水务企业如何管理好数据资产，让数据成为生产力？

随着互联网、大数据、人工智能等技术持续赋能传统产业，水务企业数字化程度加深，如何充分发挥数据要素作用，让数据驱动智慧水务发展，以实现水务企业生产、经营、服务和管理的规范化、精细化和智能化？

水务数据资产的管理与运维是重要内容之一。《全国一体化政务大数据体系建设指南》、《国务院关于数字经济发展情况的报告》等有关数据资产政策及文件都表明了水务数据资产化未来发展空间十分广阔。

水务企业业务形态丰富，生产运营过程中会源源不断产生数据，正因如此，水务数据资产化面临的难题也尤为突出，如数据离散孤立、数据多元无统一定义等问题。

为给水务企业在数据资产化方面提供一定的知识参考，12月14日，水务加创始人许冬件受邀出席由帆软软件、珠海水务、《给水排水 》 、水务加四方联合举办的 《以数据驱动智慧水务发展，让数据成为生产力》 直播活动，分享 《水务数据资产化探索与实践》主题 。

点击观看视频回放

随着数字中国、国有企业数字化转型、数据要素市场、首席数据官制度等政策的深入推进，可以预见 智慧水务建设将进入到以数据资产为核心的新时代 。

智慧水务建设将进入到以数据资产为核心的新时代

当前，水务行业数据资产建设和应用整体处于起步阶段，越来越多的水务企业开始重视数据资产建设管理。

行业调研-水务行业数据资源现状

我国智慧水务建设正处于由自动化、信息化向智慧化迈进的过程，可以分为四个大阶段： 夯实基础（1990-1999）、初期应用（2000-2009）、集成应用（2010-至今）、全面推进（当前-2035） 。

自动化阶段以夯实基础为目的，信息化阶段实现初步应用，现今实现深入的基层应用，包括物联感知技术、大数据的深入应用等，并争取在2035年全面实现智慧化。

行业调研-智慧水务发展阶段

水务加结合上百家领军水务企业数字化转型探索与实践经验，提炼出 智慧水务建设五部曲 ，分别是智慧水务顶层设计、夯实基础、应用建设、数据资产、创新应用，为水务企业在智慧水务方面提供参考，指明智慧水务建设的方向。

水务加智慧水务建设五部曲

以数据资产出发，水务加总结提炼数据治理及大数据中心经验，形成 “大数据中心建设十步法” ，指引水务企业大数据中心建设及数据资产建设工作的开展。

大数据中心建设十步法

以下为“大数据中心建设十步法”详情：

大数据中心建设第一步为摸现状 ， 包括对水务企业进行业务梳理分析、数据资源盘点、数据管理成熟度、数据资产评估、数据质量检查等内容。

数字化建设需要在深刻理解公司业务发展战略的基础之上进行，因此，对公司业务进行梳理分析必不可少。

大数据中心建设十步法之一：摸现状-业务梳理分析

数据资源盘点及数据质量检查可以从“盘点什么”、“盘点结果”、“如何盘点”、“结果应用”4个方面出发，理清企业数据资源现状。

大数据中心建设十步法之一：摸现状-数据资源盘点及数据质量检查

大数据中心建设第二步为理需求 ，即识别企业的业务价值链、数据应用需求、数据共享需求。

其中，识别关键业务价值链及关键需求需要我们梳理从原水到龙头的全流程，有的放矢进行数字化建设。

大数据中心建设十步法之二：理需求-识别关键业务价值链及关键需求

水务企业的八大类核心需求为：安全保障、管理增效、优质服务、节能降耗、企业形象、管理创新、应急指挥、数字化转型。

大数据中心建设十步法之二：理需求-八大核心需求

大数据中心建设第三步为绘蓝图 ，主要是绘制数据资源规划蓝图与大数据中心蓝图。

水务企业需要打造数据资产管理体系、数据资产管理制度和规范、数据资产运维管理团队、数据资产管理平台，同时涉及到数据生命周期管理、数据标准管理、数据分布管理、数据质量管理、数据安全管理、数据操作管理等方面。

大数据中心蓝图包括漏损控制、调度优化等N个应用场景，行业知识平台、行业应用平台2个平台，数据标准体系、数据安全体系2套体系，1个数据中心及1套支撑底座。

大数据中心建设十步法之三：绘蓝图-大数据中心蓝图

大数据中心建设第四步为定设计 ，包括整体架构、技术架构及应用架构设计等。

技术架构可以分为：数据应用、数据服务、数据存储计算、数据接入与数据源。

大数据中心建设十步法之四：定设计-技术架构

大数据中心建设第五步为制标准 ，包括标准框架、数据标准及管理办法等。

下图为水务加与一批水务集团合作建设的智慧水务标准体系，分为基础标准、业务体系标准、应用体系标准、数据资源标准、信息化基础设施标准、信息安全标准、信息化管理标准、信息化评价标准，共计 8大类173项 。

大数据中心建设十步法之五：建标准-标准体系框架

下图为数据标准体系，分为基础共性、数据基础设施、数据资产管理、数据流通与数据安全。

大数据中心建设十步法之五：建标准-数据标准体系

近年来，水务加参与了多家水务企业的智慧水务标准项目，如重庆水务集团、青岛水务集团、福州水务集团、郑州自来水、杭州水务、常州排水等， 共编制企业标准140项 。

大数据中心建设十步法之五：建标准-标准示例

大数据中心建设第六步为搭基座 ，包括大数据基础平台、数据治理平台、应用支持组件等。

大数据基础平台包括数据应用组件、计算引擎、数据存储、数据集成等，支撑企业数据模型的建立、维护、贴源数据的存储、检核和供给结构化等。

大数据中心建设十步法之六：搭基座-大数据基础平台

数据治理和应用工具有Dataphin、FineReport、FineBI、FineDataLink等。

大数据中心建设第七步为治数据 ，包括数据架构管理、主数据管理、元数据管理、数据指标体系、数据资源目录等。

数据治理是为了打破信息孤岛，让用户可以快捷获取可靠数据而存在的。我们希望数据治理可以让数据像自来水一样方便获取。

大数据中心建设十步法之七：治数据-数据治理如治水

下图为 青岛水务集团全域数据资产管理体系及大数据中心建设案例 ，通过数据治理的手段，提升数据的可用性。该项目同时入选了住建部2022年度智慧水务典型案例。

大数据中心建设十步法之七：治数据-案例示例

数据治理有方法论可遵循。 DAMA数据治理方法论 是从事数据管理工作的经典参考和指南，主要分为数据架构管理、数据质量管理、元数据管理、文档和内容管理、数据仓库和商务智能管理、主数据管理、数据安全管理、数据操作管理、数据开发。

大数据中心建设十步法之七：治数据-DAMA数据治理方法论

在整个数据治理框架中，可以分为服务体系、数据应用体系及标准体系，它的核心是让数据标准可以落地、数据质量得到提升、数据价值得到发挥。

大数据中心建设十步法之七：治数据-数据治理框架

在企业信息标准化建设项目中，需要制订主数据标准规范，对人员、组织、物料、设备、工程、客户、供应商等数据属性信息及编码规则进行规范化。

大数据中心建设十步法之七：治数据-主数据系列标准

下图为 郑州自来水主数据集成架构 示例图，由上游系统、下游系统、MDM系统组成，实现将现有数据进行统一规范管理的作用。

大数据中心建设十步法之七：治数据-主数据集成架构（示例）

元数据系列标准可以明确和规范元数据的定义、应用、分类及管理过程。

大数据中心建设十步法之七：治数据-元数据系列标准

数据指标梳理从业务出发，根据业务领域、业务功能、指标分类逐层梳理指标体系框框架。

下图为数据指标分类体系示例图，包含管理管控、生产运营、营销客服3大业务域，22项指标分类细域，梳理出534项核心业务指标，基本涵盖水务企业常用的关键指标。

大数据中心建设十步法之七：治数据-数据指标分类体系示例

当前，大多数水务企业尤其是大规模的水务企业对于指标的定义是不一样的，数据指标卡片有助于实现指标名称统一、定义统一、口径统一、来源统一、参照统一。

大数据中心建设十步法之七：治数据-数据指标卡片

数据资源目录是数据治理的重要组成部分之一，包含数据资源的分类、涉及业务事项、信息资源名称、信息资源提供方、采集方式、存储格式等。

大数据中心建设十步法之七：治数据-数据资源目录（示例）

按照数据治理要求，可以将水务数据分为三大类，即公共基础数据、业务数据和衍生数据。

大数据中心建设十步法之七：治数据-数据实体分类

大数据中心建设第八步为建数仓 ，包括数据域设计、数据清洗、数据入仓。

在建立数据仓库之前，会先进行数据分层分域设计。数据的主题域划分越清晰，后续数据使用越便利。

大数据中心建设十步法之八：建数仓-数据分层分域设计

下图为数据入仓的流程图，其中元数据采集、元数据分析、主数据识别、主数据规范需要大家额外关注。

大数据中心建设十步法之八：建数仓-数据入仓

大数据中心建设第就九步为部应用 ，包括报表中心、智能搜索、设备画像、应急指挥等应用的部署。

部署应用之前先要梳理业务模型架构。一般来说，水务企业的业务模型架构可以分为管理管控、生产运营。

大数据中心建设十步法之九：部应用-业务架构

水务企业的典型数据分析场景分为供水水厂生产管理、加压站及储蓄池管理、供水管网运营管理。

大数据中心建设十步法之九：部应用-数据分析场景

报表体系规划设计是必不可少的一项内容。报表五大架构分别为报表体系架构、分析主题架构、重要性评分体系架构、组织权限架构、报表层级架构。

大数据中心建设十步法之九：部应用-报表体系

大数据中心建设的第十步为守运营 ，包括内容运营、活动运营及安全运营。

数据需要持续的运营管理，才能更好地为企业所用。水务行业内已有不少企业建立起首席数据官制度来对数据进行运营管理，如 福州水务、广州水投、广州自来水、广州排水 等。

大数据中心建设十步法之十：守运营-首席数据官制度

水务行业举办数据大赛是数据资产应用极佳的尝试之一，它可以调动多方人员参与数据应用，让数据可以深入到业务领域中。

大数据中心建设十步法之十：守运营-调动多方参与数据应用

目前，水务行业的数据资产化正处于起步阶段，未来还有很大的想象空间。水务企业可以根据面向企业内部、公众、政府及城市管理、企事业单位、水务同行及产业链这五大类场景，对数据进行分析挖掘、研发、加工成为数据产品和服务，建立数据服务平台，发展创新型数据经济，实现数据价值变现。

水务数据经济探索

正如前面所言，水务数据资产化是一个持续运营管理的过程，既需要建立数据管理、存储等平台，又要配套人员、组织来维护，才能将数据资产价值发挥最大化。

水务加将一直致力于水务数据资产化的探索与实践，关于水务企业数据资产化的相关内容，欢迎大家与我们共同探讨。

帆软软件有限公司（以下简称“帆软”）成立于2006年，是中国专业的大数据BI和分析平台提供商，专注商业智能和数据分析领域，致力于为全球企业提供一站式商业智能解决方案。帆软在专业水准、组织规模、服务范围、企业客户数量方面遥遥领先，与超18000家企事业单位和组织合作，连续4年入选中国电子信息产业发展研究院与中国大数据产业生态联盟“中国大数据企业50强”。