CN112700083A - 构建资源综合利用和服务指数指标体系场景的方法及装置 - Google Patents
构建资源综合利用和服务指数指标体系场景的方法及装置 Download PDFInfo
- Publication number
- CN112700083A CN112700083A CN202011374728.2A CN202011374728A CN112700083A CN 112700083 A CN112700083 A CN 112700083A CN 202011374728 A CN202011374728 A CN 202011374728A CN 112700083 A CN112700083 A CN 112700083A
- Authority
- CN
- China
- Prior art keywords
- data
- service
- index
- comprehensive utilization
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000007405 data analysis Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 31
- 238000012550 audit Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 17
- 238000004806 packaging method and process Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000007499 fusion processing Methods 0.000 claims description 16
- 238000011835 investigation Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 239000008186 active pharmaceutical agent Substances 0.000 description 77
- 238000011161 development Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000013499 data model Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000013523 data management Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012517 data analytics Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013102 re-test Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4482—Procedural
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种构建资源综合利用和服务指数指标体系场景的方法及装置，基于华为数据中台，实现了一套完整的实现资源综合利用和服务指数指标体系的方法，具体包含资源综合利用和服务指数指标体系的详细指标参数设置、利用华为数据实现资源综合利用和服务指数指标体系的完整操作过程、利用数据中台搭建数据场景的方法等内容，利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
Description
技术领域
本申请涉及数据管理技术领域，更具体地，尤其涉及一种构建资源综合利用和服务指数指标体系场景的方法及装置。
背景技术
随着国内经济快速发展、电力业务量的快速增长，很多电力企业日益增多的采用复杂多样的数据管理工具(数据中台等)用于构建本企业的各种业务场景，导致企业内部缺乏统一实用使用高复杂度数据系统搭建业务场景的统一方法。为此，数据中台目前在国内属于研究热点，相关各方面工作开展的比较多，很多实力雄厚的互联网公司都在建设自己的数据中台，如阿里巴巴、百度、华为、腾讯和国云数据中台等。
虽然上述各个公司提供的数据中台都具有数据接入、数据管理以及数据分析等功能，但是从依托数据中台构建企业的资源综合利用和服务指数指标体系这个问题来说，还是存在一些缺陷和问题，无法达到令人满意的程度。因此，现有技术中至少存在以下不足：1)目前各个中台采用的技术组件差异较大，兼容性不好，中台之间存在数据和业务的壁垒；2)缺乏一个成熟、可行的使用数据中台构建企业的资源综合利用和服务指数指标体系的案例，缺少有意义的参考方法；3)我国目前的实际应用中，对信息系统的资源综合利用和服务指数指标体系的建设主要是依靠传统的信息化系统和数据库，甚至是人工方式实现的，现成业务向数据中台上进行迁移具有较高的迁移开销；4)针对电力信息化系统的评价指标的评价选择和判断主要还集中在对特定的业务领域的信息化系统进行评价，还没有一套全面的、科学的、依靠数据中台实现的能够在电力系统通用的对信息化系统进行评价的指标体系。
为此，基于上述现有技术中的缺陷和问题，利用先进的数据中台技术，构建企业的资源综合利用和服务指数指标体系，从而充分发挥企业数据潜力，实现数据为企业赋能，就具有重要的现实意义。
发明内容
本申请提供了一种构建资源综合利用和服务指数指标体系场景的方法及装置，利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
为了实现上述目的，本申请提供了以下技术方案：
一种构建资源综合利用和服务指数指标体系场景的方法，基于数据中台的数据汇集能力和数据分析服务能力，该方法包括：
基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：所述资源综合利用和服务指数指标体系的验证，具体为：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务注册发布，具体为：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务调用，具体为：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
一种构建资源综合利用和服务指数指标体系场景的装置，基于数据中台的数据汇集能力和数据分析服务能力，该装置包括：
第一处理单元，用于基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
第二处理单元，用于依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
第三处理单元，用于根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
优选的，还包括：第四处理单元，所述第四处理单元具体用于：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
优选的，还包括：第五处理单元，所述第五处理单元具体用于：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
优选的，还包括：第六处理单元，所述第六处理单元具体用于：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如上述所述的构建资源综合利用和服务指数指标体系场景的方法。
一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述所述的构建资源综合利用和服务指数指标体系场景的方法。
本申请提供的一种构建资源综合利用和服务指数指标体系场景的方法及装置，构建的资源综合利用和服务指数指标体系场景具有通用性和普适性，可以通过简单的修改应用于其他场景，在指标类应用建立方面具有实践意义；针对业界主流的数据中台，完整全面的实现了一个全流程的指标体系的建立过程，对于基于数据中台建立数据应用场景具有指导和参考意义，具有技术创新性和实用性；采用的基于华为数据中台建设指数指标体系的方法具有普适性，可以应用于采用其他数据中台建设基于中台数据的数据应用场景，对于其他场景的构建具有参考价值。
本申请基于华为数据中台，实现了一套完整的实现资源综合利用和服务指数指标体系的方法，具体包含资源综合利用和服务指数指标体系的详细指标参数设置、利用华为数据实现资源综合利用和服务指数指标体系的完整操作过程、利用数据中台搭建数据场景的方法等内容，利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种构建资源综合利用和服务指数指标体系场景的方法流程示意图；
图2为本申请实施例提供的一种构建资源综合利用和服务指数指标体系场景的装置结构示意图；
图3为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
本申请提供一种构建资源综合利用和服务指数指标体系场景的方法及装置，目的在于：利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
华为公司作为国内领先的企业服务提供商，其开发的数据中台具有功能丰富、性能强大、技术先进、工具众多的特点，然而，数据中台毕竟是这几年数字化战略普及发展之后的产物，因此还存在标准不够统一、不同厂家理解内容不同、不同中台间数据不能共通、众多组件带来系统稳定性低等问题。以华为中台为例，其包含的各类组件和工具有数十种，其功能点则上百个。这么一套复杂的系统，在以国家电网为代表的大型企业中进行实际应用往往会在不同的地方产生出乎意料的结果，同时由于华为中台刚刚研发完成不久，面向市场推广时间不长，还处于频繁的性能和版本频繁升级阶段，因此如何利用华为中台发挥大型企业数据潜力就具有现实困难。而在大型企业中，从自身众多业务数据中抽取一系列指标建立资源综合利用和服务指数指标体系用于进行各种评价是一个使用频度非常高的业务场景，所以，利用华为数据中台搭建企业的资源综合利用和服务指数指标体系就具有重要的实际意义和现实紧迫性。
华为数据中台通过提供数据接入、存储计算、数据分析、数据资产管理、运营管理、数据服务等组件能力进行应用支撑。通过数据接入能力，从数据中台外部将各类业务数据汇聚到数据中台贴源层。数据种类主要包括内外部结构化数据、非结构化数据、E格式文件和特定规约的消息数据。通过数据存储，数据计算平台(分布式数据库与大数据平台)存储计算能力，支持海量结构化、消息、量测数据的接入、存储、实时/批量计算。通过数据分析能力，可以用适当的统计分析方法对数据中台的接入数据进行建模和算法分析，从而提取有用信息和形成结论。数据分析能力应包括数据可视化、报表分析、自助式分析能力等内容。通过数据服务能力，搭建统一的数据开放服务目录以及提供数据服务的各类API服务接口，实现对内对外的数据服务统一访问，提供安全、稳定、敏捷、友好、可控的数据开放共享服务，主要包含第三方接口服务、WS服务、Restful服务、服务目录、通用数据访问等服务能力。通过数据资产管理能力，对数据资产体系的模型、目录、数据标签等进行全面管控，达到可视易用的效果，包含数据资产目录、数据质量稽核、元数据管理、标签管理、模型管理等相关的产品和服务，实现对贴源层、共享层、分析层的数据统一管理，确保数据在共享和使用过程中的全面性、准确性、一致性。支撑分析应用从数据申请、开发、测试、注册、发布、调度、运行监控的端到端的交付使用，建立快速统一服务能力列表，敏捷响应业务需求，主要包含基于统一的运营管理体系实现数据开发、链路监测、任务调度和统一监控等相关的服务。
参见图1，为本申请实施例提供的一种构建资源综合利用和服务指数指标体系场景的方法的流程示意图。如图1所示，本申请实施例提供的构建资源综合利用和服务指数指标体系场景的方法，基于数据中台的数据汇集能力和数据分析服务能力，该方法具体包括如下步骤：
S11：基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长。
本申请实施例中，基于华为公司数据中台的数据汇集能力和数据分析服务能力，来实现资源综合利用和服务指数指标体系场景的构建。
上述华为公司数据中台的数据源层包含业务系统中实时产生的各类业务数据，包括电网公司使用的PMS、营销业务应用等信息系统的结构化数据，消息类数据，量测类数据和非结构化数据。数据源由数据接入工具接入至数据中台贴源层。贴源层主要完成各类基础数据源的接入存储，并按照数据整合要求进行各类整合预处理，各类业务数据根据SG-CIM模型完成规范整理，并流转至共享层中。在分析层中，按照业务应用类别，建立不同的应用范围，并由数据仓库提供数据存储支撑能力。在面向业务应用的数据服务层，提供相关数据访问服务接口，包括目录服务、WS服务和消息推送等组件，可以用于为信息化系统资源综合利用和服务指数指标体系场景构建提供数据支撑。
具体的，在进行数据抽取之前，需要导入华为公司数据中台的相关数据，流程主要包括：
1、数据接入
数据接入主要分为三个阶段，为贴源层数据接入、数据落模及分析层数据转换工作。
1.1贴源层数据接入，结构化数据接入主要通过数据复制服务工具DRS来实现，可以满足将源系统中的数据实时抽取到Kafka中。如果源业务系统中有RDS备库，则可由DRS将数据从源系统中实时同步到RDS备库中，然后使用DRS将备库RDS中的数据同步到Kafka中。DAYU通过自身调度功能从Kafka中定时(间隔最小15分钟)批量抽取数据，增补时戳、操作等必要字段，生成增量数据csv文件写入贴源层缓冲区(HDFS)，并利用MRS大数据平台Spark计算框架和算力，对数据进行抹平操作，删除中间过程的数据，将最后的结果数据合并到镜像表(Hive)中。贴源层中包含镜像表和审计表两类表，镜像表默认开启，存储源库一比一相同的镜像数据；审计表按实际需求进行开启，存储源端系统所有操作记录，记录数据每步的变化过程。如果需要支持审计业务，贴源层中存在审计表，则调用数据合并程序，直接将Kafka抽取的数据合并到贴源层的审计表中。DAYU并行调度镜像表和审计表处理，降低单表处理时延。
1.2数据落模，数据落模是指遵循国网公司统一数据模型设计思路和规范，基于数据中台的数据库产品选型(DWS)，结合SG-CIM4.0及其完善迭代版本成果，开展相应迭代版本数据模型清洗转换工作，实现统一数据模型在数据中台的全面落地应用。
数据落模主要包括如下两个场景：一对一映射表和多表关联形成的模型层的目标表。
对于一对一的映射场景：DAYU通过调度MRS Spark解析程序，从Kafka中获取增量数据，完成一对一的模型映射转换。然后DAYU调度DWS存储过程将这部分数据合并到模型层的目标表中。
对于多对一、多对多等场景，DAYU调度MRS spark解析流程，从Kafka中获取增量数据，并且对数据进行合并抹平操作，去除中间操作过程数据，DAYU调度DWS的接口将数据加载到贴源层中的缓冲区，然后调用DWS的存储过程完成多表关联数据逻辑转换以及数据合并入共享层模型。
1.3分析层数据转换，分析层数据转换根据业务需求，可通过编写DWS的存储过程脚本，使用DAYU定时调度功能将数据落入分析层；也可结合大数据分析计算能力，通过编写批量计算逻辑，使用DAYU定时调度功能将数据落入分析层，满足各个应用数据需求。
2、数据加工
数据加工计算能力主要由数据库计算引擎和大数据分析服务(MRS)提供。数据库引擎通过DWS的SQL能力和存储过程提供聚合、平均、排序等批量计算功能；大数据分析服务通过MapReduce、Hive、Spark、Flink等批量计算、流计算框架结合业务场景进行数据分析计算。
DWS的计算能力通过存储过程和SQL语句来调用，有三种方式，一是通过业务应用程序通过JDBC、ODBC接口传递SQL语句；二是在提供的DataStudio中直接编写SQL语句并提交执行；三是在一体化作业开发平台Dayu上编写Sql语句并提交执行。
大数据分析服务通过两种方式来调用。一是在开发工具上基于MapReduce、spark、flink等框架编写作业算子，提交到Dayu上执行。二是在Dayu上通过shell、python、SQL等语言直接开发作业，主要有sparksql作业，flink作业，Hive作业等。
3、服务封装
数据封装的过程是指将数据库中的数据封装为restful服务，以便第三方调用的过程。数据封装提供专门的封装工具，开发人员通过SQL语句编制，选取所需数据，填写封装信息并确认后，自动封装为restful接口注册到API中。前端应用即可通过API调用指定接口获取所需的数据。
向导模式生成API路线如下：创建API分组→绑定域名→配置API基本信息→向导模式配置取数逻辑→测试API，其中：
创建API分组：API分组相当于同一种业务API的集合，在创建API前，需要先创建API分组，一个API分组可视为一种服务。
绑定域名：开放API前，需要为API分组绑定一个或多个独立域名，API网关通过独立域名定位到此分组。如果未绑定独立域名，那么调用API时默认使用子域名，API网关对子域名的访问次数做了限制，每天最多可以访问1000次。
配置API基本信息：登录DAYU控制台，按照指定路径(数据服务-->开发API-->API管理)，完成API的创建与服务基本信息的输入。
向导模式配置取数逻辑：选择数据源、数据连接、数据库、数据表，获取到需要配置的表，配置参数字段，编辑请求参数信息、返回参数信息、排序参数信息。
测试API：完成API参数的配置并保存后，进入API测试环节。填写参数值，开始测试，即可在线发送API请求，并可以看到API请求详情及返回内容。如果测试失败，则根据错误提示并做相应的修改重新测试。完成API测试之后，即成功生成了一个数据API。
脚本模式生成API路线如下：创建API分组→绑定域名→配置API基本信息→脚本模式配置取数逻辑→测试API，其中：
创建API分组：API分组相当于同一种业务API的集合，在创建API前，需要先创建API分组，一个API分组可视为一种服务。
绑定域名：开放API前，需要为API分组绑定一个或多个独立域名，API网关通过独立域名定位到此分组。如果未绑定独立域名，那么调用API时默认使用子域名，API网关对子域名的访问次数做了限制，每天最多可以访问1000次。
配置API基本信息：登录DAYU控制台，按照指定路径(数据服务-->开发API-->API管理)，完成API的创建与服务基本信息的输入。
脚本模式配置取数逻辑：选择数据源、数据连接、数据库、数据表，获取到需要配置的表，编写API查询SQL，添加排序参数，编辑请求参数信息。
测试API：完成API参数的配置并保存后，进入API测试环节。填写参数值，开始测试，即可在线发送API请求，并可以看到API请求详情及返回内容。如果测试失败，则根据错误提示并做相应的修改重新测试。完成API测试之后，即成功生成了一个数据API。
S12：依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常。
本申请实施例中，基于数据中台数据汇集和数据分析服务能力，实现对于信息化系统的资源综合利用和服务指数指标体系场景构建。基于数据中台数据汇集能力，从国网公司的I6000、性能监测系统、业务系统、IRS、统一权限平台、华三网管等33个电力支撑信息化系统中抽取数据，主要为僵尸功能率、账号弱口令、系统平均响应时长等指标。
资源综合利用和服务指数从成本、应用、运行三个角度建立模型，共涉及44个评价指标、其中14个指标需要由19个基础数据计算得出，其中：成本费用主要是从投资费用、运维成本2个角度，建立系统平均建设费用、平均运维费用等4个指标，考察系统投入情况。应用水平主要是从用户侧、系统侧两个方向评价系统应用水平，涉及用户评价、功能应用、数据质量、专业程度、人员权限5个角度，包含系统友好度、功能应用度、数据完成性等21个指标。运行能力主要是从安全、效率两个角度考察系统运行情况，共涉及安全事件数、系统平均响应时长、cpu利用率等19个指标。
资源综合利用和服务指数评分数据源于现场调研指标6个，主要为系统易学、界面友好度、系统稳定性等指标。未有系统支撑指标数据7个，主要为专业程度、网络流量异常、访问状态异常等指标。
需要说明的是，构建指标体系的指标列表及分值设置如表1所示。
S13：根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
资源综合利用和服务指数的指标权重设置原则，是以提升用户体验与用户获得感为目标，突出体现用户评价指数。具体计算公式如下：
资源综合利用和服务指数＝0.1*成本规模指数+0.55*应用水平指数+0.35*运行能力指数。
成本规模指数＝0.5*投资费用+0.5*运维成本。
应用水平指数＝0.33*用户评价+0.22*功能应用+0.22*数据质量+0.08*专业程度+0.15*人员权限。
运行能力指数＝0.51*安全质量+0.49*运行效率。
资源综合利用服务指数的评价标准主要来源2个方面：
(1)源自现有国网评分标准，例如：信息系统非计划停运时间，当信息系统非计划停运时长≤0.5小时，得分为100分；当信息系统非计划停运时长＞0.5小时，每增加0.5小时，扣1分，扣完为止。
(2)源自已有的行业标准，例如：页面加载时间<3s的时间，用户是可容忍的。页面加载时间≤3s,得分100分；当页面加载时间＞3s,每增加1s,扣5分，扣完为止。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：所述资源综合利用和服务指数指标体系的验证，具体为：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
在业务逻辑建立资源综合利用和服务指数指标体系后，通过数据中台完成源端数据接入整合，基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况，在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析，将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算，通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务注册发布，具体为：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务调用，具体为：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
本申请实施例构建资源综合利用和服务指数指标体系场景具有通用性和普适性，可以通过简单的修改应用于其他场景，在指标类应用建立方面具有实践意义；针对业界主流的数据中台，完整全面的实现了一个全流程的指标体系的建立过程，对于基于数据中台建立数据应用场景具有指导和参考意义，具有技术创新性和实用性；采用的基于华为数据中台建设指数指标体系的方法具有普适性，可以应用于采用其他数据中台建设基于中台数据的数据应用场景，对于其他场景的构建具有参考价值。
本申请实施例基于华为数据中台，实现了一套完整的实现资源综合利用和服务指数指标体系的方法，具体包含资源综合利用和服务指数指标体系的详细指标参数设置、利用华为数据实现资源综合利用和服务指数指标体系的完整操作过程、利用数据中台搭建数据场景的方法等内容，利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
本申请实施例具有如下优点：依托业界先进、主流的华为数据中台实现，具有实际应用价值；使用华为数据中台完整、具体的实现了构建企业的资源综合利用和服务指数指标体系的案例，具有示范和参考价值；在资源综合利用和服务指数指标体系构建的过程中，使用的是已经整合入华为数据中台的数据，不需要额外数据库和信息系统的配合，开发成本和开销少，使用方便；针对电力信息化系统的评价指标的问题进行，发明具有针对性，与目前国家对传统电力公司进行数字化转型要求相一致，具有现实意义。依托数据中台实现，加快传统能源企业的数字化进程，真正应用于实际电力系统工作中，是真实可行的评价方法。
请参阅图2，基于上述实施例公开的一种构建资源综合利用和服务指数指标体系场景的方法，本实施例对应公开了一种构建资源综合利用和服务指数指标体系场景的装置，基于数据中台的数据汇集能力和数据分析服务能力，该装置具体包括：
第一处理单元21，用于基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
第二处理单元22，用于依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
第三处理单元23，用于根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
优选的，还包括：第四处理单元24，所述第四处理单元24具体用于：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
优选的，还包括：第五处理单元25，所述第五处理单元25具体用于：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
优选的，还包括：第六处理单元26，所述第六处理单元26具体用于：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
所述构建资源综合利用和服务指数指标体系场景的装置包括处理器和存储器，上述第一处理单元、第二处理单元、第三处理单元、第四处理单元、第五处理单元和第六处理单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，利用先进的数据中台技术，充分发挥企业数据潜力，实现数据为企业赋能。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述构建资源综合利用和服务指数指标体系场景的方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述构建资源综合利用和服务指数指标体系场景的方法。
本申请实施例提供了一种电子设备，如图3所示，该电子设备30包括至少一个处理器301、以及与所述处理器连接的至少一个存储器302、总线303；其中，所述处理器301、所述存储器302通过所述总线303完成相互间的通信；处理器301用于调用所述存储器302中的程序指令，以执行上述的所述方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：所述资源综合利用和服务指数指标体系的验证
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务注册发布，具体为：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
优选的，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务调用，具体为：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种构建资源综合利用和服务指数指标体系场景的方法，其特征在于，基于数据中台的数据汇集能力和数据分析服务能力，该方法包括：
基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
2.根据权利要求1所述的方法，其特征在于，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：所述资源综合利用和服务指数指标体系的验证，具体为：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
3.根据权利要求1所述的方法，其特征在于，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务注册发布，具体为：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
4.根据权利要求1所述的方法，其特征在于，所述在业务逻辑上建立资源综合利用和服务指数指标体系场景之后，还包括：服务调用，具体为：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
5.一种构建资源综合利用和服务指数指标体系场景的装置，其特征在于，基于数据中台的数据汇集能力和数据分析服务能力，该装置包括：
第一处理单元，用于基于所述数据中台的数据汇集能力抽取所述数据中台的指标数据，所述指标数据包括：僵尸功能率、账号弱口令、系统平均响应时长；
第二处理单元，用于依据所述指标数据以及资源综合利用和服务指数评分数据，从成本费用、应用水平和运行能力三个角度建立模型，所述资源综合利用和服务指数评分数据源于现场调研指标数据和系统支撑指标数据，所述场调研指标数据包括：系统易学、界面友好度、系统稳定性，所述系统支撑指标数据包括专业程度、网络流量异常、访问状态异常；
第三处理单元，用于根据预设的资源综合利用和服务指数的指标权重设置原则，在业务逻辑上建立资源综合利用和服务指数指标体系场景。
6.根据权利要求5所述的装置，其特征在于，还包括：第四处理单元，所述第四处理单元具体用于：
通过数据中台完成源端数据接入整合；
基于明细业务数据及模型落地映射情况，结合资源综合利用和服务指数需求、业务逻辑及数据处理逻辑，充分考虑指标数据融通共享情况；
在数据中台DWS分析层采用资源综合利用和服务指数分析存储方式，通过构建指标存储模型、宽表设计、SQL语句等方式实现业务数据的融合加工分析；
将数据融合加工的过程封装为DWS的存储过程，通过使用DAYU定时调度功能，将数据从模型层落入分析层中，完成数据抽取分析计算；
通过DAYU创建API完成服务封装发布，最终实现资源综合利用和服务指数业务场景。
7.根据权利要求5所述的装置，其特征在于，还包括：第五处理单元，所述第五处理单元具体用于：
服务测试成功后，注册到服务网关；
注册完成后，待发布的API会同步到“数据服务>>运营管理>审核中心”页面，应由管理者进行审核，通过后可将API一键发布到服务市场；
进入到服务网关控制台，查看服务基本信息及调用示例，也可以进一步在服务网关设置流量控制、访问控制功能。
8.根据权利要求5所述的装置，其特征在于，还包括：第六处理单元，所述第六处理单元具体用于：
从数据分析服务目录中获取数据分析服务；
对于使用APP认证的数据分析服务，在数据服务中创建一个应用，以生成应用ID和密钥对，将创建的应用绑定API后，使用APP认证调用数据分析服务；
由管理者对应用授予调用该数据分析服务的权限；
数据分析服务使用者通过APP认证、IAM认证、OpenID Connect方式调用数据分析服务。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至4中任一项所述的构建资源综合利用和服务指数指标体系场景的方法。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1至4中任一项所述的构建资源综合利用和服务指数指标体系场景的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374728.2A CN112700083A (zh) | 2020-11-30 | 2020-11-30 | 构建资源综合利用和服务指数指标体系场景的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011374728.2A CN112700083A (zh) | 2020-11-30 | 2020-11-30 | 构建资源综合利用和服务指数指标体系场景的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112700083A true CN112700083A (zh) | 2021-04-23 |
Family
ID=75506008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011374728.2A Pending CN112700083A (zh) | 2020-11-30 | 2020-11-30 | 构建资源综合利用和服务指数指标体系场景的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700083A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114004585A (zh) * | 2021-10-22 | 2022-02-01 | 国网重庆市电力公司电力科学研究院 | 一种电力用户数据管理系统 |
| CN114036141A (zh) * | 2021-11-08 | 2022-02-11 | 国网天津市电力公司 | 共享数据资源整合分析方法电子设备以及计算机可读介质 |
| CN114741060A (zh) * | 2022-06-13 | 2022-07-12 | 浪潮通信技术有限公司 | 基于中台的业务系统开发方法及装置 |
| CN116303832A (zh) * | 2023-05-17 | 2023-06-23 | 鹏城实验室 | 一种可评价的汇聚多源数据的方法及相关装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915897A (zh) * | 2015-06-24 | 2015-09-16 | 国家电网公司 | 一种电网规划评价业务的计算机实现方法 |
| CN110781168A (zh) * | 2019-10-18 | 2020-02-11 | 国网江西省电力有限公司信息通信分公司 | 一种物联网lbs业务中台构建方法及装置 |
| CN111008197A (zh) * | 2019-11-20 | 2020-04-14 | 王锦志 | 一种电力营销服务系统数据中台设计方法 |
| CN111563673A (zh) * | 2020-04-28 | 2020-08-21 | 中国联合网络通信集团有限公司 | 一种计算机技术数字化程度评估方法和装置 |
| CN111861260A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的区域能源经济运行及能效分析方法及终端 |
| CN111861262A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的企业透视画像方法及终端 |
-
2020
- 2020-11-30 CN CN202011374728.2A patent/CN112700083A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915897A (zh) * | 2015-06-24 | 2015-09-16 | 国家电网公司 | 一种电网规划评价业务的计算机实现方法 |
| CN110781168A (zh) * | 2019-10-18 | 2020-02-11 | 国网江西省电力有限公司信息通信分公司 | 一种物联网lbs业务中台构建方法及装置 |
| CN111008197A (zh) * | 2019-11-20 | 2020-04-14 | 王锦志 | 一种电力营销服务系统数据中台设计方法 |
| CN111563673A (zh) * | 2020-04-28 | 2020-08-21 | 中国联合网络通信集团有限公司 | 一种计算机技术数字化程度评估方法和装置 |
| CN111861260A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的区域能源经济运行及能效分析方法及终端 |
| CN111861262A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的企业透视画像方法及终端 |
Non-Patent Citations (1)
| Title |
|---|
| 龙江: ""华为云大数据中台架构分享"", pages 6 - 7, Retrieved from the Internet <URL:https://max.book118.com/html/2020/0223/8113110023002077.shtm> * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114004585A (zh) * | 2021-10-22 | 2022-02-01 | 国网重庆市电力公司电力科学研究院 | 一种电力用户数据管理系统 |
| CN114036141A (zh) * | 2021-11-08 | 2022-02-11 | 国网天津市电力公司 | 共享数据资源整合分析方法电子设备以及计算机可读介质 |
| CN114741060A (zh) * | 2022-06-13 | 2022-07-12 | 浪潮通信技术有限公司 | 基于中台的业务系统开发方法及装置 |
| CN116303832A (zh) * | 2023-05-17 | 2023-06-23 | 鹏城实验室 | 一种可评价的汇聚多源数据的方法及相关装置 |
| CN116303832B (zh) * | 2023-05-17 | 2024-04-09 | 鹏城实验室 | 一种可评价的汇聚多源数据的方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110809017B (zh) | 一种基于云平台和微服务构架的数据分析应用平台系统 | |
| USRE49486E1 (en) | System and method for tracking web interactions with real time analytics | |
| CN107370786B (zh) | 一种基于微服务架构的通用信息管理系统 | |
| CN112700083A (zh) | 构建资源综合利用和服务指数指标体系场景的方法及装置 | |
| US10353913B2 (en) | Automating extract, transform, and load job testing | |
| CN110222036B (zh) | 用于自动数据库迁移的方法和系统 | |
| CN112260877B (zh) | 基于ai的rpa机器人管理方法、平台及存储介质 | |
| CN111324610A (zh) | 一种数据同步的方法及装置 | |
| CN102541723A (zh) | 用于软件测试的自动化测试装置 | |
| CN110780856B (zh) | 一种基于微服务的用电数据发布平台 | |
| CN103810272A (zh) | 一种数据处理方法和系统 | |
| CN112035363A (zh) | 接口自动化测试方法及装置 | |
| CN103139006A (zh) | 基于web服务的自动化测试装置及方法 | |
| CN114741375A (zh) | 一种多源异构数据库快速自动数据迁移系统及方法 | |
| US11321318B2 (en) | Dynamic access paths | |
| US20230134277A1 (en) | Secure debugging in multitenant cloud environment | |
| CN111048164A (zh) | 一种医学大数据长期保存系统 | |
| CN110825641A (zh) | 一种基于模拟数据生成器的微服务应用测试工具集 | |
| CN112559525B (zh) | 数据检查系统、方法、装置和服务器 | |
| CN117370203A (zh) | 自动化测试方法、系统、电子设备及存储介质 | |
| CN115996230B (zh) | 跨云数据同步方法、装置、计算机设备及可读存储介质 | |
| CN107608884A (zh) | 一种分布式存储系统内核客户端的测试装置及设备 | |
| CN112491943A (zh) | 数据请求方法、装置、存储介质和电子设备 | |
| Yu et al. | Design and Deployment of Django-based Housing Information Management System | |
| CN113076308B (zh) | 一种时空大数据服务系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211108 Address after: 100192 room 710, research building 15, Xiaoying East Road, Qinghe, Haidian District, Beijing Applicant after: BEIJING CHINA POWER INFORMATION TECHNOLOGY Co.,Ltd. Address before: 102208 8th floor, East Tower, Jiaming Aosen Industrial Park, Qinghe Road, Dongxiaokou Town, Changping District, Beijing Applicant before: BEIJING CHINA POWER INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd. |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yuan Lufeng Inventor after: Liu Wei Inventor after: Zhang Dongya Inventor after: Zhao Linlin Inventor after: Song Zhengzheng Inventor after: Zhao Wei Inventor after: Li Chao Inventor after: Zhao Jisheng Inventor after: Liu Yi Inventor after: Liu Shaoshuai Inventor after: Zhang Xiaolong Inventor after: Liu Hui Inventor before: Yuan Lufeng |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220207 Address after: 050011 No.10, Fuqiang street, Yuhua District, Shijiazhuang City, Hebei Province Applicant after: STATE GRID HEBEI INFORMATION & TELECOMMUNICATION BRANCH Applicant after: BEIJING CHINA POWER INFORMATION TECHNOLOGY Co.,Ltd. Applicant after: STATE GRID CORPORATION OF CHINA Address before: 100192 room 710, research building 15, Xiaoying East Road, Qinghe, Haidian District, Beijing Applicant before: BEIJING CHINA POWER INFORMATION TECHNOLOGY Co.,Ltd. |