 來源｜2020能源企業數字化創新發展論壇 作者｜美林數據高級副總裁 劉宏 編輯｜小有作為 8月6日，以'科技賦能 變革創新——構建??智慧能源新生態'為主題的'2020能源企業數字化創新發展論壇'成功召開。 本次論壇由中國信息產業商會主辦，中國信息產業商會人工智能分會、信息化建設服務平臺承辦，國家信息中心、國家電網、中國海油、中國電力建設集團、兗礦集團共同支持。 美林數據作為協辦單位受邀出席，公司高級副總裁劉宏分享《新基建思考及能源企業數字化實踐》主題內容。 以下為演講正文： 各位朋友，大家好。我是美林數據技術股份有限公司高級副總裁劉宏，今天我將分享關于《新基建思考及能源企業數字化實踐》。 第一篇章：理解新基建
首先，在理解'新基建'之前，我們需要了解什么是'基礎設施'。基礎設施有兩大特性，其一是基礎性，是必不可少的、不能直接形成價值。其二是平臺性，即泛在性和支撐性，更注重環境、生態的構建。 
其次，我們還需要了解傳統基建與數字基建。傳統基建，是社會經濟中基本的、需耗用大量資金和勞動的固定資產建設。按建設用途分類的話，生產性建設項目包括工業建設、水利建設、運輸建設等，非生產性建設項目包括住宅建設、衛生建設、公用事業部建設等。 而數字基建是以科技為核心驅動力的新經濟發展模式，基礎是5G技術，5G是物聯網、人工智能、萬物互聯、工業互聯網和信息化的基礎。與傳統基建重資產模式相比，數字基建更多是輕資產、高科技含量、高附加值的發展模式。
兩者之間到底是什么關系？我拿一個形象的比喻來說明，傳統基建就好比人的骨骼系統、肌肉系統、循環系統；數字基建就好比人的神經系統和大腦。 兩者首先是相輔相成的，傳統基建是更基礎的系統體系，在沒有強大神經系統和大腦的情況下也能夠繼續生存，在短期內不會被淘汰。但是數字基建一定是依附于傳統基建基礎之上的，不是替代，而是賦能。  數字基建給社會、企業帶來了改變生存方式的機會。例如，以前人類早先是穴居的、打獵為生，隨著智力的發展開始耕種、紡織、畜牧。這可以理解為一種新的賦能。這是因為新的神經系統與大腦發育，創新出新的生存模式。現在的數字基建也是期望探索更多的突破與創新。 當然，新的生存方式的出現，必然會導致傳統基建內容的變化，一些傳統基建開始進化，一些傳統基建開始退化。例如，人類奔跑能力開始退化，但手指卻越來越靈活；人類因為吃熟食導致消化能力的退化，但總體上人的健康與壽命更長了。  我們可以理解數字基建是一次企業/社會的進化過程，由猿向人的進化過程。
新基建是數字基建+傳統基建的升級，既包括了數字基建的內容，也涉及到了傳統基建的升級。 新基建涵蓋了7項內容，三個層面的事情：神經系統的構建（5G、工業互聯網），大腦的構建（數據中心、人工智能），循環系統的升級（城際高鐵&城市軌道交通、特高壓、新能源充電樁）。 這些給我們企業進行數字化轉型指明了方向：從企業的神經系統、大腦、循環系統來考慮企業數字化基礎建設的范圍。 新基建是國家實力向更高層次進化的基礎。是在構建一個全新的生態環境，這個環境向企業提供了由'猿向人進化'的機遇。國家通過新基建給企業提供了數字經濟的大環境，讓企業具備構建自身的神經系統和企業大腦的機會。讓企業能夠完成進化，也就是數字化轉型過程。 因此，可以看到數字化轉型對于企業的必要性。不進化最終就會像猴子一樣要么躲進深山，要么進入動物園。 第二篇章：企業數字化轉型
 當前， 企業已經不是簡單人的群體，而是人、生產設備、生產物資、生產/市場環境等復雜對象的綜合體，這也意味著企業數字化考慮的是如何建立人與設備、物資以及環境之間'溝通'，并相互進行'知識、規則'的學習、傳遞、執行和度量。 這里提到的是'溝通'而不是傳遞，是讓設備、生產物資、環境'讀懂'人們的想法和意圖，并自動的采取正確的操作。還有一層意思是這種人與設備、環境之間的交互是雙向的，而非一方被動接受的。
信息化注重的是人與機器以及人通過機器實現人與人之間的信息交互。數字化的目標則是如何讓沒有人干預的情況下實現人與機器、人與環境、機器與環境、機器之間的自主交互。 信息化更多的是將機器作為信息傳遞和存儲的一種手段，而數字化則是希望機器來替代人類來獨立的完成工作。我們一般理解的狹義上的信息化只是數字化階段的初級階段，數字化的更高階段是人工智能階段。 信息化是圍繞'人'來開展的，數字化則是圍繞'機器'來開展的。主體發生了變化，所以意義也發生了變化。
一個企業要不要進行數字化轉型？回答這個問題需要理解數字化轉型的意義，數字化不僅帶來的是生產經營模式的改變，最關鍵的是給企業經營者帶來企業發展的信心，以及更高層次的發展欲望。  例如，當交通方式是以自行車為主的時候，活動范圍可能就是一個城區；當交通方式是以汽車為主的時候，活動范圍可能就會擴大到一個省；當交通方式成為高鐵、飛機的時候，活動范圍可能就會覆蓋全國。 所以，企業的數字化轉型首先是以自己的戰略發展目標為牽引，如果企業沒有更高的發展欲望，做數字化就沒有意義。（我一直就想在城區活動，那么高鐵與飛機對于我就沒有必要）。
數字化中很重要的一點是具備'高智商'的智慧。人在衡量智慧時，通過觀察力、記憶力、抽象力、思考力、行動力等多個維度進行判斷。企業同樣如此，觀察力即企業信息采集能力、記憶力即信息存儲能力、抽象力即數據挖掘能力、思考力即數據應用能力、行動力即自動控制能力，這是一個企業智慧的體現。 
再進一步對企業智慧的分解，其實就是我們現在大部分企業正在進行的數字化轉型動作。信息采集能力對應物聯網平臺、信息存儲能力對應數據中臺、數據挖掘能力對應技術中臺、數據應用能力對應業務中臺、自動控制能力對應云邊應用平臺。
企業數字化全過程大概分為8個步驟，是一個循環往復的過程。由業務數字化規劃開始——數據范圍——數據獲取——數據存儲——數據質量——分析建模/規則化、知識化——數字化執行階段——數字化能力評估。總體來看，應該是一個螺旋上升的模式。  第三篇章：企業數字化轉型第一步
企業數字化轉型第一步簡單來講，就是讓數據成為生產要素，而不是擱置在存儲器內，是以數據價值釋放為基礎的數據管理。 數據管理鏈條大致分為數據模型、數據標準及主數據識別、數據融合、數據需求、數據分析、數據應用。在每個環節上或多或少都會遇到一些難題。 例如，數據模型一直被重視，但沒有發揮應用的作用。 例如，大家都忙于制定各種標準，最終發現統一標準更加艱巨。 例如，數據壁壘的修建速度往往快于我們的'拆遷速度'。 例如，擁有大量數據，但是業務人員不知道長什么樣，在哪里，怎么用？ 例如，數據分析工具種類繁雜，缺少統一套路。 從單一業務應用視角更深層次的進行理解，我們會發現，企業對于兩端的業務需求以及數據應用認知優先級最高，而把中間的數據獲取放到了較低的認知優先級。但對于系統化視角（即企業信息化部門視角），兩端與中間的各個環節都需要關注，目前最大的問題在于數據整合，如何讓數據面向業務應用時更加友善、便捷。 
我們傳統的思路是統一數據模型——數據標準制定——主數據管理——數據質量管理——數據應用。但在大數據環境下其實變得很困難，因為第一數據邊界是模糊的；第二點數據來源的廣泛性；第三是數據質量認知的多重性，不同的應用對于數據質量有不同的要求。這就導致了傳統的數據治理思路在大數據環境下捉襟見肘。 大數據環境下業務需求是首位的，緊接著是圍繞業務需求整理數據需求，再是基于應用的數據融合，融合之后是數據質量管理，最后到數據應用。
讓數據成為生產要素最大的考驗在于是否實現了數據價值發現過程的數字化轉型，而非人工實現方式。其中包括數據管理的自動化與知識發現的自動化。數據管理自動化主要是多源數據的統一存儲、多源數據融合、有業務目標的數據質量提升。知識發現自動化主要是縮短提取數據的路徑、自動化的建模過程、已有經驗的快速分享。
 原有的主數據治理方法是指人工的數據標準收集梳理，人工的業務系統主數據映射關系梳理以及通過管理手段的標準及主數據統一管理，這是一種大統一的思路。美林提出的思路是基于算法的自動歷史數據識別與基于業務規則+AI的跨系統主數據自動融合，采用先融合再統一的思想。  對于數據標準也是如此，采用融合統一的思路。收集各業務系統自身存在的數據標準，將數據標準進行映射融合，確保標準之間是能夠相互翻譯的。最終實現基于智能化融合算法的快速數據標準制訂，以用促管的數據標準管理以及自動化的數據標準應用評估。
大家都知道模型管理的重要性，但模型管理最大的問題在于表里不一，兩張皮。雖然制訂了標準，但做不做又是另一回事。因為人工設計的數據模型是離線文檔、業務系統數據庫表結構是手工梳理、人工的數據標準與業務系統庫表結構離線比對、通過管理手段要求業務系統進行設計改造，種種原因導致貫標難以成效。 美林數據提出的方案是基于知識圖譜技術進行結構化的數據模型的存儲與展現，自動提取表結構，自動發現表關系，自動進行標準與業務系統庫表結構的匹配度識別，自動構建標準與現實庫表結構的映射關系。并通過自動化的差異感知與動態的標準版本管理確保標準執行保持持續有效。 目前，我們已經推出了自主研發希子圖鑒-數據資產管理平臺，并在電網、風電、水務、制造等多個行業落地應用。平臺采用了全新的'逆向工程'數據資產管理理念，以知識圖譜、深度學習、人工智能技術為主，實現多源頭、跨平臺、跨部門、多形態數據的統一整合，縱向打通企業業務到數據的垂直脈絡，橫向關聯企業的不同業務系統，使分散、孤立的數據成為匯集標準的數據。用圖譜可視化的方式全景直觀的掌握企業所擁有的全量數據資產，構建統一融合的業務視角下的企業數據資產一張圖體系，讓管理的數據成為應用的數據，幫助企業構建數據級智慧大腦。
在數據模型管理之后如何讓業務人員用起來。這里就需要數據云圖，數據云圖包括數據地圖和業務地圖兩部分，兩者需要融合。以數字化形式提供業務全貌，提供業務之間的關聯，提供業務細節的訪問入口。以業務為入口，提供與業務相關的數據全貌，提供數據的訪問，提供數據寬表用于數據分析。類似于高德地圖，使用者不需要懂背后的原理，只需要掌握使用方法。同時，業務、模型、數據其實是三張皮的事情，需要三者相互融合，以數據云圖的形式清晰的展示企業數據倉庫，為企業業務人員提供一種基于業務視角來獲得數據服務的全新渠道。 以上是發言的核心觀點。 |
|
|
