智慧城市建设过程中,各政府部门通过四通八达的信息通路进行数据汇集与共享交换,在城市中心形成庞大的数据资源。但这些数据是行业特有的业务领域数据,缺少关联并可能存在矛盾,无法形成数据资产。如何将这些行业数据与智慧城市基础库数据进行对照关联,清洗庞大数据中的垃圾数据,融合完善使其更贴近应用需要,是智慧城市建设过程中不可或缺的环节。锐软深入剖析数据清洗融合难题,提供架构完备的智慧城市政务数据清洗融合平台,为城市运营管理提供完善的数据资源。

智慧城市政务数据清洗融合平台,可有效识别汇聚的政务数据,将面向业务的应用数据模型(如医疗数据模型、交通数据模型)比对、清洗、建模、装载后,重构为面向数据资产的基础数据模型(如人口数据模型、法人数据模型)。在此过程,遵循数据标准管理所提供匹配标准管理、映射规则管理、字典管理、元数据管理、标准包管理等;并提供基于工单的数据质量评价与提升机制,通过质量问题分配、质量问题跟踪、质量问题趋势分析等功能,保障并提升数据质量。

全流程数据清洗模式

数据清洗是智慧城市建设过程中不可缺少的一个环节,其结果质量直接关系到数据分析及智慧应用的效果和质量。平台提供全流程式数据清洗模式,通过数据过滤、数据补全、数据转换、数据去重、数据校验等环节,实现清除垃圾数据、补全缺失数据、修改数据格式和内容错误,删除冗余数据获取“干净”数据资源。

完备化数据融合模型

平台依据我国智慧城市建设特点,提供完备的数据融合模型,以多业务应用数据为管理对象,建立跨业务、跨组织的数据融合与关联,是实现跨行业智慧应用的数据基础。有效整合城市数据资源,完美融合割裂的数据资源,迸发数据潜在的巨大价值,助力智慧城市建设。

可循环数据质量提升

数据质量,在智慧城市建设过程中直接影响到各部门间的协同效率及智慧应用的使用效果。平台采用循环管理机制,构建数据质量提升体系,通过数据质量问题发现、跟踪、处理、反馈形成处理闭环,以客观综合的维度和视角提升数据在智慧城市建设中的价值。

全面的标准管理体系

数据标准贯穿数据清洗融合全周期,为数据清洗、融合提供关键的依据和准则。平台建立全面的标准管理体系,提供标准管理、字典管理、元数据管理的系统化标准管理,为智慧城市不同行业的智慧应用所需数据资源的融合清洗提供行业标准、国家/地区规范、行业标准;为跨领域、跨部门的数据清洗、融合提供完善的字典管理、元数据管理标准,为数据的补全和关联提供标准,是智慧城市基础库和顶层应用获取完善的数据资源的关键辅助。