基于大数据挖掘的运营监测分析研究论文_金帅,阮宗仁

基于大数据挖掘的运营监测分析研究论文_金帅,阮宗仁

国网浙江苍南电力有限责任公司 浙江苍南 325800

摘要:大数据时代,需要更多的引擎支持,同时也创造了更多的应用。建立在分析数据集成数据的基础上,全面的运营检测信息系统不可或缺。通过对其理念、范围、应用进行探究,浅析其架构和用途。科技在不断进步,数据的集合更有无数种方式,同样面临更多的关卡,这需要全人类进行探索和启发,从问题中寻找新出路。

关键词:大数据;运营监测信息系统;应用

前言

大数据时代,我们需要更多的引擎支持,同时也创造了更多的应用。建立在分析数据集成数据的基础上,全面的运营检测信息系统不可或缺。

1应用理念及范围

1.1应用理念

运营检测信息系统,是利用了整个服务中心的数据,同时对监测中心进行调度,在各业务信息系统的支持、辅助、决策和展示下,建立起成果。它能够及时全面地反映公司整体经济的运作情况,宏观掌控布局,推动整个单位公司的走向。它将企业管理模式由自转转向公转、由壁垒转向协同、由分散转向集中、由自发转向可控、由孤岛转向共享,从而实现纵横贯通、双向协同、权责明确、流程清晰、管理高效的“五强”体系格局,建立了更坚固的保障墙。同时,海量的大数据历史库存,是一笔无形的宝藏。企业可以对其进行数据建模,通过分析分类,更加全面地发挥运营检测信息系统的功能,提高其预警力和分析力,为业务创新创造新途径。

1.2应用范围

大数据分析下的信息支撑系统的应用,是现代化技术的优秀产物,也是人类进化的骄傲作品。我们可以将它推广至各大企业公司,推进他们的变革创新,实现资源整合共享,提升其运营水平和速度,实现对规划、建设、运营、检修、营销、人力、物力和财力的全面规模化评估。同时,大数据能够实现对预算和收支的合理调控、电力购销的把控、资产全寿命周期的预估。甚至可以将产业发展和金融领域进行流程监测性分析,构建出集全面监测、运营分析、协调控制、全景展示和指示预警于一身的综合性系统平台。

2 利用大数据挖掘开展供电企业运营监测

2.1 构建层级监测体系

深入挖掘涉及公司综合绩效、核心资源、运营状况的所有指标数据,横跨专业、贯穿流程,结合公司实际运营情况选取关键监测对象,充分考虑监测指标对公司经营管理水平的影响程度,按关注重点进行监测等级分类,确定重点监测和辅助监测指标,并随时更新,构建一套有重点、有层次、符合实际的运营监测指标体系。

2.2 建立指标关联网络

为避免对指标的独立监测导致得出片面的分析结论,充分利用数据挖掘手段探寻各项数据间的潜在关联。考虑各项指标间显性算法关联及隐性业务关联关系,构建指标关联网络。某项指标发生变化会影响与之相关联的其他指标,比如售电量与售电收入、市场占有率等指标均存在明显的正相关性,因而售电量的波动会引发其他指标发生变化。所以,通过采取有效措施提升售电量,其他指标也会相应提升,或者在进行指标异动分析时,这些显性关系能帮助我们快速定位异动原因。有效利用这种隐性关系,则对于公司打破专业壁垒、提升业绩指标、控制风险,必能起到事半功倍的效果。基于以上分析,我们利用大数据挖掘技术开展了探寻指标隐性关联关系的工作。

3应用概述

3.1工作台系统

工作台是对数据进行操作的系统平台,通过对大数据按照应用指标、分时段和维度进行重新构造,并在终端显示应用。工作台系统在日常中进行检测和调控,配合系统的综合管理,对企业经营进行24小时在线实时监控分析。同时,通过工作台系统,可围绕核心业务活动与资源,对10年内的业务数据进行定向分析,通过构建监测模型、采用一定的指数体系和指定的阈值,将外部运营环境状况与核心资源综合绩效进行综合,在24小时在线的业务流程动态值下,可以实现对运营过程中设定的异动警报和预警处理。

期刊文章分类查询,尽在期刊图书馆

3.2数据库

检测数据库是建立在总部以及各大分部的两级数据中心资源上的,我们需要足够的支撑区检测分析和展示。在此台面上,将运营检测中心的指标体系进行整合,实现两级数据的整合,使得工作配合更加完善。理想状态中,数据中心应该分为两类,结构化与非结构化数据库,将整个相关数据系统内同步至数据库中心,可以再数据库完成建模分析工作,同时通过ETL工具进行指定数据的抽取和验证,将指标合理展现。

3.3大屏展示

大屏的展示是系统的输出端口,它包括展示类和检测类,将通过灵活可调控的方式定位展示场景,多方位多角度地进行全面无缝隙检测,使得运营分析和全景展示更加和谐。

3.3.1全景可视

全景展示下,我们可以创建概念主题库,按照数据库的构建,快速纵览企业概况,综合化地展示其经营成果,体现其协调的管理水平。并通过多维展示发展成果,总结服务成效的进步,将整个热点设计聚焦于一体,目标性地展示公司运营的业绩成绩和管理成效,形成企业完善的形象。

3.3.2全面监测

企业有自己独立而富含特色的运营模型,运营检测中心对公司的各大版块进行了在线检测控制,实现了外部环境、综合绩效、核心资源、运营状况和关键流程的一体化,将“全天候、全方位、全流程”的核心展示出来。大数据下的分析进度,一般是对当天检测的报道,经过分析比照,报告的内容得以支持,并运用于业务推进,为企业领导的决策增加了准确有力的数据支持,实现了高层的进一步高效化、

3.4资源管理器

管理工具是系统检测运行的重要零件和引擎支持,因为高质量的数据管理、运作合成,都需要工具的精准和合理化,这样才能提供合理有效的数据分析。随着智能网络的发展建设,基于数据中心的企业级数据资源管理工具,将进一步对其数据库进行深入和管控。从保护核心资产安全和权威性权限来说,这样的高级管家是一个整体团队运行所不可缺少的灵魂角色,并且更有利于巩固现有的成果。

4应用关键

基于大数据分析的运营检测信息系统,关键性在于将各大业务线进行汇总。在完整而准确的数据库中,充分集成分析,通过先进的预设数据管理工具,结合业务本身的指标和指令,建立相应的数据分析模型,并进行高校的历史记录化的数据分析,从而实现智能化报告支持,解决了人力所不能完成的分析,帮助高层及时决策调整。

4.1科学高效的业务能力

当前先进的数据库管理工具有ETL和OGG,在其全面梳理公司环节的同时,通过对其要素的相关性进行检测,提取各大要素模型化并结构化。最后,在ETL的自动抽取技术和OGG的数据同步技术下,实现最有效的企业检测业务架构管理,将各大要素整合,全面推进数据分析的应用水准和管理水平。

4.2统筹治理与分析

数据中心是数据的储藏室,本身并没有计算能力,需要将他们进行统筹才可以创造价值。因此,有序的管理和数据治理,是需要完善和加强的步骤,只有这样,集成数据库的业务数据才能更加完整和准确。

4.3系统集成的闭环流程

数据的汇总离不开各大来源的高度集成,这样才能实现数据的实时性、共享性、和协同性,才能不“辜负”系统的高度进化。所以,需要主动推进业务融合,保持数据唯一性和新鲜度,充分提高他的标准度和稳定性,坚持ESB等企业服务总线技术,将数据交换的枢纽更加统一,维护好集成架构,规范化企业体系,实现完整的闭环流程管理模式。

5结语

数据时代,科技在不断进步,数据的集合更有无数种方式,同样面临更多的关卡,这需要全人类进行探索和启发,从问题中寻找新出路。

参考文献

[1]高崇.韩雨.基于大数据分析的运营检测信息系统应用[J].科技与创新,2015(12).

[2]赵恒.基于大数据的M运营商运营管理信息系统应用[J].电信网技术,2016(11).信息技术与应用.

论文作者:金帅,阮宗仁

论文发表刊物:《基层建设》2017年第13期

论文发表时间:2017/9/18

标签:;  ;  ;  ;  ;  ;  ;  ;  

基于大数据挖掘的运营监测分析研究论文_金帅,阮宗仁
下载Doc文档

猜你喜欢