李俊 劉杰 江海

摘? 要：大數(shù)據(jù)時(shí)代的到來(lái)，為油品銷售企業(yè)數(shù)字化轉(zhuǎn)型創(chuàng)造了條件。大數(shù)據(jù)技術(shù)的創(chuàng)新應(yīng)用，可以深度挖掘企業(yè)各類數(shù)據(jù)的潛在價(jià)值，提升企業(yè)應(yīng)對(duì)新常態(tài)下復(fù)雜競(jìng)爭(zhēng)環(huán)境的能力。文章分析了油品銷售企業(yè)大數(shù)據(jù)平臺(tái)建設(shè)的必要性，設(shè)計(jì)了系統(tǒng)架構(gòu)和數(shù)據(jù)治理方案，規(guī)劃了大數(shù)據(jù)應(yīng)用藍(lán)圖，從經(jīng)營(yíng)決策、客戶營(yíng)銷、現(xiàn)場(chǎng)管理等方面闡述了開展大數(shù)據(jù)應(yīng)用對(duì)油品銷售企業(yè)的重要意義。

關(guān)鍵詞：油品銷售;大數(shù)據(jù);系統(tǒng)架構(gòu);數(shù)據(jù)治理;數(shù)據(jù)應(yīng)用

中圖分類號(hào)：TP311.13? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）24-0127-05

Application Study on Big Data Technology in Oil Products Sales Enterprise

LI Jun，LIU Jie，JIANG Hai

（Sinopec Sales Co.，Ltd. Guangdong Petroleum Branch，Guangzhou? 510620，China）

Abstract：The advent of the era of big data has created condition for the digital transformation of oil products sales enterprises. The innovative application of big data technology can deeply dig out the potential value of various kinds of data in enterprise and promote the ability of enterprises to cope with the complex competitive environment in the new normal. The paper analyzes the necessity of building a big data platform in oil products sales enterprises，designs a system architecture and data governance solution，plans a blueprint for big data application. Moreover，the paper states the great significance of big data application for oil products sales enterprises on the aspects of operating decisions，customer marketing，and scene management etc.

Keywords：oil products sales;big data;system architecture;data governance;data application

0? 引? 言

隨著大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)字化轉(zhuǎn)型[1]已成為當(dāng)今全球石油行業(yè)發(fā)展的重大主題之一。2020年8月，國(guó)資委印發(fā)《關(guān)于加快推進(jìn)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，就推動(dòng)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型做出全面部署，中國(guó)本土石油企業(yè)的數(shù)字化轉(zhuǎn)型，也由此獲得了強(qiáng)勁新動(dòng)力。隨后，中國(guó)石油發(fā)布了《以數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)油氣產(chǎn)業(yè)高質(zhì)量發(fā)展》，中國(guó)石化發(fā)布了《以數(shù)字化轉(zhuǎn)型促進(jìn)能源化工產(chǎn)業(yè)高質(zhì)量發(fā)展》，中國(guó)海油發(fā)布了《把握大勢(shì) 搶抓機(jī)遇 加快推進(jìn)中國(guó)海油數(shù)字化轉(zhuǎn)型》。由此可見(jiàn)，國(guó)內(nèi)石油企業(yè)已經(jīng)把數(shù)字化轉(zhuǎn)型提升到戰(zhàn)略層面，大數(shù)據(jù)技術(shù)對(duì)石油公司降本提質(zhì)增效的重要性日漸成為業(yè)界共識(shí)。

具體到下游的油品銷售企業(yè)，以中國(guó)石化廣東石油分公司為例，地處市場(chǎng)前景廣闊的廣東地區(qū)，行業(yè)發(fā)展已呈現(xiàn)出競(jìng)爭(zhēng)主體多元化、資源品種多樣化、油品價(jià)格市場(chǎng)化的競(jìng)爭(zhēng)格局，市場(chǎng)資源供大于求的局面早已常態(tài)化。面對(duì)日益殘酷的市場(chǎng)競(jìng)爭(zhēng)環(huán)境，傳統(tǒng)技術(shù)和手段所能發(fā)揮的作用越來(lái)越有限，如何借助大數(shù)據(jù)技術(shù)搭建新平臺(tái)[2]，統(tǒng)一數(shù)據(jù)資產(chǎn)管理，充分發(fā)掘客戶和經(jīng)營(yíng)數(shù)據(jù)的價(jià)值，為實(shí)現(xiàn)智能化經(jīng)營(yíng)決策、數(shù)字化客戶營(yíng)銷、高效化現(xiàn)場(chǎng)管理提供重要依據(jù)和支撐，進(jìn)而提高本企業(yè)的生存和競(jìng)爭(zhēng)能力，無(wú)疑是非常值得研究的問(wèn)題。

1? 大數(shù)據(jù)平臺(tái)架構(gòu)

經(jīng)過(guò)多年的信息化建設(shè)和互聯(lián)網(wǎng)轉(zhuǎn)型發(fā)展，中國(guó)石化廣東分公司積累沉淀了大量的經(jīng)營(yíng)數(shù)據(jù)、客戶數(shù)據(jù)及管理數(shù)據(jù)，但因煙囪式開發(fā)模式導(dǎo)致的系統(tǒng)間信息孤島現(xiàn)象嚴(yán)重，各系統(tǒng)未能有效集成并深入挖掘數(shù)據(jù)價(jià)值。因此，有必要構(gòu)建統(tǒng)一的、標(biāo)準(zhǔn)的、共享的、服務(wù)化的大數(shù)據(jù)體系[3]，建設(shè)大數(shù)據(jù)平臺(tái)用以匯聚各業(yè)務(wù)系統(tǒng)數(shù)據(jù)，深度服務(wù)并持續(xù)推動(dòng)業(yè)務(wù)創(chuàng)新，從而促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，形成企業(yè)新的核心競(jìng)爭(zhēng)能力。

1.1? 全局架構(gòu)

本文正是基于以上背景，開展頂層設(shè)計(jì)和全局規(guī)劃，提出了具備普適性的油品銷售企業(yè)大數(shù)據(jù)平臺(tái)全局架構(gòu)[4]，如圖1所示，其由數(shù)據(jù)源層、數(shù)據(jù)公共層、數(shù)據(jù)分析與算法層、數(shù)據(jù)應(yīng)用層四個(gè)層次組成。

該架構(gòu)的基礎(chǔ)是數(shù)據(jù)公共層，它又包含3個(gè)子層：數(shù)據(jù)基礎(chǔ)層（ODS）、數(shù)據(jù)明細(xì)層（DWD）及數(shù)據(jù)匯總層（DWS）。數(shù)據(jù)基礎(chǔ)層由數(shù)據(jù)源層實(shí)現(xiàn)原始數(shù)據(jù)接入，結(jié)構(gòu)上與源系統(tǒng)基本保持一致，確保原始數(shù)據(jù)質(zhì)量。數(shù)據(jù)明細(xì)層對(duì)數(shù)據(jù)基礎(chǔ)層的數(shù)據(jù)進(jìn)行清洗，按業(yè)務(wù)域重新整合，統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范，并做寬表處理適度增加數(shù)據(jù)冗余，夯實(shí)數(shù)據(jù)應(yīng)用基礎(chǔ)。數(shù)據(jù)匯總層對(duì)部分常用指標(biāo)進(jìn)行輕度匯總，構(gòu)建命名規(guī)范、口徑一致的公共粒度輕度匯總指標(biāo)表，提高數(shù)據(jù)查詢和使用的效率。

數(shù)據(jù)算法層在架構(gòu)中占據(jù)非常重要的地位，通過(guò)搭建機(jī)器學(xué)習(xí)環(huán)境開展算法建模研究，數(shù)據(jù)預(yù)處理完成特征工程后，再借助機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法進(jìn)行建模，可以實(shí)現(xiàn)數(shù)據(jù)的深度分析和科學(xué)預(yù)測(cè)，是挖掘數(shù)據(jù)價(jià)值的關(guān)鍵。

數(shù)據(jù)應(yīng)用層為企業(yè)內(nèi)外部用戶提供大數(shù)據(jù)可視化分析工具、大數(shù)據(jù)產(chǎn)品以及大數(shù)據(jù)服務(wù)，賦能各級(jí)管理人員和外部客戶，提升企業(yè)的數(shù)字化運(yùn)營(yíng)能力。

1.2? 技術(shù)路線

在整體技術(shù)路線上，采用Hadoop、Spark大數(shù)據(jù)生態(tài)圈產(chǎn)品和組件搭建上述平臺(tái)架構(gòu)[5]，如圖2所示。在硬件部署方面，可以采用租用公有云或自建私有云，按3年數(shù)據(jù)量進(jìn)行估算確定初期硬件數(shù)量，后續(xù)隨數(shù)據(jù)量增長(zhǎng)變化隨時(shí)擴(kuò)展。

使用Sqoop、DataX、Kettle等工具實(shí)現(xiàn)批量數(shù)據(jù)同步，使用Canal實(shí)現(xiàn)MySQL的CDC（Change Data Capture）數(shù)據(jù)同步機(jī)制，使用Kafka與Spark Stream來(lái)完成數(shù)據(jù)的流式處理，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)同步;數(shù)據(jù)存儲(chǔ)采用分布式數(shù)據(jù)庫(kù)KUDU和數(shù)據(jù)倉(cāng)庫(kù)Hive相結(jié)合的方式，KUDU用來(lái)存放近兩年的數(shù)據(jù)，Hive用來(lái)存放歷史歸檔數(shù)據(jù);數(shù)據(jù)查詢與分析采用Impala即席查詢工具，數(shù)據(jù)實(shí)時(shí)統(tǒng)計(jì)分析采用Spark Stream和Flink。

算法建模也是基于大數(shù)據(jù)Hadoop/Spark技術(shù)框架，分布式安裝Anaconda機(jī)器學(xué)習(xí)環(huán)境，支持分類、回歸、預(yù)測(cè)等一系列機(jī)器學(xué)習(xí)算法、比如邏輯回歸、決策樹、隨機(jī)森林、XGboost、SVM等算法。該框架既支持基于Scala的開發(fā)，也支持基于PySpark和Python的開發(fā)。

2? 數(shù)據(jù)治理規(guī)劃

數(shù)據(jù)治理是數(shù)據(jù)公共層建設(shè)的核心內(nèi)容，也是一項(xiàng)繁重而又極其重要的基礎(chǔ)工作。數(shù)據(jù)治理實(shí)屬一整套持續(xù)改善管理機(jī)制，包括諸如數(shù)據(jù)架構(gòu)組織、數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)管理制度與體系等方面[6]。它的任務(wù)主要是把數(shù)據(jù)作為資產(chǎn)來(lái)管理，對(duì)來(lái)自各源頭系統(tǒng)的數(shù)據(jù)進(jìn)行梳理，制定數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范，構(gòu)建完善、共享、統(tǒng)一的數(shù)據(jù)管理環(huán)境。通過(guò)開展數(shù)據(jù)治理，可以有效保證業(yè)務(wù)數(shù)據(jù)在采集、集中、轉(zhuǎn)換、存儲(chǔ)以及應(yīng)用整個(gè)過(guò)程中的完整性、準(zhǔn)確性、一致性和時(shí)效性，支撐后續(xù)數(shù)據(jù)應(yīng)用和服務(wù)開展。具體到各企業(yè)，數(shù)據(jù)治理的任務(wù)又因信息系統(tǒng)基礎(chǔ)不同而略有差異，中國(guó)石化銷售企業(yè)的數(shù)據(jù)治理核心任務(wù)如表1所示。

3? 大數(shù)據(jù)應(yīng)用規(guī)劃

對(duì)油品銷售企業(yè)而言，開展大數(shù)據(jù)應(yīng)用的愿景是用數(shù)據(jù)創(chuàng)造價(jià)值，讓每一個(gè)用戶都能夠及時(shí)獲得有用的資源，最終目標(biāo)是促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，提升企業(yè)核心競(jìng)爭(zhēng)力。本文以此為出發(fā)點(diǎn)，以當(dāng)前面臨的主要問(wèn)題為導(dǎo)向，聚焦經(jīng)營(yíng)和客戶，提出了油品銷售企業(yè)大數(shù)據(jù)應(yīng)用藍(lán)圖規(guī)劃，如圖3所示。

該藍(lán)圖涵蓋了數(shù)字營(yíng)銷、智慧運(yùn)營(yíng)、人工智能、物聯(lián)網(wǎng)、風(fēng)險(xiǎn)防控、數(shù)據(jù)共享合作六個(gè)主要方面，體現(xiàn)了大數(shù)據(jù)應(yīng)用深度融合新零售、數(shù)字營(yíng)銷、經(jīng)營(yíng)決策等業(yè)務(wù)領(lǐng)域，持續(xù)服務(wù)并驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新的理念。自2019年12月起，上述規(guī)劃即在中國(guó)石化銷售廣東分公司進(jìn)入分步實(shí)施和應(yīng)用階段，開創(chuàng)了大數(shù)據(jù)技術(shù)在中國(guó)石化油品銷售企業(yè)應(yīng)用的先河，也開啟了企業(yè)數(shù)字化轉(zhuǎn)型的新篇章。

3.1? 大數(shù)據(jù)在經(jīng)營(yíng)決策中的應(yīng)用

隨著市場(chǎng)競(jìng)爭(zhēng)的日益加劇，企業(yè)管理人員對(duì)于數(shù)據(jù)時(shí)效性和豐富性要求越來(lái)越高，不僅需要及時(shí)獲取已經(jīng)發(fā)生的業(yè)務(wù)數(shù)據(jù)，還期望能對(duì)未來(lái)一段時(shí)間的油品銷量和效益、客戶購(gòu)油需求等做出科學(xué)預(yù)測(cè)，從而指導(dǎo)經(jīng)營(yíng)決策，這也正是大數(shù)據(jù)技術(shù)所能帶來(lái)的價(jià)值。

在油品量效預(yù)測(cè)方面，可以通過(guò)網(wǎng)絡(luò)爬蟲搜集有關(guān)天氣、溫度、競(jìng)爭(zhēng)對(duì)手優(yōu)惠等重要信息，將自身沉淀的業(yè)務(wù)和營(yíng)銷數(shù)據(jù)匯聚成原始數(shù)據(jù)池，開展數(shù)據(jù)預(yù)處理和特征工程，選定對(duì)量效預(yù)測(cè)影響最大的若干因素進(jìn)行建模?？紤]到該模型特征值較多，可以采用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）等較為復(fù)雜的深度學(xué)習(xí)算法建模來(lái)實(shí)現(xiàn)。在此模型結(jié)果的基礎(chǔ)上，通過(guò)引入競(jìng)爭(zhēng)策略設(shè)定，系統(tǒng)可以給出每個(gè)參與競(jìng)爭(zhēng)油站的最優(yōu)價(jià)格策略，科學(xué)指導(dǎo)油站競(jìng)爭(zhēng)定價(jià)，實(shí)現(xiàn)量效最大化。

在客戶購(gòu)油需求預(yù)測(cè)方面，基于每個(gè)客戶過(guò)往的購(gòu)油記錄、價(jià)格及優(yōu)惠等數(shù)據(jù)，結(jié)合當(dāng)期油品價(jià)格和營(yíng)銷活動(dòng)等數(shù)據(jù)進(jìn)行建模，采用諸如廣義線性回歸、時(shí)間序列等機(jī)器學(xué)習(xí)算法，即可實(shí)現(xiàn)對(duì)客戶下個(gè)購(gòu)油時(shí)間窗口和購(gòu)油量的提前預(yù)判。

3.2? 大數(shù)據(jù)在客戶營(yíng)銷中的應(yīng)用

在油品銷售行業(yè)，隨著新零售業(yè)務(wù)的蓬勃發(fā)展，線上和線下業(yè)務(wù)不斷融合，對(duì)基于互聯(lián)網(wǎng)技術(shù)的APP、小程序等客戶服務(wù)平臺(tái)的運(yùn)用，由此所產(chǎn)生的客戶行為、客戶交易的數(shù)據(jù)量也在大幅增長(zhǎng)，較傳統(tǒng)線下交易呈現(xiàn)出幾何級(jí)增加的態(tài)勢(shì)，是該行業(yè)目前最典型的大數(shù)據(jù)之一。

具體到本企業(yè)的實(shí)踐，主要體現(xiàn)在以下三個(gè)方面。首先，在集成客戶基礎(chǔ)信息、消費(fèi)數(shù)據(jù)和行為數(shù)據(jù)的基礎(chǔ)上，采用數(shù)學(xué)規(guī)則定義與機(jī)器學(xué)習(xí)算法建模相結(jié)合的方式，構(gòu)建360°客戶畫像體系。從客戶支付習(xí)慣、有效性、忠誠(chéng)度、消費(fèi)黏性及消費(fèi)偏好等角度構(gòu)建客戶的標(biāo)簽集合。采用AHP層次分析法構(gòu)建用戶活躍度模型，關(guān)注活躍度變化趨勢(shì);采用決策樹算法構(gòu)建用戶預(yù)流失模型，挽留可能流失的客戶;采用K-means聚類算法構(gòu)建用戶優(yōu)惠敏感度模型，識(shí)別用戶對(duì)優(yōu)惠的敏感程度。在上述客戶標(biāo)簽和模型基礎(chǔ)上通過(guò)自定義組合生成新的目標(biāo)客群，開展針對(duì)性營(yíng)銷活動(dòng)和客戶分析。其次，基于客戶畫像體系構(gòu)建從營(yíng)銷活動(dòng)設(shè)計(jì)、營(yíng)銷活動(dòng)實(shí)施、活動(dòng)效果評(píng)估到營(yíng)銷策略優(yōu)化的數(shù)字化閉環(huán)營(yíng)銷體系，發(fā)揮大數(shù)據(jù)技術(shù)在客戶營(yíng)銷中的真正作用。最后，構(gòu)建用戶真實(shí)度模型，從消費(fèi)合理性角度對(duì)客戶進(jìn)行評(píng)分分級(jí)，對(duì)于得分低的客戶采用營(yíng)銷限制策略，有效防止羊毛黨薅羊毛，減少營(yíng)銷資源的浪費(fèi)。

圖4為本企業(yè)建立的數(shù)字營(yíng)銷平臺(tái)功能界面截圖，該平臺(tái)包括用戶標(biāo)簽生成及自定義組合、用戶模型生成、營(yíng)銷活動(dòng)配置、營(yíng)銷效果分析和評(píng)估等核心功能，全面支撐油品及非油品客戶的精準(zhǔn)營(yíng)銷。

3.3? 大數(shù)據(jù)在現(xiàn)場(chǎng)管理中的應(yīng)用

對(duì)于油品銷售企業(yè)來(lái)說(shuō)，如何提高加油站現(xiàn)場(chǎng)管理和服務(wù)效率是其經(jīng)營(yíng)管理的基礎(chǔ)與核心，也是一直以來(lái)難點(diǎn)中的難點(diǎn)。在這方面，傳統(tǒng)技術(shù)手段已經(jīng)難以使其發(fā)生質(zhì)的改變，如何依托物聯(lián)網(wǎng)、人工智能等技術(shù)構(gòu)建新型數(shù)字化、智能化現(xiàn)場(chǎng)管理體系，全面提升加油站數(shù)字化運(yùn)營(yíng)能力是解決問(wèn)題的關(guān)鍵。本企業(yè)對(duì)此進(jìn)行了探索和研究，取得了初步應(yīng)用成效。

在人工智能技術(shù)應(yīng)用方面，通過(guò)在加油站現(xiàn)場(chǎng)部署AI攝像機(jī)和邊緣計(jì)算服務(wù)器，基于計(jì)算機(jī)視覺(jué)識(shí)別技術(shù)構(gòu)建智能識(shí)別網(wǎng)絡(luò)，精準(zhǔn)識(shí)別道路和進(jìn)站車輛，匯聚車流、交易、客戶數(shù)據(jù)。通過(guò)大數(shù)據(jù)挖掘和分析技術(shù)，以數(shù)字化方式實(shí)現(xiàn)加油站現(xiàn)場(chǎng)效率。該系統(tǒng)不僅可以精準(zhǔn)統(tǒng)計(jì)道路和進(jìn)站車輛，分析進(jìn)站率與銷量變化趨勢(shì)之間的關(guān)系，提高車輛進(jìn)站率，而且可以數(shù)字化分析加油站服務(wù)時(shí)長(zhǎng)變化情況，研究服務(wù)效率低的原因和對(duì)策，提高車輛通過(guò)率。通過(guò)更深層次的數(shù)據(jù)挖掘，系統(tǒng)還能夠以車牌為客戶唯一標(biāo)識(shí)，分析加油站新老客戶結(jié)構(gòu)變化情況，結(jié)合當(dāng)期營(yíng)銷活動(dòng)分析營(yíng)銷策略合理性，提高客戶回頭率。最后，通過(guò)建立員工人臉庫(kù)，系統(tǒng)可以分析員工在崗情況和活動(dòng)熱點(diǎn)區(qū)域，給出優(yōu)化排班建議，提高現(xiàn)場(chǎng)管理水平。

圖5為本企業(yè)基于上述人工智能技術(shù)建立的AI數(shù)字現(xiàn)場(chǎng)系統(tǒng)功能截圖，以圖形化方式直觀地呈現(xiàn)了全省加油站道路和進(jìn)站車流變化、服務(wù)時(shí)長(zhǎng)排名、客戶結(jié)構(gòu)變化以及核心指標(biāo)預(yù)警等內(nèi)容，有效提升了現(xiàn)場(chǎng)管理和服務(wù)效率。

在物聯(lián)網(wǎng)技術(shù)應(yīng)用方面，通過(guò)在加油機(jī)、液位儀、雙層罐等設(shè)備中安裝智能傳感器，按標(biāo)準(zhǔn)協(xié)議采集核心設(shè)備工作狀態(tài)數(shù)據(jù)，再結(jié)合車流、交易等數(shù)據(jù)進(jìn)行深度挖掘，開展油槍流速、油槍分布合理性等加油槍服務(wù)效率分析，動(dòng)態(tài)監(jiān)測(cè)油罐和液位儀狀態(tài)，對(duì)異常進(jìn)行實(shí)時(shí)預(yù)警，提高加油站設(shè)備的運(yùn)行效率和穩(wěn)定性。另一方面，通過(guò)將低功耗廣域網(wǎng)（Low Power Wide Area Network，LPWAN）技術(shù)應(yīng)用于加油智慧支付場(chǎng)景，在加油站構(gòu)建低功耗、遠(yuǎn)距離LoRa無(wú)線網(wǎng)絡(luò)，通過(guò)加油槍槍托上的智能傳感器自動(dòng)感應(yīng)安裝在客戶車輛油箱蓋內(nèi)側(cè)的無(wú)源RFID標(biāo)簽，實(shí)現(xiàn)無(wú)感支付體驗(yàn)，提高了加油服務(wù)效率和現(xiàn)場(chǎng)車輛通過(guò)率。

4? 結(jié)? 論

綜上所述，大數(shù)據(jù)在油品銷售企業(yè)的廣泛應(yīng)用可以更加有效地提升管理效率，更精準(zhǔn)地開展客戶營(yíng)銷，更科學(xué)地進(jìn)行經(jīng)營(yíng)決策。未來(lái)在更強(qiáng)有力的技術(shù)和人才體系支撐下，油品銷售企業(yè)可以利用大數(shù)據(jù)持續(xù)驅(qū)動(dòng)業(yè)務(wù)和應(yīng)用創(chuàng)新，不斷催生新場(chǎng)景、新體驗(yàn)，并可以借助分析所得數(shù)據(jù)預(yù)測(cè)業(yè)務(wù)發(fā)展趨勢(shì)，讓數(shù)據(jù)能夠成為預(yù)測(cè)權(quán)威，大數(shù)據(jù)應(yīng)用可以達(dá)成業(yè)務(wù)部門未曾想到的業(yè)務(wù)期望，超越業(yè)務(wù)滿意度，真正賦能業(yè)務(wù)，從而推動(dòng)企業(yè)的數(shù)字化轉(zhuǎn)型，提升企業(yè)的綜合競(jìng)爭(zhēng)力。

參考文獻(xiàn)：

[1] 吳靜，張鳳，孫翊，等.抗疫情助推我國(guó)數(shù)字化轉(zhuǎn)型：機(jī)遇與挑戰(zhàn) [J].中國(guó)科學(xué)院院刊，2020，35（3）：306-311.

[2] 宮夏屹，李伯虎，柴旭東，等.大數(shù)據(jù)平臺(tái)技術(shù)綜述 [J].系統(tǒng)仿真學(xué)報(bào)，2014，26（3）：489-496.

[3] 彭宇，龐景月，劉大同，等.大數(shù)據(jù)：內(nèi)涵、技術(shù)體系與展望 [J].電子測(cè)量與儀器學(xué)報(bào)，2015，29（4）：469-482.

[4] 鄧中華.大數(shù)據(jù)大創(chuàng)新：阿里巴巴云上數(shù)據(jù)中臺(tái)之道 [M].北京：電子工業(yè)出版社，2018.

[5] 唐燕，劉仁權(quán)，王蘋.基于Hadoop的高校大數(shù)據(jù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn) [J].信息技術(shù)，2017（12）：105-109.

[6] 張寧，袁勤儉.數(shù)據(jù)治理研究述評(píng) [J].情報(bào)雜志，2017，36（5）：129-134+163.

作者簡(jiǎn)介：李?。?981—），男，漢族，江蘇泰州人，高級(jí)工程師，碩士研究生，研究方向：物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù);劉杰（1980—），男，漢族，河北滄州人，高級(jí)工程師，碩士研究生，研究方向：互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù);江海（1981—），男，漢族，四川內(nèi)江人，高級(jí)工程師，本科，研究方向：物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)。