7 《附录 A.2. 3. 1 智能 网联先导区/示范区-云 控基础平台可接入性需 求图》 Stk3.2 车路云数据管理需求 18 《附录 A.2. 3. 2 智能 网联先导区/示范区-车 车路云一体化系统云控基础平台参考架构 29 路云数据管理需求图》 Stk3.3 自动驾驶车辆测试需 求 18 《附录 A.2. 3. 3 智能 网联先导区/示范区-自 动驾驶车辆测试需求图》 图 3-3 用户需求分类模型 车路云一体化系统云控基础平台参考架构 31 3.1.3 系统需求 对用户需求进行分析，提炼出 13 类系统能力共性需求：通信能 力需求、数据管理能力需求、协同感知能力需求、协同决策能力需求、 远程控制能力需求、信息发布能力需求、信息订阅能力需求、车辆定 位能力需求、分级共享能力需求、示范区运营能力需求、车辆接入安 全能力需求、地图能力需求、自动驾驶测试能力需求。 求分级模型-车辆定位能 力需求》 S10.1 车辆精准定位需 求 3 S11 数据管理能力需 求 《附录 A.3.11 系统需 求分级模型-数据管理能 力需求》 S11.1 高动态数据缓存 及计算需求 3 S11.2 数据总线需求 6 S11.3 动态大数据管理 需求 7 S12 自动驾驶测试能 力需求 《附录 A.3.12 系统需 求分级模型-自动驾驶测

地理信息管理 数字资产管理 设备监控管理 生产调度 管理 大数据管理 巡检管理 安全管理 远程运维管理 仿真 培训管理 服务模式管理 服务数据管理 MRO 过程管理 MRO 配置管理 物流仿真 服务规范化 服务 BOM 维修 BOM 备品备件管理 维修计划 维修 BOM 维修工艺 企业产品生命周期管理解决方案 企业装备数字化 / 全集成自动化 / 物流数字化 主数据管理 -MDM 企业资源管理 -ERP 生产制造管理 -MOM 营销服务管理 -CRM 服务管理系统 -CSM 人力资源管理 -OA 供应链管理 -SRM 数 字化 企 业 3.0 数 物流数字化 企业资源管理 -ERP 主数据管理 -MDM 生产制造管理 -MOM 服务管理系统 -CSM 数字化整体解决方案 地理信息管理 数字资产管理 设备监控管理 生产调度 管理 大数据管理 巡检管理 安全管理

系统尚无法覆盖的专业环节，或者增强 ERP 比较薄弱的一些领域；  办公自动化、移动办公系统、合同档案系统是行政办公领域的核心企业数字驾驶仓，企业电子邮件系统是 OA 的基 本功能；  另外，主数据管理系统则是业务和信息标准化管理的关键系统。 主要效益  通过对成熟的商品化企业数字驾驶仓的实施，提高集团总部及下属企业在上述管理领域的管理水平，确保总部管理 意图的贯彻以及提升对下属企业的管控水平、增强管控力度； 数据仓库系统（ DW ）是企业整体数据信息的集成平台， CRM 系统为数据仓库提供分析相关的数据信息，数据仓库系统将从 CRM 系统中得到的 数据信息进行整合，为企业进一步的分析和统计提供数据基础；  主数据管理系统平台（ MDM ）是公司为统一管理产品、供应商、客户等基础数据开发的信息系统； CRM 系统需要从 MDM 系统获得维护基础信 息数据的统一标准编码；  企业门户进行界面集成，实现访问控制； 安全管理：通过 PKI 系统的建立、数字签名、电子印章、数字水印数据等加 密技术，实现对电子档案安全性的管理。  完成对系统流程的管理以及相关系统配置管理，包括流程管理、系统配置。  基础数据管理、工作流管理、参数配置。 数据接口  实现与其它系统的接口和数据转换：与其它系统接口，形成电子文件的自动 归档，接收标准数据，形成可以永久保管的档案资源 主要功能定义 合同档案管理系统 数字档案管理

数字化治理体系设计 数字化解决方案构想 （研发 / 营销 / 供应 / 生产 / 服务 / 管理…） 数字化转型愿景与目标 业务价值流 实施路径 华为云数据管理体系咨询 Offering 总览  数据治理：依托华为 20 年数据管理实践，形成 企业数据战略、治理组织人才、规范流程，为数 据驱动业务运营提供基础保障。  统一数据资产：包含数据资产目录、数据标准、 企业级数据模型、数据分布、数据地图等。从数 数据运营：提供数据运营机制与职责、建立运营 指标体系（如数据服务建设周期、数据需求响应 周期等），保障数据管理工作持续良性运转 客户收益 • 帮助构建数据管理体系，支撑粮储业务数据资产沉淀 • 规划设计整个数据管理体系及落地演进路线 • 数据管理体系现状评估 • 数据管理体系规划设计 • 重点任务及实施路径 咨询交付件 数据责任人 数据管理组织 统一数据资产 数据库 / 数据仓库 数据治理 组织 IT 数据治理平台 数据类型：关系型、非关系型、 计算资源：云虚机、 BMS 、容器，资源快速发放 数据存储：对象存储，存算分离 分析引擎： Hadoop, Spark, Flink, Presto, MPP, TensorFlow 数据管理： Atlas, AWS Glue, Hudi, DeltaLake… 数据类型：关系型、非关系型 计算资源：物理机 数据存储： HDFS ，存算一体 分析引擎： Hadoop, Spark

质量管控 工序数据质量实时监控预警 E2E 融合质量数据预警系统 数据可靠性分析 物联网数据 应用 数据资产管理 物流数据采集系统 IT 产线数字化 生产安全数字化 制造能耗数据管理 云制造数据 分析 测试，仪表，诊断，维修数据 / 智能诊断， 装备维护，大数据云调度 制造数据 可视化 订单全流程可视 制造测试网络监控可视 质量管控数据可视 生产运营可视化 超过 60% 计划或已经建立数据管理委员会 From 信通院、艾瑞咨询：预计到 2020 年，大数据软件市场规模将达 到 268.2 亿元，年复合增长率 38.6% ；大数据服务市场规模将达到 165.9 亿元，年复合增长率 41.4% 。初步估算数据管理市场约 43 亿， 核心发展方向：数据资产管理、 数据可视化以及机器学习 企业越来越重视数字化运营 ，核心重点是数据管理、可视以及数据治理 大数据能力框架，数字资产管理作用将被关注 大数据能力框架，数字资产管理作用将被关注 基础大数据产品逐步成 熟，数据安全、数据开 放以及主数据管理需求 旺盛。 From 中国信通院《中国大数据发展调查报告 2018 》 n 井喷增长的数字化业务需求 n 数据隐私和安全将对业务发展带来 影 响 n 数据贯穿企业内外分布在多个系统 n 人工智能将切实重塑商业模式 n 规模化、复杂的业务生态 业界洞察— Gartner ：日益增

........................................................................................12 2.1 当前数据管理现状..............................................................................15 2.2 省级数据共享需求.. 通过全面的需求分析，省级可信数据空间的设计方案将能够在 功能性、安全性和用户体验等多个方面达成平衡，为各类用户提供 高效、可靠的数据服务。 2.1 当前数据管理现状 当前，许多省级单位在数据管理方面面临诸多挑战，尤其是在 数据集成、标准化、共享和安全性方面。大多数机构的数据管理依 然依赖于传统的手动处理方式，并缺乏有效的统一管理平台。具体 分析如下： 首先，数据存储方式多样，造成数据孤岛现象严重。各部门或 段、数据格式等不一致，导致在进行数据分析时常常需要大量的预 处理。 此外，数据共享机制不健全是当前数据管理的一大瓶颈。虽然 一些政府部门和企事业单位开始探索数据共享的途径，但绝大多数 情况下，数据还是被局限在各自的部门内部，缺乏有效的跨部门合 作。调查发现，约 70%的数据在产生后未能有效共享，利用率极 低。 数据安全性和隐私保护同样是现阶段数据管理中不可忽视的问 题。随着数据规模的不断扩大，数据泄露和滥用的风险也随之上

..... 17 （二）数据质量参差不齐.................................................................17 （三）缺乏专业的数据管理人才.................................................... 18 （四）数据安全与隐私保护难度大........................ .............................. 20 （一）构建工业互联网生态，促进数据高效流动........................20 （二）夯实数据质量基础，完善数据管理标准............................20 （三）推进智能制造与自动化建设，增强核心竞争力................20 （四）打造行业垂直领域语料库，提升 AI 应用效能 ........................22 八、促进制造业数字化转型升级创新建议.......................................... 23 （一）提升数据管理能力，加速数字化转型................................23 （二）打通数据资产价值实现路径，鼓励评估入表....................23 （三）以标准为引领，推动智能工厂建设标准化

库存盘点管理 报损报溢管理 供应商发货指令 部门间交易管理 4. 生产中心 领用 / 出库明细管理 种植协议 / 农机租赁 成品入库管理 土地租赁 / 田间生产 进销存及费用管理 生产设备数据管理 5. 财务中心 应收管理 应付管理 总账管理 发票管理 单证管理 其他管理 7. 期货产研中心 期货交易策略制定与执行 期货 / 现货的关联关系管理 对接恒生期货指数 6. 资金结算中心 用面向业务单元派驻分团队的 模式，构建与业务部门的合作 关系，业务单元保留小部门专 业的分析专家资源 全集中的数据管理与数据服 务部门 。各业务单元数据团 队全部整合到集中后的专职 的数据部门中 特 点 • 数据生产与运营最大限度满 足本业务单元需求 • 无集中数据管理部门，跨部 门集中整合难度高 • 强化业务单元公共需求满足 • 在业务计划、财务预算、计 划监控、绩效考核等领域得 平台架构规划：从构建数据资产管理能力入手，推进数据平台建设 • 从整体的数据平台架构规划，此次项目的建设重点在于数据管理平台，通过数据管理平台形成数据资产管理体系的固化落地 • 主数据管理平台改造：围绕此次项目咨询规划成果，进行现有主数据管理平台的改造 • 数据资产管理平台建设：基于元数据管理，构建数据资产管理平台，形成数据资产目录，数据地图、数据质量管理、数据标准维护、 数据模型管理等功能 •

...................................................................................... 134 5.2 数据管理对象 ............................................................................................... 智慧企业的四个关键路径：业务量化、集成集中、统一平台、 智能协同。 1.业务量化：通过各种最新技术的应用，将企业的各项业务 全面数字化，使企业从过去定性描述、经验管理，逐步转变为数 据说话、数据管理。 2.集成集中：全面整合以往分散的系统平台，消除业务系统 间分类建设、条块分割、数据孤岛的现象，从而形成集中、集约 的管理系统。 3.统一平台：实现各类专业口径的数据标准化，并在统一运 上，对核心业务流程识别与分析，提出企业未来五年内智慧企 业信息化建设原则、发展目标、智慧企业总体框架、智慧企业 应用架构、智慧企业集成架构，并针对关键应用系统进行功能 规划，以及结合数据管理需求进行数据标准、数据治理、数据 集成、数据应用的规划，辅助企业进行智慧应用 IT 设施及安全 规划和 IT 治理，并基于规划给出智慧企业建设路径和投资预算 建议。 以下是分公司本部及下属企业对数字化转型智慧企业建设的