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

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 •

拓扑管理 用户管理 运维权限管理 角色管理 容量管理 AI 应用场景 服务生命周期管理 服务列表 数据 仓库 中台 志 大数据分析 DWS （ GaussDB200 服务化） 数据管理 统一接入、统一管理、统一服务的国网数据中台架构 数据服务（ DAYU ） Kafka 消息中间件 结构 化 业务类 采集类 ERP PMS 用采 J 营销系统 财务系统 缓存 ) DLI( 跨源分析 ) DLI( 实时流计算 ) CSS( 云搜索服务 ) 报表分析 GES ( 图引擎服务） 标签管理 模型层 近源层 E 文件 ETL 数据质量管理 元数据管理 数据开发 数据资产 模型管理 数据安全 人力资源 管理 IoT 平台 4 其他 层次 特点 选型组件 贴源层 • 数据只增不减，具备审计能力，并提供给共享层做数据恢复 • DAYU 数据解析 3 DRS 实时抽取 备库 RDS 备库（可选，按需） DRS 实时抽取 2 数据管理 ETL 数据开发 元数据管理 模型管理 5 贴 源 层 结构化数据处理 - 总体流 程 业务类 ERP PMS 营销系统 财务系统 DAYU

支持从事业部到所属企业的分级管理、 分级核算 - 16 - 支持从事业部到所属企业的分级管理、分级核算 项目型生产解决方案概览 关键难点和挑战 产品数据管理 销售管理 项目管理 生产管理 采购管理 仓储物流 质量管理 服务管理 成本管理 决策支持 主数据管理 设计计划 工程更改 文档管理 销售计划 机会管理 销售报价 合同管理 合同变更 立项 项目计划 与预算 项目进度 进度监控 标准规范 流程制度 系统平台 - 29 - 建议集团主数据管理平台需要具备如下关键能力： 整体策略 主数据识别 组织 标准规范 流程制度 系统平台 主数据管控 流程治理 组织架构 人工录入 自动采集 主数据采集 人工发布 自动发布 主数据分发 新增 变更 删除 启用 注销 主 数 据 维 护 模型管理 质量管理 数据管理 规则管理 集成管理 主 数 据 业 务 管 理 集团数字化整体蓝图未来五年实施分三步走  统一集团财务核算  统一事业部项目管理  总部和企业两级协同的质量管理体系  总部和所属企业内部的业财一体化  统一薪酬、绩效管理  打通协同办公的通道  统一主数据管理  建设全面预算系统  建设统一平台、分层应用的 BI 系统  整合、建设财务共享相关系统  建设供应商关系管理系统  建设审计、法务、科研系统  整合 PLM （产品生命周期管

系统间的数据集成与数据汇聚，由于多主体大数据 平台建设采用异构技术平台、不同元数据管理、独 立数据接口标准，导致跨主体跨域间数据无法高效 流通、无法高效发现、汇聚、治理、加工、访问与检 索，大量 高价值数据难以被快速、高效集成至 AI 训练 / 推理 生产流程中。 ① 跨域多主体系统异构建设，跨系统横向集成难， 无法为 AI 统一供数： · 缺少统一元数据管理，治理复杂度剧增： Iceberg、 Hudi、Delta Hudi、Delta Lake、语料集对象存储各表 格式的元数据访问协议差异大，多个数据湖独立部 署元数据管理，异构数据湖无法形成全局数据地 图，跨系统数据发现成本高、血缘追踪割裂等。 · 缺少统一数据格式，跨格式数据计算性能差：多 引擎（Spark、Flink、模 型训推等）编排 场景下兼 容性 差，跨格式联邦查询通过多 catalog 路由，查询 计划复杂、性能差。 12 Metadata 缺少统一权限管理，合规管控复杂度高：异构元 数据管理多重权限体系叠加、审计日志分散，满足 统一 IAM 策略、统一审计的技术成本高、漏洞风险 大。 ② 缺少云边端一体化管理，中心训练 -> 边缘推理纵 向数据供给不足： · 云边端数据孤岛导致语料碎片化：大量高价值行 业数据（工业设备、医疗检测、城市治理监测）滞留 边缘端，导致垂直领域语料严重短缺； · 云边端元数据描述不统一：云边端数据缺乏统一 元数据管理和存储标准，导致语义对齐困难，需要大