平台，部署应用功能，实现资源的集约化管理，减轻投资、维护成本。而随着数据体量的不断充实，数据质量的不断提升，功能的不断优化，体系的不断完善，架构的不断调整，全业态的推广应用，大型水电企业数据治理体系的成效将更加凸显。