1、数据是怎样炼成的中国宝武大数据建设实践方亮宝信软件/大数据中心/大数据建设运营服务中心 主任数据是生产要素大数据中心是新基建国家数智化转型钢铁生态圈宝武宝武大数据建设背景宝武大数据中心成立使命：构建互联互通大数据体系，融合创新钢铁数字生态宝武大数据中心任务基础设施建设（基础）数据技术研发（技术）治理体系建设（体系）互联生态构建（应用）宝武“1+N”大数据中心架构围绕“一个新技术平台”和“一套运营治理体系”，建成联邦式的“一个中国宝武大数据中心”，按照“技术统一、分级管控、互联互通、协同共建、权益共享、云化部署”原则，逐步建设形成中国宝武全域全级次数据资产，高效赋能集团钢铁生态圈各大业务场景。宝

2、武大数据体系建设三位一体统分结合管办分离目标：建立逻辑统一、物理可分、互联互通的“一个大数据中心”深入学习阿里数据中台建设的方法与实践宝武大数据能力建设算法与算子管理算法部署算法训练结构化数据时序数据非结构化数据文档数据流式数据数据规划数据开发数据监控数据治理资产目录数据地图数据标准服务市场报屏报表自主分析报告数存（数据分类存储）Data Store数成（数据百炼成识）Data Succeed数智（数据分析智能）Data Smart数现（数据价值呈现）Data Show数典Data Standard第三方工具提炼智慧汇聚资产数据字典标准XIn3Plat平台大数据xData 5S技术组件-“存成

3、智现典”全层次实现数据的“看得见、用得着、管得住、进得来、出得去”工业应用：试点探索阶段，离线训练+在线应用数据现状：存储为主、价值化利用少数据特点：文档、图片、音频、视频等非结构化数据，价值密度低，数据量巨大典型应用：表面缺陷自动分级、多曲线分析、视频AI、智能搜索、知识图谱等工业应用：成熟应用阶段，事后分析为主+事中监控为辅数据现状：数据仓库离线分析为主数据特点：ERP、MES等管理数据为主，结构清晰，价值密度高，数据产生和采集频度较低典型应用：统计报表、指标考核、绩效评价、可视化跟踪、供应商评价、库存预测、销量预测等工业大数据IT数据其他数据OT数据IT数据其他数据工业应用：工业大数据重

4、点开拓方向，事前预测+事中优化为主，事后分析数据现状：L2L1&BPC实时使用、存储周期短、不断流失数据特点：工艺、设备等过程数据为主，基于时间序列数据，价值密度较低，数据产生和采集频度高，数据量大典型应用：工艺动态优化、在线监控、诊断、预警、判定、评价、SPC分析、性能预报等OT数据工业大数据类型云端数据中心CDM：跨专业跨工序跨领域数据汇聚、融合贯通，形成标准化的公共数据模型边缘数据节点边缘数据节点边缘数据节点边缘数据节点云边统一数据治理ODS：贴源数据离线采集存储与实时计算处理ADS：面向各类业务场景，实现个性化数据赋能智能标签画像AI算法模型数据共享服务结构化数据半结构化数据对象文件数

5、据传统流程应用智慧创新应用向上数据采集向下数据赋能关键业务过程全链路模型核心业务对象全要素模型业务决策分析指标模型工业大数据架构主题域概念数据模型围绕业务对象构建逻辑数据模型物理数据模型业务对象对象与过程矩阵ODS、CDM、ADS 物理数据模型表业务指标业务过程数据域业务过程模型特征值模型业务指标模型数据分类标准业务术语标准数据元标准数据设计开发规范技术视角模型分类：ER模型、维度模型、DATA VAULT模型、ANCHOR模型业务对象逻辑数据模型数据项n 数据项英文n 数据项中文n 引用的数据元标准n 数据项类型n 数据项单位等n 业务过程模型n 业务指标模型n 特征值模型n 物理数据模型围

6、绕业务对象、业务过程、业务指标等自下而上和自上而下设计逻辑数据模型工业大数据建模n 业务发生事实：热轧板坯、加热炉等“业务对象”；板坯入炉、板坯加热等“业务过程”n 业务分析指标：板坯投入量、板坯库库存量等“业务指标”n 业务指标关联到业务对象和业务过程，明确了产生指标的业务数据来源n 板坯在产出、入库、加热、粗轧等过程中产生很多属性和信息，在各系统数据库中有记录，但定义不一样，通过数据元标准来规范化定义数据元标准英文中文类型长度精度单位值域SLAB_NO板坯号VARCHAR无SLAB_WT板坯重量FLOAT吨SLAB_HD板坯厚度FLOATMM工业大数据治理一些阶段成果n 一套可落地的工业大

7、数据建设治理方法n 一部集团级数据管理的机制与规范n 制造企业数字化转型的软实力n 适配集团型制造业的大数据管理工具n 初步形成集团内互联互通的大数据中心n 数据管理能力成熟度评估获得DCMM4级n 钢铁制造领域核心业务数据标准n 一批高质量数据资产与数据服务n 若干赋能智慧制造的大数据创新应用困局与思考数据应用建设面临的痛点：数据多源头、多口径统计，同名不同义、同义不同名，没有标准的数据定义，造成数据不一致。数据作为资源，数据所有者/管理者/开发者职责不清晰，数据问题难以从根上决策解决。数据应用开发项目，不同项目组之间缺乏统一的数据标准协同，造成数据大搬家、打通难、共享难。数据治理的难点：数

8、据作为隐形资产，价值难以量化，企业投入数据治理的内在驱动不够强。数据治理是一项复杂琐碎、牵扯到方方面面、并且难以量化工作的庞大工程。数据治理工作短期内难以看到成效，是一项需要长期持续的基业工程。“重应用建设而轻数据建设治理”是目前企业数字化转型过程中最典型的现象数据不一致，不好找，不可信，不好理解，不好使用，安全无法保障，困扰业务决策改善这些问题都是数据治理的目标数据治理是大数据中心建设的核心工作之一，是数据真正转化为资产的基础信息孤岛不可怕，可以通过技术手段去打破藩篱。但传统思维孤岛才是数据要素价值话的最大阻碍需要开放的心态，来迎接制造的创新理念，通过数据融合，塑造协同创新文化你的采购管理系统我的制造管理系统他的销售管理系统大数据中心困局与思考THANKS