埃森哲某著名企业公司大数据建设的思路和建议p68

某著名企业公司大数据建设的思路和建议20XX年4月目录背景与定义现状与挑战建议与思路高性能、高可用、可伸缩、可扩展的技术及服务平台：云万物量化：所有的线索、过程、传输均转换为信息“互联网+”背景下的生产力平台应对和处理身边的三类沟通人与人人与设备设备与设备新型社交S某著名企业物联M分析与证析A采集存储处理应用某著名企业物联M云C大数据处理背景与定义

“云大物移”的颠覆两年间，国内外科技媒体流行着“SMAC”。他们将苹果、脸书、谷歌和亚非传统企业所进行的开创性工作总结成四种特征，即新型社交（S）、某著名企业与物联（M）、分析与证析*（A）、云（C）。如今，我们将SMAC的这个时代称为“互联网+”。*关于证析：著《证析：大数据与基于证据的决策》的主题是Analytics，文单词Analytics译为“证析”借以指代在这个时代背景下对证据尤其是量化证据进行分析以影响决策的具体实践。大数据分析信息处理和分析采用大数据的方式背景与定义

大数据概念大数据严格意义上来讲，并不是单独的业务或技术。大数据从理念到产业热点，概念主要有四个（如下左）。同时，大数据也是现今所谓实时经济（如下右）的基础实践。大数据经典定义RichardHackathorn*：实时经济概念维基百科的经典4V：大量（Volume）、高速（Velocity）、多样（Varity）、价值（Value）舍恩伯格的《大数据时代》：全量胜于样本、混杂胜于精确、相关重于因果阿里系大数据（总在重定义）：在线、实时、全貌中科院的定义（理论）：活性、颗粒度、维度、时空、情绪时间价值数据延时分析延时决策延时价值事件发生数据存储->分析发布信息采取行动信息延迟导致信息的价值低下信息及时处理带来更多价值时间价值价值事件发生数据存储->分析发布信息采取行动实时分析*RichardHackathorn：与WilliamInmon一同并称数据仓库之父。背景与定义

大数据从概念到实践令人兴奋而又不安的改变正在发生。美联社每季度利用自动化洞察力公司(AutomatedInsights)的Wordsmith平台撰写3000多篇金融报道。他们在苹果公司公布最新创纪录收益几分钟之后，就发表了一篇报道。福布斯利用叙述科学公司(NarrativeScience)的Quill平台撰写类似报道，并称该公司是他们的合作伙伴。然后又出现了Quakebot，《洛杉矶时报》利用这种算法分析地质数据。它是第一篇有关南加利福尼亚州去年发生的4.7级地震的新闻报道的“发生后，该报立即在其网站了发表了这篇报道。该报还利用算法加强命案报道。”来源：纽约时报，2014年所谓“第三方”数据正在被互联网中数以万计的专业公司采集利用。为了收集用户相关的信息，并将其用户针对性的广告推广，各个互联网站点召集大量的第三方机构来侦测谁在访问站点，并建立有关该用户的各类卷宗。以BlueKai为例，这家公司已经汇集了全球范围内约10亿个潜在客户的互联网肖像，每一个肖像平均包括50个特征项。这些机构或公司采用cookies、webbeacons、e-tag等技术跟踪用户在不同站点间的活动。根据TRUSTe的统计，全球最广泛使用的前100家网站正被超过1300家公司实时监控。其中的一部分公司正将数据向外部机构共享。来源：经济学人，2014年纽约时报一篇题为《不能小看机器人BlueKai汇集了全球10亿个客户肖像，每个肖像包括50个特征“你能相信那些高傲的记者和华尔街分析师将因此失业。这不是因为世界是平的。”“我只是习惯性的逛逛网店，但为什么我手机里的‘天气’应用会在晚间向我推送那些心仪的化妆品折扣券？”背景与定义

电力大数据在看似传统的电力行业中，C3Energy的出现和迅速发展可能正预示着电力大数据发展的方向或机遇。那个在2000年第一次互联网泡沫中创造纳某省市值纪录的Siebel，正试图改变传统电力消费和公用事业的游戏规则。C3Energy产品*某著名企业分析客户分析C3Energy核心业务Monitor/Mitigate/Monetize（监测/避险/变现）ERM（企业能源管理）C3Energy业务领域大数据智能某著名企业分析云计算C3Energy由ThomasSiebel创立，提供某著名企业分析软件云服务，旨在释放智能某著名企业投资的最大价值。C3Energy客户*埃森哲协助C3Energy进行产品研发目录背景与定义现状与挑战建议与思路现状与挑战

某著名企业公司：理想很丰满、现实太骨感线下线上交分析环境套装定制ODS/DW/BI/DM/可视化环境BI应用可视化应用SAPERPHybrisAribaT1其他.NetABAPJaSAPBWSybaseIQBO/CognosFlex定制Tableau桌面工具电子表格纸质文档关系型数据库/文件无企业级信息规划缺乏公司全局推广应用的数据标准虽然制定了交换标准（SG-CIM），但最终未实现全面应用部分系统设计及应用效果不佳，存在数据质量问题分析应用主要技术路线描述如下，一是SAPERP统计分析需求通过BW应用实现；二是非ERP统计分析原则上通过结构化数据中心（OracleODS/SybaseIQ/Cognos）未构建面向统计分析企业级分析模型（实际应用中，基本上通过交应用系统直接生成报表大量操作数据（工作计划/工作记录/工作报告）以文本、电子表格形式分散存储统计分析多采用电子表格线下统计的方式分析决策通过经验判断、会议决策方式；自动决策分析实务很少（调度/生产除外）企业企业外部行业数据市场数据监管数据……纸质向相关商业机构购买使用权，在线访问百度网页资讯社交媒体某著名企业互联网至今没有实践传感器/表计/摄像头/自动化设备均由专业系统或厂商私有平台管理没有综合数据分析场景及应用*十一五、十二五以来某著名企业信息化建设投资大，系统复杂。同时为适应三集五大、两中心建设、五位一体等管理转型，对原有系统开展不同程度的调整或重新建设。调整范围大、、影响深。这里只是列举一部分数据应用方面情况和特点。某著名企业公司数据应用和分析仍然传统，主要基于人工数据报送。支撑系统和平台倾向于实现某类业务功能，总是忽略了数据的积累和增值利用。现状与挑战

某省市公司：理想很丰满、现实太骨感在线交在线交中的各类数据源其他系统三大核心系统ERPCMSPMS自建某著名企业统推结构化数据非结构化数据半结构化数据传统的关系数据模型、行数据，存储于数据库，可用二维表结构表示类似XML、HTML之类，自描述，数据结构和内容混杂在一起各种文档、图片、视频/音频等实际在线业务操作专业口径报表支撑产生在线分析环境ODSDWODSDW可视化可视化SAPBW可视化ODSDW可视化营销分析环境运监分析环境原企业级数据中心ERP高级应用环境企业级BI分析应用（查询、报表、钻取、预警等）线下环境分析报告手工收数Excel处理……数据应用特点：基于结构化数据的应用场景、报表、查询和指标分析。跨专业的集成报表少、且数据质量不佳分析环境多、数据治理难度大没有大数据应用场景和环境数据应用、专业和综合分析60%基于线下手工统计、人工数据报送和校验30%基于专业系统的专业口径报表，其中跨专业信息不一致情况较普遍10%基于数据仓库的综合报表，且数据仓库存在重复建设数据应用主要基于人工统计报送，数据仓库重复建设。现状与挑战

挑战一：集团管控和下属经营的差异如何平衡集团总部与下属单位之间始终存在差异化的管理诉求总部相当关注下属单位的业务执行透明度、管理决策一致性。总部通过开展公司级别的同业对标、企业负责人考核，以及各类专业评价，确保下属单位服从总部统一部署。这些与下属单位所披露/上报的业务数据密切相关；下属单位的生产经营中普遍存在个性化的业务场景和管理需求。为确保在名义上、考核上与总部要求相符，取得优异的考核成绩，对上报数据进行篡改、美化的情况依然存在。电子文件电子文件下属应对之一：通过email/OA等方式上报，即手工/非自动上报下属应对之二：区分上报数据和真实数据，仅向总部提供经核准的上报数据对于考核数据或不愿意披露的数据，不在系统中维护，或是篡改上报总部应用系统下属应用系统总部数据仓库下属数据仓库专业报表原始数据批量数据操作数据交分析环境应用系统（一级或集中部署）下属应对之三：对于考核数据或不愿意披露的数据，不在系统中维护，或是篡改上报数据上报（包括A、B、C三种场景）A.直接报数B.通过两级信息系统报数C.集中部署主要特征体现为：数据分析来自报表、报表来自数据上报数据质量较差自上而下业务透明度较差、数据人工报送比重高总部与下属之间、下属与下属之间、数据不集成现状与挑战

挑战二：大数据场景在哪里大数据概念太新、太陌生，而适合电力企业的大数据场景用例又是什么？大数据是商业智能2.0、3.0还是n.0大数据让所有数据都在自动地创造价值大数据让数据质量问题迎刃而解大数据就是数据变现，它是互联网阿Q眼里的全民创业、万众创新典型的老醋装新瓶，偷换概念后，大数据不建自成大数据是科研平台，有助于提升生产技术水平和经营管理科学性大数据是概念和口号，它是云大物移之一，它是互联网+，它是互联网思维，具体是什么不重要面对不期而遇的概念，你会这么想……至于场景，不妨先考虑以下三点：第一、针对生产运行领域，场景应能够帮助客户实现更为出色的可靠性和安全性各类工业传感器/信号源/表计/监控设备反馈信息的采集、监测和控制各类设备厂商私有封闭平台的信息共享和集成应用第二、针对经营管理领域，场景应能够帮助客户实现更为出色的数据集成和统计分析源自基层或一线的数据自动采集汇集主数据管理合理化、实用化专业报表和综合报表的自动生成，而非简单的报数填空构建合理模型记录有价值的业务特征和历史数据，为信息发现提供支撑外部数据源的连接、应用、创新，发现辨析客户行为，态势演进的新方式、新应用第三、探索数据变现和共享经济模式（互联网平台、数据生态圈等）目录背景与定义现状与挑战建议与思路建议与思路

十个建议加强统计分析应用推动数据科学应用建设数量分析业务做好大数据规划加大数据治理力度不仅仅是结构化的从外部认识自己下一代商业智能大数据分析技术云计算与大数据业务数据技术建议与思路

在业务方面加强统计分析应用推动数据科学应用建设数量分析业务业务2015/4/13这照片出现在9Gag社区，目前已经获得了超过四万的点击量和三千多条评论，并催生出一批解读文章和视频。这只猫是上楼还是下楼？问题不止于此：小猫上下楼的最佳姿态是什么？小猫将何去何从？从趋势来看，小猫上楼还是下楼？小猫为什么跑到楼道里来了？小猫正在楼道里，该怎么办？小猫在楼道有什么问题吗？小猫来过几次？是不是经常来？小猫、楼道？之前发生了什么？统计分析数据科学建议与思路

建议一：加强统计分析应用加强统计分析方法和工具在公司生产运行和经营管理的应用，服务基层实务、促进科学管理、辅助综合决策。面向基层面向管理面向决策台账记录生产及管理活动现场记录指标统计异常排查、识别、提报工作报表……专业计划/部门工作计划异常预警现场回顾指标统计趋势预测（同比/环比）……指标统计管理指数根因追溯记分卡/对标……加强统计分析应用的注意事项数据采集通过各类采集设备，尽可能地将自动采集代替人工记录，根据客观条件，确定数据采集频度保证数据源唯一性对于统计性和汇总性数据，应基于现场记录，进行加总和汇总尽量避免指标的直接采集和填报数据准备优化统计项/指标体系，由组织/专业管理角度确定统计的内容、维度和频度建立专业、跨专业的数据字典，确保专业口径一致确定制度、责任、流程、工具，切实提高数据质量汇总分析专业报表采用专业化应用系统，跨专业综合报表采用数据仓库相关应用获取建立不同统计项之间的逻辑关联或数据模型采用简洁、直观的可视化手段，辅助决策分析建议与思路

建议一：加强统计分析应用（案例）某著名企业总部物资部与运营监测（控）中心联合开展的采购价格分析数据准备业务设计明确业务目标数据收集数据降维数据清洗数据探索数据集成数据变换设计应用场景确定分析思路，设计评估方式交叉分析对比分析数据分析矩阵分析趋势分析分组分析数据筛选假设检验基于大量的历史采购数据，构建数据分析模型，运用统计方法对物资采购价格差异进行分析，根据分析结果聚焦重点内容，查找问题原因并制定相应调整方案，以指导业务管理决策。分析结果应用……问题发现及诊断制定业务方案并开展行动1、研究方法建议与思路

建议一：加强统计分析应用（案例）某著名企业总部物资部与运营监测（控）中心联合开展的采购价格分析2、主要成果1初步建立了一套适用于采购业务开展情况评估的分析方法定义了采购价格偏差分析算法与模型有效利用了历史积累数据，具备了业务的深层次洞察能力下一步物资的合规化、标准化管理措施提供了理论支撑依据234建议与思路

建议一：加强统计分析应用（案例）某著名企业总部物资部与运营监测（控）中心联合开展的采购价格分析3、综合分析示例备注：同一物资：对于“同一物料号、同一技术规范书ID”，定义为“同一物资”；采购均价：基于同一物资定义，采购均价=同一物资采购总价/同一物资采购数量；偏差率：基于同一物资，不同采购条目定义，偏差率=（该采购条目中标单价-同一物资的采购均价）/同一物资的采购均价；掌握历史采购内容和分布情况，分析采购金额、采购条目、物资种类数等整体情况:分析重点物资采购金额和采购条目对比情况；统计不同月份的采购金额、采购条目、物资中类数量；统计采购条目偏差率分布情况；展示采购金额和采购条目按时间维度的分布情况；综合分析偏差率指标用于衡量同一物资每一个采购条目与整体情况的差异性；偏差率分布图反映了所有采购条目偏差大小的分组情况，用户应重点关注偏差率较大的采购条目。建议与思路

建议一：加强统计分析应用（案例）某著名企业总部物资部与运营监测（控）中心联合开展的采购价格分析4、分物资类别分析示例备注：绝对偏差率：基于同一物资，不同采购条目定义，绝对偏差率=|该采购条目中标单价-同一物资的采购均价|/同一物资的采购均价；变异系数：基于同一物资定义，变异系数=同一物资不同采购条目中标单价的标准差/同一物资的采购均价。分物资类别采购分析按物资类别维度统计分析采购价格的差异：按物资中类维度分析绝对偏差率的分布情况；分析所有物资条目的物资变异系数分布情况；所有物资的采购均价与变异系数的分布情况；变异系数用来衡量数据的离散程度，变异系数高的物资类别其不同条目之间采购价格差异较大；采用散点图展示不同物资的采购均价和变异系数的分布情况，用户应重点关注采购均价大、变异系数大的物资类别。建议与思路

建议一：加强统计分析应用（案例）某著名企业总部物资部与运营监测（控）中心联合开展的采购价格分析5、分供应商分析示例分供应商采购分析按供应商维度统计分析采购价格的差异：供应商采购占比分析；重要供应商偏差率分布分析；重要供应商偏差率分布分析，展示了采购条目最多的12家供应商在每个物资（相同物料名称、同一规范书ID）上的偏差率情况。横轴表示各供应商，纵轴表示各供应商在每个物资上的绝对偏差率的平均值，每个点的大小表示供应商在该物资上的采购均价。每个供应商上的参考线，表示该供应商在所有与该供应商相关的采购条目上的绝对偏差率的平均值应重点关注采购均价大、且平均偏差率大的供应商。建议与思路

建议二：推动数据科学应用*数据科学是从（复杂、海量的）数据中提炼规律性知识的方法和技术。它覆盖由业务及数据理解、数据准备、建模/优化/仿真，直到实际业务环境部署的一系列核心步骤。数据科学的概念显然并非全新的。它与10-15年之前的数据库领域中的数据挖掘或知识发现的定义类似。但它们不同之处在于数据科学突出量化分析是相关业务存在与否的决定因素。（Gartner）随着智能终端、物联网设备不断应用，我们需要采用一套区别于传统统计分析的高级分析方法，即数据科学，促进数据科学与生产作业、专业管理、经营决策紧密结合；试验性地构建一批数量分析新业务。某著名企业数据科学应用方向：预见性分析，而非描述性的分析启发式研究，而非逻辑推演：模型提出可以存在于“小数据”的环境中，模型验证则需要在实际生产或经营的“大数据”环境，完成螺旋式优化和完善聚焦一线：在某著名企业运行技术（OT）与信息技术（IT）交融的环境中探索规律和模式，并将这些规律和模式与某著名企业风险防范、可靠性提升的具体举措相互关联，回馈到一线，并成为武装一线的智囊团关注客户：数字化渠道是某著名企业企业联系、认知、影响、服务客户的重要渠道，客户行为特征、情绪变迁蕴含着大量信息，对故障早期识别、满足度承诺履行起重要作用，同时面向客户分析，也为某著名企业企业了解客户能源消费习惯提供有益输入。差异化竞争优势信息复杂度优化最优情况是什么？预见性分析将来会发生什么？预测趋势是什么？统计分析为什么会发生？预警需要采取什么行动？查询/下钻确切的问题是什么？自定义报表程度、频度、地点？标准报表发生了什么？统计分析数据科学建议与思路

建议二：推动数据科学应用（案例）埃森哲创新实验某省市公司合作开展的配网变压器重过载预警分析1、背景和意义问题与机遇机遇：随着智能某著名企业的建设，可以从各信息系统中获取某著名企业中负荷信息、设备信息、用户信息以及气。为配变的重过载预警分析提供了多样化的数据来源。问题：配网中每年都会新增配变重过载现象，由于配网建设资金有限，不能完全满某省市配网规划需求，需要对未来的重过载情况进行预警。而传统台区负荷预测模型考虑配网因素少、对负荷突增预警能力较低项目意义：充分利用大数据平台，从多种数据特征及其关联关系中挖掘重过载发生规律。中期预测可以用来指导来年配网升级改造规某省市公司配网投资提供决策依据，短期预测结果可以支撑配网迎峰度夏工作预案，增强配网对夏季峰荷的应对能力。配变中期重过载预警模型配变短期重过载预警模型※三年历史负荷曲线※用户区域、用户构成、配变信息、※用户月用电量信息※历史气※两年历史负荷曲线，近期负荷曲线※用户区域、构成、配变信息※历史气、未来一预报模型输入※来年迎峰度夏期间台区重载/过载概率清单※未来七天迎峰度夏期间台区重载/过载概率清单模型输出模型描述重载过载T重载过载TT建议与思路

建议二：推动数据科学应用（案例）埃森哲创新实验某省市公司合作开展的配网变压器重过载预警分析2、整体思路数据需求梳理配变设备信息日负荷曲线(负荷特征)气温信息用户区域用户构成配变重过载中期分析模型配变重过载短期分析模型重过载风险清单2、数据探索3、模型建立1、数据抽取模型应用负荷特征计算重过载统计影响因素关联分析中期预警概率模型模型验证及应用短期用电规律分析短期期预警概率模型模型验证及应用中期预警短期预警建议与思路

建议二：推动数据科学应用（案例）埃森哲创新实验某省市公司合作开展的配网变压器重过载预警分析3、成果应用供公司领导决策配网投资总盘子；供专业部门开展业务提供参考依据，比如配变技改项目优选、合理安排年度检修计划等；成果应用建议业务特征※台区客户类别※台区客户敏感度※配变健康状态※配网技改计划中期风险预警应用支持迎峰度夏预案准备，强化调度、运检与营销业务协同与联动机制；提升配网快速抢修响应，优化配网巡检路线，降低潜在客户投诉可能，提高客户服务满意度；成果应用建议业务特征※台区客户类别※台区客户敏感度※配变的健康状态※配网检修计划短期风险预警应用最大程度减少配变重过载持续的时间以及发生的次数最大程度减轻配变重过载对客户、资产造成的不良影响中期预警模型输出短期预警模型输出来年配变重过载风险清单风险排序风险台区123……台区编号台区名称地区共计今年每重过载风险清单风险排序风险台区123……台区编号台区名称地区共计企业建议与思路

建议三：建设数量分析业务加强数量分析业务的专业化程度，并在组织模式上探索创新思路，即构建统计分析和数据科学作为主要生产工具的企业分析中心，开展数量分析业务。可以思考以下三种构建思路：一是按专业特点建立专业型分析中心，如财务分析中心（可以考虑作为财务共享服务中心的主要职能之一）；二是在公司层面建立综合型分析中心，如在运营监测（控）中心的基础上加以构建，或是伴随业务转型，建立三个综合型的构建某著名企业分析中心（面向生产运行）、运营分析中心（面向经营管理）、客户分析中心（面某省市场和客户行为）。三是统筹建设企业数量分析业务，包括构建公司级大数据工作领导小组（或管理委员会），下设办公室（协调日常工作）和专家委员会（评审）；建章立制，允件、有需求的专业自行开设分析中心；统筹分析主题和需求，有针对性地设立综合型分析中心。统计分析专业高级分析专业制度/标准/组织/人员/工具/系统数量分析中心规划决策部门n生产作业日常管理专业分析部门1生产作业日常管理专业分析……综合分析专业化、集约化新业务建议与思路

在数据方面做好大数据规划加大数据治理力度不仅仅是结构化的从外部认识自己数据数据的维度奈飞（Netflix）通过大数据捕获多个维度信息，分析观影习惯。在2013年有75%的点播来自推荐。>4000万用户用户评论：~500万/天搜索：>300万/天播放视频：>5000万/天播放时长：50亿小时（2013Q3）处理量：~1000亿记录/天数据的速度基于Amazon云服务服务5万家豪华酒店，2015年扩展至10万平均响应时间：80ms平均推荐频率：4000万次/周追踪用户：约35000万26%的客户满意提升+46%的商机转换提升页面回报：$0.70美元RoomKey：根据客户喜好，实现毫秒级匹配和推荐。数据的广度棱镜门：采用基于锯齿形模型的信息发现手段，发现不同数据源之间的内在关联建议与思路

建议四：做好大数据规划关注公司生产经营的各个方面，聚焦资产、资金、员工、客户、监管等对象，做好顶层设计、制定大数据规划；建立覆盖某著名企业运行和公司运营的信息观和工作路径；加强数据资产投入产出分析，发掘某著名企业大数据潜在增值机会。*数据化：一切皆可“量化”。大数据发展的核心动力来源于人类测量、记录和分析世界的渴望。信息技术变革随处可见，但是如今的信息技术变革的重点在“T”（技术）上，而不是在“I”（信息）上。现在，我们是时候把聚光灯打向“I”，开始关注信息本身了。（舍恩伯格《大数据时代》）如何开始？何去何从？你可能需要成为一名真正的毕达哥拉斯主义者，你相信“万物皆为数”。信息方程式：信息＝数据＋业务上下文大数据规划：一是（Blueprint）自顶向下，建立和维护企业级信息蓝图；二是(BusinessCases)分析不同数据资产、数据活动的投入产出情况；三是（Roadmap）按规划别建设目标和工作内容。这不是任何业务或者信息技术规划，而是一次企业信息的“文艺复兴”。资产员工客户监管资金智能某著名企业三集五大两中心五位一体流程组织技术标准业务活动业务对象企业信息蓝图（信息模型/语义模型）信息线下表单和记录技术信息技术处理的数据结构化、非结构化、半结构化建议与思路

建议五：加大数据治理力度虽然我们已经开展了数据治理和共享融合专项工作，但数据质量依旧不容乐观。因此，数据标准、认责、质量、集成等工作仍需持续加强。用户领导支持程度数据责任机制工作流程展现工具业务数据规划Textinhere数据治理内容数据治理策略数据应用能力数据管理能力内容对象数据安全管理数据标准管理数据质量管理领导投入力度绩效考核与激励机制资源投入程度业务发展指引程度数据责任程度方法政策与流程体系技术力量投入程度数据需求规范程度数据模型与业务术语报表工具与分析方式需求管理与控制流程用户支持与教育程度数据需求管理数据生命理数据责任管理数据建模元数据数据质量稽核数据安全等级数据授权访问建议与思路

建议五：加大数据治理力度（案例）南方某电力公司开展的数据治理专项工作1、现状摸底建议与思路

建议五：加大数据治理力度（案例）南方某电力公司开展的数据治理专项工作2、原则和体系数据治理工作应该与数据治理结果影响的部门有直接的利益关系。例如，业务数据规划是为了满足各业务管理主题对数据的需求，因而，业务数据规划应当由相关业务部门牵头应当将合适的数据治理工作职能赋予合适的部门，尽量缩短管理半径、减少沟通成本，这样才能充分发挥数据管控的管理效率，并保证数据治理工作的有效性在整个数据生命，数据治理的具体责任按照不同的管理目标落实到不同的管理部门。以利益相关原则和管理效率原则为基础，实行责任的明确分配，这是体系良性运转的前提数据可以划分为不同的管理层次，在每一个管理层次上，数据管控的目标是不同的，但也是明确的。建立一套分工合作的工作机制，使各层次之间的数据管控工作相互协调、相互配合，以促进整体数据环境的改善。遵循四大原则，构建数据资产管理体系利益相关原则管理效率原则责任明确原则分工合作原则建议与思路

建议五：加大数据治理力度（案例）南方某电力公司开展的数据治理专项工作3、数据认责数据提供方数据使用方数据管理方职责定位明确岗位职责关系示例建议与思路

建议六：不仅仅是结构化的除了传统的结构化数据采集、处理和应用，随着智能终端、物联网设备的逐步大量应用，以及针对文本（含日志）、图像、视频、地理位置等数据处理技术的革命性突破，基于非结构化和半结构化数据的采集、处理和分析将为公司生产经营提供崭新的应用平台和认知视角。“两票”响应速度数据量PB级GB级TB级实时年度及年度以上日-月主/配网遥测、遥信数据智能表计数据故障录波数据结构化数据非结构化/半结构化数据生产计划数据某著名企业规划数据输变电设备遥视数据输变电设备状态监测数据缺陷记录设备故障记录某省市场交现场照片资料PMU数据气象数据发电机组运行数据各类业务报表专题研究报告会议记录值班日志业务系统日志仓储库存记录用户账单/缴费记录调度电话录音用户信息员工人事信息会计数据建议与思路

建议六：不仅仅是结构化的（案例1）南方某电力公司开展的配网物资需求预测分析1、研究方法根据预测性应用建模方法，选择相应的需求预测算法，构建与优化物资需求预测模型开展业务管理现状调研分析明确工作目标和范围需求预测基础数据调研分析需求预测基础数据数据质量分析预计需求预测模型要求，进行基础数据的准备和加工从业务目标出发，评估物资需求预测结果，依据评估情况进一步调整和优化模型依据物资需求预测结果进行业务管理决策，并设计业务方案开展行动1.工作范围确定4.需求预测模型建立与优化6.决策与行动2.基础数据分析5.需求预测模型评估3.基础数据准备数据建议与思路

建议六：不仅仅是结构化的（案例1）南方某电力公司开展的配网物资需求预测分析2、主要成果1初步建立了一套适合供电企业的预测性分析方法论建立了项目群清单（配网物资）和物资需求预测模型有效利用关联业务数据，辅助于全局供应链绩效的提升提升日常工作效率，使操作及管理工作更及时、更灵活、更准确。234建议与思路

建议六：不仅仅是结构化的（案例1）南方某电力公司开展的配网物资需求预测分析3、文本数据处理低压电缆低压开关柜低压电线交流不间断电源三相多功能电能表……GlobalK-Means聚类算法10kVSF6环网柜10kV电缆分接箱10kV干式变压器110kV电力电缆110kV钢管杆110kV钢管组合塔……项目一级物资使用情况分词、词频统计业务理解业扩配套开关工程配某著名企业改造台区改造应急抢修负荷工程环网工程……72个项目群项目类型属性集合有别于传统处理方式，通过对3-5年各类“碎片化”

配网项目需求、采购计划、批复以及大量系统文本字段（均为非机构化性质）采用聚类分析（全局K均值），以大量历史数据代替传统的专家推断，从而建立具有近似的物资需求分布的项目群。建议与思路

建议六：不仅仅是结构化的（案例2）新加坡政府某省市区域指挥监控和实施预案制定集成了44项跨政府部门的业务用例4个视屏分析软件的集成应用实时生成约600GB的侦测和预警数据处理约700GB视频记录集成了48的实时视频采集资源2个地铁站包括共24个高清摄像头12个

共同监控设备12个警用监控设备保障了2014年F1新加坡站和新年倒计时两个重大事件构建了基于实时视频数据的12仿真模型每个基于高级分析技术的仿真模型平均包括150参数集成20多个聚集业务规则在可视化和传感器上全面应用通用数据格式，促进集成共享效率Closure整个建设过程采用9个敏捷开发过程被选为新加坡某省市高峰例包括新加坡海关、公安、国安、内务等6部门1、方案总览建议与思路

建议六：不仅仅是结构化的（案例2）新加坡政府某省市区域指挥监控和实施预案制定2、视频分析1、监控和治安全局调控2、交通道路实时调控3、地铁站实时调控4、基于人脸识别技术的可疑份子甄别摄像头实时回传信息、定位系统跟踪调度资源、配合地理信息平台，实现全景式指挥调控。将多个私有的视频平台进行集成整合，并应用全局视频分析模式实现智能监控。建议与思路

建议六：不仅仅是结构化的（案例2）新加坡政府某省市区域指挥监控和实施预案制定3、实时仿真和预案编制1、地铁站疏散预案仿真（空间建模）2、基于摄像头实时信息源的仿真预测模型3、数据源实时信息监控4、基于仿真模型形成应急预案在空间模型下，基于大量摄像头实时人流数据的仿真模型，突破了传统预案和应急的事后分析方式。通过实时仿真，有助于提高预案的匹配程度，也最大程度提升应急响应效率。各类外部数据源建议与思路

建议七：从外部认识自己企业正处在一个被互联网、社交网络、物联网环抱的大环境之中。除了日常工作记录、分析报表、考核指标等企业数据以外，很显然，包括上游设备供应商的历史记录和维护数据、下游客户用电行为和能源采购特征等外部数据，正在不断地传递着反映企业运营绩效和风险状况的信号，也不断地某省市场环境、商机或危机的发展态势和演变模式。通过创造性地利用来自互联网、社交网络、物联网的、看似“碎片化”的信息，能够有效地突破公司运营的小数据观，从海量外部数据中启发式地探索深藏在稍纵即逝中的动态规律、不确定中的确定因素、中的稳态效应。供应商监管机构互联网网页社交媒体和社交网络外部数据库智能设备建议与思路

建议七：从外部认识自己（案例1）某省市级电力公司开展的基于社交网络客户诉求分析1、研究方法数据获取构建微博客户诉求关键词库构建微博数据抓取的蜘蛛算法获取微博用户的合法信息与具体微博内容形成服务工单微博分类构建微博分类算法，对微博进行内容识别与分类，明确用电客户的抱怨点微博事件识别与匹配将微博数据与事件，如停电、客服事件等，建立关联关系，实现对事件的评判和分析用户分析识别用户身份，敏感度及影响力，分析用户常用活动区域，便于对重点关注的微博进行跟踪和掌控情感判别构建情感判别算法，对用户的微博内容进行情感判别，准确识别用电客户的负面微博建议与思路

建议七：从外部认识自己（案例1）某省市级电力公司开展的基于社交网络客户诉求分析2、主要成果成果应用示例1：以GIS地理信息为基础，全面整合多渠道的客户抱怨信息，进行监控与分析。准实时监控多渠道的客户抱怨分类型、分区域的客户抱怨分析分析客户抱怨的地域分布、类型分布及变化趋势监控不同渠道的客户抱怨信息，并基于GPS信息在地图上呈现与跟踪。微博事件辨识并形成工单通过地理位置、发布时间，客户关注点等内容，将微博打包形成客服工单成果应用示例2：辨识并提炼客户抱怨的微博信息群，并打包形成客服工单进行后续跟进。微博事件分析与评估定期对停电、客服等重要事件进行分析，回顾客户抱怨发展过程，实现事后评定建议与思路

建议七：从外部认识自己（案例1）某省市级电力公司开展的基于社交网络客户诉求分析3、分析示例以台风“天兔”为例，用电客户在微博上的抱怨高峰变化，会随着天兔的轨迹以及停复电进展而变化，可支持客服和抢修资源的合理分配。2013年9月22日19时40分登陆2013年9月23日8时减弱为热带风暴2013年9月22日~24日共23301条微博城市2城市1故障抢修不及时家电损坏赔偿安全隐患停电通知9月21日9月22日9月23日9月24日9月25日城市1、2、3出现高峰城市4出现高峰某省城市1城市2城市3城市4城市5微博客户某省市境内分布微博客户诉求发展趋势建议与思路

建议七：从外部认识自己（案例2）某某著名企业集团通过客户大数据，开展精准营销，由分析到执行方案综述本案例以麦当劳的世界杯套餐为例（基于麦乐家庭餐为例——81.50元/份）在世界杯期间64场比赛的每场前1小时进行互联网营销

。传统客户细分数据数据性别：男年龄：18-48收入：>5000块/月住址：黄埔/浦东/静安…寻找目标群体大数据镜像数据：>5天/月浏览订餐网站：是拨打订餐电话：是浏览世界杯网站：是访问世界杯频道：是点播世界杯比赛：是0-8点连接基站数：<30-8点流量数：>10Mb+市场调查数据大数据活跃用户？接受送餐？球迷？看球？代码A01A02A03……号码189…133…181………abc…bac…aaa………电邮……………每场比赛开赛前1小时推送世界杯套餐第1波：电子邮件打开邮件？第2波：点击链接？第3波：短信sms回复短信？进入mini站点选择世界杯套餐确认送货地址/联系方式同意条款提交订餐订单是是是否否否进入甜品促销流程否进入饮料促销流程否建议与思路

在技术方面下一代商业智能大数据分析技术云计算与大数据技术采用融合下一代商业智能和大数据分析技术的混合式技术架构Gartner总结了大数据相关的80多个关键技术**来源：GartnerHypeCycleforBigData2014建议与思路

建议八：下一代商业智能基于数据仓库和可视化技术，企业级商务智能环境已基本建成，它被用于满足源自操作层、管理层、决策层的各类报表、自定义报表、钻取查询、预警、统计分析、大批量数据传输等需求。随着内存技术、流计算、数据挖掘等技术的不断发展，下一代商业智能将实现实时经济，进一步提高决策效率、丰富可视化终端（如手持设备）、加强业务交析融合、简化实施及治理过程。交分析环境套装定制ODS/DW/BI/DM/可视化环境BI应用可视化应用SAPERPHybrisAribaT1其他.NetABAPJaSAPBWSybaseIQBO/CognosFlex定制Tableau关系型数据库/文件当前的BI环境商用内存计算工具SAPHana、OracleTimesten等数据质量管理工具实时数据仓库技术数据联邦数据挖据/模式识别下一代BI技术建议与思路

建议八：下一代商业智能（案例1）埃森哲与加拿大某省市HydroOne电力公司共同构建某著名企业资产监控平台集成了分布于各个业务领域的全方位的资产数据，构建了分层分级的资产综合评价体系，形成了360度的统一资产视图，搭建了基于一致性数据、资产评价体系和分析模型的可视化分析平台。全方位的资产数据集成资产综合分析平台多场景的模拟预测基于7个指数的360度统一资产视图集成了各个业务领域的全方位的资产信息构建了基于风险的、分层分级的资产综合评价体系，形成了360度的统一资产视图以一致性数据和分析模型为基础的、可视化的资产综合分析基于预测模型的、可视化的多场景模拟12341、方案总览狠抓数据集成，技术并不图新鲜。平台组件包括ERPECC、BW、BO和Space-timeinsights。建议与思路

建议八：下一代商业智能（案例1）埃森哲与加拿大某省市HydroOne电力公司共同构建某著名企业资产监控平台2、数据集成和质量数据状况可靠性完整性用户信息用户数量重要用户信息电表信息资产状况物理状态诊断资产属性制造商,型号铭牌数据维护历史巡视检查维修翻新/重建维护计划巡视检查维修翻新/重建地理空间信息经纬度,海拔地形人口某著名企业网络操作历史记录负载故障设置健康&安全安全事故产品安全性公告多氯联苯PCBs,石棉经济性投资成本维护成本折旧账面价值全生命本所集成的资产信息数据具有数据类型多、数量庞大、存储分布广、实时更新等特点。有特点的是，除了资产设备相关的基本信息外，该平台会计算可靠性、完整性两个数据状态指标，为资产监控和分析的可信性和可操作性提供直观的建议。建议与思路

建议八：下一代商业智能（案例1）埃森哲与加拿大某省市HydroOne电力公司共同构建某著名企业资产监控平台2、基于空间集聚的区域资产监控1、基于GIS分析资产风险空间积聚特征3、分层分级分析资产风险水平4、按资产类型分析资产风险水平2、分区域分析资产风险水平建议与思路

建议八：下一代商业智能（案例1）埃森哲与加拿大某省市HydroOne电力公司共同构建某著名企业资产监控平台3、基于GIS的资产状态分析1、基于GIS分析某个区域变电站状态情况3、分析站内资产状态情况4、通过大卫三角形分析变压器状态故障原因2、基于GIS分析站内资产状态情况建议与思路

建议八：下一代商业智能（案例1）埃森哲与加拿大某省市HydroOne电力公司共同构建某著名企业资产监控平台4、基于资产生存曲线的投资预测1、分析资产生存曲线2、基于资产生存曲线预测未来的故障概率4、以年技改台数预测未来的资产状态水平3、以年技改台数模拟预测未来30年技改建议与思路

建议八：下一代商业智能（案例2）某著名企业某省市公司开展的内存计算验证1、目标和架构解决以下问题:

数据量大、运行效率差问题（时间长、超时）取数逻辑复杂，造成运行无效率问题(当前、完整的信息)因运行效率问题，致无法及时提供支持紧急需要的决策信息(辅助决策不及时)随着应用持续深化,大数据量的高效成本管理问题（系统资源）

分担负荷较重系统的查询与报表制作业务需求(聚焦营销系统)目标架构建议与思路

建议八：下一代商业智能（案例2）某著名企业某省市公司开展的内存计算验证2、运行效率查询提升时间倍数数据量(万条)相同条件下，数据量越大，提升效率越明显。建议与思路

建议八：下一代商业智能（案例2）某著名企业某省市公司开展的内存计算验证3、数据压缩HANA验证阶段，只记录了X3850inmemory（服务器内存中数据）数据压缩比平均值为8.06倍，当时HANA版本为SP13，迁移至DL980，并升级为SP30后，压缩比平均值为5.11倍。建议与思路

建议九：大数据分析技术商业智能技术往往基于结构化数据和经典的数据仓库环境。为了能够实现数据源混合处理和高性能计算，需采用基于Hadoop和Spark等分布式处理框架的体系架构，构建大数据存储与分析环境。融合商业智能和大数据分析特征的混合式平台技术的应用将成为公司企业级大数据技术平台建设的关键技术路线之一。目前大数据分析环境的主流技术构成：Hadoop、Spark等大数据分布式处理框架NoSQL数据库关系型数据库非结构化/半结构化数据存储SAS、R、Mahout等数据分析工具流计算引擎可视化工具知识发现工具建议与思路

建议九：大数据分析技术（案例1）全球著名线上视频点播公司奈飞（Netflix）的大数据分析技术架构。分布式键值存储处理量：~1000亿记录/天事件：用户行为日志维度：用户属性/媒体内容例如：用户7开始下载媒体17播放点在分钟13AWS的云平台：优点：无需担心数据的存储物理地点缺点：约10%的性能消耗Sting(AdhocVisualization)Looper(Backloading)Forklift(DataMovement)Ignite(A/BTestAnalytics)Lipstick(WorkflowVisualization)Spock(DataAuditing)长任务处理(SLA)与临时任务(Ad

Hoc)并存Hadoop集群上存在约3000-5000个实例大数据的Metadata(主数据)告诉上层应用：什么数据在哪里存储任务的SLA任务属性（Batch/Schedule/AdHoc）各个API的描述MapReduce任务：>1000/天并发任务：100+不同实例间的数据迁移高定制化的最终用户应用利用JaScript编写松耦合的用户界面内存缓存常用数据保持数据项的更新建议与思路

建议九：大数据分析技术（案例2）某国内运营商的大数据分析技术架构。56

建议与思路

建议九：大数据分析技术（案例3）埃森哲创新实验室的大数据分析技术架构。数据流采集数据流关系型数据库其他数据关系型数据库采集大数据环境监控和管理机器学习Hive元数据管理和监控数据主节点及任务调配分布式存储及数据处理高级分析和统计计算可视化展示敏捷数据混合数据质量、编排、集成数据科学自动化及模型管理处于萌芽期的新兴技术建议与思路

建议十：云计算与大数据云计算的应用应当是大数据技术平台的重要特色之一。云应用可分为以下四种情况：IaaS私有云（企业）：根据混合式分析环境的技术特点和大数据分析的资源特征，构建度身定制的大数据云基础设施。DaaS数据云（企业）：面向不同的数据源，构建数据云服务，集中管理数据聚合、清洗和质量管理等数据相关技术工作。SaaS分析云（企业）：建立大数据分析的软件服务云，企业各单位根据自身需求实现应用场景的定制应用。SaaS服务云（企业外部）：根据外部数据采集、加工和分析的实际场景（如面向客户的需求响应门户或某著名企业应用等），构建对外开展业务的服务云（既可以部署在集中式数据中心外网环境中，也可以部署在其他商用云服务环境）建议与思路

思路：电力大数据的价值主张在已有专业化管理基础上，进一步加强现实数据处理和分析能力，在部分领域或场景下引入用“数据”说话的文化，转变思路，挖掘信息价值，对内促进运营绩效，对外探索数据变现和业务创新。二、运营监测一、数据共享三、风险防控四、数据变现五、业务创新加强业务融合和数据共享，提供全局数据质量，建立大数据思路和用“数据”说话的文化。再次审视作业数据和管理数据的采集方式，推动数据采集和数量分析技术改造工作，做到实时、全面监测公司运营状态，以及自动预警、预判。通过数据模式，及时捕获生产运行和经营管理中的危机、隐患，通过数据仿真作业及管理现场，采取合理的应对措施，规避和控制风险。将数据作为公司重要无形资产进行管理，运用平台经济、共享经济的思维，通过与外部数据或客户需求的集成匹配，探索电力大数据增值利用和价值变现的方向。将大数据处理和应用作为电力企业未来的主要生产工具之一，分析挖据数据中蕴藏的规律或模式，在互联网+的大背景下，促进业务创新和服务优化。建议与思路

思路：大数据的工作框架，从入门到精通大数据业务大数据技术企业信息（大数据）规划传统统计分析（描述性）某著名企业生产运行分析某著名企业经营管理分析某著名企业客户行为分析高级分析和数据科学（预测性）某著名企业生产运行分析某著名企业经营管理分析某著名企业客户行为分析数据变现/共享经济/众包生态数据资产管理下一代商业智能技术应用（含可视化）数据集成及共享多数据源存储和处理技术应用内存计算/高性能分析技术应用分布式大数据应用环境混合式大数据技术架构及关键技术路线企业级数据仓库环境整合优化外部数据处理技术应用云计算应用（私有vs混合、云服务模型）数据标准数据质量数据管理流程及执行数据安全建议与思路

推荐用例一：电力技术改造大数据技术驱动电力技术提升改造，包括两类场景：一是在生产运行领域中的大批量生产数据准实时处理技术应用改造（包括采集、存储、编排、集成、质控、事件响应等）；二是在经营管理领域中管理信息管理和专业统计分析技术升级。信息管理和统计分析技术大数据处理和作业实时响应加强企业信息管理企业信息战略及大数据规划数据标准制定数据质量管理（包括职责界面、运作机制、流程等）提升专业分析和综合统计技术基于专业需求，在业务透明度要求高、管理风险较为集中的领域，应用统计方法和分析技巧，提升专业事前、事中、事后的管理制定跨专业信息交互标准，捏总各部门综合分析需求充分利用基于数据仓库的企业级分析环境，摆脱对专业报表系统的依赖：建立电力企业数据仓库模型，调整数据提取、转换、加载逻辑，构建合理、实用的数据仓库和某省市应用可灵活配置的轻量级统计、分析、报表工具，支撑数据分析展示生产运行领域的大数据处理运用启发式方法和知识发现技术：通过应用基于搜索技术的信息发现工具，连接多个异构数据源，辅助生产技术人员和物资采购人员跟踪问题线索，寻找逻辑推演中难以发现的隐患或问题。如2010丰田公司通过Endeca知识发现工具连接内外20个数据源，发现车辆事故原因（即驾驶座脚垫太滑），此外Endeca等工具也广泛应用于舆情监控和刑侦案件分析（如著名的美国棱镜门项目）。优化电力设备状态监控：基于openScada和Hadoop分布式框架，优化电力设备监控和数据采集技术改造表计数据采集技术环境：研究论证基于大数据分布式框架的海量/实时数据存储、处理和实时响应技术，探索下一代智能表计数据采集技术路线提升配某著名企业需求响应能力：通过连接和集成配某著名企业传感器，基于分布式的大数据处理环境（包括分布式数据处理框架、基于X86分布式计算节点等）。建议与思路

推荐用例二：数字化渠道和客户需求响应随着某著名企业互联网、社交网络的发展，数字化渠道客户服务已成为全球电力企业联系客户、理解客户、影响客户的重要服务资源。借助数字化渠道（包括网页、社交网络和媒体、某著名企业应用等），实时多触点客户联系和感知，采集和挖掘目标客户留存在数字化渠道中的行为痕迹（如浏览记录、活动响应、评论等），基于Web分析、知识发现等处理技术，捕获客户用电行为特征、分群特征、活动喜好和渠道忠诚度等，为开展主动式需求响应提供核心依据。*Opower是一家由一群毕业于美国常青藤院校的学生创立的公司，定位全球领先的家庭能源管理，专注于公用事业客户行为分析和需求响应，目前约10%的美国家庭Opower的服务。2014年4月4日已在纳斯某省市。Opower创新的需求响应方案，是基于Schultz和Cialdini等人针对美国能源用户的社会行为学的重要研究成果。大数据处理平台，其组件包括：能源数据分析引擎基于数字化渠道的客户交互引擎外部集成建议与思路

推荐用例三：产业链的最有价值信息提供者大数据处理架构是物联网最关键的集成、分析和展示平台。智能终端、传感器网络等物联网技术为数据获取提供了新方式。通过存储、处理和分析物联网数据，构建核心信息资产，提供给产业链的其他参与者（如供应商、发电企业、消费者、监管部门等），用信息撬动产业链互联互动。卡特比勒公司的安装基地和诊断解决方案采用集中式管理，运用远程信息处理技术，对设备数据进行采集和分析，使产品维护和闲置时段降到最短。该平台技术已有偿开放给客户和供应商进行应用。信息平台登陆页面复杂资产设备列表设备警报、故障代码时间、地点、燃油消耗设备的使用位置和时间详情建议与思路

推荐用例四：规划设计的众创众筹某著名企业规划设计与社会经济领域的其他复杂系统（如城建、交通）规划设计类似，既需要符合规范和标准，又需要满足整体设计需求。全面连接其他设计单位的开放数据平台，引入众创众筹机制，构建面向广大电力客户以及相关系统专家的规划设计数据平台，为某著名企业规划设计提供完备依据。某省市城市规划设计院于2015年3月30日上线“全心全意悟·空”众创众规新平台和空间查询体验的新模式。这是一个开放某省市民的平台（包括网页、某著名企业APP和它让任某省市民用一段话、一个线条、一副画表达对上海某省市的设想。虽然只是基于传统网页展示，也没有高技派的数据分析工具，但该平台单纯地体现了开放的大数据思维和众创众筹思路。附件

关于大数据文化关于文化，我们来看一下毕达哥拉斯教派的一些有意思的规矩：1、禁食豆子2、东西落下了，不要拣起来3、不要去碰白公鸡4、不要劈开面包5、不要迈过门闩6、不要用铁拨火7、不要吃整个面包8、不要掐花环9、不要坐在斗上10、不要吃心11、不要在大路上行走12、房里不子13、锅从火上拿下来的时候，不要把锅的印迹留在灰上，而要把它抹掉14、不要在光亮的旁边照镜子15、当你脱下睡衣的时候，要把它卷起，把身上的印迹摩平如何用“数据”说话，绝非做一、两个项目，开展若干项工作就能实现。大数据文化的形成应被视为推动公司大数据创新实践落地、植根的重中之重。附件

三年Gartner大数据技术汇总（1/3）大数据技术发展变化迅猛，很多关联技术在涌现后出现整合、消亡，而更多的新技术随着应用的深化仍在不断涌现。技术201220132014

阶段成为主流阶段成为主流阶段成为主流InformationValuation萌芽大于10年----High-PerformanceMessageInfrastructure萌芽5到10年萌芽5到10年萌芽2到5年PredictiveModelingSolutions萌芽2到5年萌芽2到5年--InternetofThings萌芽大于10年过热大于10年过热5到10年Search-BasedDataDiscoveryTools萌芽5到10年萌芽5到10年萌芽5到10年VideoSearch萌芽5到10年过热5到10年过热5到10年DataScientist萌芽2到5年萌芽2到5年--DynamicDataMasking萌芽5到10年过热5到10年冷静5到10年InformationCapabilitiesFramework萌芽5到10年萌芽5到10年过热5到10年SocialContent萌芽2到5年----ClaimsAnalytics萌芽2到5年萌芽2到5年--ContentAnalytics萌芽5到10年过热5到10年冷静2到5年Context-EnrichedServices萌芽5到10年过热2到5年过热2到5年LogicalDataWarehouse过热5到10年过热5到10年过热5到10年noSQLDatabaseManagementSystems过热2到5年过热2到5年--SocialNetworkAnalysis过热5到10年过热5到10年--AdvancedFraudDetectionandAnalysisTechnologies过热2到5年过热2到5年--HybridCloudputing过热5到10年过热5到10年--OpenSCADA过热5到10年过热5到10年--plex-EventProcessing过热5到10年过热5到10年过热5到10年SocialAnalytics过热2到5年冷静2到5年冷静2到5年SemanticWeb过热大于10年----Cloud-BasedGridputing过热2到5年冷静2到5年--CloudCollaborationServices过热5到10年----CloudParallelProcessing过热5到10年冷静2到5年--GeographicInformationSystemsforMapping,VisualizationandAnalytics过热5到10年----DatabasePlatformasaService(dbPaaS)冷静2到5年----In-MemoryDatabaseManagementSystems冷静2到5年冷静2到5年冷静2到5年附件

三年Gartner大数据技术汇总（2/3）大数据技术发展变化迅猛，很多关联技术在涌现后出现整合、消亡，而更多的新技术随着应用的深化仍在不断涌现。