2021-2023年市大数据剖析平台培植支配及运维运营做事
项目目标为贯彻落实广东省数字政府改革培植事情的支配哀求，进一步加强大数据对市发展的支持力度，市将以业务和问题为导向，通过支配大数据中央剖析平台，支撑市的数据领悟剖析运用，知足政府机构、企奇迹单位的大数据决策专题运用的需求，缩小市政务信息化培植和运用水平与珠三角的差距。
本项目中标方需在条约签订之日起3个月内完成软件开拓，平台正式上线支配后供应三年运维运营做事。
（1）规范性原则
系统设计开拓遵照国家标准、工信部有关软件行业的通用规范、通用的国际规范及各系统间接口标准，保障根本信息数据库及运用系统之间能够根据业务须要实现有效的互连。
（2）开放性原则
系统设计的各种接口在遵照规范性原则的根本上，担保其可以集身分歧设备厂商、系统或平台供应商、软件供应商的产品；担保系统的设备管理、系统扩容和业务掩护不依赖于单一设备厂商、系统或软件供应商的产品。
（3）前辈性与成熟性相结合原则
系统设计采取前辈成熟的技能和手段，以保障系统具有高效、全面和稳定等良好品质。系统采取前辈成熟的总体构架，数据采集、整合、运用做事等采取目前主流J2EE、中间件等技能。
（4）实用性原则
系统设计要切实担保实用性，能够办理项目的实际需求。
（5）可扩展性原则
系统设计应充分担保系统容量、处理能力和业务范围具有良好的扩展能力；具有适应业务变革的能力，对付系统用户数量及业务量的增长、规则或代码的变革、业务单据的变更、业务流程重组等，应担保业务变革对系统运行不造成影响。
（6）可靠性原则
担保系统具有较高的可靠性和完善的缺点处理机制和自动失落效转移，担保系统能够供应7x24小时不间断访问做事。
（7）易用性原则
系统设计须要担保系统软件随意马虎利用，一方面是方便各种做事工具，另一方面是方便系统管理员和业务管理员。功能界面风格和操作流程同等，突出用户的中央地位，担保用户利用习气。
（8）可掩护性原则
采取面向做事的架构设计，以及结合动态流程建模，增强系统的可配置能力。
（9）可移植性原则
保障系统能跨不同平台进行移植。
（10）可管理性原则
担保系统该当具有完善的管理机制，担保所选产品应具有良好的可管理性和可掩护性。
（11）可管理性原则
担保系统在运行过程中管理的各种信息的安全，担保系统与其它干系系统信息交流过程的安全；担保系统运用做事的安全。对系统的操作需严格按照操作权限进行，并对每项操作留下完全的日志记录备查。
技能路线哀求技能路线（1）UML统一建模措辞
UML（Unified Modeling Language）是非专利的第三代建模和规约措辞。UML是一种开放的方法，用于解释、可视化、构建和编写一个正在开拓的、面向工具的、软件密集系统的制品的开放方法。
UML最适于数据建模，业务建模，工具建模，组件建模。UML作为一种模型措辞，它使开拓职员专注于建立产品的模型和构造，而不是选用什么程序措辞和算法实现。当模型建立之后，模型可以被UML工具转化成指定的程序措辞代码。
本项目在需求剖析与系统设计阶段，利用开拓职员可识别的建模与规约措辞，明晰地向开拓职员描述系统模型。
（2）组件技能
组件是具有某种特定功能的软件模块，以其较高的可重用性产生了一种崭新的软件设计思路。通过开拓不同的可重复利用的组件、接口和构件，实现分布式运用程序的快速开拓，运用模块间相对独立，接口清晰，内部的业务流程升级和改造与其他模块无关。
组件技能是迄今为止最精良也是发展最快的一种软件重用技能，它比较彻底地办理了软件开拓中存在的重用性、适应性差和周期长等问题。
（3）XML技能
XML（eXtensible Markup Language— 扩展标识措辞）是一种非常适于运用程序之间数据交流的格式，特殊是松藕合的运用程序，如分布式Web系统。作为一种通信协议，HTTP具有跨平台性。对付运用程序数据来说，XML具有同等的功效。XML可以促进运用程序代码的重用，提高运用程序在面对需求和程序变革时的适应能力。
XML是一种界定文本数据的简便而标准的方法，与看重数据及其表达办法的HTMIL不同，XML只关心数据本身。XML的上风在于其数据可以被用户定义的、有语义的标记环抱，可在数据库中实现无损的存储、检索和修正等操作。只需大略地添加标记就可以描述它们所封装的信息，XML的这种数据描述机制使得它成为一种在Internet上共享信息的强大路子，由于它是开放的，XML能够在不同的用户和程序之间交流数据，而不论其平台如何。无需事先折衷，就可以在程序之间共享数据。同时通过DOM API（文档工具模型API）可以轻松地体例读写XML的程序，在Web系统运用程序中可以灵巧利用XML。
在数据交流领域中，如果没有标准的交流技能和方法，相同的数据剖析处理模块在很多运用中都要重复开拓，而完成的事情可能只是将某一数据源的数据转换到不同的目标数据库中。由于没有中间标准，各系统的开拓职员险些没有可能将代码重用，昂贵的数据交流代价使得数据源只能散乱孤立地存在，形成一个个数据“孤岛”。在XML涌现之前，在绝大多数运用领域里都是如此。可以看出，数据交流的核心问题是信息的标准化，紧张办理信息的可理解问题，重点是机器对信息的识别，并能对数据进行自动处理。
（4）Web Services技能
政务信息资源共享平台特性决定了运用接口浩瀚，采取Web Service技能降落运用接口的繁芜性。
XML Web services既可以在内部由单个运用程序利用，也可通过公开以供任意数量的运用程序利用。由于可以通过标准接口访问，因此XML Web services使异构系统能够作为单个打算网络协同运行。
XML Web services的核心特色之一是做事的实现与利用之间的高度抽象化。通过将基于 XML 的处理作为创建和访问做事的机制，XML Web services客户端和XML Web services供应程序之间除输入、输出和位置之外无需相互理解其他信息。采取Web做事技能实现政务信息资源共享平台与业务系统之间的数据交流和运用整合，使政务信息资源共享平台具有灵巧性和可扩展性。
（5）SOA体系架构
面向做事的体系构造（Service-Oriented Architecture，SOA）是一个组件模型，它将运用程序的不同功能单元（称为做事）通过这些做事之间定义良好的接口联系起来。接口是独立于实现做事的硬件平台、操作系统和编程措辞的。
这种具有中立的接口定义（没有逼迫绑定到特定的实现上）的特色称为做事之间的松耦合。对松耦合的系统的须要来源于业务运用程序须要根据业务的须要变得更加灵巧，以适应不断变革的环境，比如常常改变的政策、业务级别、业务重点、互助伙伴关系、行业地位以及其他与业务有关的成分，这些成分乃至会影响业务的性子。
面向做事的体系构造是面向工具的模型的替代模型，面向工具的模型是紧耦合的。虽然基于SOA的系统并不用除利用面向工具的设计来构建单个做事，但是其整体设计却是面向做事的。由于它考虑到了系统内的工具，以是虽然SOA是基于工具的，但是作为一个整体，它却不是面向工具的。不同之处在于接口本身。
SOA系统原型的一个范例例子是通用工具要求代理体系构造（Common Object Request Broker Architecture，CORBA）。现在的SOA已经有所不同了，由于它依赖于一些更新的进展，这些进展因此可扩展标记措辞（eXtensible Markup Language，XML）为根本的。通过利用基于XML的措辞（称为 Web 做事描述措辞（Web Services Definition Language，WSDL））来描述接口，做事已经转到更动态且更灵巧的接口系统中。
（6）B/S多层架构
系统基于B/S架构设计，在开拓平台上采取标准措辞进行开拓，实现软件的标准化。采取MVC模式，通过三层软件架构体系来实现高内聚，低耦合，提高系统的健壮性和可掩护性。
在详细实现上，系统采取三层体系构造，即表现层、业务逻辑层、持久层。采取分层的设计模式，开拓职员可以只关注全体构造中的个中某一层；可以很随意马虎的用新的实现来更换原有层次的实现；可以降落层与层之间的依赖；有利于标准化；利于各层逻辑的复用。概括来说，分层式设计可以达到如下目的：分散关注、疏松耦合、逻辑复用、标准定义。
（7）大型关系数据库技能
本共享平台核心部分采取大型关系数据库。
大型关系数据库因此高等构造化查询措辞（SQL）为根本，采取安全管理机制，支持共享SQL和多线程做事器体系构造，供应了基于角色（ROLE）分工的安全保密管理，支持大量多媒体数据，供应接口工具，支持分布式管理办法，适用于多种运用的高效、可靠、安全的数据管理，包括大负荷的联机事务处理系统及以查询为主的数据仓库运用系统。
大型关系数据库具有高安全性、可扩展性、高性能、高可靠性、可移植性等特色功能。
高安全性紧张表示在基于角色与权限的管理方法来实现基本安全功能，并根据安全管理机制，将审计和数据库管理分别处理，同时增加了逼迫访问掌握的功能，其余，还实现了包括通讯加密、存储加密以及资源限定等赞助安全功能。
可扩展性紧张表示在支持多操作系统、支持64位运算、支持多做事器集群等。大型关系数据库支持目前市场上各种盛行的64位操作系统和处理器，能够充分支持64位内存寻址能力和TB级的海量数据管理，可以为企业供应高性能的数据管理办理方案。
高性能紧张表示在采取封锁机制来办理并发问题，系统供应了多种锁：表锁、行锁和键范围锁，在缺省情形下为行级锁。封锁的履行有自动和手动两种，即隐式上锁和显式上锁。隐式封锁根据事务的隔离级有所不同，由数据库自动实行。同时，供应给用户多种手动上锁语句，用以适应用户定义的运用系统，进一步提高系统的并发性和性能。
高可靠性紧张表示在备份与规复的功能，大型关系数据库可以同时管理多个数据库，物理备份与还原都因此数据库为单位，即备份时须要指天命据库，还原时也只能根据备份的信息还原对应的数据库。支持完备备份/规复、增量备份/规复，同时供应了在线和离线进行备份和规复的功能。
可移植性紧张表示在支持各种接口的标准和跨平台的功能实现。各种接口的标准包括SQL92、ODBC、JDBC、OLEDB、PHP等国际标准，大型关系数据库支持VC、VB、PowerBuilder、C++Builder、JBuilder、Delphi、Eclipse等各种盛行的数据库运用开拓工具，能够方便地将基于标准接口的其他数据库运用移植到数据库上。同时，供应了专门的数据迁移工具，支持将达梦、Oracle、DB2、Sql Server、Sybase、Mysql、PostgreSQL、文本文件、Excel文件、XML文件等数据源中的数据的迁移。
大型关系数据库能实现不同操作系统（WINDOWS/LINUX/UNIX等）、硬件（X64/X86/SPARC/POWER/TITAM）平台的支持，各种平台上的数据存储构造完备同等。与此同时，各平台的通信构造也完备保持同等，使得数据库的各种组件均可以跨不同的软、硬件平台与数据库做事器进行交互。
大型关系数据库支持特色功能包括：全文检索、多字符集支持、物理数据页大小可选、代理做事与作业调度、多媒体和空间信息支持。
（8）HTTPS技能
HTTPS(全称：Hyper Text Transfer Protocol over Secure Socket Layer)，因此安全为目标的HTTP通道，大略讲是HTTP的安全版。即HTTP下加入SSL层，HTTPS的安全根本是SSL，因此加密的详细内容就须要SSL。 HTTPS存在不同于HTTP的默认端口及一个加密/身份验证层(在HTTP与TCP之间)。这个别系供应了身份验证与加密通讯方法。现在它被广泛用于万维网上安全敏感的通讯，例如交易支付方面。传统的HTTP模式，存在着大量的灰色中间环节，干系信息很随意马虎被盗取，但HTTPS却是通过认证用户与做事器，将数据准确地发送到客户机与做事器，并采取加密办法以防数据中途被盗取，大大降落了第三方窃取信息、修改伪装身份的风险。
对基于互联网的"大众做事网站，本项目哀求利用HTTPS技能。
（9）Hadoop分布式存储系统
Hadoop分布式文件系统HDFS，是一个高度容错性的系统，适宜支配在廉价的X86做事器上，供应高可靠、高扩展、高吞吐能力的海量文件数据存储，非常适宜大规模数据集上的运用。
缺点检测和快速、自动的规复是HDFS最核心的架构目标。同时，HDFS的架构支持数据均衡策略。如果某个Datanode节点上的空闲空间低于特定的临界点，按照均衡策略系统就会自动地将数据从这个Datanode移动到其他空闲的Datanode。
（10）YARN技能
Apache Hadoop YARN（Yet Another Resource Negotiator，另一种资源折衷者）是一种新的Hadoop资源管理器，它是一个通用资源管理系统和调度平台，可为上层运用供应统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
可以把yarn理解为相称于一个分布式的操作系统平台，而mapreduce等运算程序则相称于运行于操作系统之上的运用程序，Yarn为这些程序供应运算所需的资源（内存、cpu）。
（11）Spark大数据打算引擎技能
Spark许可将中间输出和结果存储在内存中，节省了大量的磁盘IO。同时Spark自身的DAG实行引擎也支持数据在内存中的打算。Spark现在支持Java、Scala、Python和R等措辞编写运用程序，大大降落了利用者的门槛。自带了80多个高档级操作符，许可在Scala，Python，R的shell中进行交互式查询。
与MapReduce只能处理离线数据比较，Spark还支持实时的流打算。Spark依赖Spark Streaming对数据进行实时的处理，其流式处理能力还要强于Storm。
Spark自身实现了Standalone支配模式，此模式下的Master可以有多个，办理了单点故障问题。此模式完备可以利用其他集群管理器更换，比如YARN、Mesos、EC2等。
（12）Hive数据仓库技能
Hive是一种底层封装了Hadoop的数据仓库处理工具，实质是将SQL语句通过阐明器转换为MapReduce作业提交到Hadoop集群上进行打算，将构造化的数据映射为一张数据库表，并供应HQL(Hive SQL)查询功能，不用编写详细的MapReduce方法。所有Hive的数据都存储在Hadoop兼容的文件系统（如HDFS）中。Hive在加载数据过程中不会对数据进行任何的修正，只是将数据移动到HDFS中Hive设定的目录下。
Hive不供应实时的查询和基于行级的数据更新操作，不适用于低延迟的运用，最佳利用场景是大数据的批量处理作业。
（13）基于ETL技能的多源异构空间数据的集成
ETL是数据抽取（Extract）、转换（Transform）、装载（Load）的过程。是构建数据仓库的主要一环，用户从数据源抽取出所需的数据，经由数据洗濯，终极按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。详细地说，ETL包括三个紧张的环节，一是数据抽取，将数据从不同的操作平台或者数据库等那些最初的业务系统中读取出来，是所有事情的条件；二是数据转换，是对抽取得到的数据，在预先定义好的转换规则下，进行转换的过程，包括字段的合并与拆分、排序、赋缺省值以及数据的聚合等操作；三是数据装载，卖力将转换完成的数据装载到数据仓库中。
（14）大数据展示技能
针对海量数据的可视化，构建数据预处理模型采取内存打算、图简化技能和数据分块压缩技能降落图像呈现时的数据量，并结合配色方案，根据数据情形设定颜色渲染规则，对预处理后的数据构建数据立方体存储，减少每次数据准备和处理的韶光，并提高渲染效率。
针对海量数据的统计汇总展示，扩展统计图表种类。利用成熟的可视化控件和可视化技能，根据电力行业业务特点和剖析展示须要，在传统可视化图表根本上扩展热力争、力导向图、弦图、统计舆图、韶光序列播放图、实时图等新图形。
针对海量的明细级麻点数据，构建基于地理位置的可视化办法引入GIS做事，以空间数据为背景，以明细级业务数据为热点进行渲染。
针对大数据的形式多样性特点，扩展可视化办法。
（15）国产化
进入21世纪以来，信息技能已逐渐成为推动国民经济发展和促进全社会生产效率提升的强大动力，信息家看成为关系到国民经济和社会发展全局的根本性、计策性、先导性家当受到了越来越多国家和地区的重视。中国政府自上世纪90年代中期以来就高度重视软件行业的发展，相继出台一系列鼓励、支持软件行业发展的政策法规，从制度层面供应了保障行业发达发展的良好环境。
近年来窃听丑闻、数据透露等事宜频出不穷，让人们意识到数据信息安全的主要性。美国对我国高新技能家当发展的限定，更是让推动信息化产品国产化成为一定的结果。推进信息技能产品国产化进程，已然成为坚持国家发展、供应民生保障的重大课题。
为了保障数据安全、核心可控，在知足性能需求的情形下，优先采取具有自主知识产权的国产信息技能产品。
（16）IPv6支持
积极合营省、市有关部门组织的IPv6改造操持，本项目平台将支持IPv6，同时健全和完善IPv6环境下网络安全干系管理和技能哀求，开展针对IPv6的网络安全等级保护、风险评估和通报预警等事情。
总体架构哀求系统的总体架构如下图所示：
系统总体架构图
网络架构哀求市大数据剖析平台依托政务云平台支配，干系安全设备及虚拟机资源均为云平台统一供应，无须在本项目购置。
市大数据剖析平台网络支配拓扑示意图如下：
大数据剖析平台网络架构图
运用架构哀求用户通过省统一身份认证平台认证后，登录市大数据剖析平台，进入剖析平台门户，用户可以在大数据剖析平台查看自己订阅的大数据剖析成果和模型，能够进入剖析平台的专题场景运用，进行各行业领域的大数据剖析运用。大数据剖析平台的运用架构图如下所示：
大数据剖析平台运用架构图
做事内容软件开拓做事门户供应基于用户类型和权限的大数据剖析平台门户管理，当一个用户天生的时候，可被授予不同的用户类型，并设置一套默认的平台访问门户。同一个用户可能同时会包含多个用户类型，一个用户的用户类型决定了他能访问和利用哪些平台功能和数据信息。门户须要包含个人中央、剖析平台任务和成果展示三大部分内容。
个人中央用户登录供应用户登录渠道，用户登录后系统自动关联用户类型和权限信息，匹配该类型和权限下展示的门户信息，并可以访问该用户的个人中央信息。
个人发布在个人发布功能中，用户可以查阅个人已发布的成果信息，包括成果发布详情、成果进度信息、发布状态信息等。
个人订阅在个人订阅中，用户可以查阅个人订阅成果的详情。包括已订阅成果清单、历史订阅清单、相似模型/成果清单等，并可将已订阅的成果内容设置在门户首页展示，用户可以通过登录个人中央随时查看所关注的最新数据。
可通过个人订阅的资产生本钱身的个性化首页展示。
个人任务单用户可查看自己发起的和待审批的工单。
个人在个人的栏目中，用户可以对收到的个人进行管理。
剖析平台任务任务是作为资产超市数据交易的补充，如果客户在资产超市找不到自己想要的专题、剖析模型等，客户可以在资产超市发起新增申请，填写新增自定义的需求，会自动天生任务单流入后台管理，待运营方审核。
任务详情根据用户类型和权限，供应单个剖析任务详情查看。用户可以查看自己发布的剖析任务详情，包括剖析任务运行情形、关联数据情形、剖析结果等，管理员可以查看所有用户开展的剖析任务详情。
任务总览根据用户类型和权限，用户可以查看剖析任务总览，包括任务开始韶光、任务完成情形、任务总量等。
任务池任务池是为了对客户提出的新增任务进行统一管理而设计，客户在超市新增任务后，就会进入运营后台的审批环节，在任务管理中央审批通过的任务就会流入任务池，供应给运营方的数据剖析师领取。
成果展示展示办法用户可以对个人成果展示办法进行设置，包括设置成果展示图形、数据类型、数据颗粒度等内容。用户可以编辑成果查阅权限，设置查阅者能够查看的内容范围。
查算作果用户可以查阅个人发布的成果详细内容，包括数据、图表等信息和组合专题，订阅者可以查看该成果发布者设置的访问内容。成果查询渠道分成大屏、PC端、移动端。
展示风格选择用户可改变展示风格，例如黑夜、简洁风格，以适用多展示场景。
展示端选择用户可以一键切换成果展示模式，可支持PC端、大屏端或移动端展示，用户可针对不同展示端预设展示内容。
大数据中央剖析事情台模型仓库模型发布模型发布是指对模型上架下架进行统一管理，建立审核机制，担保高质量的模型发布利用。
模型统计模型统计是指对模型运行和利用情形进行统计剖析，便于管理职员理解模型情形。
模型运用模型运用是指将演习后的模型运用到业务运用生产支撑场景中。应具备泛化运用的能力：支持将演习好的模型，用于到新的数据中。新数据经由模型处理能自动返回结果，其结果可办理和辅导相应的实际问题。
模型分类用户可以通过模型分类功能，对模型进行分类，以便进行检索利用。
模型搜索用户可以通过模型搜索功能，对模型仓库内的模型进行搜索，以便快速查找到所需的模型。
成果管理成果管理模块用于管理大数据剖析平台的成果，可以对已发布的统计图、报表、模型等内容进行可视化管理。
成果发布用户可利用成果发布功能，从成果清单中选择须要发布的成果内容，通过个性化编辑后，将成果发布。
成果检索检索供应包括名称、编码、部门名称、类型、启用/禁用、上架/下架、业务类型多个条件的综合检索。便于用户快速定位资产。
成果资产配置管理员可以通过成果资产配置功能，实现成果资产的分类管理。
成果订阅用户可以通过成果订阅功能，实现成果的订阅和共享。
资产跟踪用于跟踪资产由谁申请、谁可见，对资产的来源和去向统一进行跟踪。
资产分类将资产进行应急、经济、环保、金融等业务类型的分类，便于资产管理。
成果撤回用户可以通过成果撤回功能，实现已发布成果或已共享成果的撤回，形成成果发布闭环。
大数据中央剖析后台模型能力模型能力应具备根本框架功能，可知足后期多厂家模型导入需求。市大数据剖析平台的模型能力培植将遵照国际数据挖掘行业标准（CRISP-DM），供应对应功能和事情流程设计，保障模型能力履行落地。模型能力培植流程如下图：
模型能力培植流程图
指标建模在对业务需求进行剖析后，将对业务具有剖析代价的指标进行数据模型构建，应具备布局数据、合并数据和统计处理数据的运算能力。
模型演习模型演习是指从大量的、有噪声的、不完备的、模糊和随机的数据中，提取出隐含的、不可预知的、具有潜在利用代价的信息和知识的过程。模型演习包括准备数据、探索数据、演习模型、评估模型和演习任务管理等功能。
模型支配在模型完成指标建模、模型演习等步骤后，须要对功能达到哀求的模型进行支配调试，支配后的模型为可被调用的做事能力，可为其它业务系统、模型供应数据剖析能力。
模型管理模型管理是对自身构建模型和第三方构建模型进行全生命周期管理。
专业语料库语料网络语料库是指按照一定的措辞学原则，利用随机抽样方法，网络自然涌现的连续的措辞利用文本或话语片断而建成的具有一定容量的大型电子文本库。
语料库构建根据历史事变的做事内容按照一定规则建立根本库及专业库。根据系统专业背景、利用场景以及历史投诉数据，建立并不断丰富专业语料库。本平台要培植的语料库包括归属地语料库、事变类型语料库、部门语料库和回退事宜语料库。
BI能力BI能力将繁芜的数据剖析能力引入到日常业务决策流程中，通过图形化剖析和算法，供应自助式数据探索与可视化剖析做事，让业务用户、管理职员、领导者能够从数据中更便捷地提取有用的信息，办理业务问题。
报表设计报表工具需供应图形化的报表设计功能。哀求通过这个设计器，无论技能职员还是业务职员都可以经由大略的培训后高效地定义报表。
报表管理需支持多样化的数据源接入办法，包括运用做事器JNDI连接办法以及JDBC C3P0连接办法，需支持的数据源包括：关系型数据库：Oracle 、DB2、SQLServer、Sybase、MySQL、Informix以及国产数据库等；文件数据源：Csv、Excel、XML；内建数据源：报表中用户自建的数据集；其他数据源：JavaBean、API数据源，自定义数据源、信创哀求的其它数据源。
需支持多种办法的导入导出，需支持Excel、Word、PDF、HTML、CSV、TXT等格式的导出，如果还有其他格式需求，可以通过扩展指定的接口，二次开拓来实现、支持配置为多线程办法并发实行。
自主剖析自主剖析可基于用户需求进行个性化BI剖析，通过供应的数据清单，可以通过勾选的办法选择数据并进行自主编排；可基于图形化剖析模块，根据用户个性化需求定制数据报表。
多维剖析1、 可视化多维剖析
供应全面的数据剖析功能，基于WEB的报表引擎做事，供应了完全的报表剖析、仪表舱剖析。
2、 智能报表
智能报表的页面布局和操作都与微软Excel非常相似，作为一个通用的报表工具，智能报表供应了一个图形化，易学易用的报表设计器。通过这个设计器，无论是技能职员还是业务职员都可以高效地定义、生产智能报表。
3、 数据处理引擎
数据处理引擎用于规整和处理数据，比如不一致的数据转换、数据粒度的转换，以及一些商务规则的打算。
图形化剖析图形化剖析包含多种数据展示办法，为自主剖析和多维剖析供应。
同时，图形化组件需支持折线图、柱状图、饼图、点位图、热力争、3D热力争、区块颜色图、期望线图等图形配置模块，并将天生的剖析图存放于对应的图库中。
普通平面大屏展示包含传统的饼、柱、线图，同时也供应可选的可视化展现办法以组成大屏。
2.5D及以上高等大屏展示平台供应2.5D大屏展示和3D视频渲染高等动效大屏功能。
配置管理数据共享配置：配置数据共享是系统间的互联互通的紧张哀求之一，使不同业务系统的配置信息能被其他系统所获取和理解。
个性化配置：针对不同的用户级别进行页面的个性配置展示。
AI能力在经济运行、营商环境、政务做事等主题，以及水利、应急、环保、自然资源等行业构建聪慧运用时，如须要基于AI能力构建本主题、行业特色的专题库，提高政务业务的智能化能力，开展城市智能管理、智能决策支持等，可按需引入AI做事能力。大数据剖析平台的AI做事能力包含OCR笔墨识别和AI能力管理两部分内容。
OCR笔墨识别大数据剖析平台需支配OCR笔墨识别做事，通过OCR笔墨识别做事领悟深度学习、多种图像处理技能，将OCR技能广泛运用于纸质文档单据电子化、身份认证自动化等场景。
1、 通用类OCR运用
（1）通用笔墨识别。
支持通过通用笔墨识别API做事，识别印刷体文档中的笔墨信息。运用层可以调用此API，并结合一些后处理办法来自动提取关键信息并录入系统，可减少人工录入本钱，提高业务效率。
（2）通用表格识别。
支持通过通用表格识别API做事，提取各种表格类型图像中的表格空间信息与笔墨信息，提升企业内部各种办公表格数据的电子化录入。
（3）网络图片识别。
支持通过网络图片识别API做事自动识别网络图片内的笔墨及其对应位置信息，如快递单等，并能根据识别出来的结果进行联系人信息的提取，可供进一步的数据挖掘后处理操作。
2、 卡证类OCR
（1）身份证识别。
支持自动识别身份证上的全部信息，支持身份证正反面识别，一次扫描即可识别身份证号码、姓名、地址等全部信息，在暗光、倾斜、过曝光、阴影等非常条件下均可准确识别身份证信息。
（2）驾驶证识别。
支持自动识别驾驶证正页与副页上的全部信息，自动提取出姓名、性别、领证日期、准驾车型、有效期限、档案编号等构造化信息，在暗光、倾斜、过曝光、防伪标志滋扰、阴影等非常条件下均可准确识别驾驶证信息。
（3）行驶证识别。
支持自动识别行驶证正页与副页上的全部信息，自动提取出号牌号码、车辆类型、所有人、利用性子、品牌型号、车辆识别代号、发动机号码、注册日期、档案编码、核定载人数、总质量、整备质量、核定载质量、外廓尺寸、准牵引总质量、备注、考验记录、条码号等构造化信息，在暗光、倾斜、过曝光、防伪标志滋扰、阴影等非常条件下均可准确识别行驶证信息。
（4）业务执照识别。
支持识别业务执照中的公司名称、注册号、法人代表、地址、注书籍钱、业务期限、经营范围等字段。在暗光，倾斜、水印等非常条件下均可正常识别执照信息。
（5）护照识别。
针对中国护照，可识别护照上的全部信息；针对其他国家护照，可根据两行国际标准化的机读码识别出6-7个关键字段信息，包括姓名、性别、出生日期、护照号码、签发国国家码、护照有效期等。在暗光、倾斜、过曝光、阴影等非常条件下均可准确识别护照信息。
（6）银行卡识别。
支持自动识别银行卡正面的信息，识别信息包括卡片类型（借记卡或信用卡）、银行卡卡号、有效日期、发卡行、持卡人姓名（限信用卡）。
AI能力管理AI能力托管系统旨在为业务运用供应灵巧的、可伸缩的能力做事托管框架，为用户供应能力注册、支配、卸载、掌握和监控一站式管理做事，办理AI能力管理困难的问题。须要具备管理、能力管理、配置管理、日志管理、事宜管理、监控管理能力
对接管理作业管理作业管理对系统的演习作业、模型预测作业、指标模型作业调度等进行统一管理，支持增、删、改、查、运行、停滞、查当作果、查看日志、下载日志等操作管理。
作业配置作业配置对作业干系的参数进行配置。
作业运行作业运行是指根据业务模型调度实行需求，供应模型运行的启动功能，应支持立即启动、定时启动和周期性启动三种运行办法。
作业日志作业日志是指业务模型作业运行时的信息记录。
作业监控作业监控是指查看作业运行状态和作业运行结果。
编排管理编排管理，以BI为支撑，用于集中编排专题报表。可支持拖沓组件进行自由的编排，终极发布为成果。
数据配置平台支持连接多种通用数据模型，如关系型数据库（MySql、Oracle、SQL Server等）、文本数据源（Excel、CSV等）、大数据剖析引擎（Kylin、Impala、Hive）、基于OData协议的扩展接口等。供应直不雅观的可视化界面，大略填写配置参数即可快速连接数据源。
支持扩展实时数据接入，包括数据库定时实行SQL的准实时数据提取、定时通过调用第三方接口获取准实时数据、通过接口实时吸收第三方接口实时发送的数据。
模板配置可视化展现系统内置了多种模板，用户可以基于模板直接创作，省去了颜色配置等细节操作，可以快速完成制作。
模型配置供应强大的数据集建模能力：支持在数据源的根本上创建和编辑数据集，形成数据集模型。支持可视化快速创建数据集，用户可拖拽数据源中多个数据表搭建数据关联关系，数据表间通过连接线清晰展现数据关联关系。如果两个表之间存在相同的字段名称，会自动建立关联关系。
专题配置专题配置用于配置天生各种专题，例如防疫***、应急防火、互联网+专题。
既可以从模板中引用天生，形成统一规范的专题；还可以自定义拖沓拽干系控件天生。
支持图表联动：可以点击图表的数据区域后，其他图表会根据点击的数据区域变换。
算法配置供应统计、剖析干系算法，可复用地支持剖析。如sum、average等。
数据采集数据采集实现多类型数据采集，如目录、指标、原始表、模型、算法等，支持多种灵巧的任务调度办法，实现自动采集，多任务采集，担保数据采集的时效性，从而提高后续数据运用的时效性。
数据交流数据交流是指将数据剖析所需的数据从数据中央资源目录、外部数据源或者本地数据文件接入到大数据中央剖析平台中，对数据资源进行导入、查询、导出等操作管理。
数据自主查询自主查询有数据查询和组合功能。基于从数据中央资源目录、外部数据源或者本地数据文件接入到大数据中央剖析平台中的数据信息，对数据信息进行查询和展示。
数据导出查询所得数据可以通过导出功能得到文本格式的结果数据。
API接口做事大数据剖析平台能够对接数据资源管理平台供应的API接口进行数据获取，以便进行后续数据剖析。
数据集市展示所有集聚的指标集。
库表接入库表接入指直接对接数据库表，进行数据访问。
文件接入支持文件接入管理，包括本地上传文件数据、文件接入数据的数据预览、接入文件的查看和删除。
统计剖析实现接入数据信息统计剖析，包括本月新增数据资源数量，部门数据资源数量、根本库资源数量、主题库资源数量。
元数据管理元数据采集元数据管理系统供应了丰富的内置适配器，来担保自动化采集。能够适应异构环境，支持从传统关系型数据库和大数据平台中采集从数据产生系统到数据加工处理系统到数据运用报表系统的全量元数据，包括过程中的数据实体（系统、库、表、字段的描述）以及数据实体加工处理过程中的逻辑，也可通过自动化的办法完成元数据采集，比如用户掩护好数据源连接信息后，可以根据数据源的更新频率，设定元数据同步周期，元数据管理会根据数据源的连接信息、同步周期以及开始韶光，定时自动解析、获取、并更新元数据信息，担保平台元数据信息的及时有效。
血缘剖析血缘剖析是对指定元数据的起源及其推移位置的剖析。它反应数据的来源与加工过程，还描述了数据在不同过程中发生的情形。它可以帮助剖析信息的利用办法并追踪用于特定用场的关键信息位。
影响剖析影响剖析帮助用户迅速理解剖析工具的下贱数据信息，快速节制元数据变更可能造成的影响，形成影响剖析报告，以便更有效的评估变革该元数据带来的风险，从而帮助用户高效准确的对数据资产进行清理、掩护与利用。
全链剖析全链剖析是用来剖析指定元数据前后与其有关系的所有元数据，不仅反应了元数据的来源与加工过程，也反应了元数据的利用情形，利用全链剖析可清晰的理解该元数据的来龙去脉。
主数据管理主数据管理对须要共享的数据建立统一视图和集中管理，为各业务系统数据调用供应黄金数据。
数据标准数据标准概述数据标准实现了政务部门对数据统一理解的定义规范。数据标准通过对业务属性、技能属性、管理属性的规范化，可统一政务部门在业务过程中的业务术语定义、报表口径规范、数据交互标准；同时标准还可作为数据质量掌握的准则、数据模型设计以及信息系统设计的参考依据。
在实践过程中，数据标准可分为根本类数据标准以及指标类数据标准。根本数据标准是针对业务开展过程中直接产生的数据制订的标准化规范；指标数据标准是针对为知足内部分析管理须要以及外部监管需求对根本类数据加工产生的数据制订的标准化规范。
数据标准监控多维度指标剖析标准，理解标准总数、生效数、失落效数等。
数据标准管理平台内置标准的技能、业务、管理、质量属性，结合灵巧的定义办法，从手工创建、导入、拾取、智能识别等，可帮助客户快速构建根本标准、指标标准、代码标准，同时内置的一批国标、行标，可大大提高项目交付效率。平台支持标准增、删、改、查、发布、审核等各种根本操作，其变更过程能被自动记录，通过变更版本掌握，追踪标准历史。其余平台还供应了灵巧细致的用户权限管理机制，知足不同用户管理各自的标准的场景。
数据质量管理质量管理模块用于数据质量检讨，可创建数据质量检讨规则，并定义数据表与规则匹配关系调度任务，可在实例列表中查看任务实行情形，并可对规则中WHERE语句变量进行定义。个中数据质量管理包括数据质量定义、数据质量实例、数据质量规则、变量管理四部分功能。
数据质量定义数据质量定义用于创建任务，通过将数据表中字段与质检规则关联，设置任务信息，实现任务定义。
数据质量实例数据质量实例为数据质量定义中定义的任务，每次触发的任务，可查看任务进度，查看任务运行结果、日志等。
数据质量规则支持数据质量规则制订，展示指标数据来源，创建的规则类型归属于不同的规则属性，根据列表统计后展示数值。
变量管理用于管理任务定义时规则中筛选条件中用到的变量。
资产管理数据资产做事对所有资产进行统一管理，实现资产盘点，可以帮助我们更好的支撑各种数据的运用，丰富做事接口拓展，支撑数据资产的多渠道运用，如数据共享、决策支持等，终极实现数据资产代价最大化。
管理中央管理中央供应全体平台的用户、权限、认证、、日志支持。
租户管理租户管理是指利用同一套大数据剖析平台支撑不同委办局租户的利用。多租户功能将大数据剖析平台的资源隔离成一个个资源凑集，彼此隔离。租户通过“租用”须要的资源凑集，来运行剖析建模运用和作业，并存放数据。
租户开通利用同一套大数据剖析平台支撑不同委办局租户的利用。
租户授权通过授权租户利用不同的资源。
用户管理组织管理组织管理包括对组织架构和组织下属成员管理。各组织的系统管理员可以对本组织的架构进行更新修正，可以对组织详情信息进行编辑。同时，系统将各个组织的成员管理权限委派给本组织的系统管理员，系统管理员可以对组织内的成员信息进行管理。
成员管理用户（成员）是组织的最基本的组成元素。成员管理包括成员的人事信息管理和账号信息管理，在本系统中统称为成员管理。成员的人事信息有成员的真实姓名、编号、所属单位、行政级别等信息，成员的账号信息有成员的登ID、登录口令、上次登录韶光等信息。
跟组织机构管理一样，系统将各个组织的成员管理权限委派给本组织的系统管理员，即由各单位管理员卖力自己所在组织单元的职员变更情形。例如，系统管理员可以授权地系统管理员管理其组织单元下的职员添加、删除、修正操作，而不能操作其它组织单元。
角色管理对系统的角色权限进行管理，如新增、修正、删除、权限配置等操作，并与权限管理模块打通。
角色管理供应了一个角色列表，可以根据不同用户或者组织授予不同的角色，也可以为一个用户授予多个角色，每一个角色都授予相应级别的权限。角色管理采取授权机制，高等别的角色可以授权给其他人来实行某些权限。系统管理员可以根据业务需求通过角色管理模块添加、删除角色，以及更新角色的权限设置。
权限管理平台的权限管理需具备对模板的掌握、对成果展示的掌握、对权限管理平台的掌握的功能。
菜单权限管理通过菜单权限管理功能，管理员可以对用户菜单访问权限进行管理。
功能点权限管理通过功能点权限管理功能，支持功能点权限设置。
分行政区域数据权限根据不同层级掌握数据权限，实现不同行政区域的数据权限管理做事。
认证登录对接大数据剖析平台须要对接广东省统一身份认证平台，实现用户的认证、登录，并支持单点登录。
对接省统一身份认证平台大数据剖析平台通过但不限于网关和OAuth2.0接入的办法对接统一身份认证平台。统一身份认证平台对外供应两种接入模式，网关模式和OAuth2.0模式。网关模式紧张由准入网关作为中间件实现与统一身份认证中央的对接；OAuth2.0模式由业务系统经API网关对接统一身份认证中央，通过OAuth2.0协议进行访问。
单点登录平台通过省统一身份认证平台登录后，支持单点登录，即实现一点登录、多点漫游的目标，方便用户利用。
系统可以作为所有内部运用系统的统一入口，须要供应单点登录支持，避免用户在进入各运用系统的时候还须要其余输入账号密码，不仅麻烦而且很随意马虎由于密码过多造成混乱。
管理供应系统级别的管理模块，支持全体系统和关联渠道的关照。
触发条件配置通过触发条件配置功能，可以实现通过平台、粤政易、短信等渠道发送给用户。
模板配置通过模板配置功能，用户可以自定义发送模板。
日志管理日志管理模块用于对系统产生的日志信息集中管理，详细包括日志查询和日志导出功能。
日志查询用于统一查看系统日志，便于操作审计。
日志导出供应对日志查询结果的日志导出功能。
日志记录针对系统用户的登录、页面操作等行为以及系统接口状态变革进行记录。
全流程日志信息平台自动记录用户要求、运用接入全流程日志信息，并以独立的内部文件存储和输出。
操作日志信息记载用户日常操作系统功能日志信息，并以独立的内部文件存储和输出。
接口同步成功信息独立分页记载接口调用成功的日志信息，并标识状态信息，以独立的内部文件存储和输出。
日志操作审计系统管理员对各种日志文件进行取用时，系统对应记录调用日志文件的韶光、日志文件名、取用职员账号、取用缘故原由等信息，具有权限的职员可以查看日志调取记录。
运维运营做事运维做事自项目正式上线起，供应3年免费运维做事。运维做事包括日常掩护、例行巡检、相应支持做事、主要时候保障、应急保障、版本同步、运行掩护报告、共享交流平台运维做事等。
运营做事数据领悟做事做事目标依托具备丰富的数据管理、数据建模履历的运营做事团队和大数据剖析平台，实现多源数据资源的领悟管理，推进数据信息的处理、建模、做事封装的事情支配，提升大数据剖析平台数据质量，担保剖析平台的正常、高效运作。
做事内容须要组建数据领悟做事运营团队，卖力剖析平台的数据领悟做事的运营事情。职员详细哀求为：
1、具备数据管理事情运营运维履历或履行履历；
2、熟习电子政务方面的业务及流程，良好的书面和口头表达能力，良好的沟通能力；敬业、任务心强、严谨踏实、事情仔细负责；
3、在平台运营做事期间，培植方有权要求承建方更换不称职、不合营、能力不达标的运营做事职员。
数据处理做事数据处理做事包括数据的采集和处理、数据抽取、数据管理等做事内容。
数据处理做事运营小组将依托政务大数据中央的大数据中央剖析平台及其他大数据中央系统的数据资源管理干系工具，完成从各种数据源到大数据中央剖析平台专题库的开拓履行事情，详细如下:
1、数据整合思路。
通过梳理各部门数据之间的关联关系，对数据进行深度关联整合、比对剖析，从逻辑上打通各个业务数据表。对具有共性的可关联业务数据进行抽象，通过对明细数据的整理和比对，支撑业务运用。
2、数据整合哀求。
（1）数据整合后产生的衍生数据和指标，需有明确的业务口径和技能口径定义；
（2）数据整合对后产生的衍生汇总数据和指标，需有明确数据权责；
（3）供应相对稳定的整合汇总数据，只管即便避免业务变更而重新设计数据模型；
（4）数据整合时，同一层次构造的数据分类颗粒度要同等，划分逐渐深入。同一层次构造的数据分类，要充分考虑到可扩展性。
3、数据整合做事流程。
数据整合比对是根据业务的需求进行自下而上进行的数据开拓过程，全体生命周期包括数据流程设计、模型设计、建表、抽取加载、开拓、测试、初始化、配置与发布全体过程。数据整合比对是闭环的过程，是一个反复迭代、不断更新完善的过程。详细事情内容如下：
（1）确定数据整合加工的数据范围、整合粒度和更新频度等，形成需求剖析报告；
（2）根据需求剖析报告进行梳理，归纳提炼共性内容，搭建面向业务运用的数据整合层逻辑模型的基本框架，确定特定业务域的数据标准、数据实体、实体间关系及数据加工规则；
（3）依照数据模型设计，制订数据整合方案，设天命据映射规则、衍生指标打算规则等，建立字段的映射关系。
数据建模做事数据建模做事运营小组将结合实际需求，利用政务大数据中央海量数据资源及接入的外部大数据资源，通过构建数据模型，实现信息深度挖掘加工和智能化处理，助力提升地市的业务运用能力，应包括模型建立、测试验证、模型输出及运用等。
数据封装做事数据封装做事运营小组将建立的数据模型以数据做事接口的办法进行共享，应包括数据做事开拓配置、数据做事挂接、数据做事接口内部测试、数据做事接口文档编写、测试样例供应、数据做事接口掩护、质量持续监控与问题诊断等。
大数据专题做事做事目标通过熟习市政务做事业务流程，结合市政务做事需求及各行业信息化培植需求，依托建成的大数据剖析平台和具备丰富数据建模履历的运营做事团队，探索构建具有市本地特色的大数据专题做事，切实通过大数据能力培植提升市政务做事能力和行业管理水平。
做事内容须要组建大数据专题做事运营团队，且派驻运营做事职员不少于4名，个中至少一人拥有高等资格，卖力剖析平台的大数据专题做事的运营事情。职员详细哀求为：
1、具备大数据专题运用的开拓或运营做事履历；
2、熟习电子政务方面的业务及流程，良好的书面和口头表达能力，良好的沟通能力；敬业、任务心强、严谨踏实、事情仔细负责；
3、在平台运营做事期间，培植方有权要求承建方更换不称职、不合营、能力不达标的运营做事职员。
专题培植步骤按照每年至少完成2个大数据专题运用处景构建，三年共完成不少于6个大数据专题运用处景的哀求进行培植支配。个中专题运用从需求提出到培植支配，再到完成验收，须要遵照以下步骤：
1、由培植方提出专题运用需求，或由承建方提出专题运用培植思路；
2、须要完成专题运用需求调研事情，经专题干系业务部门确认后开展后续培植支配事情；
3、根据业务场景开展主题设计和指标设计事情后，均需经专题干系业务部门确认后方可正式开展专题业务场景运用开拓支配事情；
4、专题运用培植完成后，专题运用需经由监理方、验收测评方验收确认后，由干系业务部门和培植方终极确认完成；
5、专题运用支配上线后，承建方需及时完成业务培训事情，培训工具包括干系业务部门及管理职员。
专题需求提出专题培植设想提出包括培植方提出和承建方提出两种办法。
1、培植方提出：培植方通过网络全市各单位的大数据能力需求，提出大数据专题运用培植需求，交由承建方运营职员开展需求剖析事情；
2、承建方提出：承建方根据市信息化培植现状和其它前辈地市大数据能力培植情形，提出适应市发展现状的大数据专题场景培植思路，交由培植方评估采纳，经采纳的专题运用将进入专题需求调研环节。
专题需求调研开展专题运用需求调研，通过业务调研及需求剖析，明确剖析主题的业务现状、业务场景、专题目标、专题范围、数据源等。调研结果应由专题干系业务部门逐项进行确认，以辅导后续专题指标、模型的构建。详细哀求包括：
1、根据提出的大数据专题运用处景，准备专题运用需求调研事情；
2、通过对市区内大数据专题运用处景干系业务科室的调研，理解业务开展现状和业务场景情形，提出专题运用培植目标和培植范围，梳理所需的数据资源清单和现有数据资源清单；
3、运营做事职员根据调研情形、其它地市培植情形和专业履历，对该专题场景培植进行可行性剖析，若该培植场景可行性较高，则输出调研报告并交由专题干系业务部门和培植部门确认，若该场景可行性较低，则应及时向培植部门反响，由培植部门搜聚干系业务部门见地，决定是否连续开展培植事情；
4、当可行性较低或不明确时，但业务需求较为急迫的运用处景，培植部门可哀求运营做事职员重新开展深度调研事情，并根据终极的调研情形决定是否连续开展此项事情。
专题主题和指标设计需求确认后，运营职员根据业务场景开展主题设计和指标设计。详细哀求如下：
1、主题设计：运营做事职员根据调研后确认的需求内容，结合专题干系行业职能及业务场景，设计专题运用中包含的剖析模块和运用功能，形成初步的主题设计方案交由干系业务部门和培植部门确认；
若干系业务部门和培植部门赞许该设计方案，则推动专题运用指标设计事情，否则将哀求运营做事职员根据修正见地对主题进行重新设计；
2、指标设计：运营做事职员根据确认的主题设计内容，结合业务场景和详细功能须要，设计专题运用中大数据剖析的分级分类指标，并解释指标口径及依据；
若干系业务部门和培植部门赞许该设计指标，则推动专题运用的模型、功能的开拓支配，否则将哀求运营做事职员根据修正见地对指标进行重新设计。
专题开拓支配在完成专题运用处景需求调研、设计确认后，运营事情职员将按照既定专题运用设计需求，开展专题运用开拓支配事情。详细哀求包括：
1、运营做事职员完成专题运用的开拓、支配和调试事情；
2、完成专题运用的开拓支配后，组织监理机构、验收测评机构进行确认和验收事情，并交由干系业务部门和培植部门终极确认；
3、若运用成果没有得到确认通过，由培植方根据问题哀求运营做事职员重新进行主题设计、指标设计或开拓支配等事情。
专题可视化设计1、原型设计
专题原型设计涉及需求调研、业务梳理、需求剖析、架构设计、版面设计、原型输入等方面的事情，输出主题图和卡片。
2、页面设计与履行
可视化页面设计与履行做事内容紧张包含页面框架搭建、可视化图表履行、数据接入、联调和发布，天生的可视化页面须供应开放接口支持与可视化管理中枢对接，支持其对页面的调用。
（1）页面框架搭建
基于其业务运用属性，设计都雅、合理的页面展示框架，实现对数据的实时、直不雅观的可视化双向交互呈现。
（2）可视化图表履行
根据所供应的内容资料，进行整理、归类、开拓、添补，将静态展示无法容纳、无法表现的各种数据，如文本、数字等传统呆板的操作界面和单一数据，以图形化办法进行呈现。根据业务需求，将视频、繁芜动画、2D/3D图形及实时数据流进行统一整合，并利用定制接口，以图形化办法实时呈现并管理。
（3）数据接入
对接、集成可视化剖析页面所需的数据接口。
（4）联调
进行数据测试、功能测试、性能测试，完成各个环节的联调。
（5）发布
测试完成后进行发布该大数据决策专题运用，实现专题的终极呈现。
专题运用利用培训专题运用验收确认后，运用上线并交付给用户利用，为担保运用能够正常利用，承建方需针对专题运用，组织干系业务部门和培植部门进行专题运用模型利用培训。详细哀求包括：
1、培训内容包括专题运用功能先容、运用操作培训、调用流程培训等；
2、供应至少一场现场授课+上级辅导的免费培训；
3、供应针对该专题运用的利用教程、操作指南等文件。
做事事情量哀求大数据剖析平台运营做事事情量将按数据采集和处理、数据抽取、数据管理、数据建模、数据展示、数据统计、数据剖析报告等内容进行统计。详见下表：
大数据剖析平台运营做事事情量解释表
序号
做事名称
数量（个/每年）
解释
1
数据采集和处理
60
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；管理指标数量：82个；专题卡片数量：50个；专题模型数量：3个。数据采集和处理60个，估算依据：22+外部数据量+国家和省级平台数据种别数量；
2
数据抽取
60
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；管理指标数量：82个；专题卡片数量：50个；专题模型数量：3个。数据采集和处理 60个，估算依据：数据需求数量22+外部数据量+国家和省级平台数据种别数量；
3
数据管理
160
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；专题指标数量：82个；专题卡片数量：50个；专题模型数量：3个。专题指标 82个，估算依据：四舍五入82个专题指标为80个，按每个指标均匀管理2次打算。
4
数据建模
6
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；专题指标数量：82个；专题卡片数量：50个；专题模型数量：3个。专题模型数量 3个，估算依据：按照每个专题模型不低于3个打算。
5
数据展示
120
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；专题指标数量：82个；专题卡片数量：50个；专题模型数量：3个。数据展示：120，估算依据：按照指标数量82个，结合历史数据，每个数据展示按指标数量的1.5次打算。
6
数据统计
40
以方案中“范例专题”为参考，数量如下：数据需求数量：22类；专题指标数量：82个；专题卡片数量：50个；专题模型数量：3个。数据统计：40，估算依据：按照82个指标1/2的指标为统计指标，估算为10个。
7
数据剖析报告
16
该数据为均匀每年份数。个中按每个专题均匀每个季度出一份剖析打算，每个专题出4份报告。第一年2个专题建成，输出8份报告，第二年4个专题，16份报告，第三年6个专题，24份报告。总计：8+16+24=48份报告。
