Tableau 157亿收购背后，50页深度报告看清BI的未来

能源行业的参与者大多数是大型国有电力、石油等类型的企业，能源企业的业务通常涉及关系国计民生的基础性服务，在几十年的国家基础能源设施建设过程中沉淀了大量数据资产，如何盘活数据资产，优化管理，创造价值成为能源企业重点关心的问题。

能源行业实施BI的难点首先在于，海量、多源、异构的生产系统导致的数据复杂性和动态性。例如电力系统从电能生产、客户购电，到电能销售、电力传输，再到企事业单位用电、电力设备故障，每个环节都涉及到大量业务数据。每类数据基本都是TB级以上，且在持续增长。这对BI过程的数据的抽取、清洗和转化环节提出了很高要求，同时BI系统的存储结构也要采用相应的海量、异构存储架构。

能源行业的难点其次在于，需要解决大量的历史数据和生产经营实时数据。无论是电力系统，还是石油行业，沉睡的历史数据资产犹如鸡肋，食之无味、弃之可惜。传统的BI系统在利用海量历史信息时，建设成本高，可用性差。只有具备相应的存储和快速处理技术的BI系统，才能在海量历史数据的基础上，实现全景实时的数据展现。

能源行业除生产经营数据(网架、设备、技术、管理)外，还需辅助气象、地理、人文、交通等外部数据。例如，可以提取石油管网与GIS数据，可以发现管道维护与相关区域的多个问题，从而在区域范围优化管网参数与运维人员的配置。同时，管网的历史数据与气象、人文等数据联合分析后，有助于智能管道全寿命周期管理。

能源行业BI的应用最重要的是对于风险因素的挖掘和管控。例如，通过AI构建电费风险预测模型，大客户的欠费预测命中率几乎达到了90%；同时发现了大量未察觉的业务规律和管理盲点；通过“网络可靠性特征模式“，可以根据线路的结构特性、电气特性、供电可靠性等因素将线路分成若干类不同可靠性的线路组，为配电规划提供依据。

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!