主数据成熟度
浏览量:46 2012-04-16 17:24
主数据管理(MDM)的成熟度
主数据管理(MDM)的成熟度
MDM全写Master Data Management，翻译为主数据管理或元数据管理。
什么是MDM
企业主数据是用来描述企业核心业务实体的数据，比如客户、合作伙伴、员工、产品、物料单、账户等；它是具有高业务价值的、可以在企业内跨越各个业务部门被重复使用的数据，并且存在于多个异构的应用系统中。
主数据和主数据管理的概念
企业主数据可以包括很多方面，除了常见的客户主数据之外，不同行业的客户还可能拥有其他各种类型的主数据，例如：对于电信行业客户而言，电信运营商提供的各种服务可以形成其产品主数据；对于航空业客户而言，航线、航班是其企业主数据的一种。对于某一个企业的不同业务部门，其主数据也不同，例如市场销售部门关心客户信息，产品研发部门关心产品编号、产品分类等产品信息，人事部门关心员工机构，部门层次关系等信息。
数据管理的范畴和主数据管理的概念
如图所示，企业数据管理的内容及范畴通常包括交易数据、主数据以及元数据。
l 交易数据：用于纪录业务事件，如客户的订单，投诉记录，客服申请等，它往往用于描述在某一个时间点上业务系统发生的行为。
l 主数据：主数据则定义企业核心业务对象，如客户、产品、地址等，与交易流水信息不同，主数据一旦被记录到数据库中，需要经常对其进行维护，从而确保其时效性和准确性；主数据还包括关系数据，用以描述主数据之间的关系，如客户与产品的关系、产品与地域的关系、客户与客户的关系、产品与产品的关系等。
l 元数据：即关于数据的数据，用以描述数据类型、数据定义、约束、数据关系、数据所处的系统等信息。
主数据管理是指一整套的用于生成和维护企业主数据的规范、技术和方案，以保证主数据的完整性、一致性和准确性( “ The set of disciplines, technologies, and solutions used to create and maintain consistent, complete, contextual and accurate business data for all stakeholders (users, applications, data warehouses, processes, companies, trading partners, customers, etc.) across and beyond the enterprise ” ) 。主数据管理的典型应用有 Customer Data Integration —客户数据管理和Product Information Integraiton —产品数据管理。
图 2. 主数据管理的信息流
一般来说，主数据管理系统从 IT 建设的角度而言都会是一个相对复杂的系统，它往往会和企业数据仓库 / 决策支持系统以及企业内的各个业务系统发生关系，技术实现上也会涉及到 ETL、EAI、EII 等多个方面，如图 2 所示，一个典型的主数据管理的信息流为：
1. 某个业务系统触发对企业主数据的改动；
2. 主数据管理系统将整合之后完整、准确的主数据分发给所有有关的应用系统；
3. 主数据管理系统为决策支持和数据仓库系统提供准确的数据源。
因此对于主数据管理系统的建设，要从建设初期就考虑整体的平台框架和技术实现。
MDM的意义
如图 3 所示：集成、共享、数据质量、数据治理是主数据管理的四大要素，主数据管理要做的就是从企业的多个业务系统中整合最核心的、最需要共享的数据（主数据），集中进行数据的清洗和丰富，并且以服务的方式把统一的、完整的、准确的、具有权威性的主数据分发给全企业范围内需要使用这些数据的操作型应用和分析型应用，包括各个业务系统、业务流程和决策支持系统等。
主数据管理使得企业能够集中化管理数据，在分散的系统间保证主数据的一致性，改进数据合规性、快速部署新应用、充分了解客户、加速推出新产品的速度。从 IT 建设的角度，主数据管理可以增强 IT 结构的灵活性，构建覆盖整个企业范围内的数据管理基础和相应规范，并且更灵活地适应企业业务需求的变化。
以客户主数据为例，客户主数据是目前企业级客户普遍面临的一个问题，在大多数企业中，客户信息通常分散于 CRM 等各个业务系统中，而每个业务系统中都只有客户信息的片断，即不完整的客户信息，但却缺乏企业级的完整、统一的单一客户视图，结果导致企业不能完全了解客户，无法协调统一的市场行为，导致客户满意度下降，市场份额减少。因此，建立客户主数据系统的目的在于：
l 整合并存储所有业务系统和渠道的客户及潜在客户的信息：一方面从相关系统中抽取客户信息，并完成客户信息的清洗和整合工作，建立企业级的客户统一视图；另一方面，客户主数据管理系统将形成的统一客户信息以广播的形式同步到其他各个系统，从而确保客户信息的一致；
l 为相关的应用系统提供联机交易支持，提供客户信息的唯一访问入口点，为所有应用系统提供及时和全面的客户信息；服务于 OCRM 系统，充分利用数据的价值，在所有客户接触点上提供更多具有附加价值的服务；
l 实现 SOA 的体系结构：建立客户主数据系统之前，数据被锁定在每一个应用系统和流程中，建立主数据管理系统之后，数据从应用系统中被释放出来，并且被处理成为一组可重用的服务，被各个应用系统调用。
MDM的模式
元数据管理涉及到各个层次的元数据，管理的内容包括元数据的获取、元数据的更新、使用和面向应用项目的元数据使用处理等多个方面。
元数据的管理涉及数据库、数据处理软件、数据使用系统、面向应用的数据分析等各个环节。下面给出了一种普通意义的以元数据信息系统为基础的元数据管理模式：
通常意义上的元数据管理是指元数据通过各种途径形成后，对其内容的添加、删除、更新等涉及内容改变的操作和元数据内容检索、查询、放置、组织等常规性元数据操作，从这种意义上元数据的管理可以通过两种方式实现，即系统管理模式和用户管理模式。系统管理模式是面向数据库的，由数据库管理系统专业人员完成，数据用户只有使用权，没有元数据的操作权，数据应用项目中新生
成的数据集的元数据也有应用系统传递给数据库管理员，然后由数据库管理员统一管理。
这种方式中，数据在处理过程中形成的动态元数据很难及时记录下来。另一种管理方式是用户管理模式，它是面向应用项目的，即允许某些数据用户在数据应用元数据的变动信息直接反馈给元数据库，这样则能保证元数据的动态更新和新生成数据集元数据的及时捕获及写入元数据文件。
但这种模式中数据用户的权限要适当的控制，以避免数据库的破坏。通常对元数据的管理是采用两者结合的模式。
主数据（MD Master Data）指系统间共享数据（例如，客户、供应商、账户和组织部门相关数据）。与记录业务活动，波动较大的交易数据相比，主数据（也称基准数据）变化缓慢。在正规的关系数据模型中，交易记录（例如，订单行项）可通过关键字（例如，订单头或发票编号和产品代码）调出主数据。主数据必须存在并加以正确维护，才能保证交易系统的参照完整性。
从报告或维度建模角度看，主数据指基于其组织或配置指标的维度或层次，而不是实际情况或其自身测量结果。例如，收入、成本和利润是实际情况，而时间、地点、客户和供应商是维度。应根据以下因素或更多因素综合考虑主数据：企业绩效管理报告（如利润或收入计划随产品、客户、账户等产生的变化）要求综合多个系统的主数据。遵从报告要求一致性主数据。同步交易系统处理特定客户（如提供具体报价）或供应商（如指定采购的首选供应商）。
主数据管理(MDM)的成熟度
根据主数据管理实施的复杂程度，参照Jill Dyche, Evan Levy的观点大体可以把主数据管理可以分为五个层次，从低到高反映了主数据管理(MDM)的不同成熟度。下面我们简单介绍一下这五个层次：
Level 0 ：没有实施任何主数据管理(MDM)
在Level 0的情况下，意味着企业的各个应用之间没有任何的数据共享，整个企业没有数据定义元素存在。比如，一个公司销售很多产品，对这些产品的生产和销售由多个独立的系统来处理，各个系统独立处理产品数据并拥有自己独立的产品列表，各个系统之间不共享产品数据。在Level 0, 每个独立的应用负责管理和维护自己的关键数据(比如产品列表、客户信息等)，各个系统间不共享这些信息，这些数据是不连通的。
Level 1 ：提供列表
不管公司大还是小，列表管理是我们常用的一种方式。在公司内部，会通过手工的方式维护一个逻辑或物理的列表。当各个异构的系统和用户需要某些数据的时候，就可以索取该列表了。对于这个列表的维护，包括数据添加、删除、更新以及冲突处理，都是由各个部门的工作人员通过一系列的讨论和会议进行处理
的。业务规则(Business Rules)是用来反映价值的一致性，当业务规则发生改变或者出现类似的情况时，这样高度手工管理的流程容易发生错误。由于列表管理是通过手工管理的，其列表维护的质量取决于谁参加了变更管理流程，一旦某人缺席，将会影响列表的维护。
MDM Level 1比MDM Level 0的不同就是，各个部门虽然还是独立维护各自的关键数据，但会通过列表管理维护一个松散的主数据列表，能够向其他各个部门提供其需要的数据。在MDM Level 1中，数据变更决定以及数据变更操作都是由人来决定的，因此，只有人完成数据变更决定后才会变更数据。在实际情况中，虽然数据变更流程有严格的规定，但是由于缺乏集中的、基于规则的数据管理，当数据量比较大时，数据维护的成本会变的很高，效率也会很低。当主数据，比如客户信息、产品目录信息等数量比较少时，列表管理的方式是可行的，但是当产品目录或客户列表出现爆炸式增长以后，列表管理的变更流程将变得困难起来。MDM Level 1 依赖于人的协作。如果产品经理需要更新过后的产品价格列表，那需要联系ERP系统所有者，让其发送邮件给她。在企业范围内实现客户或产品列表就如同维护不同部门之间人们的关系一样。如果客户或产品存在层次或分组，列表将很难提供，并且通常在Level 1因为过于复杂难以被管理。
Level 2 ：同等访问(通过接口的方式，各个系统与主数据主机之间直接互联)
MDM Level 2与MDM Level 1相比，引入了对主数据的(自动)管理。通过建立数据标准，定义对存储在中央知识库(Central Repository)中详细数据的访问和共享，为各个系统间共享使用数据提供了严密的支持。中央知识库(Central Repository)通常会被称为“主数据主机(Master Data Host)”。这个知识库可以是一个数据库或者一个应用系统，通过在线的方式支持数据的访问和共享。
创建、读取、更新和删除 (CRUD)是处理基本功能的典型编程术语。即便在MDM中，CRUD处理也是基本功能。你的数据库如果仅仅支持CRUD处理并不意味着你实现了MDM。 MDM Level 2引入了“同等访问”(peer-based access)，也就是说一个应用可以调用另一个应用来更新或刷新需要的数据。当CRUD处理规则定义完成后，MDM Level 2 需要客户或“同等”应用格式化请求(和数据)，以便和MDM知识库保持一致。MDM知识库提供集中的数据存储和供应(provisioning)。在这个阶段，规则管理、数据质量和变更管理必须在企业范围内作为附加功能定制构建。
比如，一个数据库或一个打包应用(比如一个销售自动化系统)对外部应用提供数据访问功能。当一个外部应用(比如呼叫中心应用)需要增加一个客户，这个外部应用将提交一个事务，请求数据所有者增加一个客户条目。主数据主机(Master Data Host)将增加数据并告知外部应用。CRUD处理方式比纸上办公有了很大提高，其是基于会话的数据管理。在MDM Level 1，数据变更是基于手工的方式。在MDM Level 2，数据变更是自动完成的—通过由具体技术实现的标准流程，允许多应用系统修改数据。MDM Level 2可以支持不同的应用使用和变更单一、共享的数据知识库。MDM Level 2 需要每个同等应用理解基本的业务规则
以便访问主列表、与主列表进行交互。因此，每个同等应用必须正确恰当地创建、增加、更新和删除数据。授权应用有责任坚持数据管理原则和约束。
Level 3 ：集中总线处理
与MDM Level 2相比，MDM Level 3打破了各个独立应用的组织边界，使用各个系统都能接受的数据标准统一建立和维护主数据(MDM Level 2的主数据主机上存储的数据还是按照各个系统分开存储的，没有真正的整合在一起)。
集中处理意味着为MDM构建了一个通用的、基于目标构建的平台。大多数公司发现MDM正在挑战他们现有的IT架构：他们拥有太多的独立平台处理主数据。MDM Level 3 集中数据访问、控制跨不同应用和系统使用数据。这极大的降低了应用数据访问的复杂性，大大简化了面向数据规则的管理，使MDM比一个分散环境具有更多的功能和特点。企业主数据面临一致性的挑战。数据在不同的地方存在，数据所代表的含义也是不同的，数据的规则各个系统之间也是不一样的。集中MDM处理-通过一个公共的平台作为一个总线(HUB)-说明一个共识，从多个系统整合主题域数据，意味着使用集中、标准化的方法转换异构操作数据，不管其在源系统中是什么样子，都会被整合起来。在MDM Level 3，公司对主题域内容采用集中管理方式。这意味着应用系统，作为消费者或使用主数据，拥有一个共识就是数据是主题数据内容的映像，打破了各个独立应用的组织边界。MDM Level 3支持分布主参考数据的存在。
MDM的核心之一就是保证所有系统都能接受数据表示的唯一公认方法。这有点类似于语言翻译，通过其他语言的翻译，英语已经称为一个全球性的语言。在MDM Level 3，一个公司可以让任意两个系统共享数据和说对方的语言。MDM Level 3还降低了等同访问的复杂性。"消费"应用不再需要支持系统定位和操作逻辑。任何与源系统数据相关的分布式细节都会被MDM总线集中处理。在MDM Level 3自动数据标准意味着：建立目标数据值表示和通过必要的步骤提供精确的主数据值捕获。在所有的分类中从MDM Level 3开始第一次支持一致性的企业数据视图。数据质量规则在这里进行数据清洗和错误纠正。
Level 4 ：业务规则和政策支持
一旦数据从多个数据源整合在一起，主题域视图超越单独的应用并表现为一个企业视图，你将获得事实的单一版本。当事实的单一版本已经能够提供出来时，来自业务主管和执行人员的必然反应经常是：“证明它”。MDM Level 4可以保证主数据反映一个公司业务规则和流程，并证实其正确性。MDM Level 4通过引入主数据来支持规则，并对MDM总线以及其它外部系统进行完整性检查。由于多数公司相对比较复杂，影响业务数据访问和操作的规则以及策略 (rules and policies)相对也比较复杂。假定任何一个单一系统可以包含并管理与主参考数据相关的各种类型的规则是不切实际的。因此，如果一个MDM总线真正打算提供企业范围内数据的精确性，工作流和流程整合的支持是必不可少的。
举例来说，在一个HMO内，需要多个应用来支持一个病人的护理。一个单一的访问(visit)可能包括入院、房间和床位分配、监控设备、化验、身体检查以
及其他程序等。一旦一个病人准备离开医院，出院流程需要确保和这个病人相关的所有活动、资源都被结清。MDM技术在召集多个应用系统一起保证病人辨识方面是十分有效的，处理是正确的。虽然病人辨识很重要，业务规则整合同样重要。临床系统依靠一系列的业务流程和数据规则来辨别所有显著的病人详细资料。这包括返回所有基于房间的资源(监护设备、床位等)以得到有用的详细目录，当病人要出院时分解其所有的费用。MDM保证当John Smith出院时，正确的房间和设备放入到该John Smith的详细目录中，而不是其他的John Smith(正在另一个楼层做身体治疗)。
MDM系统必须不仅支持基于规则的整合，还要能够整合外部的工作流。这些规则可能包括通过总线与临床系统交互或等待另一个系统或者人(有权限做出改变的人)审批。通过一个MDM总线，规则定义可以不仅局限在逻辑上，还可以依赖于其他系统的输入。当然，协调和审计数据意味着可以回退其他系统(或业务流程)来保证数据变化经过严格的审批，这样错误可以被发现并且事务在需要的时候可以被回滚。MDM Level 4提出对规则和策略扩展性的支持。通过总线以一个灵活可持续的方式支持任何面向业务的规则集合这很重要。
比如，如果一个商店经理更新一个产品的价格，总线系统需要能够和一个可信系统(比如，商品管理系统)进行协商以便使规则生效。详细规则将支持另一个系统中存在产品价格的变更—总线需要能够理解能够处理和批准变更的权限系统或方法。这些规则可能涉及到复杂性或隐私限制，禁止它们直接在总线上存在。在MDM Level 4，一个企业可以支持一套步骤或任务，在一个特殊的创建、读取、更新和删除任务被允许之前这些步骤或任务必须遵守。工作流自动化经常用来支持发生在总线上的事件或活动的授权。但是变更管理远远不仅仅是工作流：它可以包括基于逻辑的流程和基于人的决策。变更管理的存在可以支持动态业务，允许变更。举例说明，在 911之前，任何人都可以在美国国内的航空公司运载货物。没有规定以外的其他某种形式的鉴定和付款方式。911之后，美国联邦航空协会(FAA)指导建立了一个更加全面的规定，指示一个人是否被允许运载货物。在这个特殊的例子中，要求各个系统都部署FAA对托运人的要求是不现实的。部署一个规则管理系统，为所有的系统(包括MDM总线)集中托运人批准规则，更加容易实现(也更现实)。集中数据定义和标准化在MDM Level 2就已经引入，与MDM Level 4的集中规则管理相比，相对简单。业务流程越复杂、业务流程越多，对总线的需求就越多，以便对针对共同数据的跨职能、异构规则进行更好的支持。重要的是 MDM Level 4支持集中规则管理，但是规则本身和相关的处理是可以分开的。换句话说，MDM总线需要保证规则是集中应用的，即便这个规则是在总线外居住的。
Level 5 ：企业数据集中
在MDM Level 5 ，总线和相关的主数据被集成到独立的应用中。主数据和应用数据之间没有明显的分隔。他们是一体的。当主数据记录详细资料被修改后，所有应用的相关数据元素都将被更新。这意味着所有的消费应用和源系统访问的是相同的数据实例。这本质上是一个闭环的MDM：所有的应用系统通过统一管理的主数据集成在一起。在这个级别，所有在系统看起来都是事实的同一个版本。操作应用系统和MDM内容是同步的，所以当变更发生时，操作应用系统都将更新。
在那些熟悉的MDM架构风格中，持久总线架构，当一个总线更新所有的操作应用系统将体现这种变更，形成改变的直接操作视图。在注册环境中，当数据数据更新时，总线将通过Web服务连接相关系统应用事务更新。因此，MDM Level 5提供一个集成的，同步的架构，当一个有权限的系统更新一个数据值时，公司内所有的系统将反映这个变更。系统更新完数据值后不要单选其他系统中相应值的更新：MDM将使这种更新变的透明。
从MDM Level 4到MDM Level 5意味着MDM功能性不是在一个应用内被特殊设计或编码的。这还意味着主数据传播和供应不需要源系统专门的开发或支持。所有的应用清楚的知道他们并不拥有或控制主数据。他们仅仅使用数据来支持他们自己的功能和流程。由于MDM总线和支持的IT基础架构，所有的应用可以访问主参考数据。一个公司在完成MDM Level 5后将使他们所有的应用连在一起—既包括操作的也包括分析的—所有访问主数据是透明的。举例说明，当一个客户更新她的状态—不要管注册该变更的系统—数据变更将被广播到所有的应用平台(因此一致起来)。MDM Level 5是把数据概念作为一种service来实现。MDM Level 5保证了一个一致的主数据主题域企业映像。定义“客户”和其他应用接受客户主数据业务规则变化实际上是一回事。MDM Level 5移走了主数据的最后一个障碍：统一采用数据定义、授权使用和变更传播
数据中心建设必要性
“数据中心”是人类上世纪在IT组织应用推广模式方面的一大发明，标志着IT应用的规范化和组织化。今天，几乎所有大中型机构（政府部门、企业、科教院校…）都建立了自己的数据中心，全面管理本机构的IT系统。覆盖全球的Internet和无数机构的业务实际上是在大量数据中心支持下运转的。各种数据中心已经成为交通、能源一样的经济基础设施。当前的形势是，人类社会在得益于数据中心的同时、也受到利用传统技术建立起来庞大数据中心资产的种种困扰，在成本、因变速度、安全、能源消耗等方面面临着一系列严峻挑战。人们普遍的共识是：传统的数据中心已经不适应全球化时代对IT技术的许多新要求，必须进行革新，否则就会走向反面，成为阻碍 IT发展的因素。 因此，建设新一代数据中心。这成为人们普遍关心的热点问题。许多人都在问：为什么要革新现有的数据中心、建设新一代数据中心？什么是新一代数据中心？怎样建设新一代数据中心？人们从国内外许多媒体上都可以感受到对这三个问题的普遍关注。这三个问题融合在一起就成为一个关乎IT产业和应用全局的问题：“推动数据中心革命、建设新一代数据中心”。 令人欣慰的是，有关的理论和实践正在逐步成熟，惠普公司最近组织出版的《新一代数据中心建设理论和实践》一书[1]就是一个实例。我们的系列文章也将以此为范本，探讨新一代数据中心的起源、设计思想、建设规划和方法，并介绍多个帮助应对挑战的实施解决方案。 现有数据中心面临的困难和挑战 随着企业全球性竞争的加剧，传统数据中心设计理念的局限性也逐步暴露无遗，使它们面临一系列严峻挑战，在许多方面已经不适应全球化时代对IT技术的新要求，
1.降低成本的挑战 当前低迷的经济和剧烈的竞争要求企业大幅度降低成本，而许多数据中心的运行成本却反而在不断攀升。据专家分析，在今后的五年中，企业在管理和运作IT系统方面的成本将是其直接购买系统成本的三倍；使人们更加难以忍受的是许多服务器未能得到充分的利用。在很多企业的数据中心中，CPU使用率均低于25%；IT资源利用率也仅为20%左右。显然，如何降低人力成本，如何降低IT总体拥有成本，如何提高IT 的投资回报，是摆在企业CEO、CIO们面前的重要课题和当务之急。 2.加快应变速度的挑战 目前企业业务变革的速度正在日益提升，一方面变革产生的各种风险随之增加，因而IT系统以更快的响应速度和更有效的应对措施，来降低这类风险也就变得愈加重要。另一方面，变革速度的加快给企业数据中心带来时间上更大的压力，这也迫使企业IT系统提高响应速度。 3.业务连续性和灾难恢复的挑战 局部的突发性灾难事件，如地震、洪水、飓风、火灾或者恐怖活动等，都可能对企业或机构的业务产生重大影响，导致公司收入减少，利润下降甚至失去客户。而重大灾难事件则很可能导致公司一蹶不振乃至倒闭。根据权威统计，在经历突发性的重大灾害后，有大约43% 的公司倒闭，还有另外51% 的公司也会在两年之内倒闭。
大数据中心方案设计(机房)
计算机数据中心机房系统设计方案 （模板）
目录 1.机房设计方案 6 1.1概述 6 1.1.1概述 6 1.1.2工程概述说明 6 1.1.3设计原则7 1.1.4建设内容实施7 1.1.5设计依据8 1.1.6引用标准8 1.1.7设计指标9 1.1.9设计思想及特点11 1.1.10绿色数据中心建设12 1.2装饰装修工程14 1. 2.1机房的平面布局和功能室的划分14 1.2.2装修材料的选择14 1.2.3机房装饰的特殊处理17 1.3供配电系统（UPS系统）18 1. 3.1供配电系统设计指标18 1.3.2供配电系统构成20 1.3.3供配电系统技术说明20 1.3.4供配电设计21 1.3.5电池22 1.4通风系统（新风和排风）22 1. 4.1设计依据22
1.4.2设计目标22 1.4.3设计范围22 1.4.4新风系统22 1.4.5排烟系统23 1.4.6风幕机系统23 1.5精密空调系统23 1.5.1机房设备配置分析23 1.6防雷接地系统25 1.6.1需求分析25 1.6.2系统设计25 1.7综合布线系统26 1.7.1系统需求分析26 1.7.2机房布线方案27 1.7.3子系统主要技术说明27 1.8门禁系统28 1.8.1需求分析28 1.8.2系统设计28 1.9机房视频监控29 1.9.1项目概述29 1.9.2设计原则29 1.9.3总体目标30 1.9.4设计依据30 1.9.5机房视频监控规划31 1.10环境集中监控系统33 1.10.1概述33 1.10.2设备监控分析33 1.10.3机房动环设备集中监控平台一套35
大数据中心基础建设的发展及应用
大数据中心基础建设的发展及应用 在全球新冠肺炎疫情不断蔓延下，中央不断出台逆周期调节政策，其中加快5G网络、数据中心等新型基础设施建设进度，备受市场关注。 移动互联网时代，数据流量不断增加。据统计2019年我国移动互联网用户每户平均月流量为7.82GB，是2018年的1.69倍，企业数据也呈现爆发式增长。不过，目前只有不到2%的企业数据被存储下来，其中只有10%被用于数据分析。这说明，我国数据存储利用能力存在很大缺口。在这样的背景下，大数据中心也就是IDC的重要性日益凸显。大数据中心是数据存储、处理和交互的中心，被认为是当前的新型基础设施之一。 本文将重点针对大数据中心在未来市场的前景及应用作出分析。 一、大数据中心的概念 在了解大数据中心之前首先要了解什么是大数据。大数据（big data），指常规的数据库技术难以完成捕捉、存储、管理和分析的数据集合。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 而大数据中心就是完成数据的捕捉、存储、管理和分析的基础设施。它不仅仅包括计算机系统和其它与之配套的设备（例如通信和存储系统），还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。 二、大数据中心的发展 数据中心(IDC)的发展历史： 数据中心历经了多年的发展，目前已处于超融合架构阶段。数据中心最初出现在20世纪60年代，主要用来容纳计算机系统、存储系统、电力设备等相关组件。20世纪90年代初，“数据中心”一词开始流行，主要是指将服务器单独放在一个房间，并将设备进行布线和链接。2000年前后，互联网爆发式增
大数据中心选址调研报告样本
大数据中心选址调研报告 一、数据中心概念 大数据中心, 是指服务于大数据存储、挖掘、分析和应用的数据中心。大数据(big data,mega data), 或称巨量资料, 指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。当前中国的数据中心总数已接近100万。 二、行业分布 作为信息化建设的核心内容, 数据中心始终是金融、政府、能源、交通等行业的投入重点;而伴随着电信行业的转型和移动互联网的发展, IDC也成为电信行业重点投资领域。另外IPDC互联网数据中心成为市场的热点, 互联网提供商大规模建设云数据中心。 三、发展前景 十二五”规划中明确了战略新兴产业是国家未来重点扶持的对象, 其中信息技术被确立为七大战略性新兴产业之一, 将被重点推进。新一代信息技术分为六个方面, 分别是下一代通信网络、物联网、三网融合、新型平板显示、高性能集成电路和以云计算为代表的高端软件。 四、选址要素 1. 数据中心属于高能耗产业, 一个10万台服务器级别的数据中心需要两路或更多合共50-60MW的电力支持。且数据中心用电负荷必须持续稳定, 因此需要选择建设在能源充裕, 而且能源的价格相
对便宜的区域, 以降低数据中心的运营成本; 2. 为了满足( 1) 的用电要求, 周边配电站设施也需要完善。条件包括配电站等级, 配电站与场地距离, 配电站变压器的供电余量, 变压器当前的用户类别( 如共用) , 上级电网的联系; 一般情况下, 如果数据中心用户单独自建用户站, 可选择的电压等级有以下几种: a)380V:适合于小型数据中心, 不在考虑范围内 b)10KV: 适用于两路市电进入用户站的总容量不超过20MVA的容量项目; 即, 每一路10KV市电进线容量不超过10MVA; 当用户的进线容量需求超过这个范围时, 能够考虑多路10KV进线的方式。对于数据中心的安全等级要求超过TIER2以上级别时, 两路、或多路10KV进线应来自不同上级变电站, 或同一变电站的不同的变压器。( 当前, 国内数据中心用户最多选用的一个电压等级。全国各个省市在具体设计和管理上略有不同。) c)35 KV: 不是所有地方都有该电压等级, 在已有的能够选用的35 KV用户站中, 其每一路的容量一般不超过20MVA d)110 KV: 当用户的单一回路用电负荷超过20MVA级别时, 需要考虑110 KV变电站, 或66 KV变电站( 在中国部分地区有分布) 。监狱在中国采用大工业用电方式计费时, 要按照变压器的装机容量记收基础电费( 或按照最大装机容量记收基础电费) , 对于冗余度要求高的数据中心, 如TIRE3或以上级别, 需要双路市电供电, 双路变压器设计的数据中心, 过高的变压器装机量冗余度, 将使得
PCMM(人员能力成熟度模型)介绍
PCMM（人员能力成熟度模型）介绍 PCMM（People Capability Maturity Model，人员能力成熟度模型）是美国宾州大学SEI（软件工程学院）沿用CMM（Capability Maturity Model，软件开发能力成熟度模型）的框架所开发出的一套指导企业持续提升人力资源管理能力的方法论和知识体系。 一、5个成熟度层级 PCMM将企业的人力资源管理能力分为5个层级。 1）初始级 在初始级，组织人力资源管理工作仅仅是事务性的，诸如基本的人事管理和工资奖金发放等。人力资源管理部门可能象征性地提供了一些表格，如绩效评估或职位描述，却没有为这些文件的合理使用提供指导或培训。 各级管理者缺乏基本的人力资源管理培训，在管理下属的能力是建立在以往的经验及其个人的“管人技巧”上。甚至一些管理者们并不接受开发组织人力资源是他们个人的主要职责。他们从事人员管理活动，比如，面试应征者，在没有准备的情况下作绩效评估，其结果是使应征者败兴而归或不合理的人事决策。 在初始级，组织的员工能力是未知的，因为组织没有为测试或提高这些能力作任何努力。员工们只是积极努力地完成自己的工作任务，因为没有任何激励措施来使他们的动机与组织的业务指标相一致。当员工们觉得其他企业有着更好的工作环境以及更好的职业发展前景时，就会离职，因此组织的员工流动率相当高。由于有经验的员工不断流失，组织始终是一些新手，因此，组织的知识和技术水平并不随时间的推移而提高，因为组织必须为那些有见识的已经离开组织的职员替补新职员。 2）可重复级 主要目标是消除妨碍员工正常工作的主要障碍，为持续改进开发人力资源的
大数据中心方案设计V2.0
数据中心方案设计 Bychj a、 系统拓扑图 b、 4.5.1 设计目标 建立一个集中分散、异构、可扩充、可集成、有统一数据模型、有多种角度视图的、可交换的和安全可靠的复合数据库系统。它将成为政府各种业务系统、政府部门之间协同工作的数据中心，是政府门户的信息中心，多媒体、文档资料和政策法规的存储中心和预测决策所需的数据仓库中心。 4.5.2 数据中心设计基础 4.5.2.1 现状分析 对于一个完整的电子政务系统来说，统一的框架和相应的数据模式是十分重要
的。电子政务的构建，正经历着由以技术为中心向以数据为中心的方向转变，没有数据也就没有信息，也就没有政府网站及电子政府。数据中心在电子政务系统中处于中心地位，具有公共数据（信息）库、模型库、文件交换站以及发布信息的政府门户网站的功能，各数据源将自己的数据上传给数据中心，而各部门根据自己的需要从数据中心获取数据，实施自己的应用。 按信息的应用属性，可将电子政务的数据类型分为空间数据、基础数据、政务数据、专题数据和多媒体语音数据。整合政务信息资源，建设和改造政务数据库，并建立人口、法人机构、空间地理和自然资源、以及宏观经济四个基础数据库，将成为我国今后数年电子政务建设的关键。 由于我国政府各部门对信息化建设的深远意义认识不够，以及政务建设有一个发展过程，造成了政府各部门、城市各行业信息化发展步调不一，从而使政务信息化建设存在一些问题： ㈠、信息的共享、公开没有立发，信息采集、储存标准不统一，造成了互联互通不畅，共享程度低。 ㈡、信息共享机制尚未建立，各职能部门内部的信息相对封闭，产生了信息孤岛效应，造成了信息资源的巨大浪费。 ㈢、大部分单位业务应用系统还未形成一个内部资源共享、有效运行的整体，需要在电子政务设计建设的过场中进行整合和改造。 ㈣、网络建设各自为政，结构不合理，互连互通十分困难。 ㈤、安全性存在隐患，人门还不放心在网上共享数据。 基于以上问题，需要在法律、技术、设备、管理等多方面加以考虑。 政府数据资源的建设，将有助于打破各级政府和部门对信息的垄断和封闭，能够有效整合政务信息资源，强化对信息资源的不断开发、更新和维护；从长远来说，这项工作的开展，将有助于推动政府信息资源对社会的开放，使之发挥巨大的社会效益和经济效益。
数据中心选址
Intel 一、 1. 数据中心属于高能耗或更多合共50-60M 因此需要选择建设在低数据中心的运营成 2. 为了满足（1）的用站等级，配电站与场用户类别（如共用通常情况下，如果数以下几种： a) 380V:适合于小b) 10KV：适用于两即，每一路10K 求超过这个范围的安全等级要求来自不同上级变数据中心用户管理上略有不同c) 35KV:不是所有中，其每一路的d) 110KV：当用户ntel 数据中心的选址白皮书 Draft:Revision: 数据中心选址的基本要素数据中心选址的基本要素：： 高能耗产业，一个10万台服务器级别的数据中60MW 的电力支持。且数据中心用电负荷必須建设在能源充裕，并且能源的价格相对便宜的区运营成本； 的用电要求，周边配电站设施也需要完善。站与场地距离，配电站变压器的供电余量，变压共用），上级电网的联系； 如果数据中心用户单独自建用户站，可选择的电合于小型数据中心，不在考虑范围内； 用于两路市电进入用户站的总容量不超过20MVA 10KV 市电进线容量不超过10MVA；当用户的进个范围时，可以考虑多路10KV 进线的方式。级要求超过TIER2以上级别时，两路、或多路上级变电站，或同一变电站的不同的变压器。用户最多选用的一个电压等级。全国各个省市在有不同。） 是所有地方都有该电压等级，在已有的可以选用一路的容量一般不超过20MVA； 当用户的单一回路用电负荷超过20MVA 级别时Intel IEWA Draft: 张敬 sion: Otto Chow 2012/9/3 数据中心需要两路 必須持续稳定，宜的区域，以降。条件包括配电 变压器目前的择的电压等级有0MVA 的容量项目； 户的进线容量需 。对于数据中心多路10KV 进线应。（目前，国内省市在具体设计和选用35KV 用户站 别时，需要考虑
(完整版)数据中心建设的必要性
数据中心建设的必要性 随着经济发展，以前大家觉得遥不可及的科技已经慢慢融入我们的生活（微信支付，网上购物等）这些科技能够融入我们的生活主要依据大数据，互联网及人工智能。而数据的产生、存储、计算技术推陈出新，必将实现海量的数据之间的互联互通。数据中心是承载数据的基础物理单元，所以数据中心的建设不言而喻了。 数据中心建设的必要性 信息化是当今世界经济和社会发展的大趋势，对提高企业竞争力至关重要。但是企业的信息涉及面广，各种应用系统常常不能有效地共享数据，不断的增加的安全威胁对数据中心的安全性提出了挑战，急剧增长的数据量使得既有存储容量和应用系统难以适应企的需要。因此建设高可靠、大容量的数据中心十分必要。 数据中心建设的必要性表现在以下几个方面： 第一，数据中心的建设称为企业信息化建设中的必经阶段，早期的企业信息化建设集中在网络等基础设施建设及管理信息系统开发等方面，现在的企业信息化 建设将以数据中心建设为核心，并将其作为企业的知识中心及通用的业务平 台： 第二，数据中心采取“数据集中、应用分布”的方式，可以有效地提高信息资源的利用率; 第三，企业知识的集中沉淀与优化作用，将成为企业扩张经营的必备条件，数据中心将在此方面扮演及其重要的角色; 第四，国际上许多大企业正在建设或已经建设了各自的数据中心，企业关键应用系统和关键硬件设施均统一集中在数据中心，支持企业核心业务运作。综上所 述，数据中心的建设代表了企业信息化的方向，并成为一股国际潮流，将促 进企业核心竞争力的提高。 数据中心是企业业务支撑平台，是企业知识和决策中心。但数据中心建设不当，脱离了企业的实际，将会导致企业资金浪费，企业信息化失败。因此应该遵循严谨务实的原则，在数据中心建设前期必须精心规划、严密论证，在建设中实施有效地项目管理和风险控制建成后进行规范的管理和维护使得数据中心既不超前也能为企业提供若干年业务发展的需要，是企业信息化投入良好的效益。
新版大数据中心建设方案
最新大数据中心建设方案
目录 1. 总体服务实施方案 (5) 2. 集成实施方案 (5) 6.2.1 项目启动阶段 (5) 6.2.1.1 项目信息汇总 (5) 6.2.1.2 召开项目启动会 (6) 6.2.2 项目规划阶段 (7) 6.2.2.1 需求调研及评审 (7) 6.2.2.2 项目现场查勘 (8) 6.2.2.3 项目现场环境准备 (9) 6.2.2.4 制定项目管理计划 (9) 6.2.2.5 制定项目实施方案 (10) 6.2.2.6 项目方案内部评审 (11) 6.2.2.7 项目方案评审 (11) 6.2.3 项目实施阶段 (12) 6.2.3.1 设备到货验收 (12) 6.2.3.2 硬件安装施工 (13) 6.2.3.3 软件安装调测 (13) 6.2.3.4 系统测试 (14) 6.2.3.5 系统业务培训 (14) 6.2.4 项目验收阶段 (15) 6.2.4.1 验收材料汇编 (15) 6.2.4.2 项目验收测试 (16) 6.2.4.3 项目验收会议 (16) 3. 定制开发方案 (17) 6.3.1 系统架构 (17) 6.3.2 软件生命周期 (20) 6.3.3 定制能力 (22) 4. 业务迁移服务 (24) 6.4.1 新应用系统建设与部署评估服务 (24) 6.4.2 老应用系统云化建设咨询评估服务 (27) 6.4.3 云化测试与上线支持服务 (31) 6.4.3.1 开发 (31) 6.4.3.2 开发测试环境 (31) 6.4.3.2.1 开发测试环境资源 (31) 6.4.3.2.2 开发环境使用 (32) 6.4.3.3 测试支持 (32) 6.4.3.3.1 支持内容 (32) 6.4.3.3.2 支持方式 (32) 6.4.3.4 上线 (33) 6.4.4 业务迁移服务 (33) 6.4.4.1 应用迁移 (33) 6.4.4.1.1 应用迁移方法 (33) 6.4.4.1.2 应用迁移流程 (34)
流程成熟度模型PEMM
流程再造新工具：PEMM框架 作者：迈克尔·哈默 翻译：陈桂华为什么流程再造屡屡失败，主要原因就在于企业能力与流程不匹配。本文介绍的新工具能帮助企业解决这个问题。 “流程管理”早已成为企业日常运作的一部分。17年前，我在《哈佛商业评论》 (参见Reengineering Work：Don't Automate，Obliterate，1990年7／8月号) 上首次提出这一全新概念，引发了颇多争议。而如今，世界各地的企业都在通过业务流程再造来推行企业变革。所谓业务流程是指从原材料进入企业到产品流出企业这一运营链条上的所有工作。企业进行业务流程再造，不仅能够大幅提高绩效，还能为客户提供更大的价值，为股东创造更多的利润。很少有企业高管会质疑这一点。事实上，各行各业的企业，无论其规模大小，几乎都因为关注、衡量和重新设计了面向内部和外
部客户的流程，而在成本、质量、速度和赢利能力等关键指标上取得了显著改善。 不过遗憾的是，失败的例子也比比皆是。2000年以来，我亲历了数百家企业为了重获生机而建立或再造业务流程的过程。尽管有良好的意愿和必要的投资，但许多企业不是进展缓慢，就是成效甚微。即使是那些成功变革的企业，也是历经千辛万苦才“守得云开见月明”。不可否认，所有的变革项目推行起来都困难重重，然而流程变革则更为艰难。一般人都以为，设计新的业务流程就是重新安排工作流程，只需要确定谁来做什么事，在哪里做，按照什么顺序来做就行了。然而情况并没有这么简单。要让新流程发挥作用，企业必须从更广层面上重新界定工作，提供更多培训以支持这些工作，并培养一线员工的决策能力：还要调整奖励制度，不仅关注结果，也要考虑过程。除此之外，企业必须重塑组织文化，强调团队合作、个人责任感以及客户重要性，重新界定管理者的职责，鼓励他们监管流程，而不是监督具体活动，培养员工而不是监督员工，最后，企业需要协调信息系统，以确保跨部门流程的运行顺畅，而不只是支持单个部门。 在我研究的多数企业中，高管们常常为了流程重组而绞尽脑汁。他们知道，要发挥流程的作用，就得改变很多东西．但究竟需要改变什么，改变多少、何时改变，他们又不清楚。他们的迷茫引发了种种混乱：决策犹豫不决、计划杂乱不清，争辩无休无止、讨论无果而终，无端的自满和绝望，再三失误和重复劳动，一再延期和半途而废。他们不停地相互询问：我们是否一开头就做错了?我们怎么才能知道事情有没有进展?完成变革后，企业会呈现什么样的面貌?另外，对于哪些因素有助于推动基于流程的变革，高管们往往意
大数据中心建设规划设计a
工业产品环境适应性公共技术服务平台信息化系统建设方案
1. 平台简介 工业产品环境适应性公共技术服务平台是面向工业企业、高校、科研机构等提供产品/材料环境适应性技术服务的平台。平台服务内容主要包括两部分，一是产品环境适应性测试评价服务，一是产品环境适应性大数据服务。测试评价服务是大数据的主要数据来源和基础，大数据服务是测试评价服务的展示、延伸和增值服务。工业产品环境适应性公共技术服务平台服务行业主要包括汽车、光伏、风电、涂料、塑料、橡胶、家电、电力等。 平台的测试评价服务依据ISO 17025相关要求开展。测试评价服务涉及2个自有实验室、8个自有户外试验场和超过20个合作户外试验场。见图1 图1环境适应性测试评价服务实验室概况 平台的大数据服务，基于产品环境适应性测试评价获取的测试数据以及相关信息，利用数据分析技术，针对不同行业提供产品环境适应性大数据服务，包括但不限于： （1）产品环境适应性基础数据提供； （2）产品环境适应性调研分析报告； （3）产品环境适应性分析预测； （4）产品环境适应性技术规范制定；
2. 信息化系统概述 信息化系统由两个子系统构成，即产品环境适应性测试评价服务管理系统和产品环境适应性大数据服务数据库系统。两个系统紧密关联，大数据系统的主要数据来源于测试评价服务产生的测试数据和试验相关信息，大数据服务是测试评价服务的展示、延伸和增值服务。 信息化系统的整体框架详见图2. 3. 产品环境适应性测试评价服务管理系统 3.1建设内容 （1）测试评价业务的流程化和信息化 实现从来样登记、委托单下达、测试评价记录上传、报告审批、印发到样品试毕处理、收费管理等全流程电脑信息化管理；同时实现电子签名、分类统计、检索、自动提醒、生成报表等功能。 （2）实验室/试验场管理信息化 实现主要实验室/试验场样品、设备、标准、人员的信息化管理；实现主要仪器设备的数据自动采集和远程传输；实现主要试验场的远程视频监控。 （3）多方远程通讯 以广州为总部，实现广州总部与主要试验场之间的远程通讯，提供异地账户登录，满足异地多方人员（如委托方、委托方供应商、广州总部、户外试验场、外聘专家等）开展影音交流和现场办公； 3.2 总体要求 （1）人机界面采用WINDOW界面，直观简单易学； （2）数据或信息一次录入，多系统共用； （3）人员身份识别； （4）检测报告唯一性识别； （5）不合格自动提醒报警； （6）短信通知，软件将重要事项，如不合格记录及时发送至指定人员手机上。（7）数据溯源，所有修改行为均留记录； （8）提供多层密码、权限，避免越权操作
软件能力成熟度模型：CMM五个级别介绍(精)
软件能力成熟度模型:CMM 五个级别介绍 CMM 为企业的软件过程能力提供了一个阶梯式的进化框架, 阶梯共有五级。第一级只是一个起点,任何准备按 CMM 体系进化的企业都自然处于这个起点上,并通过它向第二级迈进。除第一级外,每一级都设定了一组目标, 如果达到了这组目标,则表明达到了这个成熟级别,可以向下一级别迈进。 从纯粹的个人行为发展到有计划有步骤的组织行为… 第一级:初始级 (Initial; 第二级:可重复级 (Repeatable; 第三级:已定义级 (Defined; 第四级:受管理级 (Managed; 第五级:优化级 (Optimizing。 初始级 初始级的软件过程是未加定义的随意过程, 项目的执行是随意甚至是混乱的。也许有些企业制定了一些软件工程规范, 但若这些规范未能覆盖基本的关键过程要求, 且执行没有政策、资源等方面的保证时,那么它仍然被视为初始级。 关注点: 工作方式处于救火状态,不断的应对突如其来的危机; 工作组:软件开发组、工程组; 提高: 需要建立项目过程管理,建立各种计划,开展 QA 活动。
可重复级 根据多年的经验和教训,人们总结出软件开发的首要问题不是技术问题而是管理问题。因此, 第二级的焦点集中在软件管理过程上。一个可管理的过程则是一个可重复的过程, 可重复的过程才能逐渐改进和成熟。可重复级的管理过程包括了需求管理、项目管理、质量管理、配置管理和子合同管理五个方面; 其中项目管理过程又分为计划过程和跟踪与监控过程。 通过实施这些过程,从管理角度可以看到一个按计划执行的且阶段可控的软件开发过程。 关注点: 规则化 引入需求管理、项目管理、质量管理、配置管理、子合同管理等; 引入工作组:测试组、评估组、质量保证组、配置管理组、合同组、文档支持组、培训组; 提高: SEPG 、建立软件过程库和文档库 已定义级 在可重复级定义了管理的基本过程, 而没有定义执行的步骤标准。在第三级则要求制定企业范围的工程化标准, 并将这些标准集成到企业软件开发标准过程中去。所有开发的项目需根据这个标准过程, 裁剪出与项目适宜的过程, 并且按照过程执行。过程的裁剪不是随意的,在使用前必须经过企业有关人员的批准。 关注点: 文档化,标准的一致的;
大数据中心选址调研报告
大数据中心选址调研报告 一、数据中心概念大数据中心, 就是指服务于大数据存储、挖掘、分析与应用得数据中心。大数据(b ig data,meg a d ata),或称巨量资料,指得就是需要新处理模式才能具有更强得决策力、洞察力与流程优化能力得海量、高增长率与多样化得信息资产。目前我国得数据中心总数已接近10 0万。 二、行业分布作为信息化建设得核心内容, 数据中心始终就是金融、政府、能源、交通等行业得投入重点；而伴随着电信行业得转型与移动互联网得发展，ID C也成为电信行业重点投资领域。此外IPDC互联网数据中心成为市场得热点，互联网提供商大规模建设云数据中心。 三、发展前景十二五”规划中明确了战略新兴产业就是国家未来重点扶持得对象，其中信息技术被确立为七大战略性新兴产业之一, 将被重点推进。新一代信息技术分为六个方面, 分别就是下一代通信网络、物联网、三网融合、新型平板显示、高性能集成电路与以云计算为代表得高端软件. 四、选址要素 1、数据中心属于高能耗产业，一个10万台服务器级别得数据中心需要两路或更多合共5 0—60MV得电力支持。且数据中心用电负荷必须持续稳定，因此需要选择建设在能源充裕, 并且能源得价格相对便宜得区域，以降低数据中心得运营成本； 2、为了满足(1)得用电要求，周边配电站设施也需要完善?条件包括配电站等级,配电站与场地距离,配电站变压器得供电余量，变压器目前得用户类别(如共用) , 上级电网得联系； 通常情况下，如果数据中心用户单独自建用户站，可选择得电压等级有以下几种: a) 380V:适合于小型数据中心，不在考虑范围内 b) 10KV:适用于两路市电进入用户站得总容量不超过20MVA得容量项目；即，每一路10KV市电进线容量不超过10M V A;当用户得进线容量需求超过这个范围时,可以考虑多路10 K V进线得方式。对于数据中心得安全等级要求超过T IER2 以上级别时，两路、或多路10KV进线应来自不同上级变电站，或同一变电站得不同得变压器。（目前，国内数据中心用户最多选用得一个电压等级。全国各个省市在具体设计与管理上略有不同。）
大数据中心项目可行性研究报告
深圳xx科技股份有限公司xx科技东莞大数据及云计算数据中心产业园项目 可行性研究报告
目录 第一章总论1 1.1项目概要1 1.1.1项目名称1 1.1.2项目建设单位1 1.1.3项目建设性质1 1.1.4项目建设地点1 1.1.5项目负责人1 1.1.6项目投资规模1 1.1.7项目建设规模2 1.1.8项目资金来源2 1.1.9项目建设期限3 1.2项目企业基本情况3 1.3编制依据3 1.4编制原则4 1.5研究范围5 1.6主要经济技术指标5 1.7综合评价6 第二章项目背景及必要性分析7 2.1项目提出背景7 2.2项目发起缘由8 2.3项目建设必要性分析8 2.3.1加快当地高新技术产业发展的的重要举措8 2.3.2顺应广东大数据产业快速发展的需要9 2.3.3推动东莞“智慧城市”工程建设快速发展的需要9 2.3.4提升企业竞争力水平有利于项目企业做大做强的需要10 2.3.5增加就业带动相关产业链发展的需要11 2.3.6促进项目建设地经济发展进程的的需要11 2.4项目可行性分析11 2.4.1政策可行性11 2.4.2实施条件可行性18 2.4.3技术及业务拓展优势可行性19 2.4.4管理可行性19 2.5分析结论19 第三章行业市场分析21 3.1我国大数据产业市场统计分析21 3.2我国大数据产业发展前景分析分析24
3.3我国云数据中心行业发展统计分析24 3.4广东省云计算大数据产业状况及前景分析27 3.4东莞市云计算大数据产业发展前景分析28 3.5市场分析结论31 第四章项目建设条件33 4.1地理位置选择33 4.2区域投资环境33 4.2.1区域地理位置33 4.2.2区域地形地貌条件34 4.2.3区域自然气候条件34 4.2.4区域交通运输条件35 4.2.5区域经济发展条件36 第五章总体建设方案38 5.1规划设计原则38 5.2整体规划方案38 5.3数据中心部分规划38 5.4产业园商业模式39 5.5项目总平面布置原则39 5.6规划总体布局39 5.7土建工程方案41 5.7.1方案指导原则41 5.7.2主要建筑工程41 5.8工程管线布置方案41 5.8.1给排水41 5.8.2供电43 5.9土地利用情况44 5.9.1项目用地规划选址44 5.9.2用地规模及用地类型44 第六章节约能源方案45 6.1用能标准和节能规范45 6.2项目能源消耗情况45 6.3项目区能源供应情况46 6.4项目节能措施46 第七章环境保护与消防措施48 7.1设计依据及原则48 7.1.1环境保护设计依据48 7.1.2设计原则48 7.2建设地环境条件48
关于数据中心选址方法论,应该如何选址
一、国家的选址： 我国国家大数据中心中心基地三大数据中心选址。 1.中心基地-北京 2015年1月16日，启动国家级超大云数据中心项目[1]，由蓝汛与北京市供销总社共同投资的蓝讯首鸣国际数据中心项目启动仪式在北京天竺综合保税区举行。该数据中心是北京首个国家级、超大规模云数据中心，产业园占地面积8万平方米，包含9栋数据中心机房和1栋感知体验中心。 2.南方基地-贵州 2015年7月9日，首个国家级数据中心[2] ——灾备中心落户贵州，该大数据库灾备中心在贵州揭牌，这标志着大数据专项行动第一阶段任务顺利落。位于贵州贵安新区的国家旅游大数据库灾备中心机房内，有着一根特殊的网络虚拟专线，这条专线跨越了北京与贵州之间2200多公里的距离，实现了国家旅游局北京机房与贵州灾备中心数据的同步传输和异地备份。 2015年以来，200余个大数据信息产业项目签约落户贵州，富士康、阿里巴巴、腾讯、华为等大型企业抢滩贵州发展。中国电信云计算贵州信息园1.1期、中国移动（贵州）大数据中心、中国联通贵安云数据中心一期建成运营。中电乐触、高新翼云、翔明科技等第三方数据中心已建成并投运，目前数据中心服务器达到2.2万台； 3.北方基地-乌兰察布
2016年07月08日早上八点正式启动乌兰察布国家大数据灾备中心启动[3]，内蒙古自治区主席布小林出席会议。乌兰察布市委市政府依据自身地理位置优越，地质板块稳定，电力资源丰富，气候冷凉适宜，临近京津冀经济圈核心市场等优势，将信息产业作为战略性新兴产业来发展，致力于将乌兰察布市打造成面向华北、服务京津的国家级云计算产业基地，为承接高科技产业、加快产业转型升级提供强有力的支撑。市委市政府将为该建设国家大数据灾备中心项目提供充足的土地与极具竞争力的投资政策吸引广大企业参与建设。 二、我国三大运营商八大节点选址 CHINANET 网络节点是国际称呼，中国大数据的八大节点和三大核心节点与其它全国54 个汇接节点组成的汇接层组成，全国有3 个国际出口，通过京、沪、穗的路由器完成。国际路由器与国内路由器独立设置，并负责实现各国际策略及安全性限制。 简述： 核心层的功能主要是提供与国际internet的互联，以及提供大区之间信息交换的通路。其中北京、上海、广州核心层节点各设有国际出口路由器，负责与国际internet互联，以及两台核心路由器与其他核心节点互联；其他核心节点各设一台核心路由器。 核心节点之间为不完全网状结构。以北京、上海、广州为中心的三中心结构，其他核心节点分别以至少两条高速ATM链路与这三个中心相连。 根据所掌握的流量情况，三大核心节点负责覆盖范围如下： 北京负责地区：北京、河北、内蒙、山西、辽宁、河南、吉林、黑龙江、山东
什么是数据中心及数据中心的特点
什么是数据中心及数据中心的特点 一、数据中心的概念 数据中心(DataCenter)通常是指在一个物理空间内实现信息的集中处理、存储、传输、交换、管理，而计算机设备、服务器设备、网络设备、存储设备等通常认为是网络核心机房的关键设备。 关键设备运行所需要的环境因素，如供电系统、制冷系统、机柜系统、消防系统、监控系统等通常被认为是关键物理基础设施。 一、数据中心的概念 数据中心(DataCenter)通常是指在一个物理空间内实现信息的集中处理、存储、传输、交换、管理，而计算机设备、服务器设备、网络设备、存储设备等通常认为是网络核心机房的关键设备。 关键设备运行所需要的环境因素，如供电系统、制冷系统、机柜系统、消防系统、监控系统等通常被认为是关键物理基础设施。 二、机房工程（数据中心）的类型及特点 电子机房主要有计算机机房、电信机房、控制机房、屏蔽机房等。这些机房既有电子机房的共性，也有各自的特点，其所涵盖的内容不同，功能也各异。 （一）屏蔽机房 为了有效地防止电磁干扰式噪声、辐射对电子设备和测量仪器的影响，并严防电子信号泄漏从而威胁到机密信息的安全，国家机关、军队、公安、银行、铁路等单位需要建立屏蔽机房。有保密要求的数据机房应建设屏蔽机房，确保数据在处理过程中，其信号不泄漏，从而满足数据保密的要求。一些对抗电磁干扰要求较高的环境，如通信设备的测试试验室等场所，需要建设屏蔽机房，以防止外界电磁信号的干扰。有强电磁干扰设备的机房应进行相应的电磁屏蔽处理，以避免干扰临近机房设备的正常还行。 （二）计算机机房
计算机机房内放置重要的数据处理设备、存储设备、网络传输设备及机房保障设备。计算机机房的建设应考虑以上设备的正常运行，确保信息数据的安全性以及工作人员身心健康的需要。 大型计算机机房一般由无人区机房、有人区机房组成。无人区机房一般包括小型机机房、服务器机房、存储机房、网络机房、介质存储间、空调设备间、UPS设备间、配电间等;有人区机房一般包括总控中心机房、研发机房、测试机房、设备测试间、设备维修存储间、缓冲间、更衣室、休息室等。 中、小型计算机机房可将小型机机房、服务器机房、存储机房等合并为一个主机房。 （三）控制机房 随着智能化建筑的发展，为实现对建筑中智能化楼宇设备的控制，必需设立控制机房。控制机房相对于数据机房、电信机房而言，机房面积较小，功能比较单一，对环境要求稍低。但却关系到智能化建筑的安全运行及设备、设施的正常便用。 控制机房包括楼宇智能控制机房、保安监控机房、消防控制室、卫星接收机房、视频会议控制机房等。这些控制机房的共同特点是机房内均有操作人员工作，在保证电子设备运行的同时还要保证操作人员的身体需要。根据设备及操作的要求，这些控制机房也有其相应的特点。 (1)楼宇智能控制机房。主要用于安放楼宇智能控制的主机及控制设备，对智能建筑内的公共照明、空调系统、电梯及建筑内的风、水、电等机电设备进行实时监控，以确保智能建筑的安全运行。 (2)保安监控机房。内设监控主机及终端显示设备，对建筑各出入口、车库、走道、电梯轿箱等处进行视频监控、防盗报警等。 (3)消防控制室。是火灾自动报警和联动系统的控制中心，也是火灾时灭火指挥和信息中心，具有十分重要的地位和作用。《高层民用建筑设计防火规范》和《建筑设计防火规范》等对消防监控机房的设置范围、位置、建筑耐火性能都作了明确规定，并对其主要功能提出原则性要求。
大数据中心建设方案
工业产品环境适应性公共技术服务平台 信息化系统建设方案． 1. 平台简介 工业产品环境适应性公共技术服务平台是面向工业企业、高校、科研机构等提供产品/材料环境适应性技术服务的平台。平台服务内容主要包括两部分，一是产品环境适应性测试评价服务，一是产品环境适应性大数据服务。测试评价服务是大数据的主要数据来源和基础，大数据服务是测试评价服务的展示、延伸和增值服务。工业产品环境适应性公共技术服务平台服务行业主要包括汽车、光伏、风电、涂料、塑料、橡胶、家电、电力等。 平台的测试评价服务依据ISO 17025相关要求开展。测试评价服务涉及2个自有实验室、8个自有户外试验场和超过20个合作户外试验场。见图1 环境适应性测试评价服环境适应性测试评价服务实验室概基于产品环境适 应性测试评价获取的测试数据以及相关信息平台的大数据服务利用数据分析技术，针对不同行业提供产品环境适应性大数据服务，包括但不限于 ）产品环境适应性基础数据提供外 2）产品环境适应性调研分析报告；（试户户里城试番尔户分户户分户试（3）产品环境适应性分析预测；（4）产品环境适 应性技术规范制定； 2. 信息化系统概述 信息化系统由两个子系统构成，即产品环境适应性测试评价服务管理系统和产品环境适应性大数据服务数据库系统。两个系统紧密关联，大数据系统的主要数据来源于测试评价服务产生的测试数据和试验相关信息，大数据服务是测试评价服务的展示、延伸和增值服务。 信息化系统的整体框架详见图2. 3. 产品环境适应性测试评价服务管理系统
建设内容 （1）测试评价业务的流程化和信息化 实现从来样登记、委托单下达、测试评价记录上传、报告审批、印发到样品试毕．处理、收费管理等全流程电脑信息化管理；同时实现电子签名、分类统计、检索、自动提醒、生成报表等功能。 （2）实验室/试验场管理信息化 实现主要实验室/试验场样品、设备、标准、人员的信息化管理；实现主要仪器设备的数据自动采集和远程传输；实现主要试验场的远程视频监控。 （3）多方远程通讯 以广州为总部，实现广州总部与主要试验场之间的远程通讯，提供异地账户登录，满足异地多方人员（如委托方、委托方供应商、广州总部、户外试验场、外聘专家等）开展影音交流和现场办公； 总体要求 （1）人机界面采用WINDOW界面，直观简单易学； （2）数据或信息一次录入，多系统共用； （3）人员身份识别； （4）检测报告唯一性识别； （5）不合格自动提醒报警； （6）短信通知，软件将重要事项，如不合格记录及时发送至指定人员手机上。（7）数据溯源，所有修改行为均留记录； ）提供多层密码、权限，避免越权操作8
初探数据分析能力成熟度模型
初探数据分析能力成熟度模型 1.引言 近年来，大数据相关研究与应用层出不穷，很多行业开始利用大数据分析技术支撑业务决策、指导业务发展，数据应用的广度从单一内部数据逐渐发展为多源内部数据，一些互联网企业已提前进入多源内外部数据综合应用的阶段，在应用深度上，数据分析的地位从辅助业务决策逐渐融入生产系统，甚至成为业务发展的驱动力量。但与此同时，数据分析能力成熟度模型的缺失，使后进企业对自身数据分析能力难以形成清晰定位，容易在提升自身数据分析能力时迷失方向。 2.大数据领域能力成熟度模型发展现状 在大数据领域，当前的能力成熟度模型建设主要集中在数据能力成熟度模型上，且尚未形成统一、权威的专业标准，所以一些组织在借鉴软件能力成熟度模型的基础上提出各自的数据能力成熟度模型，用以规范、指导具体的数据生产过程的数据管理，比较著名的有以下三个[1]。 2.1.SEI的数据能力成熟度模型（DMM） DMM（DataManagementMaturity）模型是由卡耐基-梅隆大学旗下机构CMMI研究所以能力成熟度模型整合的各项基础原则为基础开
发的。包含六大职能域：数据管理战略、数据质量管理、数据操作、数据平台和机构、数据治理、支撑流程。 2.2.EDM的数据管理能力成熟度模型（DCAM） DCAM（TheDataManagementCapabilityModel数据管理能力成熟度模型）是由EDMCouncil主导，组织金融行业企业参与编制和验证，基于众多实际案例的经验总结来进行编写的。主要分为八个职能域：数据管理策略、数据管理业务案例、数据管理程序、数据治理、数据架构、技术架构、数据质量、数据操作。 2.3.我国的数据能力成熟度评价模型（DCMM） 数据能力成熟度评价模型（DataCapabilityMaturityModel简称DCMM）是国内关于数据能力成熟度模型的一项国家标准，由全国信息技术标准化技术委员会于2014年启动编制工作，在制定过程中充分吸取了国内先进行业的发展经验（以金融业为主），结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南DMBOK》中的内容，并根据中国国内数据管理的实际情况，定义了数据能力评估的八大过程域：数据战略、数据治理、数据架构、数据标准、数据安全、数据应用、数据质量、数据生命周期管理等。 3.建立数据分析能力成熟度模型的必要性 从当前大数据领域能力成熟度模型发展现状可以看出，现有能力成熟度模型主要期望在以下方面为企业的数据管理提供帮助。