福州水務大數據中心 注重數據服務與應用能力的平臺
引言：福州水務集團有限公司（以下簡稱“福州水務”）成立于2008年，注冊資本21.2億元。現有各級參控股子公司60多家，包括1家A股上市企業及2家國家級高新技術企業。福州水務是一家集供水、排水、環保、溫泉、綜合服務五大板塊為一體的綜合環境服務商，市場拓展至省內外，輻射江西、廣東、江蘇、浙江等16個省、市、自治區。運營17座水廠，總規模195萬噸/日，其中福州主城區供水服務范圍覆蓋福州市四城區約250平方公里，服務人口超280萬人；運營污水廠24座，污水處理規模176萬噸/日，原水供應規模336萬噸/日（含在建），總規模707萬噸/日（含在建）。
福州水務于2018年成立信息化指揮部并組建數字水務研究中心，正式啟動數字水務建設。在數字水務建設的初級階段，福州水務規劃了“一個大數據中心、三大板塊、六大體系、八大重點項目”的“1368”數字水務戰略。在該戰略指引下，福州水務通過大數據中心建設，向上支撐集團生產運營、營銷客服、管理管控三大板塊的不同應用，以推進集團的數字化、智慧化轉型。
項目概況
福州水務大數據中心項目結合公司發展戰略的需要，建立適應智慧水務的，具備行業影響力的大數據中心，統一數據標準，提升數據質量，為各類智慧應用提供堅實的數據基礎，最終為管理運營提供有效的決策支持，提升數據的價值。
項目背景
福州水務高度重視營商環境以及客戶服務工作，持續不斷推出便民舉措，并引入先進的服務理念以及工具和手段輔助客戶服務工作效率和質量的提升，公司相繼建設了營銷系統、報裝系統、呼叫中心等多個系統，這些系統對于客戶服務工作開展起到了良好的支撐作用。
在福州水務集團有限公司“FS1368”數字水務戰略指引下，為進一步升級和優化客戶服務水平，對客戶服務相關的數據資源進一步集成和整合，充分發掘利用數據資產價值，為福州水務的客戶服務工作人員提供更便捷的工具用于支撐服務工作，在進一步提升服務于響應速度和質量的同時，實現更進一步的精準服務和主動服務，為福州市民提供更好的用水服務體驗。
2. 項目簡介
福州水務數據資源規劃建立了數據資源的統一標準體系，描繪了數字化企業的數據流的基礎來源，保證數據的來源唯一性；對所涉及的數據進行準確的定義，包括該數據的各種屬性的描述。通過對業務管理層、決策分析層和基礎工作層等信息數據需求的分析，確定出數據在各層次的具體表現、交換方式、數據部署狀況，從而在此基礎上制定出企業數據規劃框架設計和實施策略。福州水務大數據中心即以此為標準進行建設。
大數據中心平臺覆蓋全鏈路的數據集成、數據模型、數據資產、數據質量、數據開發、數據運維、數據共享服務等不同階段的數據開發場景。并將原來通過人工經驗+人工約定的數據模型搭建改為系統化的規范方式，實現從模型的基礎配置到在線設計的規范化過程，使得無論從數據庫、表和字段層面上，形成系統化的命名規范。定時監控規則運行、即時生成校驗報告，輔助定位數據質量的問題根源，實現數據高可信、高可用的目標。
項目目標
通過的統一數據匯聚和標準管理的能力、統一維護并對外提供服務的模式，盤活融通數據資產、激活數據服務能力，促進“產業數據化、數據產業化”的正循環效應，從而實現“統一標準規范、統一數據存儲、統一數據資產、統一技術平臺、統一數據服務、百花齊放應用”的效果。
（1）實現公司海量數據的集約化管理
建立基于Hadoop大數據中心，實現為各個應用提供包括離線計算、實時計算、多維分析、統一資源管理及分布式文件系統服務。實現對“原、制、供、排、污”全業務鏈的生產數據和業務數據，進行集成和整合，構建“人”,“水”,“廠”全方位的水務行業數據資產，并提供多維度數據資產的感知、分析、監控的能力；可構建面向水務基礎設施數字化管理、管養精細化、調度智能化、服務扁平化等應用場景的水務數據服務總線，實現企業級的數據服務發布和共享，支撐技術中心管理人員，長期高效的運營數據服務能力，提高企業整體數據運營能力和工作效率。
（2）實現公司運營管理的全面降本增效
實現企業全面大數據治理，實現跨系統、跨部門自動化數據流轉，實現生產、管網輸配、營銷客服等業務統一全面數據共享和業務整合，全面提升系統自動化協同和閉環能力，建立公司統一數據標準體系，依托數據全面整合，整體分析公司運營管理各個節點和問題環節，實現制度、流程的優化和簡化，全面提升公司工作效率，降低人耗、物耗和流程內耗；實現應用系統數據和其他業務領域數據全面打通和共享，全面提升數據實時性、精準性、共享能力。例如：1、營收客服數據能夠為水廠生產、精細化調度提供精準水量預測；2、為全面漏損分析、水質分析提供數據支撐；3、為產銷差分析提供優化分析模型的數據服務；4、可以通過熱線電話分布區域信息和管網GIS信息，實現水質等問題精準定位等業務。從而實現生產體系、管網輸配、二次供水與營銷客服系統全面的數據打通、業務協同，提升整體運營效率，提升整體運營管理水平。
（3）提升公司大數據管理和大數據應用能力
建設全面覆蓋公司生產、管網輸配、二次供水、營銷客服體系的大數據中心和大數據應用平臺，實現大數據標準體系建設，實現水務多領域數據融合，單一來源數據價值挖掘空間狹窄，更多數據價值創造將依賴多源數據融合，建設大數據中心為基礎的統一的數據標準體系，從而實現數據全面共享，標準化交換和價值挖掘，提升公司綜合運營管理能力。通過大數據標準化數據模型，實現各個業務系統數據全面共享，沉淀數據資產和共性能力，以平臺+應用的建設模式，最終實現數據資源集約化利用，提升公司數據管理能力。
（4）提升公司全面對外數據服務能力
隨著智慧城市、數字化城市的發展，政府機構、社會公眾、工商企業對水務公共事業基礎設施、生產運營、營銷客服的數據共享、服務能力共享的訴求日益增強，公司需要建立基于數據中臺的標準大數據服務，對外提供規范統一、安全穩定、高效靈活的數據服務；構建數據服務能力平臺，為政府、社會機構提供高效率、智能化大數據應用服務；通過平臺數據集成和計算查詢優勢、對外提供高效和標準化的數據服務，而不是通過傳統的應用系統開發提供定制化接口，從而全面降低對業務系統的依賴和局限性，全面降低公司對外服務運維成本。通過標準化、高效率、易維護的數據服務平臺的統一服務接口，為智慧市政、智慧社區等領域的應用建設提供全面的大數據技術支撐。
二、項目實施概況
1. 項目總體架構和主要內容
本項目提出了一種基于Hadoop分布式并行計算技術的總體架構。該架構涵蓋了離線數倉和實時數倉，提供了數據批處理與流處理的計算能力，為不同業務場景提供了一個數據計算支撐平臺。圖1給出了大數據中心的總體技術架構圖。
圖1 大數據中心總體技術架構
Hadoop作為大數據管理平臺一個核心應用，大數據管理平臺建設為了更好的滿足應用需求和結合Hadoop的性能、功能，采用Hadoop的HDFS作為分布式大數據量存儲的核心。大數據中心平臺通過對Hadoop的定制來滿足實際應用的需求，通過開發分布式計算程序來提供和支持云計算和大數據的分析挖掘。
在該系統中，整體分為數據采集層、模型計算層、數據服務層和管理運維層等四個層次。覆蓋了水務行業水廠、管網、二供、營收、客服等全業務數據采集、計算與共享等方面。
3. 具體應用場景和應用模式
應用場景
（1）建立統一數據匯聚中心。將主題數據進行梳理，通過采集、清洗、轉換工作，匯聚至大數據中心進行存儲，打破了數據孤島現狀，并建立數據存儲標準，為后續數據開發、數據共享、數據應用提供數據支撐。
（2）建立服務總線。大數據中心建立數據服務總線，打通并建立統一的業務系統與異構系統數據共享通道，將大數據中心自身數據以服務形式進行封裝輸出外，也將業務系統自有接口進行注冊轉發，以此建立數據服務市場，將企業內所有數據服務統一發布，各類異構系統可瀏覽市場，并按需申請服務。解決對接通道太多、數據服務無法監控、重復接出、對業務系統造成壓力、無法管理等多種問題。
（3）綜合業務平臺。該平臺主要面向坐席客服人員，將營收、報裝、表務、工單、熱線、短信等日常坐席人員所使用的系統進行數據整合，提供匯聚上述系統關鍵用戶信息的綜合查詢頁面。通過綜合業務平臺，可直觀的展示用戶畫像，通過簡易搜索條件，如用戶手機號、客戶編號等快捷查詢相關用戶的基礎信息、繳費記錄、欠繳信息、抄表信息、短信發送記錄、報裝記錄、熱線服務工單、熱線錄音等所有關聯數據。同時該平臺也可作為企業客戶信息關系查詢渠道，為營管、客服等相關部門提供業務輔助。
（4）提供報表工具。大數據中心提供了自定義報表工具，該工具不受限于報表的格式、統計維度，且能隨時變更報表樣式，快速制作報表。業務部門只需要提供報表內容的統計邏輯，由信息管理部門利用大數據中心開發平臺制作出相關數據指標，業務部門即可自己將數據指標拖拽至表格區，自由定義所需要的報表樣式，極大的縮短了報表制作時長，降低報表制作門檻。
應用情況
外部業務應用概況
目前大數據中心支撐了網上營業廳、微信公眾號、產銷差系統、財務系統的數據服務。這種模式，相比傳統數據服務開發效率提高50%以上，徹底解放即時開發所帶來的人力消耗，數據靈活復用有助于提高數據開放共享能力，推動數據資產服務化，讓開發者集中精力關注創新應用的業務需求。
以網上營業廳為例，在對接大數據中心之前，是需要分別與原營業收費系統對接賬單查詢接口，與工單系統對接工單申報接口，與微信公眾號對接公共信息發布接口等等，這些接口只能單獨服務于網上營業廳，其它第三方平臺無法直接復用。
而大數據中心作為網上營業廳與營收、報裝、工單、表務、短信平臺等業務系統數據交換的唯一通道，幾乎支撐了網上營業廳所有功能的運行，極大的提升了接口復用性，能夠通過接口訪問權限，為任意第三方平臺提供必要的接口服務。同時，也極大的簡化了數據流結構，通過大數據中心的監控能迅速定位出故障發生位置，便于后期數據管理與監控。
內部可視化應用情況
包括1個綜合業務平臺、2個駕駛艙、2個大屏、3個數據挖掘主題（改善每月抄表情況、優化水表管理、改善工單處理狀況），共計88項指標和19張報表，覆蓋了水表、用戶檔案、抄表、計費、工單、報裝、話務和收費等業務，極大提升了營銷數據的使用價值，為基層業務人員日常工作提供了切切實實的便利。
例如：營管部每月要統計連續0噸用戶清單，以便篩選出異常用戶，安排人員現場核實處理，減少企業水量、水費損失。此項工作，據工作人員反饋，每次需要花費將近1周的時間，從原營收系統中各個位置統計、導出，然后再作篩選，工作量大，并且容易出錯。而大數據中心提供的“連續0噸用戶清單”報表，可以自定義查詢固定時間段內連續XX月0噸用戶清單，經業務人員核對，數據準確、使用便利，從根本上協助業務人員釋放了工作壓力，極大的提高了工作效率。
圖例1：業務報表工具
綜合業務查詢平臺匯聚了營收系統、報裝系統、工單系統、表務系統、熱線系統和短信平臺的相關數據，平臺會根據每個用水戶的用水行為，自動建立用戶畫像，同時也支持通過一個平臺，一次操作，查詢出6個系統的業務數據。綜合業務查詢平臺為客戶服務中心業務人員提供了統一、便捷、快速的服務平臺，當坐席接到用戶來電時，即可通過來電號碼定位用戶，為坐席人員提供用戶基本信息、用水信息、繳費信息、工單信息、歷史短信、歷史來電情況、停水情況等等全方位的數據，極大的縮短了服務時長，提高了便民服務體驗。目前該平臺已在“客服熱線中心”進行試運行，該平臺的數據呈現方式得到了業務人員和相關領導的認可。
系統相關截圖如下：
圖例2：綜合業務查詢平臺
圖例3：營銷駕駛艙
圖例4：客服駕駛艙
圖例5：營銷報表
圖例6：客服報表
5. 其他亮點
1.全鏈路基礎營銷體系數據工廠，支撐大數據中心多樣性需求。數據平臺覆蓋全鏈路數據集成、數據模型、數據資產、數據質量、數據開發、數據運維、數據共享服務等不同階段的數據開發場景，全面支持大數據中心建設過程中的多樣性需求，開發過程無需切換多個工具
2.規范化數據模型開發，實現數據資產可視化。將原來通過人工經驗+人工約定的數據模型搭建改為系統化的規范方式，實現從模型的基礎配置、到在線設計的規范化過程，使得無論從數據庫、表和字段層面上，形成系統化的命名規范。可實現數據資產元數據可更新、可維護，支持多級類目管理，確保數據資產分門別類，便于后續的查找和維護。
3.通過全流程監控打造數據治理閉環機制。基于各行業實戰經驗，平臺內置多種校驗規則，滿足大多數場景下的數據質量檢驗需求，定時監控規則運行、即時查看校驗報告，輔助定位數據質量的問題根源，為數據高可用性保駕護航。最終實現對數據質量問題實時監測，事前準備、事中監測、事后報告，讓數據達到高可信、高可用的目標。
4.零代碼生成API，數據服務調用全流程監控。數據獲取無需編碼，通過在線配置簡易、快速創建API，并通過在API市場上架，實現對于數據服務的統一化管理，提高數據應用效率，挖掘數據共享價值。根據數據服務調用情況進行實時監管，后臺安全可控。
三、下一步實施計劃
雖然大數據中心（一期）重點是營銷客服專題，但這并不意味著大數據中心只支持營銷客服板塊數據的匯聚、開發與服務，根據數字水務規劃，在大數據中心的目標就要做成一個支持多元接入的能力平臺。所以，后續水務集團中排水、溫泉、污水、工程等等不同業務類型，不同數據存儲方式，均能通過大數據中心進行數據的二次開發和共享。
四、項目創新點和實施效果
1. 項目先進性及創新點
（1）先進性
1）異構數據存儲、冗余存儲和PB級別的計算能力
支持多數據，包括結構化數據、半結構化（JSON/BSON，XML形式存儲）、非結構化數據，例如純文本、圖片或者圖層數據的高效存儲以及讀取。
數據分片冗余存儲多份以上。
通過使用MPP技術，在高負載下可保持高性能，每機架每小時可處理高達10T的數據。
2）基于SQL的快速批處理
支持通過SQL語言對數據進行高效批量統計的能力。同時利用全局/輔助索引進行SQL執行加速，可以滿足高速的OLAP數據分析應用需求和高速的SQL離線批處理。
3）低延時高并發查詢
支持多種索引，包括全局索引（GlobalIndex）、局部索引（LocalIndex）、高維索引（High-DimensionalIndex）以及全文索引（Full-TextIndex）等；
支持通過SQL進行復雜條件毫秒級高并發查詢，滿足在線存儲和在線業務分析系統(OLAP)的低延時需求。
4）高級機器學習功能
內嵌Apache MADLib 機器學習庫，提供大量機器學習算法，支持R、線性代數和機器學習功能。
5）數據高度壓縮
采用了業內領先的壓縮技術，提高性能的同時，顯著地減少存儲數據所需的空間。客戶可以將所用空間減少3-10倍，并提高有效的I/O性能。
6）動態擴容
便捷的小規模或大規模擴展，同時避免高成本的設備或SMP服務器升級。
7）本次技術選型相對Hadoop、Hive、Spark等常規大數據平臺技術的優勢
性能：在6臺8核16G的服務器上對30億條記錄做統計分析查詢，Hadoop+Spark花費的時間接近120秒，GP用時1秒；
索引支持：GP支持持二叉搜索樹、哈希、位圖、GiST和GIN，從而能夠實現多種索引功能，提供給數據架構師實施優化設計所必需的工具。
事務支持：同時支持OLAP和OLTP，Hadoop等不支持數據庫事務；
數據加載速度：高性能的并行數據裝載器可以在所有節點上同步執行操作，裝載速度超過4.5TB/小時；
易用性：完全支持ANSI SQL 2008標準和SQL OLAP 2003 擴展；從應用編程接口上講，它支持ODBC和JDBC。完善的標準支持使得系統開發、維護和管理都大為方便。而現在的 NoSQL，NewSQL和Hadoop 對 SQL 的支持都不完善，不同的系統需要單獨開發和管理，且移植性不好；
數據壓縮：GP可以對冷數據進行壓縮，壓縮后減少的磁盤空間10倍以上，并提高有效的I/O性能。
8）報表引擎優勢
提供報表設計器，支持多維度報表結構設計，支持多層嵌套的表頭信息，支持多數據源
（2）創新點
1）集成kettle到大數據中心
集成kettle到大數據中心，統一由大數據中心進行etl邏輯編撰和作業調度，使用kettle剝離數據存儲到ODS層，降低近半數據量存儲。
2）實現了API統一管理
研發了水務數據底座技術，建立了API（數據服務接口）庫，很方便的實現了與第三方軟件產品及數據對接。
3）整合空間數據和業務數據
通過分析、抽取、整合GIS系統與其它業務系統的基礎數據，從而提升了業務數據可視化的能力。
4）提供了數據倉庫建設標準
借助多年的水行業業務經驗，課題建設了標準的DW層和DM數據數據結構，便于以“USB口”的形式，直接接入任何同類型產品的ODS層數據，減少了對接難度和時間。
5）提供了常用指標的標準算法邏輯
基于“營銷”和“生產”體系，形成了標準的指標算法邏輯，由于該算法從標準的DW層和DM層獲取數據，所以可提升各類指標算法的復用性。
6）大數據中心建設及挖掘數據價值
基于數據分析挖掘，實現水務業務從被動服務到主動服務的轉變。
2. 實施效果
（1）大數據中心在網上營業廳的應用
大數據中心共為網上營業廳提供98個接口，其中13個接口直接從大數據中心的數據倉庫中獲取用戶、賬單等數據， 85個接口為各關聯業務系統接口，在大數據中心注冊、轉發和管理。接口日均訪問量超萬次，接口調用成功率99.98%，接口平均調用時長約0.6秒，其中賬單類的接口調用時長在1.2秒左右，其它接口大多數在1秒以內。
通過接口服務支撐模式，極大的減少了網上營業廳在系統后端的開發投入，大數據中心直接承載了多個業務后端邏輯的調研、梳理、開發及服務，包括：應收列表、營收明細、繳費信息、水表信息、用戶代扣信息、系統收費方式、年度賬單用水總量、年度賬單用戶信用等級、年度賬單年繳費類型、年度賬單加價費用、查詢客戶編號、查詢用戶畫像等。
（2）大數據中心在水務智慧大腦的應用
大數據中心為福州水務智慧大腦提供5個接口，其中4個接口直接從大數據中心的數據倉庫中獲取用戶、工單、停水等數據，為集團總覽板塊、供水總覽板塊和營銷客服板塊提供數據支撐。1個接口在大數據中心注冊、轉發和管理。接口每日訪問量合計20次以上，接口調用成功率100%，接口平均調用時長約0.5秒。
福州智慧大腦綜合大屏的數據不僅僅來源于大數據中心，如果將其接入數據來源分為大數據中心與非大數據中心，非大數據中心的數據接入比較繁瑣，信息工程師需要開展數據情況調研與業務計算邏輯、指標數據開發、結果校驗、服務封裝等整個過程，信息工程師往往對接一個指標數據需要花費兩周，甚至更久，而來源大數據中心的數據則可直接進行服務調用，前期的所有工作由大數據中心直接接管，甚至后期數據維護、監控管理都不需要參與，水務智慧大腦平臺只管使用即可，大大縮短了水務智慧大腦的建設周期，減輕了后端管理的壓力。
（3）大數據中心在產銷差分析系統的應用
大數據中心為產銷差分析系統提供了8個接口，系統每日從大數據中心接口中獲取抄表數據與用戶表信息數據，主要用于計算三級分區的供水量、一二三級分區的售水量、監控表與戶表對應關系，得到產銷差的計算結果。接口每日調用頻率700次以上，接口調用成功率100%，接口平均調用時長約0.7秒。
在大數據中心提供支撐之前，產銷差系統為獲取用戶信息與水量開賬信息則需要每日多次請求營業收費數據庫，這將增加營業收費數據庫的負擔，影響營業收費系統的日常運行效率。此外獲取到的水量信息還需要進行合并同一戶水表的每月多次開賬記錄等特殊化處理，才能接入產銷差系統正常使用，不僅繁瑣，且時效性極低，通過大數據中心接口即可避免這一操作，實現數據標準化規范化輸出至其他應用系統。
（4）大數據中心在水力模型業務的應用
大數據中心為供水水力模型系統提供了7個服務接口，涉及用戶信息更新、抄表、用戶狀態、區域水量等方面，以往水力模型需要直接對接營收系統匯總的“表卡信息表”、“客戶信息表”與“營業賬子表”，但由于該表按月份分表、分庫存儲的，如果涉及跨月查詢統計時，非常繁瑣，需要對歷史表進行組合、篩選和計算，將會降低查詢效率、增加接口維護難度，水力模型很難做到精準的在線計算。
在與大數據中心對接后，通過大數據中心對分歷史數據的處理計算機制，提供API服務為水力模型高頻輸出和更新用戶、抄表和分區等營收數據，支撐模型的爆管處置和方案模擬的計算結果，提高水力模型系統在在線計算時的精準度。接口累計訪問量已近萬次，接口調用成功率100%，接口平均調用時長約0.4秒。
（5）大數據中心在停水區域劃定及消息推送業務的應用
傳統的停水發布在操作上較為繁瑣，需要大量線下協調對接，容易出錯和遺漏，特別在營管部做好停水計劃時，需要通過郵件發送給客服部，客服部再打開短信發送平臺，將郵件內容復制進去修改發送。在信息精準度上也沒有辦法把控，如發送微信停水信息，不論是否受計劃停水影響的用戶全員普發，導致關注“福州水務”公眾號的群眾每天收到無關停水信息，久而久之造成用戶對停水消息麻木對待，真當自己小區停水時可能也不會關注到，偏離了微信停水推送的初衷。
針對上述情況，大數據中心團隊聯合營管與客服部，將大數據中心能力與GIS平臺能力相結合，通過GIS圈定停水區域，將停水信息精準的推送到受影響用戶的手機和微信上，整個過程流暢、便捷、精準。如：營管部打開“停水區域劃定”應用，在GIS上圈定停水區域，系統將自動分析出受影響的小區名稱、受影響小區數量、受影響用戶數量等關鍵信息，并與大數據中心建立數據通訊，得到受影響的重點用戶、小區用戶、散戶等詳細信息。客服部可即時收到營管部提交的計劃停水方案，并可進行二次修正，并結合從大數據中心自動獲取到的用戶手機號、微信ID，一鍵將停水信息精準發送到用戶的手機和微信上，真正做到誰受影響就發送給誰。除計劃性停水外，大數據中心還提供了爆管影響分析等搶修性停水主題的發布。
（6）大數據中心在數據挖掘與分析中的應用
傳統大數據中心建設的目標較多的都只放在出大屏與報表上，關注點不夠深入，沒有充分發揮大數據中心應有的價值。本次項目建設就突破了大數據中心傳統定位，探索性的開展數據挖掘分析工作。通過分析原始的業務數據，關聯各個業務系統的數據邏輯，從中提煉出有價值的數據，直觀暴露出已存在的各類管理問題、數據問題、業務操作規范問題及系統功能設計問題，將有助于管理層針對性制定相應的管理措施，對癥下藥，及時堵漏、補缺，從而提高工作效率、改善工作環境、提升工作質量和客戶滿意度。本次嘗試性的對工單、水表、抄表情況開展了探索分析，樣例時間為2020年12月數據。
如在水表分析方面：25*****339，該用戶為施工用水，2020年7月水表就已上線，但是當年均無水量記錄，原因是沒去抄表，直到2021年2月才第一次抄表，第一次抄表水量就達3091噸（據觀察，實際后續每月用水為400噸左右）；21*****223，該用戶已于2012年12月就已拆遷，但是水表狀態一直為正常，經核查，有大量此類未更新水表狀態的記錄存在；10*****776，該用戶為某物業公司，水表狀態正常，但是已連續12個月以上抄表水量為0噸；10*****055，該用戶為DN40大口徑用戶，2014年水表就已失蹤了，但是水表狀態正常，2019年還有繳費記錄（轉賬繳費），應核核查該用戶具體用水情況。
（7）大數據中心在服務能力支撐的應用
大數據中心目前已不斷的發揮著自己的作用，在提供大數據業務支撐能力之外，也間接的對與大數據中心無關的業務提供了支撐。如水司建立的庫管系統，根據開發要求，需要與水務財務系統進行對接，達到資產數量與金額賬務同步的目的。但在對接過程中心，庫管系統的開發模式不支持財務系統提供的服務接口類型，導致對接工作無法進行。大數據中心了解情況后主動充當“中介”角色，將財務系統服務接口注冊至大數據中心，并將其轉換成庫管系統所能支持的接口類型，使得對賬功能得以順利進行。截至目前，做為通道功能已支撐了上述系統38403次的交互工作。
AII微信公眾號
AII頭條號