-
-
小亿 管理员
发表于2021-9-25 16:18
楼主
9月25日，由亿信华辰主办、DAMA中国协办的2021第三届数据治理峰会在上海盛大举行。筹备了4个多月的数据治理峰会获得了众多企业CIO、CDO等高管的关注，参会人员达到500余人。12场行业高端主题演讲分享，场外产品体验区火爆程度再翻倍。【大会专题】
DAMA中国理事、中国数据工匠俱乐部发起人蔡春久先生先生受邀出席，并发表《两化背景下，数据治理如何为能源行业提升安全和运营效率》主题演讲。以下为演讲实录：
DAMA中国理事、中国数据工匠俱乐部发起人蔡春久先生先生受邀出席，并发表《两化背景下，数据治理如何为能源行业提升安全和运营效率》主题演讲。以下为演讲实录：
各位嘉宾，各位新老朋友，下午好！我是蔡春久，我今天分享的题目是“新两化”。传统的两化是信息化、工业化，两化融合，我今天讲的是“新两化”，低碳化、数字化背景下面，能源企业怎么通过数字治理提升安全和运行的效率。能源行业是中国的第一大行业，我们统计了一下，所有的能源行业加起来GDP超过了40万亿，绝对是国内最大的行业之一。
我今天分享三个内容：
第一，新两化背景下，能源企业挑战与机遇。
第二，数据治理，提升能源企业的安全和运营效率。
第三，简单分享一下数据治理未来发展的趋势。
一一、我们首先看看，在新两化的背景下，能源企业遇到的机遇挑战有哪些？2021年是多灾多难的一年，前一段时间，河南省遇到千年一遇的洪涝灾害，国外的加拿大、澳大利亚气温超过60度以上，北京每隔两天就有大雨，像南方一样，比往年多了很多倍。整个温室气体引起的全球气候变暖的背景环境下，南极冰川消退，海平面上升，气候带引起一系列的问题。去年的新冠病毒，全球肆虐，各个地区的气象和地质灾害比较严重，严重的危害了人类的健康。
中国政府提出二氧化碳排放力争在2030年达到碳达峰，2060年实现碳中和。在这个背景下，中国占全球碳排放量四分之一。
一次能源，涉及到风、光、水、油气、煤炭、铁矿等等。通过能源的加工，新能源发电、发电集团，核电、炼油，制气等等，还有冶金生产的企业，钢铁、有色金属，建材的生产，化工的生产，这是能源加工。到了二次单元，有成品油、电力、燃气、氢能，最后能源运输出去有两大电网，国网、南网。我们通过炼焦形成煤炭，石油、天然气、煤炭是最重要的化工基础原料，煤炭也是建材、水泥生产的原料，这些行业的碳排放量加起来占全国排放量的80%以上。
我们有八大行业：发电、 石化、化工，建材、钢铁、有色金属、造纸、航天航空，通过一系列的新技术，智慧工厂提高生产效率，改善工艺，降低碳排放方，这是八大行业目前遇到非常大的目标，达到碳达峰的目标。在大的背景下，双碳目标，低碳化。我们再讲一下数字化，过去几十年，一直在做信息化，以流程为驱动，数字化阶段以数据为驱动，在信息化阶段，内部ERP、产供销、人财物，内部的信息化管理。现在内部和外部连接起来，范围更大。
原来系统内部是按照SAO（音）架构集成，现在打造数据的融合，现在数据化不仅仅是IT牵头，IT、业务+生态建设数字化，目标是关注业务的洞察和创新。随着IT到DT，全面数字化企业的架构发生了很大的变化。
第一，以数据为中心，流程为筋络，体验为灵魂的新型架构。
第二，面向轻量化、微服务化、场景化、快速叠盖的互联网架构。
第三，虚拟化、容器化、软件定义一切的IT基础设施。
第四，工业互联网体系下的两化深度融合。
接下来，我把数字治理领域比较重要的事情和大家稍微讲一下。去年4月份，党中央、国务院，在党的报告里面第一次谈到数据是我们的生产要素，等同于土地、设备、人才。意味着数据可以参与流通，参与变现，参与整个财务报表里面。去年，工信部发布了工业企业数据治理分级分类指南，去年8月份，连续三次发文，构建关于加快国有企业数字化转型通知，在这个通知里面，非常重要的一点是构建企业级的数字化治理体系。
今年有几点比较重要，数据安全法、个人信息保护法，上上周，中国成立了持续发展大数据国际研究中心，这里面以大数据服务联合国2030年可持续发展倡议的国际研究机构，习主席发来贺电，这是中国科学院成立的。10月份，国家层面要成立中国数据治理研究会，也是国内第一个在国家层面成立的数据协会。马上有一个大数据从业人员能力要求的标准，有十类数据工程师的岗位作为正式的职业发布出来，也是数据从业者的福音，我们国家在法规、标准、政策、机构成立方面，紧锣密鼓，这是非常热的一个话题。
在能源行业，信息化做了大概二十年，我们在数据的融合应用、数据质量、平台工具、治理体系方面面临巨大的挑战，尤其是央企、国企下头的多元化板块企业也非常多，我们存在多头填报、重复录入、数据共享，数据服务，数据资产评估等问题。
第一，在融合应用方面，用户无法提出准确的需求，数据不敢用。
第二，数据质量方面，数据孤岛，看不见，拿不到，有数不能用。
第三，平台工具，不愿、不敢，不能共享的问题。
第四，治理体系，数据治理体系不完善，数据不善用。
在能源行业，大数据目前遇到了哪些挑战？在采集方面，能源涉及到生产、传输、分配、存储、使用多种智能化的物联终端，它的采集过程非常复杂，传统的OT网络，通信信息网络，IOT网络和管理网不通，数据是传不过来的。在储存方面，我们每天几乎是几个GB的资料需要快速成长，在计算、储存、收集数据的同时做必要的处理，区分数据的优先等级。
在管理方面，有效避免因硬件损坏导致整个数据的损坏，在分析方面，如何挖掘当中关注业务的模式和行为特征？算法与激励模型结合，是我们在能源、大数据面临的非常关键点。业务需求非常高，基础算法，不同的能源企业精度不一样，系统非常高。在能源企业，多的项目七八个系统，再少也有几百个信息系统，这个系统很多，质量非常差，数据之间关联性不高，影响数据很多，很多模型认识不清。
基于历史的数据，大数据的数据治理有非常强烈的需求和诉求。我们在某一个大的央企下面做了一个非常详细的调研。下属企业的需求，有跨领域的数据分析的数据，前十年，我们做了BI，数据仓库，我们面临着一些分析，全价值俩分析、业材一体化分析，采购全过程分析，审计和风控、大数据分析。
第二，我们企业对数据分析时效性要求非常高，我们现在买火车票，在12306买，如果这个票不实时，你肯定不会使用这个软件。企业用户对我们的时效性要求非常高。
第三，我们下面很多分支机构对数据的共享需求占了需求当中90%以上，同类企业之间的共享需求非常高，上下游企业数据共享需求非常高，对于我们外购数据，数据共享的需求，某一个央企一年买外部数据至少花2个亿，但是这个数据可能某一个部门买了，其他部门也有需求，没有共享。
企业里面对大数据挖掘和预测分析需求也非常强烈，尤其是重资产设备管理非常严格的能源企业，设备故障，智能的预防性维修，包括管网运行，客户精准营销等等，这是对预测、预防的需求。
另外，对于视频普遍处理要求很高，我们在生产现场，作业现场，对于设备、现场运行情况的视频进行处理，对于文件、文档处理需求非常强烈。
我们作为大的企业，很多都想搭建自己的平台，但是发现不够，希望总部搭台，企业唱戏，共同提高我们数据中心的运算能力，提升大数据算法的需求强烈，这是我们在企业里面实际的需求。
我们的数据在应用层面有五大转变，从5G向预测分析转变，从单一领域向跨领域分析转变，从被动分析向主动分析转变，从非实时向实时分析转变。我们的平台也是一样，数据要求多元异构的数据全面可共享，专有的算法共享，统一的数据平台，数据算力要求非常高。
刚才，我们把我们遇到的挑战和实际需求做了简要的分享，在新两化下面，一个是低碳化，一个是数字化，在新两化的背景下，能源企业遇到很多机遇。我们要建立一个能源为主的生产、传输、储存、消费与大数据密切相关的模式，能源大数据包含了能源全业务链的数据采集储存，能源的分析，能源管理和应用，这分析的数据平台，我们在“十一五”、“十二五”、“十三五”，该建的业务系统已经建完了，“十四五”期间，最重要的是建立云、数、智一体化的数字管理平台。
这是新两化下面数据治理的发展趋势，我们再看看数据治理能力提升，助力能源企业的安全和效率。在能源企业，数据治理的技术视角有哪些重点？数据管理里面有一个非常重要的制定数据战略，有两个，一个是治理体系，数据管理的组织架构、制度规范、绩效体系、标准化体系。另外我们还有工具平台，主数据工具，数据指标的工具，大数据平台的工具，信息安全的工具，互联互通的工具。
第一，我们工业企业还有数据架构，这是我们数据仓库，数据中台里面非常重要的一块。
第二，非常重要的一块是主数据的治理，确保几百个，上千个系统之间互联互通，数据能够一致。
第三，元数据。在整个平台里面建设元数据，怎么强调都不为过，确保我们的数据质量。
第四，指标管理，国资委有27000个指标，总部对分支机构通过指标来考核，我们有运营指标，有整个绩效的考核指标，以数据指标为驱动，搭建整个元数据的管理。时序数据、数据质量、数据安全、数据开放共享都非常重要。
我们在工业企业整个数据治理大概有11个部分不能重要的地方，我简要的用一句话来说。
数据管控建章立制，对数据管理的管理。
数据战略，数据治理的诗和远方。
数据架构，高楼大厦的施工图纸，水泥钢筋框架结构和地基，这是我们系统架构比较关注的。
主数据，数据当中的黄金数据，数据治理的核心，和我们的业务实体对象有关。
元数据，关于数据的数据，数据质量之源，数据管理的基石。
指标管理，企业精细化管理的抓手，和我们的管理有关。
时序数据，物联网层面的数据。
数据质量，有质量才有价值。
数据安全非常重要，有数据安全才有数据未来，安全是一种竞争力。
数据交换与服务，对数据移动进行有效的管理，确保数据资产保值增值。
数据开放共享，破解数据价值密码。
我们能源企业云数智一体化数据平台，包含五个维度，七个层级，从采数据、汇聚数据、引数据、用数据、保数据，分为七个层级，从数据的采集交换、数据处理、储存、分析、服务、应用，这是我们云数智一体化的平台，从规划、继承、开发、治理服务，这是整个平台的一块内容。
从采集消化、数据计算、储存，这里面数据服务是最重要的内容。还要加上人工智能到数据服务应用到数据治理，到数据的保障体系，这是我们整个云数智一体化数据平台。
这一张图是某能源集团企业大数据平台的框架图，大家可以看看，我们更多是从物联网、智能传感器、SCADA、DCS，包括ERP的数据采集商，通过大数据平台和AI平台治理，上面做一些应用，做一些故障诊断分析，智能运维，包括智能安防等等。
在电力行业，我们分为三块：
第一，发电侧，主要是数字的建造，安全生产，智慧运维。
第二，电网侧，涉及到智能调度、负荷预测、电网安全、需求响应。
第三，用户侧，主要是用户用电数据的分析。
在整个能源企业，非常重要的一块是时序数据，依托IOT平台，全程完整采集数据，通过企业级数据平台，全面提升运营能力，建立生产和经营管理，实时打破企业生产的经营状况，发现生产经营环境当中出现的问题，存在的改进点，闭环改进，提升产量，提升效率，这是比较重要的应用场景。
下面一个应用场景就是我们的资产管理，设备管理，我们能源企业基本是重资产、重设备的行业，要基于激励模型，AI、设备故障，故障维修，效率提升，这样可以采购优化、制造优化，对关键部件提前预警，从而合理安排预防性维修，有效降低运营成本，避免损失。
我们实现设备全生命周期的管理，通过三个提高，一个降低，实现企业设备总体回报率，提高设备的运行效率，提高设备的可用率，提高设备全生命周期价值能力，降低设备运行的维护成本，达到降本增效的目的，在工业企业有着非常广泛的应用场景。
在能源消费，加油站，全国有10万座加油站，每天开车去加油。智能电表，每一个人，每一个家庭都会有智能电表，设备传感器等消费数据，涉及到地理、气候、人口等外部数据，综合分析用户的行为，对用户进行全维度的画像，用户分类以及相关因素的分析，建立用户用电的画像，用气的画像，用热的画像模型，在我们国民经济各个领域，各个方面有非常多的场景。
为了提高生产效率，降低碳排放强度，我们在能源行业可以使发电企业更加智慧，这是一张以数据为核心的架构图，大家可以看看，最下面是IaaS层，上面是PaaS，再加上大数据平台，上面是能源环境典型的应用场景，通过大数据分析智能化，实现业务微服务化的管理。这样，我们做到一体化的云平台功能。在电力行业，也有无人机的智能巡检，快速三维建模和安全监管的解决方案，用于电网、煤矿、电厂、石油化工、物流等设施，通过无人机，通过云三维建模，实现无人机的智能巡检，大大降低了成本。这个案例是在国内南方电网得到比较好的应用，节约了大概90%以上的人力，巡检频次提高到每月一次，效果非常直观，非常明显。
在工业领域运用比较多的是三维可视化，加上数字孪生，GIS，能够通过三维数字化孪生提供非常好的可视化方案。这是我们以建筑为例，BIM+GIS+数据整合，数据可视化仿真，通过三维测绘，把效果展示得更加美好。
这是我们智慧城市的项目，BIM加上摄影、影像，加上模型，构建真实的业务场景，在这个基础上，可以提高高逼真3D可视化的能力。
大家可以看这个页面，后面我们简要介绍一下南方电网，南方电网在能源行业，我个人认为目前在国内做的比较领先的案例。它采用云、数、智一体化的数据中心，采用新一代的云、数一体化数字技术平台，构建了全网统一的IT资源能力和服务中心，他把整个大数据平台、人工智能平台、物联网平台、云平台合二为一，把6+1，300多个信息系统，全部迁移到这种架构去，按照互联网技术去做，也是央企当中做得最彻底，新技术用得最好的企业之一，大家有机会可以学习南方电网的案例。
刚才，我以应用场景的形式，把能源行业的应用场景和大家做了一个简要分享。未来，大数据治理是目前非常热的，在未来五年、十年非常热的话题。
总结一下，我们做治理，首先要以战略做指引，治理和业务深度融合在一起，业务是核心，数据是基础，智能出价值，我们必须采用人工智能新技术，通过智能化来做，实现整个数据的价值。场景是抓手，按照应用场景，连接是前提，运营为保障，技术在云、数、智一体化的平台。
未来，数据治理的核心，人工智能肯定是最为核心的一块内容，我们在数据采集方面，可以利用图像识别、语音识别、自然语言处理等AI技术自动化采集各类半结构化、结构化、非结构化数据，文本、图像、音频数据，数据建模可以通过知识图谱、图数据库等技术，设计出更加符合现实的业务概念模型，并将这种概念模型转化成数据库可识别的物理模型。
元数据，可以通过语义模型，分类算法，标签体系、自动化的数据目录等等实现更好的基于元数据的管理。在主数据方面，可以通过自动鉴别，通过监控主数据的质量维护，将在数据标准方面通过用频度和热度找出那些没有使用或者使用过程当中的数据标准，在数据质量、数据安全等领域，人工智能的技术都可以在我们的数据治理方面广泛的得到应用。
我今天的分享就结束了，谢谢各位！
