起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識電力行業如何做好數據治理，其核心的3個步驟
編輯導語：電力行業在運營的全過程會產生大量有價值的數據，這些數據是電力企業的重要資產，然而如今電力大數據也面臨著一些挑戰。本文對電力行業的數據治理進行了分析，一起來看一下吧。
眾所周知，電力行業在“發、輸、配、用、調度”等全過程都有大量有價值的數據產生，而這些數據對于電力企業盈利與控制水平的提升有較高的價值。有電力專家分析稱，每當數據利用率提高10%，便可使電網提高20-49%的利潤，因此電力大數據是電力企業的重要資產。
隨著社會各行各業向數字化、網絡化、智能化發展，大數據和信息技術的應用將為電力企業帶來潛在機遇和廣闊的應用場景。然而在把握市場機遇的同時，電力大數據也面臨一些挑戰，比如如何釋放電力大數據價值，如何建立權威、共享、安全的大數據體系是電力大數據領域重點關注的問題。
與此同時，電力行業近年來對數據開放、共享、融通的需求與日俱增，令電力數據安全建設的重要性也不斷提高，而大數據治理作為解決數據問題的關鍵措施，逐漸成為電力企業關注的焦點。今天小億就來說說電力行業的數據治理。
一、背景
如今，電力企業的數據資產呈現典型的大數據特征，這些電力數據來自電力生產和電能使用的發電、輸電、變電、配電和調度各個環節，包括電網運行、設備管理、營銷服務和企業管理等各類數據，蘊藏著反映電力企業生產經營和客戶服務狀況的豐富信息。
因此，數據作為電力企業的戰略資源，數據的資產管理、全生命周期管理和質量管理就顯得尤為重要，這將成為電力企業信息系統集中建設、大數據應用、智能分析決策應用的重要基石。
我國電力企業一般為大型國有企業，其管控模式多為“集團-區域-電廠”多級管控，同時分為計劃、財務、生產、安全、環保、燃料、物資等多專業管理。
企業數據經過多年的積累，數量龐大；同時在多級管理、多專業管控中，體現出數據口徑多樣、各專業口徑數據差異、綜合數據歧義等情況。同時上述數據分散在不同單位、不同專業應用系統中，數據基礎不統一，質量參差不齊，因此為企業各級專業管理以及信息化建設帶來困擾。
與其他行業相比，電力行業的數據來源非常廣，不僅涉及到電網本身業務運營和經營管理的數據，還涉及到從電壓、電流、信號處理等各種傳感器采集過來的IOT數據，另外還有大量與分布式電源、居民用戶相關的外部數據，若這些數據得不到有效整合，數據質量得不到提升，電力企業信息共享和智能決策等工作的開展將會收到制約。
大數據治理作為解決數據問題的關鍵措施，逐漸成為電力企業關注的焦點。
二、作用與意義
電力企業數據治理不能單純以數據質量、血緣分析、元數據管理等傳統IT技術為主，需在數據治理中與業務緊密結合，與數據處理環節密切配合，使數據管理的成果能夠高質量地為分析應用提供數據服務，可以在以下方面為電力企業提供幫助：
1. 改進現有產品或預測未來
1）設備檢修
電網公司通過對設備運行歷史海量數據的挖掘展開預測性檢修的研究，以較高的準確率預測出設備運行的未來狀態，預判設備發生故障的可能性，從而達到基于設備狀態來指導檢修的目的。預測性檢修的分析結果對于指導檢修計劃編制、合理安排電網運行方式、優化計劃停電策略等發揮著舉足輕重的作用。
2）準實時線損分析
線損是影響電網運行效率的關鍵因素，對經濟發展、社會生活同樣有著重大影響。準實時線損分析應用基于大數據平臺，通過構建拓撲，利用計量自動化系統的表計數據、營銷管理數據、電網負荷數據等實時數據，自動計算線損率，能夠幫助公司營銷和生產管理人員及時、全面掌握線損情況及薄弱環節，促進節能減排和經濟運行效率提升。
3）反竊電稽查
部分電力公司開展了基于大數據與計算智能的反竊電研究，以電能表和采集終端中的電能計量數據、事件記錄、用戶及終端檔案信息等數據為基礎，利用各類規則對異常信息進行綜合判斷、分析，并結合大數據挖掘技術實現海量數據準實時處理，對現場計量異常情況、竊電行為進行在線監測，發現疑似竊電用戶并輸出疑似竊電用戶清單。
同時支持動態產生異常事件告警，實現對現場竊電行為的在線診斷及竊電行為分析的全過程管理。
2. 為政府、企業等用戶提供決策支持
1）企業復工電力指數
電網可運用營銷系統對海量數據建立算法，得出復工指數，動態監測、直觀反映企業復工復產情況，助力企業復工復產。
根據階段性特征，可將企業復工電力指數劃分成三個區間：
- 抑制區間
- 恢復區間
- 企穩區間
并根據電力復工指數所在區間，從指標趨勢、指標構成、時間節點等維度，按區域、分行業/產業解析企業的復工復產水平，為政府全面掌握企業復工復產信息提供有力支撐，全力服務政府科學統籌，精準推動企業復工復產。
2）區域及行業用電監測
通過采用多維度監測手段，收集不同區域、行業的用電數據（日用電量統計、日用電量波動分析等），構建不同區域、行業用電分析模型，輔助生態環境部門掌握區域及行業的整體用電情況，精準定位存在污染物排放及污染風險的重點區域和重點行業。
3. 給行業客戶提供數據資產服務
企業將大數據能力封裝為開放接口，開放給行業客戶進行訂閱調用，也可根據應用場景提供較靈活的按需定制服務。例如“電力大數據+金融”增值服務。
比較典型的例子有“電力貸”，即電力大數據與信貸相結合。
通過利用電網掌握的電力大數據，一方面可以對銀行所屬區域內的生產經營企業進行大數據巡航分析，有效挖掘區域內潛在的優質客戶資源，為銀行拓展高品質客戶提供渠道。
另一方面，借助大數據分析模型，對銀行貸款客戶進行專項分析和監控，貸前提供交叉驗證結果，貸后定期提供監控報告，及時發現和預警經營狀態異常企業，增強銀行風險管控能力。
三、面臨的挑戰
1. 從管理角度來看，主要存在兩大挑戰
1）數據如何價值化
- 數據資源如何與生產經營的實際場景融合，演變為價值創造的要素？
- 數據要素如何通過財務和法律，轉化為能夠為企業帶來價值的資產？
- 數據資產如何融入到現有的資產管理體系，并具象化為數據服務或產品？
- 數據產品如何承載并固化數據資產的價值？
2）數據要素如何實現流通市場化
- 如何把數據要素轉化為可以交易、流通的數據產品？
- 應該疊加什么樣的商業規則？
- 如何通過市場化交易實現數據產品價值的顯性化，并獲得實際收益？
- 如何形成長效演進、創新發展的數據要素價值的增長模式？
2. 從技術角度來看，存在三大挑戰
1）數據時效性強的挑戰
電力產生、傳輸與消費的情況瞬息萬變，眨眼之間便能產生海量的數據資源。
- 如何對這些數據進行及時、準確的捕獲，并快速完成計算？
- 怎樣對高速膨脹的數據規模進行有效管理和可靠存儲？
- 各方的數據消費需求能否得到及時滿足？
2）數據鏈路長的挑戰
能源價值鏈整合的參與者眾多，價值活動間存在緊密聯系，數據交互需求廣泛。
- 在此情況下，各方數據的交互標準、質量、規范如何有效把握？
- 數據能否實現貫穿交互，能否有效支撐能源價值鏈整合？
3）數據類型多的挑戰
電力行業廣泛部署的物聯網設備，產生了格式不同、頻率不同、定義不同的多源異構數據。
一個業務往往需要從多個角度，綜合多種類型的數據進行描述。結構化數據、時序數據、非結構化數據，如何進行有效融合，獲取洞察？
四、三個關鍵步驟
1. 自動采集各類數據資產信息
對電力企業來說，要想管理好數據，首先需要獲取到企業的全部數據信息，實現業務元數據、技術元數據、模型元數據的全面采集和存儲，在摸清數據現狀的情況下才能有效開展數據資產管理相關建設。
比如，在電力系統數據量成倍增長、數據種類紛繁復雜的情況下，與人工錄入數據相比，自動化采集的優勢也變得更加突出，要想統一管理所有信息資產，企業需要通過相應的數據管理工具，實現對資產信息的自動獲取。
目前實現自動采集的一種方式是根據不同的數據源，開發出不同的采集適配器，多采用直連的方式來實現不同種類數據的自動化采集，包括自動數據信息采集、自動服務信息采集與自動業務信息采集等。
某電力企業數據治理整體框架
2. 全面管理企業數據資產
前面我們實現了業務元數據、技術元數據、模型元數據的全面采集以后，電力企業就能對這些數據資產進行管理了，電力企業在管理企業數據資產的時候，可以從以下3個方面入手：
- 業務元數據與技術元數據的對應
- 數據資產的全面梳理
- 數據質量的管理
自動完成業務模型與物理模型的對應，將能大大減少少業務人員的工作量，同時還能提升技術與業務關聯的準確度，通過此種發那個是快速消除業務與技術之間的鴻溝。之后我們就可以進行數據資產的全面梳理了。
同時，在電力企業復雜的大數據環境中，數據質量會成為突出的問題，比如，電力采集數據是否能夠準確獲得，IOT設備數據是否能夠精確回傳，各個系統的數據是否準確……所以電力企業在大數據采集與數據資產管理之后，還必須要解決數據質量的各種問題。
3. 數據資產服務化
單純對數據進行管理并不是數據治理的最終目標，數據治理的本質應該是讓業務人員更方便地獲取到數據，為其提供技術手段，從而向數據要效益，提升業務能力，達到業務創新。數據資產服務化能從以下3個方面提升效率和業務創新：
- 提供自助數據查詢服務，能夠讓業務人員和技術人員直接通過業務語義找到相應的數據
- 提供自助獲取數據服務，形成數據的通道，幫助業務人員直接獲取找到的數據
- 提供自助數據分析服務，讓業務系統開發人員能夠以業務化的語義分析來分析獲得的數據，比如自助設計報表等
五、小結
電力大數據承載著反映經濟社會運行狀況的豐富信息，具有更及時、更客觀、更精細等特點。
為實現智能電網，未來的電力企業需要打好堅實的數據基礎，而數據治理將在整個大數據平臺中起到中樞神經作用，通過數據治理，將電力企業數據資產管理起來，提供一整套數據資產服務能力，幫助企業快速發揮數據要素的潛在價值。
本文由@ 數據分析獅 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash, 基于CC0協議。
- 目前還沒評論，等你發揮！
