基于数据资产的电力企业内部提质增效管理体系研究

国网宁夏电力有限公司宁东供电公司 宁夏 宁东 750411

0 引言

大数据是工业社会的“自由”资源,谁掌握了数据,谁就掌握了主动权[1]。数据资产管理领域是大数据时代企业布局竞争的核心阵地,也是目前的市场空白。通过大数据与传统产业融合,推动生产方式和商业模式创新已成为发展潮流和各方共识。电网数据总量已达到PB级,且日增量达到TB级[2],涉及各行各业企业用户,蕴含着巨大的价值财富。电力数据与经济发展紧密联系,其变化态势反映国民经济的发展走向,支撑政府部门科学决策。

1 数据资产管理现状

国内外关于数据资产管理理论研究近十年才兴起,研究内容主要集中在数据资产定义、分类、管理等方面,内容以定性为主,缺少对数据资产价值量化、数据资产应用等内容的研究。数据资产管理有以下特点:

1)开创性:数据资产管理是是新领域,通过研究可获取该领域最前沿的学术和管理应用成果。

2)前瞻性:数据资产管理理论研究与“大数据”、“数据挖掘”和“信息管理”等研究热点紧密相关,数据资产管理会越来越受到企业管理者的重视。

3)增值性:数据资产增值性具有两层含义,一方面以数据租赁、数据销售等方式可实现数据资产变现,增加企业收入。另一方面,通过数据深度挖掘分析与应用,可提高企业运营效率和管理水平,促进企业事业发展,为企业带来更多效益。

2 电力企业数据资产管理体系研究

2.1 明确电力企业数据资产定义 电力企业数据资产是电力企业在运营活动中所产生的数据资源。电力企业运营活动[3]主要包括企业管控业务、企业核心业务和企业支撑业务。

基于上述相关定义的研究,给出定义:电力企业数据资产是指在电力企业主要运营活动过程中自主产生和外部获取的,能够客观、真实描述企业运营管理活动,并能为电力企业带来价值的数据资源。数据资源主要包括原始业务明细数据、统计汇总数据、分析加工后形成的数据。

有别于传统的数据管理,数据资产不再将数据局限于单一业务部门或领域,而是从总体视角重新构建数据与数据之间的潜在联系,修补基于单个数据领域而导致的数据断层。

2.2 电力企业数据资产分类

2.2.1 数据资产分类目的 同固定资产或无形资产相比,数据资产的海量规模、复杂类型、无规律使用周期、隐蔽成本特征等使其管理难度更大。因此,为了更有针对性管理数据资产,企业需要对资产进行合理分类。

2.2.2 数据资产分类原则 由于数据资产具有数据和资产的双重属性,按照不同标准,数据资产可以分为不同的类别。

1)从数据角度分析。根据数据获取方式不同可分为自动采集数据和手工录入数据,自动采集数据包括设备状态数据、电网运行数据等无需人工逐条录入的数据。手工录入数据指通过系统录入界面需要人工逐条录入的数据。按照数据用途不同可分为交易型数据和分析型数据,交易型数据是从业务处理过程中产生的基础数据。分析型数据是指来源于事务型数据,经过加工处理的数据。

2)从资产角度分析。根据数据共享度可分为严禁共享型、部分共享型和完全共享型。数据资产的价值变现依赖于它的使用及传递过程,如果将数据资产储藏起来仅供少数人使用,其价值就难以充分利用,如果不断交换和交易,就可以使其产生更大的价值。严禁共享型指数据资产只能在企业内部有限的范围使用,无法进行交易和交换。部分共享型指数据资产在企业内部可以被充分交易和交换,其自身价值仍然无法直接用货币衡量。完全共享型指数据资产不仅可以在企业内部使用,也可以将数据资产通过出售或租售的方式给第三方使用。

2.2.3 数据资产分类原则 资产分类多种多样,为更有针对性的制定数据资产差异化管理策略,合理的资产分类必须要满足以下原则:

a.实用性:数据分类是易操作的,由客观实际决定而不是靠主观判断。

b.稳定性:分类设置要考虑它在一个时期内是稳定的。

c.独立性:每一类集中反映一群数据的共同属性,类与类之间的属性没有交叉重叠。

2.3 电力企业数据资产管理体系框架 电力企业经营由业务对象和业务活动共同组成,业务对象是公司经营过程中业务活动的对象,业务活动是围绕参与对象展开的业务行为。因此,数据资产按照数据产生目的可以分为表征业务对象的数据和表征业务活动的数据,分别称为固有数据和赋予数据。

1)固有数据是表征业务对象的数据,按照数据产生方式可视为自然属性数据。自然属性数据是表征业务对象自然具有的数据,是描述、记录业务对象与生俱来的特征数据。如设备铭牌参数、客户基本信息、员工基本情况等。

2)赋予数据是表征业务活动的数据,按照数据产生方式可分为运行数据和管理数据。运行数据是自身行为数据,是描述、记录业务对象自然运行的数据。如电网实时电压、设备负荷、温度等。管理数据是外部行为数据,是描述、记录业务对象进行管理活动而产生的数据。如交易合同内容、工单内容等。

图1 数据资产分类框架

通过以上分类方法,将数据资产分为“自然属性数据”、“运行数据”和“管理数据”,不仅符合数据资产分类原则,而且这三类数据资产不同的分类特征,可以有效支撑差异化的管理策略。

2.4 电力大数据存储技术 传统关系型数据库对小规模的可靠关系数据管理简单有效,但电力系统中数据每天以BP级增加,特别是非结构化数据无法实现传统查询与快速计算及实时分析,因此基于分布式的大数据Hadoop[4]网络框架成为流行的数据处理工具,Hadoop架构具有高可靠性、高扩展性和高容错性等优势,在数据处理要求较高的电力系统应用广泛。

2.5 大数据分析挖掘算法 由于电力行业大数据的特点,在海量电力数据中挖掘有价值的信息就显得尤为重要。当前,比较常用的大数据挖掘算法有以下几种:具有自组织自适应性、并行处理、分布存储和高度容错等特性适合神经网络法;基于生物自然选择与遗传机理的随机搜索算法;常用于预测模型的决策树算法等。

2.6 大数据可视化技术 大数据可视化技术[5]是大数据分析必不可少的步骤。在大数据分析与数据可视化阶段,电力设备数据分析[6]的可扩展性和实时动态追踪是可视化技术首要解决的两个问题。从智能电网的不同层次分析,首先最基础的是直接用户部分,这部分用户用电行为需要分析不同类型用户用电特征;其次是电力运营商的电力运营管理与分析,这部分的分析是电网系统及智能化管理最直接、最重要的组成部分;处于最顶层的是商业信息化智能管理,这个层面的管理主要依据统计数据分析、统计报表分析来诊断电力商业发展趋势和对未来的判断。

3 电力企业数据资产管理体系建设意义

1)建立完整的电力企业数据资产管理体系,数据资产管理工作将更有效开展,为数据资产价值释放提供良好的生态环境。

2)基于数据应用场景还原业务过程、消除运营诊断盲点,有力支撑管理决策,优化企业运营,为社会、客户创造协同收益。

3)激活数据价值,提升市场能见度。数据资产体系运行期间,高度促进了业务融合和数据共享。

4)挖掘数据价值,提高企业经济效益。整合海量电力数据,建立数据中台进行数据资产管理。抽取业务系统数据库记录,监测发现电价执行疑似问题72条,抽查39户,确认问题11户,涉及电费超10万元,为企业追回了一定经济损失,充分发挥了数据资产管理的价值。

4 结论

本次研究从数据资产管理基础理论入手,明晰数据资产定义与特征,基于基础数据和业务信息,建立完整的数据资产管控体系,通过对公司主营业务活动、核心资源、客户服务的实时在线监测与分析,发现公司运营中存在的异动和问题,及时进行预警并协调解决,促进公司安全、有序、健康、高效运营。开展运营数据资产管理和利用,实现数据资产效益最大化。