电力企业作为国家核心骨干企业，经过多年发展，从总部到下属层级单位都建立比较完善的CRM、ERP、MRP、OA等基础信息化系统，用于指导日常企业经营管理。但对数据的集中可视化展现及分析应用深度不够，已有的数据应用工具局限性较大，无法很好地企业经营管理提速。

1、IT系统局限性大，用户自主性难以发挥

自主自助式的数据分析与应用探索需求愈发强烈，用户希望自主式开发展示和报告制作，并设计业务场景进行数据分析，但是原有数据分析系统操作难度大，学习成本高，功能滞后，不能满足多元化业务分析场景。

2、数据孤岛严重

原有财务信息化系统、 MRP系统、ERP系统等相对独立，内部信息系统之间缺乏统一的平台对数据进行关联、整合及联通，无法从统一视角去衡量全企业业务概貌，难以完全释放数据的真正价值。

3、缺乏数据管理机制和保障

企业虽然已经积累了一定量的历史数据，但由于前期缺乏数据管理机制的规划，导致数据质量参差不齐、基础数据分散、不统一、数据不一致，难以为上层的数据统计分析应用提供支撑。

4、数据分析手段单一，缺乏交互式分析，不能完好匹配业务场景分析需求

目前电力企业提供的分析报告形式简单固化，对分析需求响应的时效性差，未能提供与业务人员交互的数据分析功能，从而无法满足用户快速灵活多变的数据分析需求。于此同时，在数据可视化展示方面，展现图形不够丰富，内容单薄，不够美观，不能让用户基于“所见”进行探索分析。

5、项目周期长，需投入过多人力物力

传统的大数据平台的项目成本高、收效慢、风险高，由于建设周期长，因此需要配备较多的人力物力去支撑项目的执行。因此电力企业需求一款轻便，周期短，易操作的数据分析平台，一来缩短建设周期，减少人力物力地投入，二来能够快速输出建设成果，快速构建数据分析业务场景。

基于企业级一站式大数据分析应用平台，对多个独立系统的数据进行集中整合，强化企业数据资产的管理，打破数据孤岛。不同层级人员利用自助数据可视化分析技术挖掘数据价值，快速构建契合业务场景的数据应用，实现生产实时监控、OMO运营在线分析、设备故障预警、资金管理分析、端到端效能分析等不同业务模块的数据应用需求。

MPP架构图

整个平台技术架构分以下五个层面

1.数据源层：对接来自不同业务信息系统数据，实现异构数据源的关联整合，对数据进行集中管理，打造坚实的数据基础。

2.ETL层：定义统一的数据API标准接口，对数据进行清洗、转换、装载的操作。特别是对数据进行去噪，提高数据准确性与有效性。

3.仓库集市层：将经过ETL后的细节明细数据在数据仓库中以星型或雪花型的模型进行存储，并根据电力行业不同的业务分析主题的需求，对数据模型进行主题划分后导入永洪MPP数据集市中做运算的加速处理。

4.应用层：面向不同层级的业务人员和分析主题需求，建立即席查询、多维分析、数据报告、深度分析等丰富的数据应用场景。

5.展现层：以丰富美观的图表展现方式，灵活多变的交互方式，将分析结果呈现给决策层、管理层、IT人员和业务用户，所有用户都可以通过主流浏览器或移动终端来访问系统。

1、定义战略目标

战略目标可大可小，部门也有部门的目标，小组也有小组的目标，那么在数据大数据项目落地的角度来说，想要什么是最重要，通过目标的分析和抽象，才能做好数据应用。

2、构建数据分析指标体系

分析指标在数据化运营体系中是承上启下的润滑油，是业务和原始数据的连接器，它由原始数据加工而来，反过来又驱动其他数据应用产品。企业需要梳理业务分析指标，建立一套标准数据分析指标体系，清晰定义指标口径及含义，规范化对指标的管理，保障数据统计口径的一致及结果的准确。

3、搭建数据分析应用

分阶段建设一套标准化、智能化、移动化的数据分级及应用中心，面向企业内部不同层级的人员构建对应的数据应用服务，既要为企业高管提供数字化的决策支持及风险监控，同时也要满足数据分析人员日常统计与分析需求，精简报表及指标，让管理人员从数据处理逐渐转变为数据分析。

4、数据项目落地实践

在大数据项目落地的建设中，一定要循序渐进，不能贪图大而全，在项目推进的过程中，逐步将数据价值逐渐的释放出来。对于企业而言，可以设置未来几年的大数据应用的宏伟蓝图，但在实施过程中一定要注意逐步的和快速的分解。对企业内部大数据项目管理者来说，企业大数据项目的风险管控也是非常有必须要的。

1、一站式大数据分析应用平台大大降低了数据应用构建门槛，让构建数据应用不再高悬空中。随着业务和管理价值的实现，形成滚雪球式的良好循环，真正发挥数据给企业带来的巨大价值。

2、推动大数据分析技术在企业内部的应用，帮助企业提升数据的准确性和及时性，提升运营管理创新力，提升企业决策水平，实现对公司主营业务活动和核心资源的在线监测及全景展示，全面掌握企业运营状况。

3、帮助电力企业构建数据应用体系，考量不同分析主题的特点及需求，快速构建分析模型，真正实现数据驱动决策。通过数据化运营，不同层级通过数据分析结果转化成运营管理及策略，从而真正释放数据价值，打造企业核心竞争力。