電力企業作為國家核心骨干企業，經過多年發展，從總部到下屬層級單位都建立比較完善的CRM、ERP、MRP、OA等基礎信息化系統，用于指導日常企業經營管理。但對數據的集中可視化展現及分析應用深度不夠，已有的數據應用工具局限性較大，無法很好地企業經營管理提速。

1、IT系統局限性大，用戶自主性難以發揮

自主自助式的數據分析與應用探索需求愈發強烈，用戶希望自主式開發展示和報告制作，并設計業務場景進行數據分析，但是原有數據分析系統操作難度大，學習成本高，功能滯后，不能滿足多元化業務分析場景。

2、數據孤島嚴重

原有財務信息化系統、 MRP系統、ERP系統等相對獨立，內部信息系統之間缺乏統一的平臺對數據進行關聯、整合及聯通，無法從統一視角去衡量全企業業務概貌，難以完全釋放數據的真正價值。

3、缺乏數據管理機制和保障

企業雖然已經積累了一定量的歷史數據，但由于前期缺乏數據管理機制的規劃，導致數據質量參差不齊、基礎數據分散、不統一、數據不一致，難以為上層的數據統計分析應用提供支撐。

4、數據分析手段單一，缺乏交互式分析，不能完好匹配業務場景分析需求

目前電力企業提供的分析報告形式簡單固化，對分析需求響應的時效性差，未能提供與業務人員交互的數據分析功能，從而無法滿足用戶快速靈活多變的數據分析需求。于此同時，在數據可視化展示方面，展現圖形不夠豐富，內容單薄，不夠美觀，不能讓用戶基于“所見”進行探索分析。

5、項目周期長，需投入過多人力物力

傳統的大數據平臺的項目成本高、收效慢、風險高，由于建設周期長，因此需要配備較多的人力物力去支撐項目的執行。因此電力企業需求一款輕便，周期短，易操作的數據分析平臺，一來縮短建設周期，減少人力物力地投入，二來能夠快速輸出建設成果，快速構建數據分析業務場景。

基于企業級一站式大數據分析應用平臺，對多個獨立系統的數據進行集中整合，強化企業數據資產的管理，打破數據孤島。不同層級人員利用自助數據可視化分析技術挖掘數據價值，快速構建契合業務場景的數據應用，實現生產實時監控、OMO運營在線分析、設備故障預警、資金管理分析、端到端效能分析等不同業務模塊的數據應用需求。

MPP架構圖

整個平臺技術架構分以下五個層面

1.數據源層：對接來自不同業務信息系統數據，實現異構數據源的關聯整合，對數據進行集中管理，打造堅實的數據基礎。

2.ETL層：定義統一的數據API標準接口，對數據進行清洗、轉換、裝載的操作。特別是對數據進行去噪，提高數據準確性與有效性。

3.倉庫集市層：將經過ETL后的細節明細數據在數據倉庫中以星型或雪花型的模型進行存儲，并根據電力行業不同的業務分析主題的需求，對數據模型進行主題劃分后導入永洪MPP數據集市中做運算的加速處理。

4.應用層：面向不同層級的業務人員和分析主題需求，建立即席查詢、多維分析、數據報告、深度分析等豐富的數據應用場景。

5.展現層：以豐富美觀的圖表展現方式，靈活多變的交互方式，將分析結果呈現給決策層、管理層、IT人員和業務用戶，所有用戶都可以通過主流瀏覽器或移動終端來訪問系統。

1、定義戰略目標

戰略目標可大可小，部門也有部門的目標，小組也有小組的目標，那么在數據大數據項目落地的角度來說，想要什么是最重要，通過目標的分析和抽象，才能做好數據應用。

2、構建數據分析指標體系

分析指標在數據化運營體系中是承上啟下的潤滑油，是業務和原始數據的連接器，它由原始數據加工而來，反過來又驅動其他數據應用產品。企業需要梳理業務分析指標，建立一套標準數據分析指標體系，清晰定義指標口徑及含義，規范化對指標的管理，保障數據統計口徑的一致及結果的準確。

3、搭建數據分析應用

分階段建設一套標準化、智能化、移動化的數據分級及應用中心，面向企業內部不同層級的人員構建對應的數據應用服務，既要為企業高管提供數字化的決策支持及風險監控，同時也要滿足數據分析人員日常統計與分析需求，精簡報表及指標，讓管理人員從數據處理逐漸轉變為數據分析。

4、數據項目落地實踐

在大數據項目落地的建設中，一定要循序漸進，不能貪圖大而全，在項目推進的過程中，逐步將數據價值逐漸的釋放出來。對于企業而言，可以設置未來幾年的大數據應用的宏偉藍圖，但在實施過程中一定要注意逐步的和快速的分解。對企業內部大數據項目管理者來說，企業大數據項目的風險管控也是非常有必須要的。

1、一站式大數據分析應用平臺大大降低了數據應用構建門檻，讓構建數據應用不再高懸空中。隨著業務和管理價值的實現，形成滾雪球式的良好循環，真正發揮數據給企業帶來的巨大價值。

2、推動大數據分析技術在企業內部的應用，幫助企業提升數據的準確性和及時性，提升運營管理創新力，提升企業決策水平，實現對公司主營業務活動和核心資源的在線監測及全景展示，全面掌握企業運營狀況。

3、幫助電力企業構建數據應用體系，考量不同分析主題的特點及需求，快速構建分析模型，真正實現數據驅動決策。通過數據化運營，不同層級通過數據分析結果轉化成運營管理及策略，從而真正釋放數據價值，打造企業核心競爭力。