2023智慧企业数字中台建设规划方案

数字化企业中台规划报告2/2企业数字化转型数字化智慧企业中台规划报告2023年09月

目录1. 规划背景 52. 必要性与意义 62.1. 新时代需要的信息化架构 62.2. 企业数字化转型的新途径 72.3. 高质量系统构建的保证 83. 企业中台理念与方法 83.1. 企业中台概念 83.2. 中台主要特征 93.3. 中台内涵与价值 93.3.1. 中台的内涵 93.3.2. 中台的本质 123.3.3. 中台的价值 133.4. 企业中台分类 143.5. 中台建设的关键思维 153.6. 中台服务的构建原则 163.7. 基于中台的应用实现方式 173.8. 中台绩效的评价角度 174. 企业中台总体规划 184.1. 中台建设思路 184.1.1. 系统化协同 184.1.2. 柔性化运行 184.1.3. 可视化编排 194.1.4. 动态化扩展 194.1.5. 场景化自治 194.1.6. 生态化开放 194.2. 中台建设目标 204.2.1. 总体目标 204.2.2. 业务中台 214.2.3. 数据中台 214.2.4. 智能中台 224.3. 中台架构设计 234.3.1. 中台蓝图 234.3.2. 中台架构 254.3.3. 业务中台 264.3.4. 数据中台 274.3.5. 智能中台 294.4. 基于中台化的数字生态平台 304.5. 生态平台和中台的关系 305. 数据中台规划 315.1. 数据中台定位 325.2. 数据中台目标 335.3. 数据中台架构 355.4. 数据资产体系 355.5. 工业信息模型 375.6. 数据服务体系 375.6.1. 智慧应用支持服务 385.6.2. 专业运营支持服务 395.6.3. 管控支持服务 395.7. 数据管理平台 405.8. 数据开发平台 415.9. 数据中台建设路径 415.9.1. 数据中台规划 425.9.2. 数据采集与存储 425.9.3. 数据治理 435.9.4. 数据开发 465.9.5. 数据分析与挖掘 465.9.6. 数据服务与应用 485.9.7. 数据运营 486. 业务中台规划 486.1. 业务中台定位 486.2. 业务中台目标 486.3. 业务中台架构 496.4. 业务中心规划 506.5. 业务中台建设路径 637. 智能中台规划 657.1. 智能中台定位 657.1.1. 企业级AI应用服务中心 657.1.2. 智能机器人能力服务中心 667.1.3. 智能算法学习训练中心 677.2. 智能中台目标 687.3. 智能中台架构 697.4. AI开发平台 707.5. AI模型管理平台 727.6. 智能中台建设路径 73

规划背景传统IT信息化建设完全被动接受业务部门的需求，再进行设计、开发、测试和上线。这种开发模式导致每个新系统的上线都预示着一座新的“烟囱”矗立。这种“烟囱式”系统，大量的功能和业务在多个系统中同时存在，重复建设造成了成本和资源的浪费。随着时间的推移，企业中很可能出现多个系统共同运作的情况。系统之间的接口，异构系统之间的集成让信息部门管理的难度、复杂度大大增加。特别是新系统上线或者某个系统的升级，需要重新或者部分改造与其他多个异构系统的对接关系。信息部门往往需要对大量的接口逻辑及说明文档进行重新梳理，工作量巨大。而且高昂的交互成本也会导致业务部门对于信息化的感知越来越慢，信息系统对业务的快速变化的支持力度也变得不足。企业中台采用云原生技术架构，将传统IT系统的单体应用进行拆解，将相对独立的各类业务应用打包成多个小服务，每个服务独立开发、更新和部署，并且每个服务有运维支撑以及安全和质量保障，服务之间通过轻量级的协议做统一协作管理。这就像在一个管理运行良好的自动化机器中，增加一个符合规范的定制器件，它就能增加新的功能并继续稳定工作一样。有了这种工作机制，企业中台就能够灵活适应企业业务的发展需求，支持企业业务的柔性拓展与模式创新。企业中台是企业IT资源的综合管控和调度平台，它以统一的标准和流程规范，帮助企业实现业务互联互通、资源协调和信息共享。企业中台的新架构和新技术是适应时代发展需要的信息化架构。通过对XXX发电企业的业务分析，基于数据驱动设计方法，重点对XXX发电企业开展业务中台、数据中台、智能中台的建设规划。通过业务中台提供可复用、共享的业务能力中心，能力中心协同各业务线，避免业务功能重复建设，实现数据的实时在线和高度统一。通过中心化能力的垂直化自主发展和水平化的服务延伸，有效降低企业内各组织主体的沟通成本，最大程度提升企业内个人、各组织主体的协作效率。通过数据中台建设，实现数据的统一采集、统一建模、统一资产、统一服务。通过企业数据能力的汇集和IT新技术的支撑，有效增强企业运营、延伸和改进业务的能力。通过智能中台建设，以智能为核心驱动企业大脑，辅助决策体系的创作和指挥，实现智慧型企业。通过XXX发电企业企业中台建设，结合业务中台和数据中台的协作联动，深度融合业务与数据，业务为数据服务，数据为业务赋能，有效促进XXX发电企业公司业务能力和运营效率的两维度成长，着力打造“数字桂冠”，支撑公司数字化转型，增强企业核心竞争力。必要性与意义新时代需要的信息化架构传统IT信息化建设完全被动接受业务部门的需求，再进行设计、开发、测试和上线。这种开发模式导致每个新系统的上线都预示着一座新的“烟囱”矗立。这种“烟囱式”系统，大量的功能和业务在多个系统中同时存在，重复建设造成了成本和资源的浪费。随着时间的推移，企业中很可能出现多个系统共同运作的情况。系统之间的接口，异构系统之间的集成让信息部门管理的难度、复杂度大大增加。特别是新系统上线或者某个系统的升级，需要重新或者部分改造与其他多个异构系统的对接关系。信息部门往往需要对大量的接口逻辑及说明文档进行重新梳理，工作量巨大。而且高昂的交互成本也会导致业务部门对于信息化的感知越来越慢，信息系统对业务的快速变化的支持力度也变得不足。当年风靡全球的非智能手机，面对现在淘宝、微信、抖音、微博等应用，在手机硬件不升级的情况下，基本就是无用的“废物”了。随着互联网的飞速发展与企业精益化、数据化管理的业务诉求的增加，原有系统不仅面临的是数据量的增加，更多面临的是对原有系统信息化架构建设的挑战。DT时代企业业务飞速发展，如果不能打通多个信息化系统壁垒进行统一管理，没有数据整合分析挖掘能力，在复杂的生态环境中没有快速跟进的能力，企业很可能会失去发展的先机。企业中台采用云原生技术架构，将传统IT系统的单体应用进行拆解，将相对独立的各类业务应用打包成多个小服务，每个服务独立开发、更新和部署，并且每个服务有运维支撑以及安全和质量保障，服务之间通过轻量级的协议做统一协作管理。这就像在一个管理运行良好的自动化机器中，增加一个符合规范的定制器件，它就能增加新的功能并继续稳定工作一样。有了这种工作机制，企业中台就能够灵活适应企业业务的发展需求，支持企业业务的柔性拓展与营销创新。企业中台是企业IT资源的综合指挥和调度平台，它以统一的标准和流程规范，帮助企业实现业务互联互通、资源协调和信息共享。企业中台的新架构和新技术是适应时代发展需要的信息化架构。企业数字化转型的新途径中国互联网已经进入存量时代，企业的营销战略也从过去粗放式的流量扩张向精细化运营方向转移。企业以客户为中心重构人、货、场，采用各种智能技术多维触达消费者，建立清晰的用户画像洞察用户，并通过精益数字化运营降低获客成本，提升企业业绩。另外随着智能制造领域政策的持续出台，中国制造业逐渐向智能制造方向转型。制造端企业以数据为驱动，构建企业的生产研发、采销、营销等环节的精益生产，并将产业上下游、企业之间、企业与终端之间等多个利益相关的数据进行深度挖掘，精准配置制造资源，提高生产力、提升响应速度，最终以更加准确的市场决策加大数字营销比例，推动企业增长。企业应用数智技术开展商业创新，必须要突破技术、商业、成本三大屏障。企业数字化转型涉及从生产经营到运营管理的各个方面，需要一个强大的基础设施进行支撑。烟囱林立的传统企业信息化，数据分割散落在各个系统中，普遍存在系统间数据不一致、不完整、不合法、不准确、质量低下的情况。企业进行数据集成、数据处理和数据应用等数字化建设的阻力非常大，导致数据的有效性和时效性很难保证。企业对数据的有效管理和分析利用非常有限，连最基础的要求“数据准确”都很难满足，在此基础上进行的数据分析就没有太大的价值。数据分析与决策结果没有强关联关系，企业的经营决策往往依靠企业管理者的经验、直觉和魄力。大数据时代来临，企业数据呈现几何倍数的增长，不仅对存储技术提出了挑战，对数据传输能力、数据计算处理能力、IT技术架构也提出了挑战。这对企业领导而言更是前所未有的挑战，凭经验、直觉决策取胜的概率大大降低。得到数据的有效支撑，进行精益化、数据化管理，提高管理和决策水平是企业数字化转型的核心诉求。在产业互联时代，当数字化成为企业的核心战略后，如何实现数据化，如何让数据赋能企业并推动企业数字化转型呢？企业中台是指导企业数字化转型、实现数字营销的新途径。企业中台建设关注全局思考，采用大数据核心技术打通、整合企业线上/线下全渠道业务数据，并在数据接入/集成后进行数据清洗、转换、加工、抽取形成统一的数据标准、数据规范和标准的数据管理流程。企业能够全盘把握靠谱数据，就能实现企业全渠道数据真正意义上的互联互通和协同响应。在数据有效管理后，以规范准确的数据资产为基础，结合实际业务场景创建数据分析模型和算法模型，利用大数据挖掘技术、云计算和AI等技术，企业可以实现智能分析、用户画像、行业数据图谱等数据服务能力。企业通过封装的数据服务实现数字化管理和决策，让业务“滋养”数据的同时，也让数据“反哺”业务，构造数据跟业务的良性循环，真正实现数据赋能组织，促进企业发展。高质量系统构建的保证企业中台的新架构模式不仅能够在业务上有弹性的支持，在数据上能够赋能企业，在系统的稳定性上也有相当多的创新技术。企业中台能保证在错综复杂的服务逻辑和各种交互情景下，面对各种未知的条件变化整体系统依旧能够正常平稳地提供服务。企业中台采用的微服务架构，比传统的Web应用更稳健。传统的Web应用一般是单体式开发的，所有的功能打包在一个WAR包里。优点是管理集中、部署方便、容易测试。缺点是维护难，代码功能耦合在一起；构建时间长，任何小修改都要重构整个项目；稳定性差，一个微小的问题都可能导致整个应用崩溃；扩展性不够，无法满足高并发的业务需求。微服务架构的微服务将单体应用进行了拆分，各服务相对独立，没有冗余代码，轻薄灵活，可以支撑企业柔性扩展业务的需求。其数据库也进行了拆分，消除了烟囱，也消除了数据库性能瓶颈。为了提高系统的实时性，加入了消息队列机制。数据分析服务使用数据仓库作为持久化层，可以高效地做一些分析计算。访问频率比较高的数据库则加入了缓存机制。微服务架构采用了保障高可用的措施来解决服务依赖的问题。企业中台采用多种新技术来保障系统的稳定运行，所以说企业中台是高质量系统构建的保证。企业中台理念与方法企业中台概念什么是企业中台？企业中台即企业级能力复用平台。企业级：企业级定义了中台的范围。它更多代表的是中台处理的问题在企业级别，即至少包含多条业务线或服务多个前台产品（团队），如果一个中台只为了支持一条业务线或产品线，那就不是中台，即使它用了服务化或是大数据等技术。能力：能力定义了中台主要承载的对象。因为每家企业的核心能力是不同的，所以每家企业的中台建设都是不一样的。复用：复用定义了中台的核心价值，也承载了上面讲到的从平台化到中台化的演进过程。“复用”是中台关注的目标；“可复用性”和“易复用性”是衡量中台建设好坏的重要指标；“业务响应力”和“业务满意度”是考核中台建设进度的重要标准。平台：平台定义了中台的主要形式。区别于传统的应用系统拼凑的方式，通过对于更细粒度能力的识别与平台化沉淀，实现企业能力的柔性复用，更好地支撑前台业务。从广义上来看所有的中台，不论是业务中台还是数据中台，亦或其他中台，它都是为业务，为企业可以更好地以更低的成本、更高的质量、更快的响应速度售出产品、换取利润的服务平台。从狭义上来看，业务中台需要具体承载支撑业务开展的必要业务元素，封装着为了保障业务可以顺利开展需要解决的必要问题空间的解决方案。中台主要特征1.中台是一种企业级能力复用平台，具有一种共性能力，支持了多个业务。核心是“功能复用”，构建“大中台，小前台”来满足业务快速扩展的需求；2.主要职责是汇总所有业务数据，协同各个业务单元，提炼业务的共性需求，支撑前、后台业务的快速发展；3.沉淀了大量的用户行为数据（包含内外部用户），为大数据智能算法的新的商业模式奠定了基础；4.作为业务服务的提供方，不需要依赖业务的稳定性，而是需要不断为新业务提供能力支持。中台内涵与价值中台的内涵中台是利用微服务技术拆解业务系统成为业务组件，共享于一个开放平台，让微服务所承载的业务组件成为可复用的零部件。如同工业时代五花八门的工业化产品一样，基于有限的标准零部件创造出无限的精彩纷呈的应用场景。并因为业务组件全部位于中台并无系统边界的隔离，从而可以非常容易的集成和组装。面临时代的新挑战，现代企业都在加速拥抱并推进中台的建设。要想真正理解中台，需以三位一体的视角去理解，否则看到的中台都是相对片面的。中台是一种业务和组织形态。阿里巴巴、腾讯等大公司在推出中台战略时，向外展现的都是对组织的调整，并形成“大中台+小前台”的“前台—中台—后台”的组织架构，这也是中台可以在企业深度落地的前提。理想的中台化组织如图所示。大部分企业由于历史原因，很难一下子变成这个样子。图：理想的中台化组织另外，由于中台是不断发展和进化的，并且需要避免金字塔型组织的“部门墙”“隔热层”等弊端，所以中台组织并不一定就直接对应某一级的行政组织。前台、中台及后台更多的是一种角色或者职责，并被有中台理念和能力的团队承担。企业如何在中台组织上设置前台业务组织才是关键。因此企业组织的中台化调整，其核心点是明确中台战略，成立中台的推进组织，梳理前台业务。在大多数情况下，现实的中台化组织一般是如下图所示。图：现实的中台化组织组织的设计要充分考虑企业的商业模式和核心战略。针对业务发展较快或者需要快速试错验证的业务要设置前台业务组织。前台业务组织要盯紧市场的变化及客户的需求，机制一定要灵活，不能施加太多固化的流程及规则的约束。目前大多数企业在做业务创新探索时，虽然引入了新的技术和业务模式，但仍然使用原有的金字塔式的组织模式、管理流程和制度。企业没有充分授权业务团队根据市场情况灵活响应，而是根据自上而下的规划，层层审批，走冗长的立项流程。新业务会有风险，但“责权利”不对等，很多时候会导致方向很多，起点很高，却总是抓不住机会。前台业务组织想要灵动，则一定要有中台组织。中台组织重点是为前台业务组织赋能，需要提供丰富的、可复用的支撑能力，避免前台团队重复建设。其实前台团队很多时候不愿意把精力放在一些公共和基础的能力建设上。因为在资源有限的情况下，分散精力一定会对业务自身的发展造成影响。而且前台团队做这些能力建设往往也不够专业，基本上都是根据项目需求临时拼凑，在产品化、稳定性、可运维等方面无法持续投入。勉强建设的能力也会在产品及服务质量、用户体验、安全合规性等方面不尽人意，最后影响用户口碑甚至伤及企业品牌。电力企业信息化发展阶段，很多企业也同样存在这样的问题。虽然坚持平台化而不是项目化，但在不同的领域、行业，从技术的基础能力到人力、采购等业务能力，仍然有重复设置组织、重复造轮子的现象。近几年随着中台战略的推进，各领域团队、行业子公司重复的技术和产品团队在组织层面进一步被融合，经营效率大幅提升，生态伙伴及客户也开始获得更好的一致性体验。后台组织则相对稳定，强调流程和规范。从传统企业经营角度看，市场、客户运营、生产制造、仓储物流、财务、税务、法务、人力资源、行政管理、销管、IT等都是属于后台范畴。但随着数字化转型的推进，原本属于后台的职能，由于和业务的结合越来越紧密，需求导致的变化频率不断提高，这就要求企业把这部分职能逐步从组织层面纳入中台体系。中台的本质中台的核心价值。将企业能力进行沉淀与复用。通过中台的确定性和前台的灵活性，让企业拥有快速试错、快速创新的能力。中台的核心目标。以用户为中心的持续规模化创新。中台是一种新的架构方式。整合并封装了企业内中台后资源。可以通过减层而不是加层的方式重构企业数据模型，关注数据产生的地方，加强数据治理能力，提高数据质量，提供唯一可信数据源。中台不是应用，中台是为了支撑企业业务应用敏捷研发和运营而通过融合或至少通过整合企业内的资源、数据、平台、技术、工具、业务等而构成的统一接口服务平台。构建中台的目的是为了整合企业内的软硬件资源，支撑企业业务应用的敏捷开发和运营。做虚拟化、资源池、IaaS等其实都是为了整合资源，更方便的服务于企业业务应用。中台的目的是构建企业级统一的服务接口，不只是数据，包括技术、业务、组织架构等，其实质是整合企业内的软硬件资源，包括人力资源。整合并封装了企业内中后台资源。可以通过减层而不是加层的方式重构企业数据模型，关注数据产生的地方，加强数据治理能力，提高数据质量，提供唯一可信数据源。融合基础设施资源平台，提供计算、模型、算法、搜索等技术能力，支撑业务逻辑。同时梳理业务流程，整合、抽取、重用业务服务，通过服务编排敏捷支撑企业的业务研发和运营。中台是一套企业能力运营模式。中台的本质就是实现连接、协同和共享，驱动数字经济从垂直分工走向水平分工，沉淀出更多专业、高价值、低成本、可复用的能力。中台的核心目标是构建高复用的能力体系以支撑前台的灵活创新，提升前台的应变能力。这个目标的达成除了设置合理的中台化组织，还需要一套中台化的企业数字运营平台。这一套平台能够有效地管理各类能力，准确地对能力进行评估，快速地做出自行研发或外部采购的决策，让能力之间形成有效的连接，并可以对能力进行定制以支持各类业务场景。图：中台基本架构中台是一种文化和理念。真正以客户为中心，就会从客户的需求出发，学会倾听客户，而不是单纯从厂商或者团队的利益出发。如何更好地解决客户的需求，如何提升客户的体验和获得感，在数字化阶段和信息化阶段有本质上的区别。在数字化阶段，由于云计算、大数据及人工智能等技术的发展，连接、协同和共享成了主旋律，也是创造更高客户价值的驱动力。中台作为一种文化和理念，与作为组织形态、技术和业务架构相比，大家往往认为是务虚的，但其实作为文化和理念才是最重要的。可以说正确的文化价值观及理念是中台之魂。因此，中台是一种业务和组织形态，以中台化的方式设计组织架构并开展业务。从广义上，中台更是一种企业组织管理模式和理念，集公司战略决心、组织架构、技术架构于一体，企业从战略上构建统一的协同基座即中台化组织，以协调和支持各业务部门，用技术拓展商业边界，为新业务、新部门提供成长空间。中台需要一套高复用、高可靠、提供极致体验的技术、数据及业务架构。中台落地生根，一定要形成一种以客户为中心，强调连接、协同、共享的文化和理念。中台的价值在技术方面。基于云计算的IaaS虽然可以解决底层的计算能力和网络通信问题，但在企业进行业务和管理的创新时，技术的部署、应用、开发等障碍仍然存在。这需要中间层的平台来消除。相当于IaaS厂商把路修好了，但要运输货物还离不开高效的交通工具。在商业方面。不同的企业处于不同的发展阶段和水平。并不是所有企业都具有丰富的管理和运营经验，它们依旧面临很多业务创新的障碍，包括专业知识、能力与经验。企业要取得进一步的发展，依然需要更加富有“智慧”的营销、生产、采购、供应链、财务、人力资源、协同等服务。在成本方面。在上一轮信息化阶段，企业的投资巨大，项目的研发、部署、实施周期长，运维成本高。一旦后期业务流程或模式发生了改变，信息系统势必需要调整，但耗时更长、成本更高。而且，不是所有企业都具备这种应对能力。企业的数智化要以战略为引领，以业务为核心，以数据为基础，以智能为价值，以场景为抓手，以连接为前提，以运营为保障，以技术为平台。企业中台分类企业中台的技术平台、数据中台、智能中台、业务中台、连接集成服务及生态服务，均按照中台架构进行能力的解耦和增强。这些能力都属于企业中台体系的一部分。1.业务中台业务中台承载了企业的通用业务能力，为多业务线赋能；数据中台通过对于业务数据的二次加工，并反馈回业务中台，为业务进行数据和智能方面的赋能。站在企业服务角度看，提供的是一个全域业务中台，既包含平台提供的基础业务域能力，也包含大量支撑领域服务的业务能力。业务中台是基础业务域的能力，主要包含设备中心、项目中心、物资中心、组织中心、员工中心、流程中心、报表中心、文档中心、日程中心、消息中心、预警中心、安全中心等。2.数据中台数字桂冠生态云服务数据中台由生态云平台DPaaS平台能力和丰富的数据服务构成。主要包含企业数据湖基础设施（大数据分布式存储与计算、数据移动、数据资产管理）、数据智能（智能搜索、智能分析）、智慧数据（主数据、设备画像、图谱服务）等。数据中台的数据服务可以为平台提供企业主数据服务，而更丰富的数据服务需要生态云平台与领域团队共建。3.智能中台智能中台是以智能为核心驱动力的企业大脑，是智慧企业辅助决策体系的创作和指挥机构。智能中台基于低门槛AI开发平台和智能机器人两大核心能力，可以打造面向企业内外部开发者、ISV、生态伙伴、客户以及包括AI训练师、AI标注师等人工智能新职业的创新载体。智能中台依托低门槛、向导式、高效率的AI中台，支撑企业全价值链、全场景的群体智能和智能组织变革应用。在AI与产业深入融合、企业组织可组装和消费者主权崛起等大背景的影响下，企业服务的数智化进程向感知智能、群体智能、认知智能和组织智能融合的方向发展。建设具有低代码、可解释、可迁移、松耦合特点的AIPaaS平台，向上支持生态化的生产和运营各类智能应用，将是人工智能在企业服务领域实现普惠的关键抓手。4.技术平台技术平台是企业中台的技术底座，主要包含云开发平台、自动化测试、容器云平台、服务治理平台、DevOps、分布式中间件、区块链、专属云安装器等。生态云平台还为上层应用与业务系统建设提供一系列支撑服务：运维中心、报警中心、日志中心、迭代上线、全链路监控、问题排查、故障处理、灾备指标、域名管理、自动出盘、稳定性&可靠性、性能指标等。中台建设的关键思维中台建设是一个复杂且持续迭代的过程。结合行业内企业中台项目的实践，总结出中台建设过程中企业管理者应该明确的3个关键思维。思维1：中台一定需要技术平台的支撑。没有一个相对完整的技术平台是很难把中台架构搭建起来的，企业在构建数字中台时一定要选择一个相对成熟的技术平台作为支撑。搭建一个数字中台需要很多技术，没有一个平台化的底座很难落地，毕竟在构建能力的时候需要涉及很多技术，例如，拆分微服务、构建微服务、做持续集成/持续交付、自动化测试、敏捷部署、自动化运维、建立数据标准以及构建数据安全体系等。如果一个软件厂商还采用传统技术、传统架构，那么它是根本无法完成数字中台建设的。思维2：中台是企业自己的中台。企业中台战略落地并不是简单地购买一个中台产品就可以完成的。每家企业都有自己的行业属性，厂商的中台能力要想覆盖企业的全部能力几乎是不可能的。中台的落地还需要配合企业的组织、机制和文化，同时很多能力还需要基于企业的实际情况进行相应的调整，因而企业在构建数字中台时，更需要一套构建中台的方法论及最佳实践案例。一般来说，偏技术侧的基础中台能力可以从中台厂商的能力池中获取，而偏业务侧的能力则需要按照中台能力的建设思路，借助中台厂商的能力中心提供的基础能力自己去构建。每家企业都有自己独特的竞争优势，这是很难抄袭的。这就需要企业精心构建，形成数字中台的核心能力池，以保证业务的敏捷性。思维3：中台是随业务演进而进化的。数字经济时代，商业环境更加复杂、模糊且无规律可循，拥有极大的不确定性，企业能力要随之敏捷变化、快速调整才能在竞争中占据优势，这就要求企业的数字中台要随着企业的业务演进而进化。在企业数字中台能力的建设过程中，随着业务的调整及适应，数字中台能力也慢慢开始分层。内聚性的能力会趋于稳定。适配层的能力需要具备强扩展性和收缩性，要随时扩展及消亡，以保证业务的扩展及收缩。企业数字中台的建设是在平衡中动态变化的。中台服务的构建原则基于数字中台的企业服务设计一般遵循自底向上与自顶向下相结合的设计原则。通过业务需求调研、角色化场景分析与擁优化，企业须在业务架构、技术架构、数据架构的基础上提炼总体架构和各业务领域的设计规范和要求。基于中台的企业服务设计原则的建议如下。共享原则。数字中台的服务基于最大化重用数据、计算资源、业务组件等资产，可以防止数据、逻辑与技术实现不一致性带来的管理复杂性，避免增加重复建设成本与管理成本，并通过安全机制保证共享资产的合法使用和共享资源的效益最大化。高内聚与低耦合原则。数字中台服务中的各业务领域的应用功能具有相对的独立性，可以在本业务领域内实现业务的闭环处理，通过松耦合的方式实现相关业务应用的服务调用或数据传递，从而实现跨业务领域的统一设计。场景驱动原则。基于业务场景设计，面向管理、业务、运维、运营等不同角色，根据不同的业务场景需要对业务数据、系统流程、应用功能进行业务融合；通过统一的用户交互界面和交互模式完成跨领域业务的处理，并基于业务中台实现跨领域业务的服务重用。持续优化原则。数字中台系统是一个持续优化的过程，随着各领域业务应用的不断成熟和业务中台能力的持续提升，中台系统在深度和广度上会不断增加，中台应用场景也会持续升级，从而推动中台设计的持续优化。基于中台的应用实现方式基于中台的企业应用，特别是跨领域的服务应用，主要有以下四种实现方式和途径。数据共享：实现共享的数据中心，提供公共基础数据和业务数据服务，确保数据的一致性，满足人力、协同、采购、财务、生产等企业服务领域的应用需要。应用组合：提供统一的门户工作台入口，实现便捷的应用功能与组件的调用，根据业务需求和应用场景灵活组合，满足不同业务对象与角色的场景化业务处理，支撑业务变化和扩展。服务重用：基于中台设计思想，通过对不同领域业务需求的共性分析，采用微服务设计原则，构建共性应用服务，不断凝练中台能力，实现跨业务领域、业务场景的服务重用。流程贯通：基于流程的业务打通，实现跨业务层级、部门和领域的流程贯通与融合，提升企业业务流程自动化程度和执行跟踪效率，具体实现工具包括统一的流程引擎、推单/拉单等。中台绩效的评价角度数字中台的选型直接关系到企业运营的效果、企业未来发展的可持续性。可以从以下6个要素进行考量。数字中台本身在技术和架构上的领先性。例如，采用新的云原生技术、大数据技术、物联网技术、人工智能技术、模型驱动的架构等。数字中台的可演进能力。数字中台要具备适应技术快速变化与迭代的能力。我们建议实现技术和应用分离，技术的变化不影响应用，应用的变化不影响技术，两者能各自演进。数字中台的开放能力。企业构建数字中台，不能找一个无法被替换，或者替代成本很高的产品。同时这个平台要拥有足够的开放能力，能够融合和集成不同类型、不同形态、不同来源的业务系统、信息、数据与资源。数字中台的用户规模。只有数字中台的用户数量达到一定规模时，才意味着它的成熟稳定，意味着它的适用性和市场认可度。数字中台的快速创新快速发布的能力。例如，数字中台应拥有低代码或无代码开发平台、丰富的连接能力、成熟可用的领域通用服务等。企业需要便捷实现商业创新的企业中台，让业务创新变简单。企业通过中台能够聚焦自身的业务和管理目标，没有太高的技术与专业门槛，通过简单的学习就能够轻松运用技术、随需随时随地地快速开展业务，迅速部署，以更低的成本实现更大的业务。企业中台总体规划中台建设思路系统化协同数字中台作为数字商业的新基建，对中台系统的建设者进行了更细化的专业分工：中台机制设计方、中台能力提供方及中台能力使用方。中台机制设计方，即中台框架设计者，制定中台的标准和规范，考量的是中台系统的可扩展性机制和可视化机制等通用的平台性机制，并构造中台的框架，以支撑中台的演化。对于中台能力提供方来说，在中台机制设计方制定的中台框架下，使用技术平台，专注在特定业务领域，加强逻辑思考和抽象提炼能力，将不同业务场景所提出的需求以通用的逻辑，结合个性化的扩展，形成一个个业务能力组件。通过中台控制视角，协同中台机制设计方、中台能力提供方和中台能力使用方，一起推动业务的迭代和创新。柔性化运行配置信息的统一控制、下发和隔离、装载机制以及环境隔离，都会让中台随需而变。除此之外，支持动态执行业务规则和业务流程的引擎是实现中台柔性化运行的另一大支撑点，比如交易引擎、促销引擎、流程中心等。以交易引擎为例，各领域上报和提供的能力经由可视化编排，既可实现先付款后发货，也可实现先发货后付款；对于大额订单，还可实现支付环节的自定义，比如上传支付凭证、经过审核完成支付等。通过编排能力来满足具体业务情况，而不是修改代码，大大增强了中台的灵活性和应变能力。可视化编排可视化编排使中台更具象化，从而降低中台管控和运营的门槛。比如可自定义的按价值流组装的配置视图，将配置模型以可视化的方式呈现出来。利用营销画布，通过拖曳，即可进行营销活动的设计。利用对话流画布，通过对意图、专有名词、触发节点、函数节点、填槽节点、回复节点的连线和组装，编排AI机器人客服所涉及的对话流，再结合知识库，即可实现丰富的查询、办理、推荐等业务场景。还有可视化的自助分析平台、可视化数据加工、向导性标签生产，以及可视化的运营结果等，这些功能使得中台的核心能力更直观、更易操作，并以更有建设性的方式促进业务思考，从而更好地帮助各角色发挥中台的价值。动态化扩展基于组件化的结构设计、横向分层和纵向分割的架构、标准化的接口、动态插件框架、预留适当的扩展点以及提供满足通用业务所需的默认扩展，保证了中台的可成长性，减少了定制的工作量和难度，从而降低了维护成本。中台所包含的分布式执行单元本身并不是一个整体，而是在一个基础功能包之上由多个功能包叠加起来的。在此基础上，结合功能包的叠加机制，各业务应用方再根据实际场景需要添加合适的插件进行扩展，就可完成被管控的中台的迭代演化。场景化自治通过全局、租户、业务空间和业务身份来多层级共享和细粒度隔离业务的差异性。比如，基于业务空间，隔离各垂直业务的运营。进一步，通过业务身份的定义和识别，更细粒度地执行有差异的业务逻辑，比如基于特定商品或特定等级会员的交易流程，实现业务的自治。将隔离的执行环境和业务代码与隔离的配置信息相结合，既可充分发挥能力的共享，又能降低业务间的相互影响分析和回归验证的难度，从而缩短其所需时长。通过业务自治，保证了各业务相对独立发展自有的业务模式，互不干涉和影响。生态化开放能力开放是构建生态的前提。中台提供统一的开放平台，结合组件化的机制、标准化的接口、可视化的能力地图和API文档，以及内外部开源市场等，方便企业内外部了解中台并在此基础上接入中台。更进一步，将企业自身的能力赋能给上下游，推动它们的数字化能力建设，促成产业协同。通过开放的平台，发展中台系统的生态体系，拓展企业业务的边界，从而加快企业的数智化转型。中台建设目标总体目标图：XXX发电企业企业中台目标愿景遵照企业数字化转型要求，根据以上建设思路，通过业务中台，提供可复用、共享的业务服务，能力中心协同数据域，避免业务功能重复建设，实现数据的实时在线和高度统一。通过中心化能力的垂直化自主发展和水平化的服务延伸，有效降低企业内各组织主体的沟通成本，最大程度提升企业内个人、各组织主体的协作效率。通过数据中台建设，实现数据的统一采集、统一建模、统一资产、统一服务。通过企业数据能力的汇集和IT新技术的支撑，有效增强企业运营、延伸和创造业务的能力。通过XXX发电企业企业中台建设，结合业务中台和数据中台的协作联动，深度融合业务与数据，业务为数据服务，数据为业务赋能，有效促进公司业务能力和运营效率的两维度成长，着力打造“数字桂冠”，支撑XXX发电企业数字化转型，增强企业核心竞争力。企业中台定位是支撑企业数字化应用的标准化建设及快速定制，沉淀企业的数据资产，实现数据驱动的精细化运营，提升企业业务在面向互联网和生态发展过程中的应变和响应能力；提供数字经济时代用技术解决商业领域未知问题的支撑能力，从而助力企业进行数字化创新。通过企业中台驱动企业进行组织变革，建设全公司服务共享部门，让IT从单纯技术服务走向业务服务。因此，企业中台是天然的数字应用的新型基础设施，将加深企业的数字化、智能化、平台化和生态化，并正在成为产业数智化转型与产业经济变革的关键步骤和战略安排。数智化企业如果想要拥有持续的业务敏捷性，就需要为现代的企业基础设施投资，致力于长期处于领先地位。业务中台业务中台以业务领域划分边界，形成高内聚、低耦合的面向业务领域的能力中心。根据能力中心与所服务的上层应用的业务相关性，业务中台可分为通用能力域和商业能力域。通用能力域包括流程中心、指标中心、规则中心等。与核心业务相关的业务能力域包括设备中心、物资中心、项目中心、合同中心、组织中心、财务中心等。业务中台不仅需要关注能力中心这个结果，更需要关注建设业务能力域的方法和机制，即能力中心建设的过程。建设业务能力域的方法和机制包括从业务场景到组件的抽象建模方法、以复用为出发点的组件化开发机制、业务组件的组装和拼接机制，以及基于数字中台快速开发上层应用的模式等。数据中台数据中台居于前台和后台之间，是企业级的数据共享、能力复用平台，是数字化转型的基础和中枢系统。将企业全域海量、多源、异构的数据整合资产化，为业务前台提供数据资源和能力的支撑，以实现数据驱动的精细化运营。数据中台是一种强调资源整合、集中配置、能力沉淀、分步执行的运作机制，是一系列数据组件或模块的集合，指向企业的业务场景。公司将以数字桂冠的建设基础和发展目标对数据中台的能力进行定义，基于能力定义选择和利用数据组件搭建中台。各类数据技术组件能够高效对数据进行统一收集、处理、储存、计算、分析和可视化呈现，使数据最终与业务链条结合，真正转化为企业核心资产。数据中台将XXX发电企业已有数据变成数据资产，持续使用数据、产生智能、为业务服务，从而实现数据价值变现的系统和机制。通过数据中台提供的方法和运行机制，形成汇聚整合、提纯加工、建模处理、算法学习，并以共享服务的方式将数据提供给业务使用，从而与业务联动。再者，结合业务中台的数据生产能力，最终构建数据生产—消费—再生的闭环。在这个闭环中，首先数据是活的，即数据不断产生及更新，且始终在线、随时可被使用；其次，数据是被灵活使用的，产生增值服务，并形成数据回流。通过数据中台，结合业务中台，让数据成为业务处理的自然组成部分，让机器智能成为业务决策的一环，从而让XXX发电企业业务走入智能化的快车道。智能中台图：数字桂冠智能中台定位将数据中台外面套着的几层算法能力抽象剥离出来，整合形成一个独立的智能中台层，依托数据中台进行一定的协作，共同应对前台的智能化业务需求。智能中台主要集成数据挖掘、数据洞察智能算法和模型；智能中台主要承担复杂的学习预测类智能需求研发。智能中台提供模型设计训练、模型/算法库、复用标注管理、监控服务等一系列相关AI紧耦合的能力支持。智能中台从事的是学习预测的任务。为了确保智能中台中的所有模型和服务都能组合使用，智能中台需要为所有算法模型和服务能互通、互助、并行应用提供一些基础的支撑。智能中台是为了适应人工智能从研究领域进入到实用领域的步伐越来越快，越来越多的场景可以并需要实用人工智能技术提高效益的发展要求。在AI的实用化阶段，需要解决AI技术如何与业务场景更好结合，如何减少重复投资、降低成本使投入产出比更高的问题。智能中台要能与基础平台、业务系统很好的融合。只有做好与原有业务系统的对接，才能使AI能力更好的助力于业务智能化。中台架构设计中台蓝图图：数字桂冠企业中台总体蓝图基于新一代ICT技术，更加弹性、更能支持企业商业创新和适应业务与组织变化的，又能够使各类经常变化的服务有机结合为一体的新一代企业服务——在微服务架构基础上的“大中台服务+小前台/端服务”。新的基于微服务的中台服务+前端服务架构的出现，ERP系统必然被解构、被瘦身和被后台化。这与传统信息系统分类模型（按照变化的频度区分为创新、分异、记录系统）也是一致的。微服务、大中台服务和小前端服务是新一代企业云服务的基本架构，所有新一代云服务产品必须全面（100%）基于/转向这一架构并加速发展。所以这不只是中台发展的事，更是新一代云服务产品整体发展的事。数字桂冠生态云平台是基础技术平台，必须成为桂冠企业中台理念实现的先行者，为各领域云的中台化实现提供坚实的基础。中台是基于统一模型、统一数据、统一入口的企业全域中台，可以帮助企业以数字化的方式（云原生+数据驱动）构建能力。从能力治理到业务治理，从架构视角到组织视角，生态云平台可以全方位协助应用进行管理。数字桂冠生态云平台是为促进数字化和业务深度融合而诞生的。一方面不同技术领域的新技术层出不穷，另一方面企业实现商业创新的个性化需求迫切。因此，传统的、单一的技术架构无法适用多样化的复杂应用场景需求。例如，不同的平台技术领域需要不同的技术架构，不同的终端需要不同的技术架构，而业务系统涉及企业内部与外部客户的连接，也需要不同的技术架构。综合而言，一种技术架构很难解决不同平台领域的设计需要。商业创新平台需要的是一个技术架构群，使用不同技术架构设计不同的应用场景。云原生架构驱动的数字桂冠生态云平台采用基于微服务化的架构、基于API的通信、基于容器的基础设施，以及基于DevOps的研发运营一体化流程，以此实现简便快捷的应用构建、轻松自如的应用部署、按需伸缩的应用运行。元数据驱动的架构是数字桂冠生态云平台的核心技术架构之一。它设计了UI元数据、领域元数据（包括实体、服务、规则）、BI元数据和AI元数据等多层次不同类别的元数据，以及解析这些元数据的各种运行时引擎。基于该架构实现的企业服务具有强大的灵活性和扩展能力，也是数字桂冠生态云平台实现低代码开发和生态扩展能力的核心架构。中台架构是数字桂冠生态云平台的特色架构。它提供了智慧调度、智慧运行、智慧设备、智慧安全、智慧大坝等各种领域的中台服务，以及各种支持企业数智化应用的数据中台服务和智能中台服务，并推出了企业构建中台的方法论。数用分离架构是数字桂冠生态云平台的一个重要架构设计模式。它基于SSOT（单一真实数据源）和MVOTs（多版本事实）思想，以数据中台为支撑，用业务数据化、数据资产化的思想来设计企业服务。它可以给数据予以多层次标签和多维度关系，将数据入湖并资产化，由此打破数据的应用所属和领域使用的约束，最终实现数据和应用的分离。数用分离架构能够使数据跨域支撑更广阔的前端场景化商业创新，实现数据业务化和数据价值闭环。中台架构图：数字桂冠企业中台建设总体架构业务中台：价值定位是“沉淀、标准、共享”，沉淀基于最佳业务实践的业务模型、业务构件、智能组件等资源，封装为面向未来业务流程的、可复用的标准化微服务组件。以业务领域模型为核心，建立微服务化共享服务中心，支持前台应用快速构建。数据中台：价值定位是“打通、整合、服务”，以关键业务要素为核心，打通多个系统的数据壁垒，整合建立业务关系的数据链集合，封装为可对外提供的数据服务。与大数据平台不同，数据中台引入业务洞见，统一了数据标准和业务模型规范。提供包括：数据采集、数据处理、数据存储、数据分析、数据访问、数据管理与治理等数据服务。智能中台：价值定位是提供低门槛、高性能、全自动、全流程、高效率的AI开发与上线能力，解放AI专业技术人员，让业务人员也能深度参与AI开发过程，贴近业务，以产能为核心，大幅提升AI开发与上线效率，多快好省地实现AI规模化落地，助力企业实现智能化转型。业务中台图：数字桂冠业务中台架构业务中台是企业实现各业务板块之间链接和协同，持续提升业务创新效率，确保关键业务链路的稳定高效和经济性兼顾的思想体系。业务中台的目的是“提供企业能够快速，低成本创新的能力”。业务中台的核心是“构建企业共享服务中心”。业务中台的过程是通过业务板块之间的链接和协同，持续提升业务创新效率，确保关键业务链路的稳定高效和经济性兼顾的思想体系，并突出组织和业务机制。业务中台也包含技术和组织两大部分，通过“方法+工具+业务理解”加以实现。业务中台通过一个统一的管理平台，统一管理企业内的各种管理系统，从而避免出现数据孤岛。同时实现企业不同地域的系统之间的互联互通，实现跨地域的全球信息同步。对外，通过标准的协议接口，集成企业外部的系统，来实现和外部异构系统之间的互联互通，实现上下游资源一体化。再添加权限控制、流程流转和统计分析等，最终形成一个有关联的，整体的数据系统。为企业提供有价值的数字运营支撑建议。业务中台恰好实现了“将数字技术集成到企业的所有领域，从而对企业的运营方式以及如何为客户创造价值进行根本性改变”这个目标。业务中台是为业务服务的，各业务中心要了解和掌握你所支撑的业务具体情况是什么样子，对业务知识和流程要有深刻的认识。企业建设业务中台不应该完全从IT技术层面考虑，需要从技术、业务、组织和运营多个维度协同推进，而不单单是IT系统的一个维度。CIO们不能听信于厂商吹得天花乱坠，没有实际调研过的与业务碰撞过的方案一定不是最适合的方案。业务中台化不会有一套拿来改改就能用的方案，必须具体情况具体分析，中台化的过程不出意外一定是痛苦和艰难的。数据中台图：数字桂冠数据中台架构数据中台在业务中台构建完成后，考虑到后续端到端流程监控分析，大数据分析的需求才会涉及到数据中台的构建。当然数据中台本身也为上层应用提供各种数据服务能力。数据是从业务系统产生的，而业务系统也需要数据分析的结果，那么是否可以把业务系统的数据存储和计算能力抽离，由单独的数据处理平台提供存储和计算能力？这个专用的数据处理平台即数据中台。数据中台是一个用技术连接大数据计算存储能力，用业务连接数据应用场景能力的平台。“连接能力”是数据中台的精髓。作为一个处在中间层的能力平台，“连接”是其根本任务。在业务层面需要尽可能连接各种数据源作为其生产资料；同时，由于生产数据的场景越来越多，覆盖了线上线下等多渠道，各数据生产资料之间也需要进行连接，才能形成全域的数据；数据在数据中台这个平台上按照标准的模型进行规范加工处理后需要服务于多种场景，同样需要我们提供标准的数据服务接口将数据与应用场景连接起来。连接是数据中台的根本能力，也是数据中台的价值所在。数据中台通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。这些服务跟企业的业务有较强关联性，是这个企业独有且能复用的。业务中台是为业务服务的，各业务中心要了解和掌握你所支撑的业务具体情况是什么样子，对业务知识和流程要有深刻的认识。企业建设业务中台不应该完全从IT技术层面考虑，需要从技术、业务、组织和运营多个维度协同推进，而不单单是IT系统的一个维度。CIO们不能听信于厂商吹得天花乱坠，没有实际调研过的与业务碰撞过的方案一定不是最适合的方案。业务中台化不会有一套拿来改改就能用的方案，必须具体情况具体分析，中台化的过程不出意外一定是痛苦和艰难的。数据中台建设的基础还是数据仓库和数据中心，并且在数仓模型的设计上也是一脉传承。数据中台一般包括了数据模型和数据资产管理，数据服务开放，上层的数据类应用和标签管理等。围绕“规划、治理、整合、共享”四步，将企业海量、多维的数据资产盘点、整合、分析、确保整个公司数据一致性和可复用性，为前台提供数据资产、数据定制创新、数据监测与数据分析等服务，最终实现数据资产的价值最大化。在具体建设策略方面，企业应基于自身的业务战略，选择明确数据资产对象，由业务或应用（需求）驱动，若没有实际的应用场景或没有足够的客户群体，不建议建数据中台。智能中台图：数字桂冠智能中台架构将数据中台外面套着的几层能力抽象剥离出来，整合形成一个独立的中台层，依托数据中台进行一定的协作，共同应对前台的智能化业务需求。数据中台主要集成数据挖掘、数据洞察智能算法和模型；AI中台主要承担复杂的学习预测类智能需求研发。这一中台我们称之为“AI中台”。数据中台提供基本能力，包括数据标准化、数据实体化、数据服务统一化等；还支持部分数据处理的智能需求，包括智能数据模型、关联分析、主成分分析、异常点分析等。数据中台主要承担数据探索的职责。AI中台提供模型设计训练、模型/算法库、复用标注管理、监控服务等一系列相关AI紧耦合的能力支持。AI中台从事的是学习预测的任务。为了确保AI中台中的所有模型和服务都能组合使用，AI中台需要为所有AI模型和服务能互通、互助、并行应用提供一些基础的支撑。人工智能从研究领域进入到实用领域的步伐越来越快，越来越多的场景可以并需要实用人工智能技术提高效益。在AI的实用化阶段，需要解决AI技术如何与业务场景更好结合，如何减少重复投资、降低成本使投入产出比更高的问题。AI中台不是一个孤立的平台，而是整体信息化建设的一部分，要能与基础平台、业务系统很好的融合。只有做好与原有业务系统的对接，才能使AI能力更好的助力于业务智能化。基于中台化的数字生态平台数字桂冠工业互联网生态平台（简称：数字生态平台或数字桂冠生态平台）是按照中台理念、采用中台架构、提供中台运营体系的全新一代企业工业互联网服务平台。数字生态平台是一个完全中台化的企业数字化转型服务平台。它是一个以技术平台、数据中台、智能中台、业务中台为核心，以连接集成平台和生态服务能力为辅助，以面向企业所有内部和外部用户和生态，为统一应用构建平台的完整体系结构。它基于云原生架构，作为数字桂冠的企业能力共享中心支撑业务快速发展。数字生态平台也以专属化的形态在支撑企业进行数字化转型，帮助XXX发电企业构建自己的中台能力体系。技术平台提供云原生系统构建的基础技术规范、框架及容器化的部署运维等框架、机制与工具。数据中台和智能中台提供数据湖、数据智能、数据报表、数据工场、AI工作坊等数据产品，帮助企业更好地管理数据、挖掘数据价值，实现企业数据智能驱动。业务中台解决在企业数字化建模中通用的基础业务模型，如用户、企业、组织、权限和大量支撑服务，是构建数字化企业信息系统必需的基础能力。生态平台和中台的关系数字生态平台既提供了平台化的组件、框架和工具，也提供了企业云服务所必需的基础技术能力、业务能力、数据服务和智能服务能力。同时，数字生态平台还以中台化的方式构建新能力，并对这些能力和对应支撑的业务进行有效治理，助力客户落地中台，实现从数字化管理、数字化经营到数字化商业的全面转型升级。数字生态平台的核心理念是数字企业、智能服务。数字生态平台作为数字桂冠的统一支撑平台，向下对接主流云计算基础设施，向上服务整个SaaS（软件即服务）、BaaS（后端即服务）、DaaS（数据即服务）及产业/伙伴生态。企业应用服务都基于数字生态平台来构建。部分服务由于历史原因独立发展，但也正在加速往数字生态平台上融合。另外数字生态平台为桂冠打造了全新的IT基础设施，赋能数字桂冠，支撑企业业务模式变革和快速创新。数字生态平台有几个显著特点：第一个是新技术，完全基于云原生的架构并提供IoT、区块链技术的封装，对接企业服务的各种应用场景；第二个是新架构，全新的能力化中台架构；第三个是新理念，数据驱动和基于用友小友的智能嵌入；第四个是新生态，基于统一开放及开发平台提供面向生态的开放性能力。数字生态平台的成长离不开企业业务的快速发展，更离不开大量应用项目实践的打磨。数字生态平台目前所包含的技术框架、组件、业务能力及集成服务有非常丰富市场化产品选择。近几年，随着桂冠对中台理念、架构及配套研发运营体系的深入理解和落地，数字生态平台逐渐演变为一个基于统一中台为内核的，以技术平台、数据中台、智能中台、业务中台为核心的，以连接集成平台和生态服务能力为辅助的，以面向数字桂冠所有用户和生态为统一应用构建平台的完整体系结构。为实现XXX发电企业企业数字化转型，数字桂冠生态平台提供的是面向数字化企业服务的技术服务、业务服务、数据服务、智能服务、集成服务及生态服务。但这个层次的基础能力依然不够。还需要提供可以被连接、被复用、被定制、被运营的企业级共享能力服务。数据中台规划IT系统的建设为企业提供了信息化工具的支撑，辅助企业业务领域的管控及创新能力的提升。伴随着企业业务规模的增长与业务板块的扩张，其建设的系统越来越多，跨业务领域和跨IT系统之间的数据融通诉求日益明显，同时也面临巨大的挑战。企业所需的数据从内部管理系统数据，扩展到物联网数据、行业生态数据和社会数据。在数字经济时代下，快速响应业务的创新需求，数据的支撑必不可少，对内外数据资源的整合与深度挖掘/应用将变成企业未来的核心诉求。为了满足对数据的深度识别、广泛共享和深度挖掘，诸多企业已经付诸行动。商业分析和主数据系统的建设，数据共享中心的实施，在一定程度上满足了短期内企业对于数据的应用需求。但对于数据资产真正能帮助企业并形成数据驱动业务发展而言，这仅仅迈出了一小步。这没有服务业务、驱动业务的视角，缺少统一的、可复用的数据服务能力和深度挖掘数据的价值。数据中台正是从业务创新发展的视角出发，建立了企业数据资产和公共数据服务平台，可以深度挖掘数据价值，形成数据智能应用，进而构建出不断迭代和循环的数据驱动型业务发展的企业。数据中台定位数据中台的定位是为业务提供数据服务，这种服务不仅仅限于商业智能分析或数据挖掘。只要是业务需要的，与数据相关的数据共享服务、数据能力服务、数据可视服务等，数据中台都可以提供。数据中台与传统的数据系统的区别主要在于数据中台更多聚焦在业务思维上，以业务价值作为出发点，以能够快速实现数据的业务价值为目标。数据中台的核心价值主要表现为中台能力的复用、数据服务效率的巨大提升及创造真正的商业价值并实现对业务的反哺能力。中台能力的复用是数据中台核心价值的体现。数据中台从企业后台数据源、社会数据源及物联网中将数据引入，进行加工处理，形成统一的标准数据，完成海量数据的存储、计算、建模和产品化包装，构建企业的核心数据能力。数据中台盘活了围绕企业的全量数据，涵盖内部和外部数据，提供了数据应用的管理和开发能力，能支持跨领域、跨行业、跨主题域访问数据，能应对企业各部门多数据处理的需求，可以实现数据的快速复用。数据中台构建的每一项服务都力求像积木一样，可以按需组合，灵活高效地解决前台的个性化需求。数据中台带来数据服务效率的巨大提升主要体现在两个方面。第一个方面是数据中台具有的核心能力从根本上解决了传统数据系统中存在的问题。统一数据源和统一数据标准解决了数据之间的跨域和协作问题，解决了数据的加工处理和维护问题，让企业的数据有了全方位、安全、高质量和高可用性的保障。第二个方面是新数据技术和新数据工具的出现方便用户更便捷地使用数据，不需要专业的技术人员，业务人员只需懂业务数据就可以快速应用数据。业务创新对数据提出的需求变化是非常快速的，数据中台的出现弥补了数据开发响应速度不足的问题。快速响应用户的需求，借助数据中台的力量可以事半功倍。数据中台实现了数据资产全链路管理，并提供了标准的数据输出。数据量足够多的标准数据为人工智能的发展提供了基础数据资源。数据中台使用的机器学习技术实现了对海量数据进行处理、分析、挖掘和建模的功能。企业通过智能化服务，深挖数据价值实现对未来商业的预测和决策，实现数据真实的商业价值和对业务的反哺能力。数据中台目标围绕数据从生产、存储、增强、使用、传输、共享、冷存储到毁灭的全生命周期，从基于数据的业务创新出发，数据中台可满足IT研发者、数据科学专家、产品经理、分析师、决策管理者、业务人员等不同角色对数据的应用需求。数据中台具有海量多源异构数据整合、实时数据计算与发布、统一通道数据调用与分析的能力，并具备高复用、高可靠、高效率的开放型数据治理能力，快捷方便的数据服务能力，是一体化数据驱动的完整解决方案。数据中台将数据资源与数据生产系统松耦合，为业务前台创新多变的业务场景提供数据能力的支撑。数据中台是企业级的数据加工厂。它不是一个单纯的技术平台，而是一套以业务服务为目标，以业务需要为导向，包含建设方法、基础设施、运营体系在内的综合解决方案。数据中台往往伴随着企业组织的变革和业务流程的创新。数据中台的核心就是数据能力的复用，功能组件化，治理公共化。数据中台以赋能企业数智化转型为目标，利用先进的数据处理技术，规范出一套业务模式和组织形式，并持续为企业提供数据服务。企业级数据中台的建设不是抛弃企业原有的IT系统彻底重建，而是在继承企业历史信息化投资的基础上，通过中台架构的引入，借助业务中台、技术平台的理念，实现“数据赋能业务”。（1）全局的数据应用资产管理这里所说的数据应用资产管理包括整个生态系统中的数据和应用。传统的数据资产管理绝大部分只包括关系型数据库中的资产（包括Hive），而一个数据中台应该管理所有结构化、非结构化的数据资产，以及使用这些数据资产的应用。如果传统的数据资产管理提供的是数据目录，那么数据中台提供的应该是扩展的数据及应用目录。要避免重复造轮子，首先要知道系统中有哪些轮子，因此维护一个系统中数据及数据应用的列表是很关键的。（2）全局的数据治理机制与传统的数据治理不一样，数据中台必须提供针对全局的数据治理工具和机制。传统数据仓库中的数据建模和数据治理大多针对一个特定部门的业务，部分原因是全局数据建模和治理周期太长，由于存在部门之间的协调问题，往往难度很大。数据中台提供的数据治理机制必须允许各个业务部门自主迭代，但前提是要有全局一致的标准。阿里提出的OneID强调全局统一的对象ID（例如用户ID），就属于这个机制。（3）自助的、多租户的数据应用开发及发布现有的绝大部分大数据平台要求使用者具备一定的编程能力。数据中台强调的是为业务部门赋能，而业务人员需要有一个自助的、可适应不同水平和能力要求的开发平台。这个开发平台要能够保证数据隔离和资源隔离，这样任何一个使用系统的人都不用担心自己会对系统造成损害。（4）数据应用运维用户应该可以很方便地将自己开发的数据应用自助发布到生产系统中，而无须经过专门的数据团队。因为我们需要共享这些应用及其产生的数据，所以需要有类似于CI/CD的专门系统来管理应用的代码质量和进行版本控制。在数据应用运行过程中产生的数据也需要全程监控，以保证数据的完整性、正确性和实时性。（5）数据应用集成应该可以随时集成新的数据应用。新的大数据应用、人工智能工具不断涌现，我们的系统应该能够随时支持这些新应用。如果数据中台不能支持这些应用，各个业务部门可能又会打造自己的小集群，造成新的数据孤岛及应用孤岛。（6）数据即服务，模型即服务数据分析的结果，不管是统计分析的结果，还是机器学习生成的模型，应该能够很快地使用无代码的方式发布，并供全机构使用。（7）数据能力共享管理大部分数据能力应当具有完善的共享管理机制、方便安全的共享机制以及灵活的反馈机制。最后决定数据如何使用的是独立的个人，他们需要一套获取信息的机制，因此在机构内部必须要有这样的共享机制，才能真正让数据用起来。（8）完善的运营指标数据中台强调的是可衡量的数据价值，因此，对于数据在系统中的使用方式、被使用的频率、最后产生的效果，必须要有一定的运营指标，才能验证数据的价值和数据中台项目的效率。数据中台架构图：数字桂冠数据中台架构数据中台的功能定位是完成公司内部数据能力的抽象、共享和复用，因此，数据中台的架构必须围绕这三个功能来设计。数据中台搭建于大数据平台及数据仓库之上，将大数据平台和数据仓库所实现的功能以通用数据能力的形式提供给企业的所有部门。因此，单从功能上来讲，大数据平台实现具体的数据能力，数据仓库是业务建模，而数据中台则需要把大数据平台、数据仓库的数据和接口组织起来，通过打通数据提升数据能力，通过共享提高全局使用效率。因此数据中台的架构设计应该考虑如何有效地完成抽象、共享和复用的功能。数据中台在整体技术架构上采用云计算架构模式，将数据资源、计算资源、存储资源充分云化，通过多租户技术进行资源打包整合和开放，并通过微服务的方式为用户提供“一站式”数据服务。数据中台是一系列数据组件的集合。企业需基于自身的信息化建设基础、数据基础及业务特点对数据中台的能力进行定义，最后基于能力的定义并利用数据组件来搭建自己的数据中台。数据资产体系数据资产体系是中台的血肉，开发、管理、使用的都是数据。大数据时代，数据量大，增长快，业务对数据的依赖也会越来越高，必须考虑数据的一致性和可复用性，垂直的、烟囱式的数据和数据服务的建设方式注定不能长久存在。不同的企业因业务不同导致数据不同，数据建设的内容也不同，但是建设方法可以相似，数据要统一建设，建议数据按照贴源数据、统一数仓、标签数据、应用数据的标准统一建设。数据体系建设最终呈现的结果是一套完整、规范、标准、准确的数据体系，可以方便支撑数据应用。数据资产目录。数据资产目录是数据盘查成果可视化体现和环保数据统筹管理的主要载体。通过分析长江环保核心业务和主要设备，按照业务板块构建多级目录框架，系统分析存量数据的数据存储地点、方式、所属系统、数据量、数据存储时长等情况，按照现有系统运行使用规律，预测3-5年内数据增长情况，统一规划、设计公司数据资产目录，按照目录挂接结构进一步编制、形成若干公司数据资产卡片用以记载数据资产明细信息，明细信息至少包括数据资产项名称及编码、资产项格式、数据提供方信息、更新周期、发布日期、表字段列。数据治理标准。统一标准是数据治理工作实施的必要条件，也是各系统之间互联互通、信息共享、业务协同的基础工作，通过充分解读通用成熟数据治理体系设计理论、充分承接集团标准工作管理框架，设计公司数据治理标准体系框架，形成符合数字桂冠发展要求和数据平台建设需求的数据治理标准清单，整体解决各部门各系统数据存在的不标准、不完整、重复、错误、不一致等数据的问题，使数据在整合、应用的过程中实现统一标准的管理，达到提升整体数据质量、实现信息共享、信息交换、信息关联的目的。统一数仓体系。数据仓库是分析系统的数据平台，从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据，数据仓库的数据来源于不同的源数据，并提供多样的数据应用，数据自下而上流入数据仓库后向上层开放应用，为公司所有决策制定过程，提供所有系统数据支持的战略集合。通过对数据仓库中数据的分析，可以帮助公司，改进业务流程、控制成本、提高产品质量等。工业信息模型图：统一工业信息模型目前电力系统物联网、工业互联网系统建设需求迫切并快速推进，但面临共性问题：缺乏统一工业信息模型，现有模型方案通常针对某个特定应用或业务场景单独构建，难以重用；业务语义缺乏或不清晰，如海量测点数据未与设备、功能位置或功能分组关联，导致不同业务语义不一致；现有统一工业信息模型等电力信息模型均对工业信息模型缺乏考虑。亟需建立统一的工业信息模型，满足不同业务领域应用的需求和业务语义关联需求。为促进物联互联网平台融合通信、信息、传感、自动化等技术，在电力生产、输送、消费、管理各环节全面开展数字化应用。参照国家及行业工业互联网信息模型相关规范，针对电力设备物联感知、量测计量、资产管理、运行维护等工作的智能化建设需求，基于统一的信息模型定义描述方法，对电力设备对应的物联产品、设备、属性、服务、事件及协议进行定义和关系梳理构建，形成能够打通物联感知和资产量测、电量计量数据，支持电力设备数字化构建与运维的信息模型，同时为未来与能源互联网对接打下基础。数据服务体系数据服务体系就是把数据变为一种服务能力，通过数据服务让数据参与到业务，激活整个数据中台，数据服务体系是数据中台存在的价值所在。企业的数据服务是千变万化的，中台产品可以带有一些标准服务，但是很难满足企业的服务诉求，大部分服务还是需要通过中台的能力快速定制。数据中台的服务模块并没有自带很多服务，而是提供快速的服务生成能力以及服务的管控、鉴权、计量等功能；提升业务效率，发掘新的业务需求和业务方向。数据服务能力体系建设内容主要包括：智慧应用支持服务智能规划建设方面。围绕投资建设规划与智慧电厂建设规划等主题，开展环境大数据决策支持、市场环境大数据决策支持、流域环境大数据决策、环境影响分析、空间冲突分析、项目准入分析、绿色发展评估等智能分析、监测体系大数据管理模型、大数据统计分析、环境质量与污染物相关辅助决策分析等大数据应用建设。智能供应链方面。围绕物资需求、合同管理、仓储调配、采购管理、供应商评价等主题，开展物资需求预测、设备退役智能辅助决策、品控管理质量画像、检测机构品控管理、围标串标智能辅助判断、评标专家打分异常判断、出入库智能推荐、快速盘点等大数据应用建设。智能安全生产方面。基于海量监控设备运行、电力系统拓扑关系、量测等相关数据，围绕监测设备健康状态、系统安全稳定运行，选取设备管理、风险管理、应急管理等主题开展安全生产知识图谱、发电设备运行健康评估及状态预警、应急指挥辅助决策、检修工程安全承载能力评价、作业现场综合在线监测及智能巡检、事故事件等级智能预判全时域图像分析预测及评估等大数据应用建设。智能项目管理方面。围绕不同项目不同管理要求，开展项目立项辅助决策、项目过程智能管控、智慧工地安全管控、创新项目技术成熟度和发展趋势智能预测等大数据应用建设。智能人资管理方面。围绕组织用工、薪酬绩效、人才培训、人力规划等主题，开展干部人才大数据挖掘与分析、人才能力素质指标模型智能构建、人岗智能匹配等大数据应用建设。智能财务管理方面。围绕资产价值、会计核算、资金管理、产权管理等主题，开展经营数据对标分析、征信服务辅助决策、智能风控、供应链金融数据挖掘与增强分析、资金预算过程执行分析及滚动预测、资金预算过程执行分析及滚动预测等大数据应用建设。专业运营支持服务安全生产方面。围绕运维管理、运行监测、发电调度、流域监测管理等主题提供实时分析和智能决策服务；治理协同、生产作业现场智能决策与自优化、基于知识图谱的检修管理、岸线保护与治理、河流生态修复、水生态监测、设备运行状态评估等大数据应用。市场营销方面。围绕用户污染、环境破坏等主题提供智能预测服务。供应链方面。围绕供应链各个环节，建设需求预测管理、采购合同分析、物资履约跟踪、储备物资分析、设备退役分析等运营管控数据应用，以数据流引领物资流，实现数据流和物资流相互促进的良性循环，围绕仓库储备效能、合同履约状态等主题提供智能预测和数字仿真服务。项目管理方面。针对科技项目、生产项目、信息化项目等不同类型项目的特点，开展全过程流程监控、项目数据关联分析、项目管理全过程监控，支撑项目全流程精益化管理。规划建设方面。围绕综合治理规划、新基建、投资计划等不同方面的需求，完善环保可视化规划，进一步实现长江大保护数据集成和共享，助力规划人员全面了解、掌握问题和发展情况，解决升天环保规划面临点多、数据信息量大、规划项目特别是中低压项目立项准确性、及时性不足等问题。人资管理方面。围绕员工安全档案、人力资源配置风险分析、用工法律风险监控分析等场景，建设人力资源配置、人力资源风险、用工法律风险等可视化展示及统计分析，构建人才数据全生命周期管理、人才数据驾驶舱等应用，围绕员工职业生涯全过程监控、定员定编等主题提供趋势预测、智能辅助决策服务。财务管理方面。建设全公司资金监控、价格政策库、精益成本费用分析及监控、境外资产运营监控、司库监控、实时数字化风险监测与审计、退役报废规模及指标预测应用，围绕预算管理、会计核算管理提供智能预测和增强分析服务。管控支持服务充分发挥公司在大数据融合计算方面的优势，优化提升企业运营管控应用、专业运营管控应用和个性化运营管控应用，对管理与运营数据进行分析、智能研判、仿真推演，并将决策结果作用到日常生产管理过程形成闭环，数智化驱动公司精益管理能力进一步加强。持续完善企业运营管控指标分析体系。深化针对工程建设域、生产运维域、市场营销域、生态环保域、风险管控域、物资域、财务域、人资域、数字化域等不同业务领域企业级运营管控。围绕指标建设与管控、流程监控与决策、资源分配与监控等共性需求，建设和优化指标模型智能生成、指标智能钻取和实时分析、指标增强分析与辅助决策、流程智能监控预警、流程路径智能辅助决策、资源智能动态分配、资源状态实时监测、多维度展示等，助力公司管指标、管流程、管资源。针对不同业务域不同管控需求，提供全面监测、运营