水务企业大数据中心建设之数据入仓

2019年以来，深水集团、杭州水务集团、重庆水务集团、苏州水务集团、郑州供水等众多大、中型水务企业相继启动了数据治理和大数据中心建设项目，水务行业如此密集地开展数据治理和数据中心建设，智慧水务的建设重心逐步发展变化：由建设营收、GIS、SCADA等MIS系统为主的业务数据化，逐步转变至以数据治理和大数据为主的数据业务化；由偏向于数据的生产转为更注重数据资源的管理和数据资产化，水务行业数字化转型迎来新的发展阶段。

图1 数据治理及大数据中心建设是热点

在杭州水务集团、郑州供水、苏州水务集团、江苏中法水务等多家水务企业的数据治理及大数据中心建设工作中，数据仓库建模方法论是一致的，但由于水务行业特性、业务场景的不同，在不同的水务企业，基于大数据的数据仓库建设无法按照统一的项目流程、开发模式进行，更多的是需要根据具体的业务场景结合新的技术体系进行灵活调整，以满足水务企业的实际情况和具体需求。

图2 某水务集团数据仓库工作历程

在实际数据仓库建设中，考虑到底层建设的工作量大，过程时间长，内容比较抽象、不易理解等特点，我们先对水务企业现有的数据资源进行盘点和评估，科普大数据中心建设知识，梳理各条业务线的大数据应用场景，确定数据入仓的范围，挑选各部门需求程度最高的大数据应用场景进行优先建设，一方面能快速看到数据仓库建设成果，另一方面也可以及时发现和调整建设过程中出现的问题，总结经验，为其他大数据应用场景建设打下基础，提高数据仓库建设效率，降低成本。

在数据仓库建设过程中，各水务企业数据仓库建设流程也会有所区别，但主要流程和重点环节基本一致，主要流程和重点环节介绍如下：

图3 数据入仓流程图

一、元数据采集：制定出各信息化系统的元数据清单

根据前期的需求调研，确定本次入仓的信息化系统，并向系统维护人员收集系统操作手册、数据字典等文档以及系统数据库相关信息。通过数据采集工具对各系统数据库的表和字段进行采集，结合各系统文档，确定数据库中所有表和字段的中文含义及字段的数据类型，形成元数据清单。

以营销管理系统数据入仓为例，需要明确哪张表是客户表，哪张是收费表，以及表中每个字段的中文含义。有些系统文档由于没有及时更新，与现有系统数据有不一致情况，则需要信息管理部门与系统开发厂家支持，获取比较准确的元数据清单。

图4 数据采集范围

二、数据筛选：在元数据清单基础上筛选出需要入仓的数据，制定入仓清单

针对元数据清单进行进一步的数据筛选，去除临时表和空表等无用表，确定核心数据表和维度表，提供给信息管理部门进行确认，形成最终入仓的数据表清单。

经过第一步元数据采集，形成元数据清单的过程，可以比较容易的识别出临时表和空表，重点放在空表是否确实为无用表上即可。

三、数据入仓：根据各数据表实际情况，制定出入仓方案，通过专用ETL工具将数据抽取至镜像数据仓库

根据待入仓的数据表清单，以及每张表的实际情况，制定出源数据和镜像数据仓库表之间的字段的映射关系，确定出每张表的入仓策略和抽取规则，是实时抽取还是定时抽取，是全量出抽取还是增量抽取，将规则配置入ETL工具，执行数据入仓。

将数据汇入镜像数据仓库时，因为数据通常来自多个系统多个数据库最终进入同一仓库中，镜像数据仓库对于数据表的命名有专门的原则和规范，与源数据库的表名会有所不同，需要将表名之间的映射关系做好记录，同时制定好每张表的同步规则，如考虑业务系统晚上使用较少，数据同步时间一般放在晚上，错峰同步；

以营销管理系统为例，系统中的组织机构表、客户表等数据不多、变化较小的表可以全量同步，而像抄表数据、收费数据等数据量较大的表可以使用增量同步。

四、数据质量检查：制定数据质量检查规则，定时进行数据质量检核，提升企业数据质量

根据元数据清单以及业务含义，定义出数据质量检查规范、评分标准、及每个字段检查规则，如户号是否唯一，手机号是否为11位数字，身份证号是否为国家规定的15位和18位规则，抄表读数是否为合理的数字范围等。

经过数据质量检核清洗，形成数据质量报告，并将报告结果和未通过检核的明细记录反馈至源系统，形成闭环，PDCA持续提升源数据库的数据质量。通过数据质量检核的数据，进入标准化数据仓库，供主数据管理和数据集市使用。

五、建立数据集市：从业务角度对入仓数据进行梳理，制定数据资产目录以及主数据和业务模型等数据标准，最终形成数据集市

对数据入仓清单进行专题数据识别，划分数据分类与主题，形成数据资产目录，制定出主数据和业务模型等相关数据标准。

制定数据资产目录主要是为了让非技术人员了解企业有哪些数据，因此在制定过程中一般从业务角度进行分类制定，方便业务人员理解。制定数据标准时，一方面需要考虑与现有系统的兼容性，另一方面应重点考虑未来的扩展性和统一性，方便企业对数据的应用，也为新系统建设提供指导。

六、数据应用：建设数据仓库最终是为了更好的应用数据，充分发挥数据在生产运营、营销客服、管理管控中的最大价值

通过数据仓库，水务企业可以拆掉“烟囱”，打破各系统中的数据壁垒，实现真正全面数据共享，同时也让水务企业的分析统计维度获得全面的提高，为企业管理带来新的视角和手段。

数据共享不仅让水务企业内部与外部、部门与部门间的数据获取与共享更方便更快速，也让每一位员工能够获取更全面的信息，提高工作效率，如客服人员不再只能查询营销管理系统内的用户信息，还能知道用户所属的二次加压泵房的工作状态、最近一次水箱清洗的时间、最近一次水质检查结果、附近管网情况、是否有抢修停水情况发生、当天附近是否还有其他用户来电反应相同事件、用水由哪几个水厂提供、附近是否有工作人员可以快速上门、用水由哪几个水厂提供等，真正实现从水源到龙头的管理。

同时通过基于AI算法的客户画像功能，可以识别出更多客户特征，方便业务人员为客户提供更为精细化有针对性的服务，如独居老人关怀、重点用户识别、异常用水分析、工作质量分析、客户服务分析等，支撑精准服务、个性化和主动服务，持续提升客户体验和获得感。

随着《关于加快推进国有企业数字化转型工作的通知》、《关于加快构建全国一体化大数据中心协同创新体系的指导意见》等众多利好政策的推出，数据作为重要的生产要素将逐步成为水务企业的经营理念——凭数据工作、凭数据决策、凭数据指挥。