电力数据通信接入网建设方案的研究与实现
摘要：目前国网公司完成了省级及以下数据通信网优化整合改造主体工作，实现了数据通信骨干网向地市的延伸，但关于接入网方面的建设几近空白。文章以咸宁地区数据通信接入网建设工作为背景，从数据通信接入网建设需求出发，结合咸宁电力骨干通信网实际情况，参照数据通信接入网建设指导意见，提出了咸宁电力数据通信接入网建设方案，可为国内即将大规模开展的数据通信接入网建设提供参考。
关键词：数据通信网;MPLS VPN;设计
1引言
国网公司数据通信网分为骨干网和接入网，截至2016年10月，国网公司完成了省级及以下数据通信网优化整合改造主体工作，实现了数据通信骨干网向地市的延伸，统一了网络技术体制和配置规范，提高了数据通信网的业务承载能力和业务开通效率[1]，但是，关于接入网方面的建设几近空白。随着数据通信网建设规模的全面铺开，地市以下各类业务接入需求的不断增多，未来地市数据通信接入网将成为各类业务系统边缘设备的接入主体[2]。咸宁公司全面推动了地市数据通信接入网建设工作，并对地市接入网络层次结构、链路组织方式、业务接入方式、设备硬件配置及网络安全策略提出了规范化指导意见，以期为同行的数据通信网接入工程建设提供参考。
2咸宁电力数据网现状及需求
目前咸宁地区行政软交换、图像监控系统、高清视频会议等业务形成了各自的独立数据承载网络。随着变电站智能监控等新业务需求逐渐递增，延续以往的独立数据承载网建设模式将导致网络过于复杂。迫切需要“统一规划，统一建设”一张延伸至各变电站、营业所的高带寬、高效能、高安全的数据通信网，以支撑语音、视频、监控、数据等各种电力通信IP业务的接入需求[3]。
3 网络建设原则
本建设方案应遵循以下技术原则：
(1)网络层级划分：地市数据通信接入网应覆盖地市公司级单位、县公司级单位、供电所(营业厅)、35kV及以上变电站等。数据接入网分为核心层、汇聚层和接入层3个层级，网内网元根据所处层级分为核心节点、汇聚节点和接入节点。核心层包含核心节点。
(2)组网架构方式：核心层设备应采用1组(2台)至少具备三层路由功能的交换机，以万兆接口与数据骨干网设备形成“口”字型连接;汇聚节点设备宜采用1组(2台)至少具备三层路由功能的交换机，以千兆接口与核心层设备形成“口”字型连接，或者采用单设备，以两个及以上千兆接口接入地市公司和地市第二汇聚点;接入节点宜采用单台三层交换设备，设备应具备VPN功能，并至少保证以单通道上联汇聚节点。
(3)路由协议：为保证数据的安全性，数据接入网宜采用MPLS VPN组网，业务接入方式根据接入节点类型和接入设备性能采用PE-CE方式、PE-MCE方式或VLAN-TRUNK方式。
(4)可靠性要求：为保证设备安全可靠，数据接入网设备应采用双电源+双主控设计。网络拓扑结构应尽量避免网络瓶颈、降低节点间的依赖性，根据传输和光纤资源情况选用双星型或环型拓扑结构，确保部分节点故障不会导致网络大面积瘫痪[4]。
(5)原则上各级变电站采用传输链路构建通信数据网接入环，每个接入节点各有FE传输电口需求。部分无传输资源节点，如部分直属单位，接入交换机需裸纤接入汇聚节点，每个接入节点各有GE光纤直连需求，需同步启动传输资源调研与传输网络改造项目，满足通信数据网接入端口与带宽需求。
4网络建设方案
根据咸宁地区网络规模和站点种类，将数据通信接入网架构分为核心层、汇聚层和接入层三个层次。
4.1 核心层建设方案
核心层设备主要负责地市网络出口流量及路由的转发，实现地市接入网与骨干网之间的优化传输。咸宁电力数据通信接入网核心层在地市公司本部及地市第二汇聚点220kV塘角变各部署一台路由器，通过万兆链路与数据通信骨干网设备以口字型拓扑结构对接。
地市数据通信接入网核心层设备要求具有冗余能力、高可靠性、高速包转发能力，此外还能够支持很高的路由条目及标签表条目容量。具有全分布式业务处理，支持丰富的路由和MPLS特性，同时支持NSF和FRR特性。要求配置具有高可靠性，配置冗余电源、冗余路由处理器/交换引擎;具备10G端口的板卡能力，配置相应数量的GE端口以便满足连接需求。
4.2 汇聚层建设方案
汇聚层作为连接核心层与接入层之间的过渡层，为接入层提供数据的汇聚、传输、管理、分发处理等。汇聚层需要为接入层提供基于策略的连接，同时可以提供接入层虚拟网间的互联，控制和限制接入层对核心层的访问，保证核心层的安全和稳定。咸宁电力数据通信接入网汇聚层包括地市公司所辖的6个县(市)公司和区内6个重要的220kV枢纽变电站，每两两一组以千兆链路互联并通过千兆链路与核心层设备以口字型拓扑结构对接。
汇聚层设备采用中端路由器设备，作为县级公司核心设备，应具有较高的背板带宽和三层处理能力，具备ISIS/OSPF/BGP路由能力，路由处理和数据交换应分离，具有全分布式业务处理，支持丰富的路由和QOS特性，同时支持NSF和FRR特性。要求配置具有高可靠性，配置冗余电源、冗余路由处理器/交换引擎。由于汇聚层负责接入的CE设备较多，应配备相应数量的GE、FE端口满足连接要求。
4.3 接入层建设方案
地市数据通信接入网接入层主要指地市接入网中直接面向用户连接或访问的部分。地市接入层设备一般用于直接连接电脑，在地市单位接入层设备中，设备普遍具有低成本和高端口密度特性。根据咸宁地区网络现状及设备资金投入情况，综合考虑网络的稳定性、可靠性和可扩展性，实施的复杂性和难易程度，后续管理维护的工作量，现有投资的保护和重复利用，提出下面两种组网方式。第一种方式是全网MPLS VPN，设备均作为PE路由器，采取独立CE或MCE的方式实现各类业务接入;第二种方式是采用MPLS VPN+VLAN方式，PE节点配置子接口将VLAN与相关业务VPN绑定，保证各业务间的逻辑隔离，各业务接入点通过VLAN Trunk链路就近上联至PE节点。
全网MPLS VPN接入方式网络结构简单明晰，业务三层隔离，可以简化对用户端设备的需求和用户管理、维护Intranet/Extranet的复杂性，每个CE仅需要维持一个到PE的路由交换协议，CE间的路由交换、传输控制、路由策略由运营商根据VPN用户的需求来实施;而MPLS VPN+VLAN TRUNK接入方式一次投资相对较低，运维要求较低，设备故障率低，可满足目前业务接入需求，现阶段网络末端接入可采用VLAN方式，待日后业务接入需求增多和传输资源丰富时，可升级改造成MPLS VPN方式。因此推荐本次地区通信数据接入层建设采用方案二的MPLS VPN+VLAN TRUNK方式。
接入层设备需具备ISIS/OSPF路由功能，至少提供24个FE端口，2个GE端口，上述端口满足同时工作的全线速转发能力，具有较高的交换背板，支持生成树、端口聚合和组播等功能，支持QOS标记功能传输链路要求。
4.4 安全防护建设方案
本次地市公司数据通信网延伸改造时，网络的安全防护建设应在《国家电网公司网络与信息安全顶层设计》的指导要求下，遵循以下原则：
(1)规范边界安全。地市接入网网络安全防护体系应符合国网公司网络与信息安全防护的要求，严禁在PE设备之间部署防火墙、IPS等设备。地市接入网应在本部信息CE以下部署防火墙和IDS设备，在县公司、变电站、供电所(营业厅)的CE设备上部署ACL策略，过滤入网流量，严控网络风险影响范围。防火墙和CE设备的ACL策略应当遵循最小权限原则和默认丢弃原则。
(2)强化网络防护。在现有防护体系基础上，充分利用网络自身的安全访问控制措施，强化网络设备安全策略，提升数据通信网自身安全防护强度。在接入网部署IP+MAC绑定技术，严控非法接入。地市接入网网络设备均应纳入网管系统的管理范围，启用日志输出功能，实现日志集中存储、分析、审计。
(3)加强运维管理。应加强人员、设备、密码、运维权限等管理工作，适时开展地市接入网运维审计管理工作。
(4)VPN互通。原则上数据通信网内各VPN之间禁止互通。如有特殊需求需要通过VPN之间互通实现业务访问的需部署安全防护装置，并配置相应安全防护策略并经省公司科技信通部或国网信通部审批通过后，方可执行。
5结语
本建设方案根据现状调研和需求分析，采用MPLS VPN+VLAN TRUNK接入方式，在保护投资的基础上，综合考虑运维能力、安全防护等方面因素，实现了数据通信网的平滑延伸，可为同行的数据通信网接入工程建设提供参考。
参考文献：
[1] 尹少鹏. 十二五数据通信网发展建设的研究[J]. 电力系统通信， 2011(5).
[2] 张淑娟，段敬.山西电力数据通信网容灾设计与实现[J].电力信息与通信技术， 2013，11(12).
[3] 孙国善，徐飞，田锁太，等. 内蒙古电力通信业务数據网的设计[J]. 电力信息与通信技术， 2015，13(6).
[4]郝悍勇， 王一蓉， 樊秀娟. 基于CDN的电力数据通信网加速技术研究及实现[J]. 电力信息与通信技术， 2016， 14(4).
作者：吴海平 姚同照 张红梅 陈世广 黄静 雷雨田 蒋海明
摘 要：在当前的大数据时代发展背景下，电力企业的主要竞争力就是电力营销，过去的电力营销大数据的挖掘和分析有很多缺陷，对此就需要引进电力营销大数据平台，强化电力营销大数据平台建设，实行营销系统大量数据开展的数据挖掘与预测分析等，这样可以将营销业务服务水平与服务效率提升，还可以保证电力企业营销服务更好的发展。本文通过对大数据简单的概述，分析了电力营销大数据平台建设方法，探讨了电力营销数据挖掘技术的有效运用，以期为广大研究相同问题的人士提供有价值的参考。
关键词：电力营销 大数据平台建设 数据挖掘技术
大数据时代的到来，给中国电力企业发展提供了鲜活的生命力。伴随电力市场的持续变化和发展，使得电网企业提出了建立营销配电和别的部门业务的一体化协同运行机制，达到信息共享、协调互动的目的。以及将营销业务管理全程自动化实现，达到营销业务和别的业务信息共享，将营销信息化系统耦合等构建目标实现，构建营销体系，而构建目标则需统一规范信息共享，同时还需要电力营销大数据平台的服务。并且，按照电力营销发展要求，达到营销集中监管的目的，需要将电力营销大数据平台为基础，对电力营销数据进一步挖掘。因而，以下对大数据时代中电力营销大数据平台建设和数据挖掘展开了分析论述。
1 大数据简述
大数据就是经过准时采集和分析，从中挑选出利用价值较高的非结构化数据。大数据具备多样化、实时性以及数量大的特点，因而在处理大数据的过程中需要尽可能将时间减短。概括来讲，大数据有三个特征，可总结归纳为“3V”，即量(Volume)、类(Variety)、时(Velocity)。量，数据容量大，现在数据单位已经跃升至ZB级别。类，数据种类多，主要来自业务系统，例如社交网络、电子商务和物联网应用。时，处理速度快，时效性要求高。伴随眼下信息技术的不断发展，电力公司在信息建设层面投入的力度持续提高，建立起了集团公司一体化信息平台。除此以外，电力公司在电力营销层面构建了用电用户信息档案，经过电子表格以及视频语音等对大数据进行统一化的管理。为紧跟时代发展，电力公司需要在第一时间收集信息数据，使用大数据提高企业工作水平，加深精细化程度。伴随着时代的进一步改革与发展，国内电力营销数据表现出很多特点，这就表明电力公司的电力营销已经慢慢进入了大数据时代。
2 电力营销大数据平台建设探索
2.1 操作系统
在建立操作系统的过程中，应当从以下几个方面来思考：(1)基础设施层，涵盖了服务器与储存等各种硬件资源和操作系统，数据库与别的支持软件等资源数据源层划分成数据储存与访问，数据访问是以数据复制软件Golden Gate与ODI达到数据转换工具的数据储存采用关系数据库Oracle储存缓存数据，企业与系统支持数据。(2)接口交换数据逻辑层。平台管理软件业务逻辑的实现涵盖了标准编码与数据转换管理、数据质量与模型管理、平台资源监控与交换区域管理等8个组件以及应用结构。(3)集成服务层。给别的管理系统提供数据服务，涵盖数据访问Web服务实现与经过JMS实现的消息传输。(4)表示层，根据业务逻辑层组件所提供的功能，所有良好的匹配用户体验的接口均是以Java技术、Swing技术、AJAX技术等方式实现的。
2.2 服务器
电力营销大数据平台的整体结构和电力系统里面丰富的电力数据源流有机融合，涵盖电力与信息流量、业务与故障流量以及气象流量，接着根据具体的工业运用之中推算出来，当作传输与转换。负载控制与管理信息系统、监督控制系统、数据收集系統、还有能量检测系统均会在电力设备和在线监测系统等之中分布、采用以及调节。服务器的稳定性牵扯到了系统的稳定性与可行性。所以，创建一个非常健全的功能以及稳定的服务器是至关重要的。
2.3 储存和数据处理
电力营销大数据平台建设需要全面思考储存技术，将PB与ZB储存空间当成支撑，不然系统易于出现崩溃。所以，在开展储存应用的过程中，需要从储存模块着手，为减少这一模块硬件成本，提升硬件可扩展性，把大数据储存和处理模块建立在通用服务器、操作系统上构建储存单元，标准的服务器即可编程基于这一结构的终端组成单元。另外，储存还可以在大数据调度上当作企业级商业智能运用系统，用于统计或查找等。其次，数据复制转型是数据营销平台的核心功能。经过该功能，电力营销数据平台及时从多个营销业务系统采集业务数据信息，且实施标准转换数据，给营销业务监控系统提供数据知识和业务数据查找。
3 电力营销数据挖掘技术的运用
在大数据时代背景下，数据信息量逐步增加，为了推动电力企业电力营销健康稳定地发展，电力企业应基于电力营销大数据平台建设，采用有效的方式和手段合理运用数据挖掘技术。
3.1 分类的运用
分类方式能够帮助处理数据变化的中长期预测性问题，过去的序列预测方式和现下的模糊理论与专家系统均被用在数据中长期预测之中。能够采用分类树构成子数据库的方式，大大减小数据库规模，进而将数据预测的广度和精度提升。除此以外，模式分类方式同样是提升电力负荷预测精度的主要方式，一些学者通过分类树构成子数据库的方式减小了SCADA数据库规模，将系统运行速度提升了。
3.2 关联规则的运用
现阶段数据挖掘技术电力营销的运用探究核心就是关联规则，能够对目前数据和历史数据加以全面分析，进而获得数据发展的特点与基本规律，给将来的决策拟定提供重要依据和参考。关联规则能够当成指导电力市场营销对策与管理的技术工具，给电力营销提供销售、需求与收益等预测，进而给电力市场营销提供很多辅助性的决策信息。
3.3 聚类的运用
聚类关键运用在电力营销系统用户分类和异常数据发现修改、信用评价与负荷分析、故障诊断等各个方面。采取聚类分析方式和模糊聚类方式分析，得到电力用户特点群且展开量化分析，把电力用户分成各种属性的多个组别，进而拟定出不同的营销方案和对策。在现实使用过程中需要挑选适应性决策树对差异化的负荷展开聚类。
3.4 时间序列挖掘的运用
时间序列挖掘方式在短时间负荷预测之中获得了非常广泛的运用，神经网络是使用频率较大，研究非常成熟的短时间负荷预测方式。大多电力营销系统在挑选数据挖掘技术的过程中，会把时间序列挖掘方式和神经网络相融，经过差异化的方式分析电力营销系统数据，进而获取到非常准确的预测结果。在序列挖掘算法之中添加时间窗，把时间窗使用在电力运行警报系统中，就能够减小故障对系统带来的影响，有利于故障的定位和诊断。
4 结语
总的说来，大数据时代已经出现了，因而必须要优化电力大数据，给数据挖掘出来的有价值的信息提供技术方面的支持，为客户提供优质服务，科学使用大数据平台积极执行营销服务创新与精益化管理，持续提升企业市场竞争能力，给企业良好发展提供动力。
参考文献
[1] 王慧慧，李陈程.大数据平台下的电力营销信息化建设研究[J].通讯世界，2019，26(4)：198-199.
[2] 宋筱爽，王惠.基于大数据平台的电力营销信息化建设研究[J].居舍，2018(30)：184.
[3] 李育滨.电力营销大数据平台建设研究[J].现代信息科技，2018，2(6)：4-6.
[4] 王志坚.基于大数据平台的电力营销信息化建设分析[J].内蒙古电力技术，2016，34(4)：17-22.
作者：江珂
摘 要：本文主要基于大数据应用及发展现状，分析电力大数据特征和主要技术，通过对电力营销大数据平台技术架构建模，提出了具体的软件设计理念。该思路的搭建有利于总结合理电力营销策略，有效提高电力营销企业的服务质量，挽回企业管理效益和经济效益。
关键词：电力营销数据;数据挖潜; mapreduce hadoop;技术架构
1.前言
电力作为特殊商品，为国家经济建设及人类生活提供了诸多便利与支持。电力营销的理念引入，促使电力市场发生巨大变化，以客户需求与服务满意度为中心的电力营销根据市场导向的原则，成为供电企业的核心业务，电力所有生产、经营性活动均服务于营销业务的需要。电力营销有效开展需要对用户及需求市场进行大量研究，需要具备完善的售前和售后服务保障体系，需要分析大量的各种业务数据，提升电力供应安全及服务水平，这就要求电力企业运用大数据技术，大力推动数据分析技术的升级，开展数据采集、检测、处理、分析、实现企业内部数据的应用、共享、标准化、集约化、一体化，完善企业风险评价，提升企业运行效率，增强企业核心竞争力，实现企业经营效益最大化。因此，本文研究大数据挖潜技术在电力营销系统中的应用，具有一定的现实意义。
2.大数据发展应用现状
大数据技术得益于计算技术及网络通信技术的快速发展，而迅速发展的智能技术之一。1989年8月，第11届国际人工智能会议在美国底特律召开，这次会议上有科学家提出了Knowledge Discoveryin Databases(KDD)，即知识发现的概念，随后一些大学教授和研究机构展开相应研究，1995年KDD&DataMining国际学术研讨会议正式举行，随后每年举行一次，会议主题是对人工智能数据挖潜等领域成果进行讨论及推广，促使数据挖潜技术快速发展，并取得了很多有价值的成果。目前国际上从理论、技术、应用维度方面对数据挖掘展开分析与研究，科学家们运用数据统计分析及概率相关理论、模糊技术、量子技术等多種理论与方法进行技术融合，解决复杂问题[1]。
我国数据挖掘技术研究开始于1993年，中科院合肥分院当时承担了一项国家自然科学基金项目，即开展人工智能领域的数据挖掘技术的研究。随后的一些年大数据研究逐步步入正轨，由大学教授、科研人员组成的团队开展一些学习算法、相关理论、数据挖掘技术际应用等研究。随着云计算、智能工程、mapreduce hadoop等技术应用日益广泛，大数据挖潜技术也应用到电力营销、网店运营、经济数据分析、餐饮服务、航空航天、铁路运输等很多领域。伴随着网络信息技术的快速发展，许多电力企业都积累了海量的、有价值的、多种形式的数据，，因此如何利用数据挖潜技术智能地、自动地发掘数据中的有效价值，为电力企业经营管理提供最佳决策，成为急需解决的问题。
3.电力大数据技术
3.1电力大数据特征
2006年，国家电网公司制定了“SG186”和“SG-ERP'信息系统规划，运用电力企业信息系统平台，通过8大主模块组装模式覆盖电力企业全部业务，并且构建了6个业务保障子系统。国家电网公司数据中心多年运营中，积累了海量的数据。这些电力大数据的特征归纳为灵活度高(Vitality)，主要是数据动态变化，市场千变万化;体量大(Volume)，目前电力数据的数据流GB ，TB级无法满足需要，已经达到PB ，EB ，ZB级别;类型多(Variety)，主要包含结构化、半结构化、非结构化类型数据;价值大(value)，电力数据蕴含着巨大的潜在价值;速度快(Velocity)，电力数据以数据流的形态快速、动态的产生，数据处理的速度要求达到高速实时处理的特征;这称为“5V”特点，同时具有复杂度高(Complexity)的“1C”特点，总结起来就是“5C1V”。在分析和处理数据模型方面灵活度高，速度快，能够适应快速市场变化需求;在新的处理方法适应异构数据统一接入及实时数据处理的需求方面，系统复杂度高;从数据体量特征和技术范畴方面来看，电力大数据有着重要的、广义的背景，随着国家大数据平台建设完成和逐步应用，大量的企业运营数据得以积累应用及开发，为电力市场分析决策提供了必要的数据基础[2]。
3.2电力大数据分析技术
电力大数据的分析技术从海量的、模糊的、随机的、片断性的、原始的一些电力数据中，运用统计学、计算机科学等学科中的算法、分析理论等技术挖掘出内在的模态和规律，为电力企业决策人员提供必要的决策帮助。统计学分析在于使用均值、比例、众数、中位数、四分位数、极值、方差、标准差等统计分析方法对数据形态进行分析;采用泊松分布、均匀分布、二项分布、正态分布进行数据描述，采用二项分布假设检验、T检验、K-S检验、F检验、卡方检验、游程检验等判定检验方法对分布情况进行分析，从而发现数据结构、数据分析模型，掌握电力数据的稳定性情况及电力数据分布情况。如图1所示数据挖潜技术与统计学分析技术的关系。
3.3系统支撑平台技术
电力大数据的信息处理技术是基于查询发现有价值的信息。这主要运用数据库技术、分布式计算技术、流处理技术、内存储计算技术。底层存储技术HDFS/Hbase等进行超级规模数据的存储和处理;运用MapReduce进行分布式计算;流处理Storm/S4/Spark等技术解决电力数据的高效读取和在线的实时计算，离线处理框架MapReduce及Hive/Impala相关技术处理实时到达的、速度和规模不受控制的数据。如图2所示电力大数据平台结构图。
图2中构建了基于Hadoop文件的电力大数据平台分布式存储环境。数据采集服务按照预定规则将数据写入数据交换区，数据传输应用程序规划在HDFS之上，将交换区数据写入“数据存储区’，由“结构化数据抽取应用程序”将结构化指标数据抽取到“结构化分析数据存储区”，并作为HIVE服务的数据存储，由HIVE服务将数据以结构化数据服务的形式发布。
在电力营销数据分析中，主要对营销业务的指标体系的电费业务风险、客户停电信息、风电风险、电力服务、大客户服务等数据进行梳理、收集，对电力营销系统数据、TMR系统数据、客户服务系统数据等进行分析，从而研究电力营销业务关注的数据维度、统计周期，并收集相关业务数据。
电力营销大数据分析系统通过模型分析，运用数据挖据工具，选取适合的算法及模型，并对构建的模型進行符合度验证，再将分析模型封装，研究WebService、服务、算法三种调用方式，实现数据挖掘平台接入、调用的可行性及难易程度，快速响应分析需求，并确定系统的分析方案，最后数据系统利用可视化技术直接呈现给决策层，最终实现模型分析功能。以实现电力营销业务趋势预测、营销策略制订等，从而提高电力企业的经营发展水平以及经济效益。
4.电力营销系统技术架构设计
电力营销系统技术架构如图3所示，运用电力公司数据中心的系统集成，Hadoop平台实现数据采集;系统通过自身的高效传输、抽取、计算的特点，完成数据清洗、加载，最后利用数据挖掘软件平台，进行在线分析，完成营销业务分析报告，为电网企业提升营销服务品质，强化风险管理提供支撑，进一步提升企业的运营效益[3]。
根据电力营销系统特点及功能要求，基于J2EE框架，按照分布式处理架构、多层结构和面向服务架构(SOA)的开发思路，严格按照成熟、规范技术路线实现程序设计。系统开发按照数据挖掘的典型流程进行程序架构的设计，如图4所示。
5.结论
大数据时代背景已经形成，基于计算机及网络通信技术的大数据挖潜技术必将颠覆传统数据处理及分析的模式，在分析大数据发展应用现状基础上，对电力营销大数据特征，电力大数据技术特点进行分析，对电力营销大数据应用平台进行设计，提出具体技术架构及软件技术的实现思路，有利于提供合理的电力营销策略，提高电力营销业务的服务能力和质量，提升企业经济效益。
参考文献
[1] 吴普剑.大数据背景下电力营销市场行业发展趋势研究[J].中国新技术新产品，2015(23)：157-157.
[2] 中国电力大数据发展白皮书[M].中国电机工程学会信息化专业委员会.北京：中国电力出版社，2013：10-15.
[3] 隋春明.基于数据挖掘技术的电力营销分析系统[D].电子科技大学，成都，硕士论文，2015.11
作者：辜小琢
有专家认为，电力大数据是一场变革，它不仅改变了电网、厂商的发展，还改变了电力系统今后的运作方式。很多人认为，大数据的主要作用就是帮助电力厂商(电厂招聘)更准确地了解企业动向。事实上，大数据的功用远不止这些，大数据将在很大程度上影响电力行业的决策和解决方案。与其相辅相成的是，电力行业对大数据的需求，其迫切性也大大超越其它基础能源行业。据《中国电力大数据发展白皮书》中指出，首先，在电力生产环节，风光储等新能源的大量接入，打破了传统相对“静态”的电力生产，使得电力生产的计量和管理变得日趋复杂。例如，大数据所包含的信息将会给发电和电网企业做出更好的预测，比如气温每升高一度对电力需求的影响、用电高峰时间可以精准到分钟等具体数据，都可以通过大数据分析来获得。
其次，电能的不可储存性，使得电力工业(电厂招聘)面临极其复杂的安全形势。电能的“光传输”特性，瞬间的电网失衡会造成无法挽回的损失。再依靠“人工+设备+经验判断”的半自动生产经营方式，电力系统的生产经营人员将承面临着无法承受之重。在电力经营环节，随着下一代电力系统的逐步演进，高度灵活的数据驱动的电力供应链将逐步取代传统的静止的电力供应链。
事实上，电力大数据利用大数据存储、整合、计算、应用四类核心技术，驱动电力公司信息技术平台和业务应用的升级改造，扩展电网对数据的传输、容纳和处理能力，填补在非结构化数据分析与利用、海量数据挖掘等领域的空白。从而达到提升电力公司在数据资源价值挖掘的整体水平，促进业务管理向着更精细、协同、敏捷、高效的方向发展。
麦肯锡曾有报告预测，在全球范围内，大数据分析方案的广泛使用能够带来每年3000亿美元的电费削减。电力大数据的有效应用可以面向行业内外提供大量的高附加值的增值服务业务，对于电力企业盈利与控制水平的提升有很高的价值。有电网专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。
电力行业的数据源主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，可大致分为三类：一是电网运行和设备检测或监测数据;二是电力企业营销数据，如交易电价、售电量、用电客户等方面数据;三是电力企业管理数据。通过使用智能电表等智能终端设备可采集整个电力系统的运行数据，再对采集的电力大数据进行系统的处理和分析，从而实现对电网的实时监控;进一步结合大数据分析与电力系统模型对电网运行进行诊断、优化和预测，为电网实现安全、可靠、经济、高效地运行提供保障。
一、电网监测及维护 1.运维监测系统及时反应
Enphase Energy(美国Enphase 能源股份有限公司)
Enphase Energy每天从来自80个不同国家25万个系统收集大约2.5TB的数据。这些数据可以用来检测发电和促进远程维护、维修来确保系统无缝运行。另外，Enphase Energy还利用从发电系统收集到的数据来监测、控制或调整网络中的发电和负载状态，在电网和在出错或需要升级时做出相应的反应。
2.设备检修运维专题分析 电力企业可以基于永洪自研发的一站式大数据分析平台开展各业务领域的深度分析，如在电网检修运维领域，通过对电力设备资产管理、设备运检管理、设备技术管理、技改大修管理等方面，从安全、效益、成本三个方面进行关键指标选取，分析检修管理中“安全”、“效益”、“成本”三者之间的相互影响，协调三个因素综合最优，同时实现对电网企业检修指标的实时在线监控，为公司检修策略制定提供指导和服务。
(图中分析场景所用的数据为测试数据)
3.预防基础设备故障导致的停电
American Electric Power Co., Inc. (AEP)(美国电力有限公司)
在AEP的资产健康中心，数据分析师把设备派生的运行信息和智能信息应用程序结合在一起。通过采用大数据算法和分析软件，他们可以密切监测传输基础设施的运行情况。
如今，AEP使用智能电表、通信网络和数据管理系统得到稳健的常规信息。智能电网技术使客户更有效地用电和合理管理用电成本，收集到的数据也有助于该公司为客户定制电力管理程序和提供个性化定制服务。
二、提升运营效率、改善客户体验
大数据分析能帮助电力企业提升运营效率和改善客户体验。运营效益包括收益保证、网络和产品管理、需求预测、资产管理和支撑功能优化。类似的，分析有助于通过客户关系优化、主动营销以及定制优惠和服务来改善客户体验。
1.Gulf Power(海湾电力公司，美国南方电力公司位于佛罗里达州的分公司)
Gulf Power使用大数据分析后确认，如果停电，那恢复供电的时间如果能比用户预期时间早10分钟，客户满意度是最高的。
有趣的是，它发现如果在预期恢复供电时间两个多小时前恢复供电，会对客户满意度的产生负面影响。理解了类似这样的指标，能够帮助电力企业解决他们最大的客户体验挑战。一位德国电力公司的高管证实提高客户满意度会提高客户留存率。他解释到，“分析让你在现有合同上用个性化的优惠活动与客户良好沟通。这种方式会大幅提高客户的留存率”。事实上，像EDF Energy这样的电力企业已经通过大数据分析来减少客户流失，每年节省高达3000万美元的成本。
2.Lakeland Electric(美国莱克兰电力公司，总部位于佛罗里达州)
负荷研究是一种用来分析各种客户群体(住家、商业和工业)的客户消费模式的过程，它有助于评估电力公司为每个特定的群体服务的成本。研究人员认为，利用AMI(量测基础设施)和数据捕获能力，每一个计量点和智能电网启用的设备可能有助于这项研究。 Lakeland最近利用这些新技术完成了对电力服务的成本检查。除了解决对额外收入的需求外，他们还能够设计供客户选择的替代费率，一方面降低电力高峰需求，另一方面客户也在此过程中节省资金。不仅有效减少高峰期的电力故障，也提升了用户体验，提高了用户留存率，使该企业拥有更好的口碑和知名度。
3.通过数据分析有效提升电力行业营销服务水平
电力用户可以基于永洪一站式大数据分析平台，将更多的明细数据提供给业务部门，由业务部门自服务完成数据应用。通过对客户服务与客户关系、电费管理、电能计量及信息采集，市场与有序用电、新型业务、综合管理等方面的分析，掌握营销业务重点工作的开展情况，实现对客户服务、电费管理、智能电表、有序用电实施和能效管理成效、新型业务及营销稽查工作质量指标进行有效监测。
三、减少损失、降低成本 1.减少电力盗窃降低损失
根据Northeast Group, LLC.(位于美国华盛顿的东北集团有限责任公司)的《能源市场智能电网：2015年展望研究》报告，每年全球因电力盗窃损失893亿美元。而智能电网技术可以帮助电力企业打击每年价值几百万的电力盗窃。
位于意大利的Enel是全球最大的电力企业之一，在40个国家经营有6.7亿台电表。在意大利，Enel整合处理了来自11个遗留系统超过500亿行的数据，同时已经识别出93%的盗窃案或其它非技术性损失的可能因素，这是世界上最大的智能电网分析系统。仅仅在意大利，它每年的收入保护和预测性资产维护分析的经济效益估计超过3.5亿欧元。
2.利用分析降低变压器更换成本 PSE&G(公共服务电力和燃气公司)是美国最大型的综合电力和燃气公司之一，为180万燃气用户和220万电力用户提供服务。它拥有的资产价值约170亿美元，收入近80亿美元。
PSE&G实施了一个计算机化维护管理系统(Computerized Maintenance Management System，简称CMMS)来辅助维修、更换以及对包括变压器和其它设备等资产的维护决策。根据湿度、介电强度、可燃气体变化率和冷却性能等多种因素，来为变压器进行分析，生成设备状况分数。他们根据资产更换(预测)算法，对设备状况分数和其它因素(年代，备件可用性)分析，来决定更换变压器的适当时间。
PSE&G还对实时传感器采用了先进的分析来跟踪各种操作指标。分析的应用帮助了该公司在故障发生前发现和补救问题，在避免设备故障上节约了数百万美元。该公司也决定主动通过使用分析模型来更换一些变压器，而不是出了问题后再更换，这有助于该公司在25年中节约了1亿多美元。
结语：
如大数据分析这样的信息新技术必将激活电力大数据中蕴含的价值，也必将释放电力大数据的市场潜力。根据GTM Research的研究分析，到2020年，全世界电力大数据管理系统市场将达到38亿美元的规模，电力大数据的采集、管理、分析与服务行业将迎来前所未有的发展机遇。
在这样的机遇下，更多的电力企业选择将在大数据分析技术，为企业系统运维监测、提升客户满意度、降低损耗和成本等诸多方面做出积极探索。而相对于自己搭建，面对更合理的成本与更稳定高效的第三方平台，越来越多的电力企业选择和第三方大数据分析平台厂商合作，为企业数据化运营带来专业的技术与服务支持。
以国内知名电力研究所为例，选择采用永洪电力大数据平台。永洪科技按照平台的设计规范和功能要求，在UI设计、安全认证、统一安装部署、数据存储及工作流调度等方面针对电力业务特性需求进行了接口开发与个性化改造，无缝嵌入用户大数据平台，为后期科研人员开展数据分析挖掘工作提供工具支撑。
为掌握国外电力公司大数据分析应用情况，对法国、美国、日本、澳大利亚、中国香港的主要电力公司大数据资产管理和大数据分析情况进行资料查找，现将了解的情况总结如下。
一、法国电力
法国电力集团(EDF)是一家国有综合性跨国能源公司，拥有欧洲最大的电力生产系统，在核电、水电和可再生能源等清洁能源领域具有较强的国际竞争力。作为全球领先的电力基础设施服务提供商，法国电力公司非常重视大数据在企业运营分析管理中的作用，通过设立专业机构、完善数据基础、增强分析能力，不断发掘数据资产价值，为企业战略转型与服务升级提供有效的决策支撑。
(1)建立独立机构支持运营决策 法国电力在客户关系管理数据库中，对用户信息进行全面搜集，成立运营分析中心，专门负责对客户数据进行分析，以对销售管理进行支撑。以项目制的形式负责向销售、营销和财务控制在内的六个业务部门提供客户行为分析支撑，以改善这些部门的服务质量并实现客户的最大化保留。
(2)运用大数据技术挖掘数据资产价值 目前全法已经安装3500万智能电表，电表产生的数据量将在5-10年内达到PB级。智能电表采集的主要是个体家庭的用电负荷数据。这些电表数据，结合气象数据、用电合同信息及电网数据，构成了法国电力的大数据。考虑到大数据的广泛应用前景，针对自身海量数据的特性及其处理需求，法国电力的研发部门成立了大数据项目组，借助大数据技术研究海量数据的处理架构，实现用电负荷的精细化测量，降低信息决策系统与运行操作系统之间的延迟。
二、 美国电力
美国在智能电网的工程应用方面处在世界前列，应用涉及用户行为分析、需求响应分析、设备风险分析、系统风险评估、能效分析、决策支持等多个领域。
美国BG&E公司利用C3能源分析引擎平台两项应用模块对其内部12个数据源系统及来源于其服务地区内的200万台智能电表的数据进行了集成，总计10TB的云图像数据，集成分析3500万条数据，每天约传输8GB/2.2亿条数据，年收益预计可达200万美元。其中，AMI 管理模块(图2-1)，可快速查看电表状态、隐患区域、部署进度以及焦点问题，优化AMI的全寿命周期管理，提高AMI系统运行效率，降低公司运行成本;收入保护模块(图2-2)能够识别欠费/窃电行为，改进收费和服务策略，降低非技术性线损。
图 2-1 C3能源分析引擎平台中AMI管理模块操作界面
图 2-2 BG&E公司收入保护模块界面
美国Con Edison公司与MIT、哥伦比亚大学联合开发了基于机器学习的配电网故障风险评估系统。该系统在纽约供电公司进行了试点应用(图2-3)，可针对馈线和设备(电缆、配变等)进行故障风险等级评估，用于指导停电检修、提高设施维护效率、提升配电网可靠性。
图2-3 配电网故障风险评估系统
美国Battelle研究中心利用IBM公司的流处理软件InfoSphere及高兼容性服务器Netezza开展太平洋西北智能电网示范项目(Pacific Northwest Smart Grid Demonstration Project)研究，该项目参与单位包括来自美国西北五州的11家公共或私人电力供应商，Bonneville电力局和华盛顿大学等，通过分析近6万名电力用户在动态电价下的用电信息，研究准实时条件下(智能电表采集频率5分钟/次)的需求响应、价格波动、能量消耗、窃电监测等交互行为。图2-4给出了华盛顿大学内建筑的用能情况，它集成了华盛顿大学校内建筑的智能电表数据，可分析各建筑用能情况与准实时天气关系等。
图 2-4华盛顿大学内建筑的用能分析
美国UCLA大学可持续发展中心(CCSC)联合LA水利电力部(LADWP)、政府规划办公室(GOPR)共同开发了洛杉矶电力地图(LA Electricity Map)。该地图以街区为单位将人口信息、收入信息、街区环境信息等社会经济信息与用电信息、用水信息、排放垃圾信息等耗能信息全部集合在一起，以加州地图形式展示了2011年1月到2012年6月之间数据(图2-5)，从而直观展示社区周期、能耗、碳排放量等可持续发展重要指标。为城市规划提供了直观有效的辅助依据，也可以按照图中显示的停电频率较高、过载较为严重的街区进行电网设施的优先改造。作为城市内能源应用趋势的可视化分析工具，该地图有助于更直观地讨论如何进行能源投资，提高能源效率以及制定公共政策。
图2-5 LA电力地图
为更新日趋老化的电力基础设施，同时也作为新的智能电网计划的一部分，芝加哥电力大力推广使用智能电表。预计到2018年，将有超过四百万智能电表被安装和投入使用，此举可为用户节约超过一亿七千万的费用。到目前为止，芝加哥地区已经有将近30万智能电表被安装且投入使用。很快，使用智能电表的居民将覆盖整个芝加哥地区。智能电表是智能电网技术的一个重要组成部分，它给人们提供了更可靠的电力支持和更多的省钱机会。智能电网计划致力于改造芝加哥的电力使用情况，使更多的家庭和企业节省资源和金钱。因此，芝加哥政府非常支持新一代的智能电网技术，并将此作为智能基础设施建设的一部分。新的基础设施投资，为长期的经济增长和居民生活水平的提高奠定了坚实的基础。此外，芝加哥电力在智能电表推广过程中同步规划建设AMI体系，贯通营销、GIS、工作指令、天气预测等多个信息系统，建立“用户智能平台”进行大数据关联分析，结果应用于供需求侧响应、能效、资产负荷分析等多个商业功能模块。
三、 日本电力
日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题，日本总务省于2012年7月新发布“活跃ICT日本”新综合战略，今后日本的ICT战略方向备受关注。其中最为关注的是其大数据政策(从各种各样类型的数据中，快速获得有价值信息的能力)，日本正在针对大数据推广的现状、发展动向、面临问题等进行探讨，以期对解决社会公共问题作出贡献。
2012年10月份，东京电力公开招标采购家庭用智能电表，大崎电器等公司参与投标，东电计划到2018年将90%的东电家庭用户的机械式电表更换为智能电表，总计约为1700万台。 关西电力公司则采用大崎电器子公司enegate的智能电表产品进行试验运行，预计该公司今后的量产规模将达100万台，大崎电器今年的总投资额将达50亿日元。东光电器与东芝共同组建的东光东芝电表系统公司主要面向写字楼、公寓楼等开发智能电表，目前正积极拓展产品销路。此外，野村不动产也将于2013年开售公寓专用型节能电表。智能电表可以实现用电量数据在用户和供电公司之间的智能传送，能够有效节电，初步预计日本国内的市场规模约为7000万台，5年后智能电表的需求将占全部电表需求的80%。目前，东京电力与关西电力已经开始试运行智能电表联动系统，各电表厂商正通过加大投资、开发新产品等方式积极抢夺这一市场。大崎电器工业计划于年内依托埼玉县事务所新设智能电表工厂，产品主要面向东京电力公司，根据东电提供的设计规格进行研发、生产等作业。
2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。
四、 澳大利亚电力
澳大利亚国家电力委员会从2007 年开始在全国范围内推行高级量测体系(Advanced Metering Infrastructure，AMI)项目，引入分时电价(基于时间间隔计量)，使用户能够更好地管理电能消耗。澳大利亚政府推行电力市场的改革不仅仅是为了提高供电效率，而且通过改善电价制度，提高对能耗的控制以及减少温室气体排放。2011年，澳大利亚电力巨头新南威尔士州能源公司宣布开始一项全新的智能电表项目。这一项目旨在使其用户更好的管理和控制用电量。部分用户作为志愿者可以选择安装电表，并将通过电脑、智能手机和网络浏览器的操作及应用对用电量进行详细记录。事实上尽管输电网络已经运营了数个世纪，但网络运营商在输电网的维护和输电网低压段输送损耗等问题上仍缺乏经验。到目前为止，公共事业部门虽然已经在整个城市的高压输电段布置了输送损耗监控，但对于低压段的输电线路故障和输送损耗还依赖于用户传递过来的信息。
五、 中华电力
从1999年开始，中华电力公司根据英国资产管理协会的PAS55标准，组建电力系统事业部，成立资产管理部，以支撑实体资产全过程管理为目标，依托关键业务信息系统平台，成立数据分析组织体系，分综合业绩、资产绩效、成本绩效和业务分析等多个场景开展数据资产管理。通过开展资产全生命周期管理，依据国际标准，科学的加大固定资产投资，通过10年时间将用户平均(故障)停电时间从40分钟降低到接近2分钟。通过合理的增加资产规模，优化网架结构，提升设备品质，中华电力公司电力系统事业部的单位供电成本从87港元/千千千瓦时下降到75港元/千千瓦时(如下图所示)。
金豆数据签约国家健康医疗大数据北方中心，共同推进健康医疗大数据发展
作者：市场部-陈笑、叶荔
7月2日，由中国卫生信息与健康医疗大数据学会、中国企业联合会、中国老年保健医学研究会共同主办，济南市政府承办的国家健康医疗大数据北方中心产业合作对接洽谈会在济南召开，吸引了130余家企业、43家机构约500人参会。
中国企业联合会、中国企业家协会会长王忠禹，中国卫生信息与健康医疗大数据学会会长金小桃，省委常委、市委书记王忠林，十一届省政协副主席雷建国，市委副书记、市长孙述涛，中国老年保健医学研究会会长高松柏，市委常委、秘书长蒋晓光，市委常委、副市长卢江分别出席会议。中国卫生信息学会健康医疗大数据老年保健专业委员会副会长、金豆数据CEO火立龙参与会议，并在会议上做重要汇报。
金豆数据CEO火立龙在会上做企业介绍
今年4月，山东省和济南市签约成为我国首个启动国家健康医疗大数据中心建设的试点省市，国家健康医疗大数据北方中心正式落户济南。此次洽谈会旨在加强企业和机构之间的合作联系、项目对接，进一步推动和促进国家健康医疗大数据北方中心建设。
中国卫生信息与健康医疗大数据学会会长金小桃在致辞中表示，健康医疗大数据是促进健康事业、健康产业乃至整个国民经济发展的新动能、新模式、新生态。抓住机遇乘势而上，必将对山东省及济南市的新旧动能转换、经济发展带来广泛而深远的影响。希望参会企业能积极参与到国家健康医疗大数据北方中心建设发展中来，实现互利共赢，促进共同发展。
济南市委副书记、市长孙述涛在致辞中指出，大数据像土地、石油一样是新产业、新业态的支撑基础，是取之不尽用之不竭的富集金矿。济南要把国家健康医疗大数据北方中心作为建设医疗康养名城的支撑平台，把健康医疗大数据产业作为新一轮经济发展的支撑产业，不断促进济南市健康医疗事业和产业加快发展、高质量发展。
会议签约仪式现场
签约仪式上，火立龙代表金豆数据与济南市政府以及济南国际医学科学中心进行战略合作意向签约，其中重要一项便是“DRG收付费及绩效评价综合管理项目”。此合作将按照国家试点工程规划落地要求，落实国家试点工程应用，形成健康医疗服务新模式、新业态，提高人民群众健康医疗服务的获得感。
会后，火立龙表示，金豆数据作为国内最早开始专注医疗大数据技术研究的团队之一和C-DRG收付费试点地区的技术支撑方，将以实施国家试点工程为重点，协同打造国家健康医疗大数据北方中心综合试验区，努力突破核心技术，确保医疗大数据安全应用，推动国家基础性健康医疗大数据建设，实现健康中国梦。
大数据与小生活
--读《大数据时代》有感
施佳驰
不知从什么时候开始，"大数据"这个词悄然成为了我们的常用词汇;我们也不知从什么时候开始，迈进了"大数据时代".那么，大数据时代究竟是一个怎样的时代?英国"大数据时代的预言家"维克托迈尔·舍恩伯格和肯尼思 库克耶的《大数据时代》对此有着详细而深刻的洞见。
一、什么是大数据?
根据《大数据时代》中所说，"大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的。大数据是人们获得新的认知、创造新的价值的源泉，大数据还为改变市场、组织机构以及政府与公民关系服务。"、"大数据即一种新型的能力：以一种前所未有的方式，通过对海量 数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。" 大数据有两层含义，第一层含义，大数据是一个总结性的概念，是对海量数据的总称;第二层含义即书本中所指出的，是一种新型的能力与方式。区别于小规模数据时代的抽样分析，大数据时代，分析的样本不再需要经过抽样，直接将全体数据进行更快更准确地分析。
二、大数据的核心是什么?
大数据的核心应当是减少冗余，提高资源配置效率。根据收集到的数据分析、挖掘出庞大数据库独有的价值，以便进行干预或提供相应的资源与服务。自古以来，人类社会的发展便是资源配置不断优化的过程，大数据作为一种新型的生产工具，它能让我们通过分析海量的数据，得知该如何更有效地分配稀缺的资源。
如医院通过对某个病人病史、生活习惯、衣食住行、工作娱乐情况等进行全方位分析，便可以准确了解病人的生活情况与生活环境，精确地指出症结引起原因所在，只要建议病人针对引起病源的因素做出调整或进行医学干预，便可以了，避免了对病人过多的用药与过大范围的盲目干预。
同样的道理，如果银行通过分析某一申请人的家庭情况、消费历史、生活习惯、财务习惯、网页浏览记录等各方面的数据，便可以清晰了解此申请人各方面的情况，甚至可推测其内心的真实想法与将要采取的做法，从而判断申请人的贷款申请资格，决定该不该授信，授信多少等内容，所有的信息在大数据时代，能在系统中搜索一下，几分钟便能全部收集完成。相比以前，()申请人申请后，银行得派出两名客户经理上门进行访问、调查、收集电信、征信等多方面的信息，再进行人工分析、鉴别等过程，耗费的时间多不说，风险也相对更高。
可见，大数据的运用不但提高了工作效率，节省了机构与申请人的时间，更能基于精确的信息，确保风险可控，且保证了授信给该申请人的正确性，将有限的资金用在刀刃上，提高资源配置质量。
三、什么是大数据思维?
书中指出，大数据思维是一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案。大数据与三个重大的思维转变有关：首先，要分析与某事物相关的所有数据，而不再依靠分析少量的样本;其次，乐于接受数据的纷繁复杂，而不再追求精确度;最后，我们的思维不再探求难以捉摸的因果关系，转而关注事物的相关关系。
大数据思维应当是一种意识，认识到大数据的无穷威力，并积极拥抱这个繁荣的时代;世界上的一切都是信息，都是可以量化分析的信息。如果将相关的信息进行交互分析，便能获得"上帝的视觉"——窥视知道分析对象的一切，包括所思所想;获得的信息可以通过类比，准确推测分析对象的想法以及未来行为;根据推测出来的内容进行干预或服务，从而获得商业机会;在一切均有记忆、一切均能收集、能更加准确预测未来的时代，我们或许受困于过去的行为;在这个时代，对隐私权、公平与正义的探讨上升至一个新的语境。
四、新的时代，我们该怎么办?
老子说，无为而治。因此，我们还是该吃饭就吃饭，该逛街就逛街，想吃甜点便吃甜点，过自己的生活，努力自己的工作。大数据是一种意识，更是一种工具，所有的工具最终都是为了让我们生活得更加方便、更加如意，而作为最高智慧生物的我们，要做的，便是习学如何通过这新的工具，改造世界，创造生活。
当然，西方也有谚语：预测未来最好的办法是创造未来。面对新的时代，我们，努力将生活过成自己想要的样子，便是最好的信条。
国信安教育基地
学大数据，选择成都大数据培训学校要慎重
成都国信安大数据培训由副教学总监，优秀讲师带队并亲自授课，秉承成都国信安一贯的专业品质态度，在课程质量，学生素质，就业服务上相当严格要求，并以学业满意就业为目标，打造国内优秀大数据培训班，感兴趣的同学不妨关注国信安教育基地了解一下吧。
大数据的火爆，让很多企业都意识到发展大数据的重要性，那么是不是所有企业都可以成为大数据公司?
美国麦肯锡公司近期开出了一张书单，列出利用大数据进行自我发展的一些潜力行业，其中就有电信、金融、保险、信息、交通、医疗等，都可以利用大数据技术，从中获得很大的发展空间。
大数据将是软件产业一个非常重要的发展方向。
我们知道，现在从IT时代走向DT时代，也就是数据技术的时代。将来每一家公司都有可能成为一家大数据公司，大数据将成为一种核心的竞争力。刚刚在贵阳召开的数博会显示，大数据将成为中国“十三五”期间重点规划的产业，这将是坚定不移的战略。
在2016年第二十届中国国际软件博览会专题论坛上，华盛顿大学陈一昕教授表示：一些行业通过与大数据有机结合，比如在电信行业，电信运营商的中国移动、中国电信、中国联通(600050)，包括一些其他的公司，比如亚信、东方国信(300166)等等，作为电信运营商，都能做好大数据的变现业务。 目前而言，电信行业其实面临着非常大的挑战，随着国家提出降费的要求，运营商的流量被管道化，公众因此就会利用微信等工具，进而导致运营商可能面临着新的发展困境，竞争也由此更加激烈。
在电信运营商看来，他们的数据其实是一块非常重要的资产，也就是说，公众可以看到电信运营商拥有稳定的数据源，每个人手机上时刻产生大量数据，包括用户的套餐、和谁通话、基站位置、地理位置、有没有欠费等数据，以及数据的变现问题。陈一昕说：“电信运营商拥有着一座巨大的数据金矿，但是，如何把这些金矿当中的矿石打造成金戒指，这是运营商面临的巨大挑战。” 医疗行业和大数据结合，会有非常大的潜力。关于这一业务，第一次驱动力是医保核算，以医院的需求为指导。第二次是互联网+医疗，通过新医改，医疗信息化，特点是以政府需求为主导，以共享为核心的区域医疗信息化。目前，第三次浪潮的驱动力应该说是移动医疗、大数据分析，其特点是健康管理，不光是在医院内部，同时也在医院外部。 国信安教育基地
我们可以看到随着医疗行业的重大变化，它的数据量是越来越大了，其从原来简单的结构化数据，到现在的医疗大数据，其中包含了大量的非结构化的数据，比如说像图像、文档。中国一个中等城市50年积累的数据达到10个PB，如何处理和分析挖掘这些数据价值，相信这里面有巨大的市场。
教育行业，也是我国信息化战略的重要组成部分。陈一昕表示，目前在线学习市场，也是非常大的市场，在线教育市场以年均18%的速度在增长，2017年预计在线学习人数达到1.2亿人，基础教育一年的数据量也是非常庞大的，我们可以看到一年的数据量达到ZB级别，利用教育的数据、互联网的技术，以及云计算等等，这些技术促使在线教育繁荣。陈一昕觉得，未来教育还是线上线下相结合的模式。就像以前的计算机技术收到追捧一样，在DT时代，大数据培训开始受到重视。
金融行业，在大数据的技术来看，我们可以看到金融行业是大数据技术，相对而言，它是走在前面的行业，因为金融行业更依赖于数据。很多层面上，金融业的大数据技术是走在其他行业前面的，包括银行要对用户进行风险分析，精准控制。保险业更需要通过大数据，对用户进行分析，进行潜在用户的挖掘，对欺诈行为进行预防。另外在证券行业，现在量化交易也是发展非常快，对股价的预测、对投资的趋势等等都可以用大数据的技术来进行管理，进行优化。 陈一昕同时强调了医疗养老数据的安全隐私这一块，数据不会丢失，数据不会恶意的泄露或者盗窃，从数据安全角度来看是非常重要的。
四川地处中国大西南，肥沃的土地，丰富的自然资源，悠久的历史和绚烂多彩的少数民族文化，构成了多样性的自然和文化旅游资源。如今在广大农村地区，越来越多有前瞻性的家长鼓励自己的孩子去学习一门技术，因为他们已经意识到：技术人才在就业方面更具优势。在这个拼爹的时代，拼背景?拼人脉?我们并没有优势，只有掌握一门技术，才能在就业场上拥有自己的一席之地。俗话说的好：掌握一门技术，走遍天下都不怕。那么，学什么技术有前途呢?
大家对于IT培训一定有所了解吧，今天，小编就为大家收集和整理了有关的信息，希望能让大家有更深一步的了解!今天小编想给大家扒一扒大家感兴趣的IT培训! 国信安教育基地
大数据技术的发展方向很多，如果想做大数据可视化的朋友注意了，可视化正面临这样的挑战。
拓展性和动态分析是可视化的两个主要的挑战。举例来说，对大型动态数据，原本A问题的答案和B问题的答案也许在同时应对AB两个问题时就不适用了。基于可视化的方法迎接了四个挑战，并将它们转化成以下的机遇。 多源：开发过程中需要尽可能多的数据源。
体量：使用数据量很大的数据集开发，并从大数据中获得意义。
质量：不仅为用户创建有吸引力的信息图和热点图，还能通过大数据获取意见，创造商业价值。
高速：企业不用再分批处理数据，而是可以实时处理全部数据。
大数据可视化的多样性和异构性(结构化、半结构化和非结构化)是一个大问题。高速是大数据分析的要素。在大数据中，设计一个新的可视化工具并具有高效的索引并非易事。云计算和先进的图形用户界面更有助于发展大数据的扩展性。
可视化系统必须与非结构化的数据形式(如图表、表格、文本、树状图还有其他的元数据等)相抗衡，而大数据通常是以非结构化形式出现的。由于宽带限制和能源需求，可视化应该更贴近数据，并有效地提取有意义的信息。可视化软件应以原位的方式运行。由于大数据的容量问题，大规模并行化成为可视化过程的一个挑战。而并行可视化算法的难点则是如何将一个问题分解为多个可同时运行的独立的任务。 国信安教育基地
高效的数据可视化是大数据时代发展进程中关键的一部分。高维可视化越有效，识别出潜在的模式、相关性或离群值的概率越高。 大数据可视化还有以下几点问题：
视觉噪声：在数据集中，大多数对象之间具有很强的相关性。用户无法把他们分离作为独立的对象来显示。
信息丢失：减少可视数据集的方法是可行的，但是这会导致信息的丢失。 高速图像变换：用户虽然能观察数据，却不能对数据强度变化做出反应。 大型图像感知：数据可视化不仅受限于设备的长宽比和分辨率，也受限于现实世界的感受。
高性能要求：在静态可视化几乎没有这个要求，因为可视化速度较低，性能的要求也不高。
可感知的交互的扩展性也是大数据可视化面临的挑战。可视化每个数据点都可能导致过度绘制而降低用户的辨识能力，通过抽样或过滤数据可以删去离群值。查询大规模数据库的数据可能导致高延迟，降低交互速率。
在大数据的应用程序中，大规模数据和高维度数据会使进行数据可视化变得困难。当前大多数大数据可视化工具在扩展性、功能和响应时间上表现非常糟糕。可视化分析过程中，不确定性是有效的考虑不确定性的可视化过程巨大挑战。
可视化和大数据面临许多的挑战，下面是一些可能的解决方法：
1. 满足高速需要：一是改善硬件，可以尝试增加内存和提高并行处理的能力。二是许多机器会用到的，将数据存储好并使用网格计算方法。 2. 了解数据：请合适的专业领域人士解读数据。
3. 访问数据质量：通过数据治理或信息管理确保干净的数据十分必要。 4. 显示有意义的结果：将数据聚集起来到一个更高层的视图，在这里小型数据组和数据可以被有效地可视化。
5. 处理离群值：将数据中的离群值剔除或为离群值创建一个单独的图表。 成都国信安专业的大数据培训机构，成都国信安温馨提示：更多大数据学习资料关注成都国信安官方网站。 国信安教育基地
国信安IT培训基地专注java培训、php培训、UI设计培训、软件测试培训、大数据培训、web前端培训等培训课程。你们准备好怎么学习IT技术了吗?来参加国信安IT培训课程，你的选择不会有错!
推荐阅读：
大数据电力营销论文04-15
大数据电力营销论文提纲11-15
基层电力企业大数据发展早期策略09-11
电力大数据效益分析（通用9篇）10-05
大数据应用之电力应用（精选9篇）01-10
电力大数据与智能电网的发展与分析09-11
基于大数据的电力营销管理创新研究09-12
电力物资招标采购管理大数据应用规划研究01-23
大数据在电力中的应用（推荐9篇）11-06
