赵 娜
国网山西省电力公司晋中供电公司 山西 晋中 030600
摘要：针对电力企业在大数据时代面临的机遇和挑战，提出几点措施，来解决数据治理问题，使电力企业的数据治理和管理的水平提高，更好的接近国际轨道。
关键词：电力企业;大数据;治理;
1前言
在快速发展的大数据时代下，数据治理是一种趋势，尤其是在企业这一方面，市场的激烈的竞争，让了企业不得不进行数据的改革和创新。大数据给企业管理和发展带来巨大优势，因为企业必须从大数据中获得市场大量信息，再进行数据分析和处理，做出相应的对策。从而达到对市场的灵敏的反应，提升企业的竞争力。所以大数据的地位重要性逐渐的体现出来，那么本文将以电力企业为案例，分析大数据时代背景下的电力企业的数据治理。
2电力大数据治理面临挑战
电力系统的大数据源类型覆盖了配变、配电变电站、配电开关站、电表、电能质量等配用电自动化和信息化数据、用户数据和社会经济等数据。根据这些信息可以提高为电力客户的体验，提供个性化、智能化的服务模式，在大数据的挖掘下，汲取可用信息，提高信息的价值。根据消费者的消费习惯和特点，优化运行，设计研发出更能满足电力用户需求的新产品。电力大数据的出现，推动了电力相关行业的演变和发展，促进电力公司从业务到数据发展的转变升级。但是又面临新的严峻的问题：
2.1对非结构化数据的处理能力弱
传统的数据处理局限于部分数据类型，无法对非机构化数据进行有效的处理。但是随着图片、音频等一些非机构化数据的急速的增长，而如何有效的把这些数据保存在本地系统中，且不被轻易的搜索解析出，成为电力企业的一大挑战。
2.2企业级数据管理基础较为薄弱
数据的利用程度低和数据间的难以集成是电力企业普遍存在的问题以及数据质量不够优，而这些问题将导致在数据应用的过程难以获得精准的数据分析。数据的价值就无法得到实现，从而浪费投资。
2.3深层次挖掘分析数据必须加强
现阶段电力企业的数据价值挖掘依然停留表面上，没有进行内在的发掘。出现“数据海量”“信息缺乏”的现状，而电力企业目前的发展还是处于一种粗放型的发展模式。对于数据的处理只是停留于表格、报告等一般性的资料的表面价值的分析、统计的层面。对于跨专业数据的相关的分析，横向与纵向对比就较为的薄弱。跨部门之间没有行之有效的信息沟通，使得数据的发掘技术缓慢，依然处于试用阶段，而不能全方位的推广运行。也就严重的制约电力事业的发展。
3设立电力大数据质量评价基模
在设立电力大数据质量评价基模之前，必须考察研究并分析大数据环境下数据质量的重要的影响因素。而从电力数据的收集这方面，电力的运行、供电售电以及电力业务的维护等方面分析，工作人员自身素质及其能力、在数据的维护体系和管理是对大数据质量影响的因素。由此就存在建立高效实用数据评价模型。
电力数据接入数量性。根据以往实用数据、数据应接入量、实际接入量等进行考察。
电力数据接入时间性。将相关业务系统数据连接，及时的数据统报作为考察。
电力数据接入完整性。基于数据业务维度组合的完整性以及单位维度的完整、指标值完整等方面的核查。数据业务维度组合完整、单位维度完整,指标值完整等,由月指标数据完整率、周指标数据完整率、日指标数据完整率构成了数据质量的完整性。
电力数据接入准确性。强调的是数据之间业务逻辑精准及数据纬度、字段及频度之间业务逻辑精准性。为了进一步提高数据的精确性，划分电力数据指标维度之后,为减免人为因素对各指标权重产生更多的影响,就可用信息熵来消除数据的不确定性，这样可使获得数据质量的评价具有可行性。
4建立治理大数据的体系
建立数据治理体系需要一致化的各种信息系统的相关数据定义，采集流程，获得“海量”的数据，更全面的建立企业治理大数据的体系。打造专业化、高效率、实用性的数据治理体系。为了提高企业的数据治理水平和管理能力，要加强数据治理体系之中各组织部门，成员的协作和科技研发投入，为数据治理提供技术支持。
4.1创建相应的标准
创建统一化的企业数据标准及其数据治理相结合，创立技术标准工作组，制定工作计划及标准。以业务、技术、数据质量标准和管理标准为主要。
4.2创建数据组织机构
在企业高层创立数据治理委员会，攘括业务、信息部门和高层管理人员等责任人。在中间阶层创立通过多个业务部门、数据库管理、技术培训部门等专家构成的数据治理专业组。
4.3促进数据治理
数据技术促进数据治理，技术起着支撑的作用，企业可通过数据技术达到信息的管控，以元数据管理、收集和应用为主要的核心以及结合数据规范标准和高质量信息，更加完善企业的数据治理体系。
5提高数据质量管理水平
在企业的现实条件的情况下，改进数据质量的管理现状，从而完善数据质量管理体系。把企业相关的指标作为基础，进一步分析数据的成熟度且实现集中抽取，实现编码、标准、数据和模型的管理，减免出现数据管理冲突，消除数据的冗余，获得数据的集中管理、共享的作用。逐渐提高防范未然的意识，创建对事前事后都能使数据质量进行管理和监控的闭环管理的系统。能更好的识别高价值数据的属性，提高数据质量，使企业的业务运营和经营的分析能力得到加强。
6与大数据处理功能结合
定义大数据框架，为了更好的满足多数据、高速度、多样性的需求，而创建独特的分布式相行处理结构，剖析大数据集合。而又使用不同的技术方式达到实时的处理需求。MapReduce的技术处理指的是存储实时键值，达到高性能索引。以制定的数据为基础删选数据，接着实现数据全方位的解析。可使其在另外非结构化数据库中可以加载发送到移动端，和结构化数据产生关联。
大数据拥有全新非结构化数据的种类，以及其优势：
一方面，元数据无法存储到移动仓库，是其具有小量数据集的特点所决定。而为了解决这个问题，就利用Map进行处理，从而把元数据存储到移动仓库去，也便于常规的BI报告、统计等关联的功能。BI平台和大数据的可视功能，更好的提高分析功能的效果。
另一方面，创建沙盒环境，这样使Hadoop环境分析功能有了更大的提高空间。
7结束语
当今是大数据时代，也是深化改革时期，电网企业的发展面临这机遇与挑战。为了适应大数据的发展，必须进一步的提高数据的治理能力。数据的治理强调的是全方位、多角度、深层次的进行分析。无论是在制度上还是在体系中都要有创新的意识，而数据创新技术的提高是数据治理的重要保障。本文中是通过分析电力企业在大数据时代下问题，提出对应的方案策略，根据电力企业的发展特点制定配套体系，建立相应的管理组织。以及电力企业的强强联合，在数据的挖掘和利用加强协作，使得大数据的价值得到充分使用，避免数据资源的表面发掘，而是深层次的发掘。根据时代要求，解决电网企业在大数据环境下治理的问题。要精确的衡量电力企业的数据质量和信息化的水平，积累大量的数据质量管理经验，使得数据治理工作变为持续化、常态化。通过电力企业的数据治理的水平的提高，来进一步提高我国的电网企业的先进水平。
参考文献
[1]李皎.大数据时代到来对电力行业发展提出新要求[J].华北电业,2012,(4):82-83.
[2]刘宏志.屠庆波,韩延峰.大数据环境下的电网工程造价分析管控体系研究[J].华东电力,2014,42(12):2722-2727.
[3]张海荣,顾同江,弋才勇.基于电力大数据的用电客户电费风险评级与风险预警研究[C].2017电力行业信息化年会论文集,2017.