电力大数据治理方案

目前，数据成为电力企业的战略资源，数据治理成为电力企业信息系统集中建设、大数据应用、智能分析决策的重要基石。电力企业数据治理不能单纯以数据质量、血缘分析、元数据管理等传统IT技术为主，需在数据治理中与业务紧密结合，与数据处理环节密切配合，使数据管理的成果能够高质量的为分析应用提供数据服务。

针对电力企业数据治理现状，紫光软件旗下紫光数智凭借丰富的指标规划、数据治理以及数据分析经验，遵循一体化管理、数据全过程管理和支撑集团化管理的三大原则，提出适合电力企业战略实现以及专业业务管控的电力大数据治理方案。该方案目前已在已经在、华能山东发电、华能陕西发电、华能宁夏能源、华能西藏雅鲁藏布发电、华能新疆能源等多地落地应用。

一、方案概述

1、以数据资产管理为核心：实现数据资产的核心要素可配置，便于数据资产的增删改管理，支持类生产设备资产管理的功能。
-指标台账管理：建立统一的指标分类体系，覆盖战略、生产、经营、综合业务链，完善指标属性及指标含义，标准化指标管理过程，为企业基于指标化的数据、报表和其他应用提供支撑；
-维度口径管理：以维度分类为索引进行多角度分析，提炼机组类型、装机容量、厂站分布、电价类型、交易品种等多种专业维度；并行规范时间周期、区域省份维度；个性化处理管理归口、权益归口等特例，解决不同业务部门之间描述相似数据问题的定义差异。
-指标编码管理：依据数据规划成果，参考电力行业分类代码标准、KKS编码标准等，对指标编码信息进行维护、发布，对机组为代表的主数据进行编码管理。
-计算模型管理：对电力供电煤耗、厂用电率、利用小时、上网电量、负荷率、发电量、入炉煤量、度电成本、发电边际收益等经济技术指标进行统一定义和管理，规范上述指标之间、上下管理层级之间、日月年之间的统计办法和计算顺序。通过指标方向链条、转换模型、计算时序、等进行管理，避免重复计算、避免资源浪费及数据冲突。
-数据模型管理：对数据模型进行分层分区存储，兼容多组织的个性、共性数据，实现访问简单、计算高效的目的。
2、以数据流程为主线的数据全生命周期管理：实现数据处理的核心环节可配置，便于数据处理的数据、流程、表单的增删改管理，支持类业务流程管理的功能。
-数据采集管理：对数据采集任务的各环节进行相关配置，标识发电实时业务系统、ERP系统、燃料系统、预算系统、财务系统等业务源头、技术对接模式、管理执行模式，并且对采集过程进行监控管理。 
-数据流程管理：支持数据业务处理的工作流（计划-燃料-生产-营销-财务），数据在系统内流转的数据流（ODS-DW-DM），使数据处理程序化，便于数据质量的监控、跟踪及回溯处理。
-数据表单管理：数据表单是数据业务流程的基础，支持不同管理层级（班组、厂站、区域公司、集团公司）与不同角色（报送、审核、发布）的人员人机交互，支持无样式表单和有样式表单，基于指标库配置，支持版本管理。
-数据报送管理：确立源和计算关系，一次填报多次应用（发电量报表、燃料进耗存报表、营销电量电价报表、环保报表……），并根据实际的业务内容确定填报方式。
-数据融合配置：对数据来源多头的情况进行自动配置（关口表数据、线路计量、系统数据）和手动配置（补录、内部抵消），处理数据冲突，确保数据源性。

3、全过程闭环的数据质量管理：实现数据质量的全过程控制，从数据质量的录入、采集、审核发布等环节提升数据质量，提供流程监控、质量监控、质量考核、血缘追溯等功能。
-数据输入校验：以业务管理为指导，制定数据强校验、弱校验规则，提示发电量价异常、成本收益对标异常、经济技术指标波动异常等，为数据质量检核提供依据。
-审核发布管理：支持报送、审核、发布的强管理流程，落实数据责任主体（归集到生产运营、燃料供应与化验、市场营销、预算与核算……）。
-数据流程监控：监控流程执行进度、延误、状况等，评估流程运行质量及完善方案。
-数据质量监控：采用数据表单和计算模型建立数据流主要环节的数据质量监控模型，支持质量过程评价、支持督办与核办。
-数据血缘追溯：错误数据层层追踪，解决共享数据的可信度、质量、版本信息等问题，获得数据在数据流中的演化过程。
-数据质量考核：根据数据职责，分解数据质量到各专业、各系统，建立数据质量评价体系，收集评价信息，定期形成质量报告（时效性、误差率、共享率……）。

二、方案特点

-以指标数据为主的治理范围：发电企业信息化程度难以实施全数据治理，指标数据治理需求迫切、见效快、见效明显。
-自上而下的数据治理模式：现有的应用系统技术条件要求必须建立集中平台，现有信息管理能力决定必须实行集中化强管控。
-数据治理与业务管理相结合：数据治理不仅仅是标准规划问题，数据治理和业务管理相结合，才能真正推动数据治理落到实处。业务管理可以真正协助数据全过程可管可控；数据治理与业务治理的结合，才能实现管理需求的快速响应。
-数据治理与数据增值相结合：数据是核心信息资产，数据治理是形成数据资产的有效手段，数据资产只有通过数据增值发挥其价值。通过数据治理、数据增值双促进，才能确保数据治理成果的保值增值。