高雅麟数说智慧水务:大数据中的“大”、“数”、“据”
- 高雅麟原创作品
以数据的名义,说一说智慧水务
菜鸟与顺丰之争,似乎让大家忽然明白,数据真的是资产,而资产就是可以卖钱的,可以在资产负债表在予以体现的。前几天,我在博客上发了一篇“《菜鸟有点菜,顺丰不太顺:向谷歌学习格局》(http://gaoyl2003.blogchina.com/482502200.html)”的文章。中间提到了几个观点:
一是大数据归谁所有。菜鸟平台、顺丰快递、水费者似乎都是这些数据的创造者,他们都应该是数据的拥有者。只是谁都没有承认谁是主角,谁是配角,谁在台前,谁在幕后。这个问题没有搞清,数据之争,只是时间问题。
二是大数据需要避免垄断。很多数据其实是公共资源,它可能在隐私权的形式出现,需要以法律为准绳予以保护;它也可能在是公开的信息,以共享的形式供社会使用者合理的免费或付费的方式进行查询。
三是大数据的使用需要授权。使用数据者,需要得到数据所有者的法律许可,必须声明使用的场合与用途,从而决定许可的形式。
四是大数据的使用者必须负责,包括法律责任,也包括为数据使用所必须支付相应费用的经济责任。
互联网时代,以上四点将是一具普遍性的问题,水务数据也不例外。所以说一说水务数据,是非常具有现实意义的话题。
接着上一讲,我来来谈一谈智慧水务中大数据的特点。
“大、数、据”
智慧水务与大数据的关系,一言以蔽之:数据业务化,业务数据化。基于这些认知。我分别从“大”、“数”、“据”三个层面上分别讨论。
大,是指数据的特点;
数,指数据的内容;
据,是指数据的逻辑关系。
本月我将在水视点网站http://www.watereyes.com及水务经理人公众号(waterchinese)上独家分享,难够挂一漏万,或有失偏颇,我将不断完善文内容,请大家随时关注,也欢迎同行不吝批评指正。
今天先讲一讲大数据中的“大”
大
大,四层意思:更多、更杂、更快、更好。
1更多
更多的意思是:通俗讲,数据的数量比以往更多,但不仅仅是数量上的多。
随着数据采集手段的改进、渠道的增多,尤其是互联网的工具应用,信息的爆增,我们对数据的收集数量上有一个猛增,因此数据在量上的突破,从而引发了质的突变。因此,“总体=样本”的设想,成为了可能。我们以前的观念总是对“采样”做一些很深的研究,因为采样的方式往往决定了结果是不是客观,正确的。在实践过程中,‘采样’的行为不可避免地带有主观性,从而使样本失去了代表性,这是致命的弱点。所以“更多”的特点,是大数据的一个最基本的价值体现所在。
而智慧水务数据中的“更多”,与以前的水务管理模式相比,无论是在内部运营,对外服务过程中,数据上也确实有了相当的进步,但目前存在的瓶颈是:一是在内部运营的数据中,感知层的数据采集数量过少。由于资金与技术上的障碍,导致硬件投入不足,采集量与“大数据”的概念并不匹配。当量上没有一定突破的时候,便导致样本的不足,对智慧水务的“智能决策”上,就存在一个天然的短板。比如,管网DMA管理中,在线流量压力监测的点不够,失去了精准判断漏点的能力。
有了“多”的概念之后,机器的学习功能,才可以下下显现。机器的学习功能必须建立在大数据的基础上,使它具备不同于人类的认知方式。比如说,机器如何认识一只猫,如果数量过小,它可能会把猫认成虎或猫头鹰,但当机器记忆了一万张、一亿张各种猫的图片的时候,它的认知准确度和速度都会远远超过人类。推而广之,如果我们收集了关于供水区域范围内的一万个停水、漏水的状态时,机器的学习功能,基本上可以有一个可靠判断或预警的功能了。至于机器如何识别,它的研究就交给专门的研究机构吧。你只需要知道,机器的思维方式、判断方式不是你想象中的思维方式。电脑的学习功能,对水力模型的应用方式或许会有质的突破。
只是目前的问题是,水务数据不远没有达到这个量,因为感知层的硬件投入(或说经济投入)不足以支撑这个“多”的要求。或者说,目前状况下,感知层的硬件投入产出比过大,从经济投资角度来讲是不经济的。于是,智慧水务系统的感知层过少,是一个痛点!缺少了丰富的数字神经系统,智慧水务的数据效用,自然也受到极大的制约。
2更杂
更杂的意思:作为信息载体,数据将会变得更加繁锁、复杂。所以,大数据中有一个非常明显的特点,就是允许不精确。混杂性,是大数据固有的特点。由于它的“多”,导致数据结构无法细致分类,形成了非结构化的数据,所以新的数据库设计也从而形成。在实务中,我们从大数据中,快速获得一个大概的轮廓(发展趋势),比严格的精确性更具有现实中的指导意义。比如:数据之间的因果关系并不明显,但相关性就成为非常明显的现象。所以,在大数据思维下,一个体系对数据分析与加工的过程中,更多考察的是大势的相关性,而不是精确的因果关系。在“更多”的基础上,体现出大量数据的优势,使考察许多事件的相关性成为可能。
而模型的建立,是关键要素。数据的维度也让分析方法变得更加丰富多彩。物理世界与数学世界将会更加深入的融合,物理世界就是感知层,数学世界就是数学模型针对感知导的数据进行逻辑运算。
显然,大数据关注的首先是相关性,而不是因果关系。相关性比因果关系,在现实中具有强烈的指导意义。主要原因在于:一是因果关系比较精确,而模糊性的定性结论往往在实践中具有更多的应用场景;二是相关性是大数据中优势的一个明显突破。在量上的采集使相关性的揭示与验证成为一种可能。
用水量也电视剧的关系。就是一个非常典型的安全。就是我常讲的一个非常典型的案例。大家可以在我写的《智慧如何引领水务》一文中查看。
3更快
更快可以理解为:实时、即时的传递。数据作为信息流,作为业务流,在传输的时间上也不要求。包括感知层上的一些传感器的性能要求。比如数据延时的问题,传输过程中的误差问题。对数据的应用不同,对传输速度,传输频率,传输精度、正确度就会有不同数量级的要求。
在智慧水务实践中,水质、水量、水压的信息采集,机电设备的温度、噪音、电耗等运营指标的采集,水力模型、GIS系统、内部流程管理、数据分析决策系统的数据流处理,等等不一而足。又比如:污水处理厂厂区内工艺调整,往往根据外围集污管网中关于水质、水量的情况来进行及时调整,确保出水达标排放,这就与数据的传递速度非常相关。而水务行业中,在这个“快”字上,仍然是一个瓶颈,外围水质的突变对生化系统的冲击,在技术手段上仍然存在极大的障碍。
4更好
更好的意思:数据发挥的效用会更好,并形成一个完整的价值链,改变个体,即改变总体。收集的速度会更快,分析的逻辑关系在一个合理的模型中,将功能发挥得心应手。分析工具+专业背景,将是大数据加工分析的一个根本组合。相关关系的核心是量化两个数据之间的数理关系,这就需要一个好的数学模型;行业需要有自身的,内在的逻辑关系体现在数学模型中,所以又需要一个专业背景。两都不可偏颇。
就象要判断一个人,还可以看看他的朋友一样,要判断一个数据的价值,就得找到与这个数据相关的关联物,只有它可以更好地帮助我们捕捉现在和预测未来。比如说超市中,尿布与啤酒放在一起销售可以大增,比如说沃尔玛通过大数据分析,发现飓风来时,草莓味的蛋糕销量就会大幅上升。飓风、蛋糕、尿布、啤酒,就是我们需要关注的关联物。这是让数据“更好”的一些技术与技巧,此处不细述。
又比如, 水务数据是人们生活习惯的一个体现,同时也是一个地方区域的经济发展的晴雨表,而即时数据,与人口分布、交通状况、天气状况、生活水平都存在着相关性。智慧水务中体现的数据,可以与“智慧城市”、“海绵城市”、“政务云”等项目互相融合,以数据为橻带,使它位成为“数学模型”不可分割的一部分,从而体现出1+1〉2的集聚效益。所以,就象一滴水放入大海,可以保持它更强的生命力一样,智慧水务的数据需要融入到“智慧城市”的大数据中去,才可以发挥它“更好”的价值。
举个简单例子,最近浙江政府推出的“最多跑一次”的业务办理,得到基层百姓的占赞。表面上看去是一个办理流程加快的便民服务,或是“政治任务”,实质上也是对政务办理流程数据业务流的一次挑战与完善,水务便民措施,也是对智慧水务数据业务的一个检验与挑战。“最多跑一次”,不是说百姓与水务部门沟通一次就够了,而是指通过技术手段、加快了业务数据的流转速度,从而达到了“便民”的目的。这就是水务数据中从“更快”向“更好”的华丽转身。
数
上一讲,谈了大数据中的“大”无非想说明以下几点:
? 大,指的不仅仅是数意义上的大。这个“大”首先是思维模式上的大。因此,这个“大”不是形容词,是动词,即放大数据(价值)。
? 大,也指的是加工模式,加工后的数据,还是数据,原始数据与新生数据的迭代,产生了“大”的表现形式。
? 大,还指跨界之间的融合与加工。不能把智慧水务中的数据仅仅看作是水务行业的数据,它将在“智慧城市”“政务平台”中,显示出水务行业中的社会价值。
? 智慧水务平台中,就数量意义上的实时数据而言,感知层的原始数据,无论是在数量、类型上,其实远远没有达到“大”的概念,这也是智慧水务平台建设的一个痛点所在,因为这需要建设资金与建设周期。
因此,大数据的目的并不是追求数据量大,而是通过系统式的数据收集与分析,实现价值最大化。因此,大数据中的“大”,核心是价值最大化。
一、 数据分哪些类型?
数据(data)是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的的原始素材。
数据可以是连续的值,比如声音、图像,称为模拟数据。
也可以是离散的,如符号、文字,称为数字数据。
在计算机系统中,数据以二进制信息单元0,1的形式表示。
在程序观点来看,数据类型包括原始类型、多元组、记录单元、代数数据类型、抽象数据类型、参考类型以及函数类型。
但这些说明过于专业化,无益于理解智慧水务中的“数据”理解。
简而言之,如果说智慧水务是一个加工厂的话,那么“数”就是这个加工厂中的原材料。因此,智慧水务这个舞台上,“数”就是演员。既然是演员,自然是男男女女,形形色色的,是智慧水务的生命力的体现所在,值得关注与分析。因此,从不同的角度可以分不同的类型。
按展现形式分:填报数据、与实(即)时数据。
按加工程度来分:原始数据,加工数据
按数据内容分:水质数据、流量数据、压力数据、工程数据、能耗数据等。
根据来源分:用户(外部)数据和内部数据。
一般而言,整个智慧水务系统中,数据点上万级别的在线数据体量,已经不算小了。但根据大数据思维,更多的价值体现在数据的加工上,汇总、分析才是实时数据的真正价值体现。
关于填报数据与实时数据
01
填报数据
在水务企业管理中,可以说,大大小小的管理工具实际上是由一些报表系统组成的。填报数据,并不意味着“落后或低效。事实上,一个企业中的各类报表,其实就是融贯通于整个生产经营管理过程听管理工具。无论是绩效考核的平衡记分法,还是各类内控制度。
在智慧水务平台中,实现计算机语言来反映管理指标,包括采集、汇总、分析、决策,形成数据决策系统。填报数据的必要性是显然的。
一是因为实时采集的数据,有可能存在较大误差与误报;
二是许多数据是需要周期性的,即时的意义不大;
三是很多数据没有办法通过传感器来实时传送,比如工程管理中的数据,包括进度管理;
四是,实时数据需要填报数据来干预与补充。
用户分析
A1档案完整度统计月报
A2贸易水表统计月报
A3管理水表统计月报
A4消防水表统计月报
A5用水性质统计月报
A6公司户表月报(水价)
A7公司户表月报(性质)
A8营业所户表统计年报
A9地址信息(考核)
A10合同信息(考核)
A11通讯信息(考核)
A12营业所户表工作月报
A13营业所户表工作年报
A14用户信息查询
A15营业所户表管理年报 抄表分析
B1公司年抄表计划
B2公司年抄表统计
B3公司抄表工作考核月报
B4公司抄表工作考核年报
B5营业所抄表管理月报
B6营业所抄表管理年报
B7公司抄表管理月报
B8公司抄表管理年报
B9计划抄表月报(口径)
B10计划抄表(用水性质)
B12抄表员工作年报
B11营业所抄表工作年报
B13估表月报
B14漏抄表月报
水量分析
C1售水量月报(用水性质)
C2用水量二八定律月报
C3用水量工业指数(口径)
C4抄表零水量用户(管理)
C5非居民水量评估月报
C6抄表评估月报(分析)
C7产销差月报 水费分析
D1水费月报(用水性质)
D2水费月报(缴费日期)
D3实收水费年报
D4水费月报(收费方式)
D5水费违约金月报
D6水费收费率年报
D7应收水费年报
D8用水价格分布比例月报
D9阶梯水价月报(管理)
D10用水价格调整月报
D11历史欠费年报
D12本期欠费年报
D13水费回收及时率年报
D14水费回收完成率年报
D15水费账期及时率年报
热线热点
E1投诉受理情况
E2热线业务分类统计
E3热线考核月报
E4热线中心指标月报
E5坐席服务水准月报 周检分析
F1公司水表周检月报
F2公司水表周检年报
F3营业所水表周检年报
F4公司水表周检动态报表
F5周检计划月报(口径)
F6周检工作月报(口径)
F7非周检工作月报(口径)
(此类数据不再一一列举)
02
实时数据
这时数据的意义实现了动态化,并将动态化的数据进行历史记忆。
“人工智能”是绝对的经验主义,将碎片化的数字,实现时序性的排列,给计算机创造了一个丰富的数据分析空间。所以实时数据,不仅仅是实现经营管理中的预警等即时管理,包括应急管理功能,更主要的实际是能够记录动态的数据,更有利于分析。数据不仅体现了量的概念,同时也融合了时间的概念。其信息量随着计算机手段的增强,它的价值与有了一个质的提高。
? 关于动态数据和静态数据
大家很容易把智慧水务平台理解成一些实时数据的采集与加工,但事实上,在整个智慧水务各个子系统的背后,还有一些静态数据发挥着不可替代的作用。
如:在给水管网计算分析
应用计算解管网问题是根据管网的结构参数与运行参数求解管网的数学模型-----管网稳态方程组。所谓结构参数即静态数据,主要指指管网图、管网直径、管长、阻力系数、节点、地面标高等。运行参数或动态参数是:节点流量、水泵特性参数和水头损失、水池水位等。用数学模型计算出各管段的流量与水头损失,各节点的水压等,从而全面了解管网的工作状况,并对管网的优化运行调度,改建扩建,制订发展规划提供科学依据,这就是“智慧”的本质。
?关于已知数据和未知数据。
“关于未知数据,是一个非常新的理念,简单地理解,就是预测的数据。有许多专业人士为了不断缩小数据模型与现实中的误差,提出了“未知数据法”的概念。也就是说,把观察到的数据,对原有模型不断进行修正,从而使模型不断进接近真实,而不是仅仅是对历史数据模型的体现,能够让,数据“与时俱进”。
《道德经》有云:有之以为利,无之以为用。有者,是实有的物质存在,是看得见、摸得着、有形有状的东西,比如说杯子,如果没有“杯子”这个有形的材质,可资以为利,那么““杯子”的空间作用便也不存在了。如果把这个观点放在智慧水务中来理解,恰恰也符合工业4.0的理念。在数据中的理念,就是“从已知数据中,找到未知数据的价值”。人工智能就等于“大数据+深度学习”。正是不断对用户的数据进行分析、学习,人工智能才能越来越精准地预测用户的需求和行为,提供智能化、智慧化的服务。很显然,智慧水务中的大数据与深度学习的结合似乎还没有到人工智能的时候,但其商业模式也好,发展眼光也罢,“人工智能”谁说不会渗透到智慧水务的项目中呢? 所以,目前有许多专业人士认为,用人工神经网络来预测用水量,是一种颇具发展前景的方法。
二、数据的作用?
“数”的作用,第一个首要的作用是:建模
数据应用:在建立好数学模型后,应该说模型本身隐含地具备了原始观测数据的特征,也就是原始观测数据的“信息”,这就是智慧水务平台中,将业务数据化的一个数学加工过程。以此建立的模型去预测原始数据本身,误差较小,预测时,未来的数据是未知的,因此模型需要把“未知数据”作为模型验证的要素之一。也就是说,预测的数据,需要实际的数据来不断修证,从而达到“模型进化”的目的。
水量预测
在智慧水平台中,水量预测是一个基本功能。但城市用水量受诸多因素影响。如短期内,受气温、时间、管网状况;中长期内,受工业企业、居民收入、节水手段、人口、水价,管网漏损等情况影响。需要采用定性分析与定量分析。而定量分析过程中,实际上就是统计预测,它就需要一个符合实际的数学模型建立。
给水管网的水力计算
在数学方法上,用一些方程组来模拟管网的系统性能,从而确保管网中的“数”信息。这些方程组中,满足以下几个条件,也是通过“数”的形式来体现的:
1、 从任一节点流出的流量,其代数和等于零;
2、 在管网的任一闭环内,各管段的水头损失代数和为零;
3、 进入管网的总流量等于所有节点流量的总和。
大家可以看到,一个模型的建立,首先也是通过“数”的组织来体现,一个动态的管网模型,就是由动态的“数”集合。无论是工程计算,预测、预警等功能,都是通过“数”的信息处理来实现的。从而达到智慧水务平台上的量化目标,从而真正形成数据决策系统。
给水管网水质计算
在智慧水务系统中,管网水质计算并不突出。但对于供水服务中,水质管理应该是重中之重。因此在水质管理的数据处理也是值得引起重视。
水质的在线数据一般包括:余氯、PH值,浊度等。建立管网水质模型需要采集大量的数据,才能建立有代表性的模型。为优化余氯模型,在管网中应优化选择水质监测点。水质监测点尽可能多地收集水样,采集和分析不同管径、管材、敷设年代及不同流速管段的水质数据。
其中水质参数有:管网的余氯深度分布和传播路径、管道中水的滞留时间、水源浓度的分配。等。根据水齡变化,余氯的数值变化,监测管网水质、水龄,从而加强水质管理。
所以,你是不是真正的思考过大数据中的“数“,它赋予了我们怎样的现实内涵呢?
据
今天讲大数据中的“据“,这篇稿件完成后,算是对智慧水务在大数据中的”大“、”数“、”据“三个方面进行了一些粗浅的解说,由于时间仓促,我采用了一个偷懒的做法,使用了语音转换输入。所以,略显口语化,也有一些语句不通顺之处,用词上也非常粗糙,未经细细斟酌,深感词不达意。有很多内容是在休息时间在手机上写成的,也有些是晚上躺在床上休息时码字而成的,在条理上还不够清晰,信马由缰,想到哪写到哪,许多平时收集的素材没有系统地奉献给大家(我们将采用云课堂的形式来交流,近期以APP形式推出,欢迎同道加入,深度交流,可微信与我联系),希望大家多提宝贵意见,我将会把三方面的内容整合成一篇。当然不是简单的相加,而是进一步加工,相信在深度、广度上会有一个提高,真诚地请各位同行予以指导。可能贻笑大方,敬请谅解。
言归正传:
据,可以多个层面理解:一是占据;二是依据。
1
一是“占据”与“分配”
可以理解为谁占有这些数据,谁分配数据资源,谁利用这些数据资源。
在法律层面上,关于数据的所有权问题此处不论述(有兴趣可见我的博文:http://gaoyl2003.blogchina.com/482502200.html;本公众号中的数说智慧水务(一):警惕水电集抄中的数据之争)。在这里要强调的是:既然是占据或占有,那么必然涉及到“数据”的分配等问题。
在智慧水务系统中,数据业务化,业务数据化是一个基本思维方式。如何把数据进行分配,是智慧水务系统中涉及的运营管理问题,也是一个水务企业中管理架构的设计问题。其中包括数据分配至哪些管理部门,哪些管理层级,无论是输入数据还是输出数据,是数据的分析还是数据的应用。
数据是带有标鉴的。它的来源在哪?它的服务对象是谁?这是智慧水务架构设计过程中考虑的首要问题。以前我们讲过,智慧水务建设首先是管理理念的创新,然后才是技术手段的变革。讲的就是这个道理。这也是许多智慧水务软件供应商们,在架构设计过程中经常忽略的地方,也是一个系统在应用过程中,应用方与使用方需要不断磨合之处。根据我个人的观点,其实这也是评价一个软件水平高低的一个重要依据。
2
二是“依据”或“论据”。
如果说,智慧水务是一篇完整而庞大的论文集的话,那么这个“据”,就是“论据”。也是处理数据的思维与方法,是智慧水务系统中的方法论。
数据的输入与输出,都是劳动成果,这个成果就是体现在 数字局侧系统中的“依据”。如果数据是生产资料,那么据,就是应用方法与应用成果的综合体现。智慧水务系统的建立,它的核心思想就是“据”。无论是数据钻取还是数据应用,遵循的一个原则是有理有据。
比如要判断一个企业的经营好坏,不是察言观色,而是让数据讲话。一个人身体状况好不好,让检查身体的机器指标说话,你的血压、血脂、血糖指标是多少,而不是用“气色”二个字来定性描述。或者说“气色”二个字,是由一系列数据包装而成的。“据”的作用还有一个是内部诊断与横向对比的作用,并由此产生“智慧”,对水务企业对内管理、对外服务提供有效方法。
对一个企业的诊断与管理,需要中西医的结合,“据”就象西医中的精确数据,在量化中体现价值,通过数据的流动,产生“理”,然后形成管理过程中的“据”。
因此,据,就是方法。这也是对数据加工办法的核心逻辑思维,这是智慧水务架构中的灵魂所在!
>>>>总而言之:什么是据?
简而言之用一个公式表示:
据=功能软件+共性的行业思维+个性的企业管理
智慧水务,是融合在水务企业管理中的一个软件系统。据,就是把行业共性的思维管控模式与企业个性化管理需求,进行融合的一种方式;是智慧水务系统中,对所有信息流进行综合处理的方法。
>>>>
以例说明:
一、管网抢修方案的决策分析
在智慧水务系统中,应对突发性爆管的处理流程(事例图片流程并不完善,仅作参考例子)主要如下:
看上去是一件非常简单的流程,在事前、事中、事后过程中的处理手段也并不复杂。但从大数据的智慧系统而言,通知环节上,都应该是智慧水务系统非人工干预自动完成的,需要细化的部分体现在以下几点(但不限于以下几点):
1、通知用户的及时性
多长时间内通知到位?也即:智慧水务系统对曝管事件的反应速度。
2、通知用户的准确率
一方面是发的用户对象对不对?另一方面发出去的内容是不是准确?哪些是降压的影响,哪些是停水的影响?
3、通知用户的普及率
该通知到的都通知到了吗?通知覆盖率,是不是全部通知到了?除了停水用户的通知外,降压供水影响的区域的用户是不是周全?
上面三点,关系到用水户在智慧系统中的用户信息与管网信息完整性有关,也与智慧水务系统中GIS系统质量高低相关。技术手段手段而言,智慧水务系统中根据供水管网的拓扑结构,任何一点发生爆管,理论是都可以马上判断出受影响的用户有哪些?而且可以怎么通过手机发送短信通知。但目前难的不是技术手段,而是用户的信息完整性。一方面管网的拓扑结构是不是与现状完全相符,另一方面管网上的用户是不是都涵盖了,涵盖的用户是不是都有正确的通讯方式确保通知到位?
4、 抢修方案的选择与用户之间的关系
曝管事件在智慧水务系统中的反映,很多步骤是同步进行的。但每个环节中,是有一些逻辑关系的,不能次序颠倒。比如在传统的平台上,通知用户,与抢修方案的拟定是可以同步进行的,但在智慧水务系统中的敏捷性要求,有些次序性必须严格遵守。比如,突发曝管事件后,系统的反应是:抢修方案以及每个对应方案的受影响用户同时出来,对社会效益与经济效益综合评价,以供水司选择与决策。而系统推荐的方案很可能是多样性的,所以接下来,就需要以下适当人工干预的手段。
5、 系统中的人工干预与抢修方案评价。
A、经济效益:因停水而造成的水量减少的经济损失;因停水操作对门阀启闭的工作量,人工支配大小等;配件应用、技术方案难易等;
B、社会效益:方案中,停水范围内的公益性单位(如医院、学校、部队等);工业企业生产用水的安全性保障;重大事项的用水保障(重要政府、公益等政治性活动等);VIP用户(人大代表、政协委员、政府要员、用水大户、特殊用户、网络意见领袖等、媒体驻地等);
在我对一些智慧水务平台的实践过程中,供水行业迫切需要借鉴移动公司、电力部门的客户管理手段。
社会效益与经济效益要考虑到的因素会非常多,尤其是社会效益,有时候是无法量化的。因此,你无法让智慧水务系统来给你作最好的决策。哪怕智慧水务系统有一个推荐的抢修方案,但是还是需要人工干预,以确保意外发生。毕竟,智慧水务系统的“智慧“程度还远没有达到我们理想中的要求。何况有些社会效益的要求是”一票否决制“的。许多外界的信息并没有体现在智慧水务的信息系统中。当然由于水务企业往往是一个公益性比较强的行业,量化决策的权重,难以通过一个模型来确定,所以人工干预是在所难免的。如果真的哪一天,我们完全有法律依据来按智慧水务系统中的方案来执行,这就不是智慧水务的进步所能够涵盖的了。
6、系统自省功能的培育。
在工业4.0的概念中,每一台机器都应该有“自省”功能,或者说是“自我完善”功能。它的智能化程度是需要不断地培育,与软件模型,与现实对照形成闭环反馈。从而使它的预警、判断、决策等功能越来越接近真相,越来越发挥正确的指导作用。比如:在发生突发性曝管后的应对处理中,智慧水务系统中所对应的流量计、压力表是捕捉到了哪些信息?这就需要及时进行分析,并将实际场景作一个复原与记录。日积月累,当你积累成千上万的案例的时候,”人工智能“的雏形,自然也就形成了。当然这个,除了技术上的研究之外,还需要的就是智慧水务系统运营管理中的制度保障。
7、 自省功能的制度保障。
毋庸置疑,制度的保障,是实现自省功能是前提。在我们的企业管理过程中,要实现智慧系统中的“智慧“功能,需要依仗于基础信息的完整性、正确性(如用户信息、管网拓扑结构)。否则再智能化的软件,也必然得出错误的结论。而这个基础信息的完整性正确性,是需要整个智慧水务系统日常运营维护过程中,不断丰富,不断修正的。要正在形成一个长期有效的运行机制,自然就需要一个制度保障。除了强有力执行力外,还需要有一些技巧性的流程设计。比如,热线电话与用户信息的关系。目前的热线系统中很小与用户信息的修正进行无缝对接,也没有形成一个合理的流程来对智慧水务系统中的用户信息进行修正与补充。试想这样一个场景:一个热线电话打进来以后,除了帮用户解决问题的同时,热线人员是不是对电话人员的电话(手机、座机等)信息与他的水表账号信息,是不是进行核对,如果不一致,热线人员是不是可以及时进行修改,这个修改如何进行审核?与窗口受理部门,与抄表人员如何进行有效的对接?在制度上是如何保障的,在所有的工作报表与质量记录表单中,如何作一个明确的规定,并对此进行考核?
二、关于管网漏损率的分析
(略,此话题专文论述,但在“据”上面应该更能充分说明智慧水务中的一些技术逻辑与管理逻辑)