▲点击上方卡片关注，回复“资料”获取本文PPT 免费领取方式~~~
声明：本文内容来源网络，版权归原作者所有（如侵权，扫描上方二维码联系删除）。风陵渡进行深度解读，欢迎大家转载分享。一是组织与制度怎么搭。 很多项目上来就谈技术，忽略了一个基本问题——数据治理首先是治理问题，然后才是技术问题。方案里明确了县领导小组、大数据发展管理局、大数据发展管理中心、各行政机关四级分工，从统筹规划到具体执行，角色认责体系是比较清晰的。配套制度方面，涉及数据编目归集、模型设计开发、资产体系构建、部署规范、安全运维、共享管理等全流程，这是项目能落地的基本保障。二是资源编目的方法论。 这一点个人觉得最有价值。方案提出了“五步走”——前期准备、需求调研、资源整理、资源分析、成果产出，每一步都有具体工作内容。资源目录梳理是整个项目的基础，如果这一步走不好，后面数据归集、治理、共享都容易出问题。方案还给出了实际产出的样例（目录清单、资源目录、数据元规范等），参考价值比较高。三是数据全流程治理。 从归集、清洗融合、质量稽核到开放共享，每个环节都有流程设计和功能展示。特别是数据清洗融合环节，强调了从ODS到DWD/DWS的数据转换规范，物理模型与逻辑模型的设计标准，这些细节往往是项目成败的关键。质量稽核方面，方案提出了“事前-事中-事后”的全过程管控闭环，不是事后补救，而是全流程嵌入。四是两个实际案例。 一个是某县级公安大数据平台，12个计算节点、300T存储、汇聚4大类136小类共20亿条数据，建了30多个主题专题库，开发了数十个服务接口，赋能了“一人一档”“全息感知”等实战应用。另一个是某地市级大数据资源平台，归集治理近23亿条数据，满足18家单位23个应用场景需求。案例有数据、有场景，不是泛泛而谈。五是对常见问题的梳理。 方案最后总结了政府大数据建设中的常见问题——数据标准不统一、数据质量参差不齐、跨部门共享难、安全保障压力大等。坦白说这些问题不新鲜，但方案给出了对应的解决思路，不是只提问题不给答案。【未完...】
篇幅有限只展示部分，解决方案获取敏捷服务，扫描下方二维码加入行业库：
点击阅读原文，也可加入知识社群
免责声明：
本公众号所载文章为本公众号原创或根据网络搜索下载编辑整理，文章版权归原作者所有，仅供读者学习、参考，禁止用于商业用途。因转载众多，无法找到真正来源，如标错来源，或对于文中所使用的图片、文字、链接中所包含的软件/资料等，如有侵权，请跟我们联系删除（微信，chewen0926），谢谢！
福利
定位：这是本人精心创建的知识社群，方向主要包含工业互联网、企业数字化、智能制造、大数据、工业4.0等领域，希望将该知识星球打造为一个大家频繁沟通、咨询与探讨行业问题的平台！
同时，会提供大量高价值的直播培训及培训视频回放，并免费给大家提供一些解决方案/行业报告/PPT模板/电子书等干货素材【目前16000+，并实时更新】敏捷的服务，并供大家交流、学习以及自我提升。
欢迎加入知识社群（扫下方二维码）~~~
了解更多精彩内容
长按，识别二维码，关注我们吧！
企业数字化咨询
工业互联网/数字化转型/智能制造/大数据/工业4.0解决方案、行业发展
为方便查看信息化/数字化/智能化最干货内容，可应用公众号设置星标功能
