1.大感知实现耳聪目明

大感知是指通过物联网技术[电子标签、无线传感网、PLC（programmable logic controller，可编程逻辑控制器）智能装置、数字式检测仪、智能安全帽]、工业自动化技术（如DCS、scada）及内外部数据采集和交换平台，实现对企业物理对象的数字化感知、生产过程的数字化感知及企业业务流程的数字化感知。

（1）物联网：万物互联、数字协同

物联网实际上早就存在，它是互联网发展的自然延伸和扩张至物物之间的效果，是在互联网的基础上强化智慧企业大感知体系的能力，确保对业务和生产要素的全面感知，物联网通过各种传感器、定位系统等信息传感设备，将人、设备、厂房与互联网连接，实现设备之间、设备与人、人与现实环境之间实现高效的信息交互。

物联网一端连接人，一端连接物，并将人与物和云端连接；以云端的网络为中心获取所有数据来源、处理所有设备、路由所有请求、接触所有用户、观察所有流量、形成并控制所有流，实现智慧企业的数据驱动。

物联网是智慧企业大数据的重要来源之一，在企业中的典型用途包括智能标签、智能控制、大数据采集等。

智能标签：通过NFC、二维码、RFID等技术标识特定的对象，用于区分对象个体，如门禁卡、设备的二维码，通过条码标签获取对象识别信息。

智能控制：基于云计算平台和智能网络，依据传感器网络获取的数据进行决策，改变对象的行为进行控制和反馈，实现企业的风险管控、流程管控、业务监控及应急指挥。

大数据采集：物联网将企业所有人和物进行数字化，实现生产要素和工具的量化，配合业务量化形成智慧企业大数据，通过数据建模和分析支撑企业智能系统的运行。

（2）互联网：内外互联、生态协同

互联网是人类社会数字化世界构成的现实载体，智慧企业作为人类社会生活经济的有机组成部分，将通过互联网技术实现对社会要素的感知，实现企业内外的电子化连接和数字化交流，帮助企业即时感知外部变化，帮助企业有效应对外部风险，实现和外部环境的协同和互动。

企业需要一个开放平台以实现内互联、外互联和内外互联。

内互联要求企业实现内部的员工、系统、设备的实时互联，其建设的重点和难点在于两方面，一是技术上的异构系统之间的应用集成，二是管理上的流程重组。

外互联要求企业实现与上下游的供应商、分销商、用户等的商业协同与在线服务。如今，打造O2O（online to offline，线上到线下）服务平台已经成为传统企业改造其营销模式的首选途径，成为开放平台实时对接终端的模式。

内外互联要求企业实现内部与外部的一体化业务协作。以传统制造业为例，需要实现C2B（customer to business，消费者到企业）、C2M（customer to manufactory，顾客对工厂）等基于互联网的从消费者到企业智造的互联网商业模式的互联能力。最终形成以企业为核心，在员工与第三方之间实现以同一种语言对话的能力。

（3）移动互联网：人机互动、人人互通

移动互联网是移动和互联网融合的产物，继承了移动随时、随地、随身和互联网分享、开放、互动的优势，是整合二者优势的“升级版本”，移动互联网从移动端对全企业范围业务撒网，在互联网上盖上一层移动互联网，智慧企业大感知体系更加密集、结实。随着移动互联网的浪潮的不断推进，企业需要加快企业级移动微应用的开发，微应用是移动办公和移动管理的有效介质，同时是移动数据采集的重要承载体。

移动微应用应遍及所有移动应用需求，是数据的采集端，也是数据的应用端。通用类微应用在全企业范围采集数据，如移动OA（office automation，办公自动化）采集管理人员审批数据；服务申请提供各类后勤服务申请服务，采集车辆预订信息、便利店信息、保洁服务信息、洗衣服务信息、理发/宾馆/订餐服务数据、大楼物业维修数据等；考勤待办采集员工上下班考勤信息；用户反馈采集微应用使用情况、数据接口、系统接口、移动应用运行等反馈建议。各专业业务板块微应用在专业领域范围采集数据，涵盖所有业务范围。

2.大传输保障集成集中

大传输是以互联网为基础网络，以工业物联网为补充覆盖空白地带，同时结合移动互联网实现网络的移动化延伸，为智慧企业的互联互通提供四通八达的“高速公路”，实现数字化信息的快速、实时和海量传输，实现数据、文本、媒体、视频的全媒体高速传递。

企业可以通过应用集成和数据集成两种手段消除各部门、各中心、各层级之间的数据孤岛。应用集成提供统一的中间服务平台，改善系统之间调用的网状关系，使得系统之间的关系更加可视化，管控能力更强，各中心、各层级应用系统之间通过数据服务中介获取快速的数据服务。数据集成主要通过数据抽取、清洗、转换、加载四个步骤将所有数据集成集中存储在大数据平台，供单元脑、专业脑、决策脑根据需求取用，各中心、各层级应用系统通过官方数据提供方获取规范的数据服务。应用集成主要面向业务流程的快速流转而提供数据服务，数据集成侧重于为三脑的数据分析提供全面干净的数据，应用集成和数据集成共同服务于多脑协同和同层协同，以大传输支撑大协同。

（1）纵向传输——多脑协同

智慧企业的三级管理架构需要两级数据传输提供支撑。在智慧企业中，单元脑层级强调工业智能化，实现单元业务的精细控制、业务场景和对象的仿真模拟；专业脑层级强调管理专业化，实现中心业务的重点管控、业务态势的及时感知；决策脑层级强调管控的全局化，实现风险实时决策、绩效全局掌控。

纵向传输分为两级：第一级纵向传输是单元脑向专业脑提供支撑业务管控的相关数据，第二级纵向传输是单元脑和专业脑向决策脑提供支撑决策分析的相关数据。这些数据实现即时监视、时间分析、KPI（key performance indicator，关键绩效指标）到预警与趋势挖掘的应用级联，通过从微观到宏观的态势拟合、从宏观到微观的数据展现，实现多源信息融合。

（2）横向传输——同层协同

横向传输支撑多个单元脑之间、多个专业脑之间的同层协同。数据是组成各专业脑数据中心的水分子，传输工具是渗透的隔膜，如同水分子透过隔膜发生渗透现象，数据借助传输工具相互渗透打破原有部门之间的数据孤岛，数据的融合辅助业务的协同。

单元脑渗透：单元脑代表了企业的直接生产能力，各单元脑各自代表不可分割的基层业务单元，它们各自捕获不同的外部环境信息、提炼自身的生产能力。单元脑间的互相渗透，是对企业整体产能的有效分析、对内外风险的综合预判，以及应对环境的快速重组。

专业脑渗透：各个专业脑是企业不同专业数据的掌舵者，数据驱动的有效流程必然离不开各专业数据之间的交互、流通。例如，企业管理中心必须获取其他中心的生产、经营等相关数据辅助战略/规划的制定；风险管控中心获取其他中心的战略、市场、财务、工程、生产、库坝、安全、法律等相关数据转化为风险数据并实时监控预警；人力资源管理中心为其他中心提供人员、组织等信息；财务管理中心为其他中心提供会计科目等信息，并从其他中心获取项目财务结算、合同、物资及采购、员工薪资等数据以满足财务管理流程的运转和业财融合的需求；物资管理中心获取其他中心的物资需求信息以进行需求分类和汇总并供采购与合同数据中心制订采购计划；与审计与纪检有关的中心则需获取其他中心的审计和监察相关数据以实现自动审计与监察。

3.大存储构筑数据家园

大存储是指通过建设云计算中心，基于服务器、存储、网络、安全等硬件设备，采取OpenStack云计算框架分别构建出虚拟计算资源池、虚拟存储资源池、虚拟网络资源池，实现对各类资源的池化管理和按需分配，达到提高资源利用率和节能减排的效应，实现各种数据形态下的海量存储和快速存取，以支撑智慧企业对数据的加工、处理和计算需求。

大数据是指通过建设大数据平台提供大数据“采、存、管、用”全套能力。大数据平台通过数据治理、数据整合构筑大数据资源池，打破各业务数据、专业数据之间的数据孤岛，从纵向维度实现数据从基层单位—职能部门—领导决策的竖向打通，从横向维度实现数据的跨专业、跨业务和跨时间的效应联动。

大数据是智慧企业的血液，为“大脑”提供源源不断的动力，是智慧企业区别于普通企业的关键所在。大数据必定集中存储在“大脑”的一处，并且按照一定的方式清晰排列以支持“大脑”的运转。(www.daowen.com)

智慧企业要求大数据存储不仅“大”而且“集”，要求所有大数据经过清洗整洁有序地集中存储于大数据平台，要求以信息资源规划和数据治理方法为手段，打破常规系统建设思路，破除信息孤岛现象，构筑天、地、人、物、对象一体、多源异构数据融合、时空多态信息管理的信息融合架构。企业构建新型云数据中心平台，必须从企业全局考虑数据的来源、数据的采集、大数据平台架构、数据共享和数据管理。

数据的来源是大存储的源头，数据的采集是大存储的前提，数据的管理是大存储的必要手段，数据的应用是大存储的目的。国家能源集团大渡河公司流域水电开发有限公司大数据平台根据数据的“采、存、管、用”分为数据来源层、数据采集层、大数据平台、数据共享平台、数据管理层。

数据来源层：数据来源层应有效涵盖与企业交互的所有内外数据。特别地，对于集团型企业来说，如何兼顾总部、本部与下级的基层单元，打通数据权限，是无法绕过的重点难题。即使是与企业相关的外部服务单元，也应当是大数据平台数据产生的源泉，同时也从大数据平台获取非自有数据。

数据采集层：大数据采集主要通过大传输体系的数据集成方式将数据来源层的数据采集进入大数据平台，同时为数据需求方输送大数据平台数据。数据采集层根据数据来源、数据结构、数据时效性的不同提供丰富的采集工具和采集方式，确保数据采集的高效性和准确性。

大数据平台：大数据平台是整个平台的核心层，为智慧企业提供数据统一存储与计算服务，大数据平台可以采用“数据库+Hadoop”混合架构，所有数据按照主题域分类存储在数据库和Hadoop中，大数据平台拥有输出丰富的大数据能力：数据检索、智能语音交互、图算法、数据可视化等。

数据共享平台：数据共享平台是数据离开大数据平台的唯一大门，实现数据的统一使用管理，确保数据输出的规范性和安全性。数据共享平台为智慧企业的单元脑、专业脑和决策脑系统，以及内部个人用户、集团人员和外部人员提供基于大数据平台的原始数据服务、加工数据服务及报表数据服务。

数据管理层：数据管理的核心功能是确保数据的干净整洁，数据管理为大数据平台提供数据治理、主数据管理和元数据管理等功能，并建立数据标准、数据管理制度和体系以保障数据质量。

4.大计算支撑高效处理

大计算的典型代表当属云计算中心的建设，实现数据计算、存储和网络资源集中部署、动态分配、统一管理。

云计算中心的搭建为智慧企业建设提供海量数据存储及高效率的计算能力，以虚拟化技术为基础，为用户提供按需分配的计算能力、存储能力及应用服务能力，是智慧企业实现大数据、大分析的基础。

相较于传统的计算中心，云计算中心基于服务器、存储、网络、安全等硬件设备，分别构建出计算资源池、存储资源池、网络资源池、安全资源池，实现对各类资源的池化管理，按用户所需给虚拟机分配资源，释放后的虚拟资源会被重新纳入资源池管理；同时基于资源池的统一管理，还实现了虚拟资源基于用户策略的调度管理，提高资源利用率，节能减排。

云计算中心的建设，实现了高性能和高可用的虚拟化服务，提高了设备资源利用率；提供了统一的智能运维管理平台，方便了设备的管理和维护；高效的硬件设备资源利用率，有效降低了能耗。

5.大分析助力智能决策

以海量数据为资源形成水电行业的知识来源，依托机理模型、数理模型和人机交互数据工作台，对数据进行多维度分析和算法应用，为应用端的决策支持提供支撑，是数据驱动管理的核心源泉。

大数据时代，企业最关键的能力之一是数据的分析能力，智慧企业每时每刻都在产生大量的数据，并需要进行数据处理并快速给出决策方向。智慧企业的数据处理能力主要依赖于各种算法和模型进行。智慧企业数据的处理主要用于业务分析、趋势预测、商务智能、数据挖掘。

（1）业务分析能力

业务分析在对业务数据处理的基础上，帮助企业构建业务分析及优化战略、商业智能和绩效管理、高级分析及优化、企业信息管理、企业内容管理等方面的能力，从而可以辨认出关键的市场模式、降低成本并提高利用效率、积极主动地管理风险，实现智能、高利润的增长；帮助企业更准确地预测结果，发现以前无法预见的商机，并从功能级别上在整个企业范围内予以实现。

传统企业的业务分析能力主要体现在业务流程分析、业务数据分析、数据流分析与工作流分析，由于智慧企业实现了业务的数字化，其对于业务分析能力的要求更高。智慧企业的业务分析具有自动化特征，能生成自动化报告、实现内部报告流程的自动化；根据业务分析结果提供企业的各类规划蓝图；提升销售运营计划，积极监控销售和运营过程，调整采购、生产、运营、销售、营销和财务流程等。

智慧企业业务分析能力的高低主要体现在智慧的业务规划、智慧的生产计划、智慧的供应链、高效的运营效率、可靠的财务规划。

（2）趋势预测能力

趋势预测法又称趋势分析法，是指以自变量为时间、因变量为时间的函数的模式。常见模型包括趋势平均法、指数平滑法、直线趋势法、非直线趋势法。智慧企业的趋势预测能力体现在生产数字化层面的趋势预测和发展层面的趋势预测，发展层面的趋势预测可分为企业内部主营业务的发展趋势预测和企业外部整个行业的发展趋势预测。具体包括如下几个方面：

①生产数字化中的趋势预测能力。例如，根据自动化生产过程中的数据预测生产产品的趋势，根据产品生产趋势制订物料需求计划，及时自动供应原材料。

②企业主营业务的发展趋势预测能力。例如，根据产品的销量、价格和外部环境等数据预测企业主营业务的发展趋势，根据趋势预测结果调整企业的主营业务计划。

③行业发展趋势预测。例如，根据企业内部数据和接入的外部竞争对手数据与产品环境数据，判断行业发展趋势，如诺基亚未能准确预测安卓机的盛行，而带来的企业的颓败。

（3）商务智能能力

商务智能使用数据挖掘技术分析数据以得到相应的决策依据，甚至自主决策，是与业务分析配套使用的数据处理能力。对于智慧企业而言，其通过人与机器的连接、业务的数字化等方式采集到大量数据，通过数据分析以支持商务智能，成为大数据BI（business intelligence，商业智能）。

大数据BI是在大数据时代，因为数据的量级、安全性、用户与场景复杂性、多系统等因素需要结合大数据进行BI创新而形成的。目前已经产生了很多BI应用，能支持PB（petabytes，拍字节）级别的数据处理，操作简单、运维成本低，其提供的服务有可视化智能图表，连接企业的传统BI，辅助传统BI的过渡，并以更快、更强、更明显的形式展示已做出分析的智能图表；数据门户是环境数字化的结果，将企业内存储的数据进行分享；报表嵌入第三方系统可以有效接入外部环境数据，并借用外部系统进行数据分析、云计算等。

（4）数据挖掘能力

在大数据盛行的今天，企业的数据挖掘能力极大程度上限制着企业对于大数据的应用，数据挖掘能力越强，数据的存储和维护所带来的收益就会越高。智慧企业对于数据挖掘的能力就是在没有特定的挖掘目标，依靠相关的数据挖掘去发现数据背后的规则、模式、联系、规律等。虽然很多的数据挖掘前期是没有任何目标的，但是随着挖掘的进行，许多业务之间的联系、相关业务的发展趋势等都会展现，同时可以配合使用相关的业务分析、趋势预测、商务智能决策，即数据挖掘为其他三个能力提供依据，完成它们冲锋路上的扫雷工作。

智慧企业实践以机理模型、数理模型、人工经验交互支撑，构筑分层自主运行、多脑协同的智能化分析和应用平台，实现以场景导向、数据驱动、人机交互为特征的业务智慧化应用能力，打造电站现场建设和运行监控指挥单元脑、本部职能管控协同专业脑、企业战略评估决策脑，以及以开放分析平台、数据分析师和业务专家协同研究的新型企业智库。