企业云收费标准

通过标签管理分析与预测，企业提升服务质量、效率、回馈。

1. 功能架构
   图1 功能架构
   

   主体配置：支持多个标签主体的创建与维护，可满足对客户、设备、数据、员工、商品等不同主体对象的标签建设需求。

   标签体系管理：提供多层级的标签分类管理功能，支撑对标签的体系化管理，满足各种标签体系建设需求。

   标签创建：提供多种标签生成方式，比如规则标签、手工标签、组合标签等，以满足不同特性的标签创建需求。

   标签管理：支持标签创建、审核、发布、评估、停用、优化下线的生命周期管理流程，实现标签的全生命周期管理，保证标签的运行状态清晰、有序、可控。

   标签调度：支持自定义标签调度更新时间，实现静态标签与动态标签的创建，满足不同的时效性的数据标签更新需求。

   画像展现：支持通过精准搜索与模糊搜索进行目标对象画像查询，并支持通过以词云或列式的方式展现标签，直观地将业务对象特征信息进行展现。

   群体圈选：支持基于标签和宽表字段进行业务对象筛选功能，灵活快速定位目标群体。

   标签服务：支持将标签成果以服务的形式对外发布，并支持对标签服务调用情况进行监测

2. 数据逻辑架构

   产品分为配置库与运算库，配置库主要存储系统配置数据需要支持事务性的关系型数据库，运算库按照标签数据量进行选型，默认设置下配置库与运算库会存放于一起

   图2 数据逻辑架构
   

3. 逻辑部署架构

   标签画像 负载均衡 采用华为云平台负载均衡服务，标签画像分接口服务与应用服务进行部署，数据库、缓存等服务直接采用华为云数据服务

   图3 逻辑部署架构
   

4. 物理部署架构

   产品支持线性扩展部署，通过灵活地扩展服务器数量提升系统处理能力，满足不同的标签处理与应用需求

   单机方式部署请情况下，标签接口服务、标签画像应用服务共同部署在一台服务器中即可，且不需要Redis缓存服务。

   集群情况下，通常由2台服务器部署接口服务组成标签接口服务集群，由2台服务器部署标签画像应用服务组成应用集群，且必须使用Redis缓存服务共享会话及应用热数据

   图4 物理部署架构
   

5. 部署架构与资源建议

   产品支持线性扩展部署，通过灵活地扩展服务器数量提升系统处理能力，满足不同的标签处理与应用需求

   图5 部署架构与资源建议
   

1. 应用架构

   数据服务共享平台包括资源目录管理、数据使用、数据服务开发、服务控制、调度管理、运行监控、运行维护和数据分析与信息展现，应用架构如下图所示：

   图6 应用架构
   

   资源目录管理：是可交换数据元数据的结构化展现，需支持数据库、大数据、文件、Web 服务等多类型数据资源技术元数据的采集和业务元数据的维护能力；支持面向消费者业务视图（比如按主题的划分） 的创建；提供资源注册、维护和搜索等基本功能；

   数据使用：主要面向消费方，是消费者如何通过平台申请数据资源及 数据管理 方审批处理的过程；消费方可通过注册功能自行在平台注册，支持消费方浏览数据资源后提交资源申请（拉）和订阅（推）的方式；消费方可查看所有申请的状态及历史记录，可查看申请的汇总情况；支持单个或批量申请；

   数据服务开发：主要面向开发人员，提供在线和离线两种开发方式。对于如全量开发同步、数据库到文件同步等的作业，开发人员可在 Web 页面中进行简单配置完成在线作业开发；对于复杂模型，可通过离线方式开发。数据服务开发提供作业目录管理、作业流的可视化配置等；

   服务控制：平台提供用户对数据服务过程中的权限控制，包含 IP 白名单、服务状态、调用关系管理等；

   调度管理：作业运行的指挥中心，可通过调度管理配置任务的调度策略，配置任务运行的优先级及触发方式等；

   运行监控：对整个平台运行过程中的状态进行监控，包括物理资源、服务引擎、传输监控、故障告警、消费方等，同时提供对日志和历史记录的查看功能。

   运维维护：为方便平台使用的功能，支持资源目录、作业模板、服务接口的导入导出；

   数据分析与展现：针对平台作业、数据交换总量、文件传输、消费方等进行统计分析。

2. 数据架构

   数据架构反映平台中，各种类型数据的分布及流转情况。在数据服务共享平台中，数据可分为业务数据、元数据（含资源目录）、质量数据、作业模板及运行监控数据、统计分析数据等。

   业务数据：指承载业务含义（大多来源于企业内部各业务系统及少量外部数据），由各总部及各分子公司业务部门（数据提供方）提供，转移至前置区（数据准备）后，经过相应的处理和扩展，提供给消费方。具备数据提供、数据获取、数据准备、数据处理及服务化开发、数据共享发布和数据消费的完善数据交换过程。业务数据一般存储于 ODS 区，也可直接提供点对点的方式，业务数据在平台中不存储；

   元数据（资源目录）：业务数据交换的整个过程，都是以元数据（资源目录）为驱动。元数据可分为技术元数据和业务元数据两种，在数据交换过程中，通过手动和自动的方式进行管理；元数据存储于平台数据库中；

   质量数据：针对业务数据所开展质量评估后产生的数据，一般包括质量检核规则和检查结果数据；质量数据存储于平台数据库中，也可将结果数据生成文档后发送给业务系统主责部门；

   模型及运行监控数据：平台运行过程中，各类作业的模型（模板）及配置信息，作业运行过程中的告警、监控信息和日志信息等，作业运行过程中的调度策略及调度信息；模型及运行监控数据存储于平台数据库中；

   统计分析数据：针对作业、数据交换量、消费方等进行的统计分析；部分数据直接取自模型及运行监控数据，部分数据直接存储于平台数据库。

3. 部署架构

   数据服务共享平台部署机构如下所示：

   图7 部署架构
   

   数据服务共享平台适应于单级或多级的部署方式：

   单级部署：当企业没有上级单位、平级单位、下级单位数据共享需求时可以采用单级部署方式，单级部署时依据生产环境实际情况，部署 DSP产品所有组件于物理服务器（建议服务器数量最少为二台及以上）中，其中 SSM 与 DataRelease 组件必须关联部署在同一台服务器中，当数据交换的作业量较大时，可以对 Server 组件进行集群部署，当数据服务（RESTful）的访问量大时，可以对 SSM 与 DataRelease 组件进行集群部署。

   多级部署：当企业对上级单位、平级单位、下级单位有数据共享需求时可以采用多级部署方式，多级部署时将 Agent 和 GatherClient 部署于有数据共享需求的上级单位、平级单位、下级单位的物理服务器中，其他产品组件部署于企业内部服务器中，其中 SSM 与 DataRelease 组件必须关联部署在同一台服务器中，当数据交换的作业量较大时，可以对 Server组件进行集群部署，当数据服务（RESTful）的访问量大时，可以对 SSM与 DataRelease 组件进行集群部署。

4. 技术架构

   技术视图

   数据服务共享平台整体技术框架及各过程所采用技术如下图所示：

   图8 技术架构
   

   数据服务共享平台通过多种数据（结构化数据、非结构化数据、文件数据）、协议（Http、JDBC、Socket）接入方式将已有的业务数据接入 DSP 平台，在平台中通过数据转换、加工计算等逻辑操作，发布为数据服务，通过数据共享区对外提供多种类型的数据服务。

   图9 技术实现
   

   资源层：支持对主流关系型数据库（Oracle、MySQL、SQLServer、 PostgreSQL 、MongoDB、Gauss100、DM），大数据（HBase、Hive）、文件等多种类型数据资源技术元数据的采集和业务元数据的维护。

   平台访问层：基于 JDBC、HTTP、RPC 等通信协议实现与底层数据和文件间的访问交互，基于 Socket 通信实现平台各组件间的数据通信，确保平台中数据间交互与通讯高效、安全、可靠。

   平台逻辑层：平台逻辑层依托于各类适配器、组件、引擎保证平台的安全稳定运行，适配器有数据库（DBAdapter）、HBase（HBaseAdapter）、Hive（HiveAdapter）、文件（FileAdapter）等类型；组件包含安全、监控、Redis 缓存、日志等组件；引擎包含实时服务引擎、批量服务引擎、监控引擎、日志引擎等。

   服务提供层：服务提供层采用轻量级的 Web Service 架构（RESTful），其实现和操作比 SOAP 和 XML-RPC 更为简洁，可以完全通过 HTTP 协议实现对外部应用提供统一的 RESTful Web 服务。

   平台展示层：平台展示层使用 VUE+ElementUI 框架，结合 CSS 、AJAX 等业界前沿技术实现丰富的界面展示效果，提升使用者的交互体验。

1. 潜在投诉风险预警，提升客户服务质量

   通过分析 95598 呼叫行为数据、客户档案数据、实时数据等信息，建立潜在投诉倾向模型，输出“潜在投诉高风险”、“同一事件频繁投诉”、“倾向复电不准时投诉”等标签，依据客户标签推荐差异化服务策略，提升客户服务品质。

   图10 潜在投诉风险预警
   

2. 精准预测电费回收风险，缩短电费回收周期

   通过分析客户信用、用电趋势、行业前景信息和突发事件，构建电费回收风险模型，并将分析成果通过标签的形式固化至普元标签产品，并依据用户风险级别标签等特征采取精准化风险防控策略，从而达到缩短电费回收周期的目的。

   图11 精准预测电费回收风险
   

3. 准确定位电能替代潜力客户，提高市场开拓效率

   从已实现电能替代的客户的画像特征出发，通过分析企业行业类别、用电趋势、行业景气度和用电负荷等数据，构建电能替代模型，准确预估企业电能替代潜力，根据不同潜力等级客户及其特征设计相应推广策略，提高市场开拓效率。

   图12 准确定位电能替代潜力客户
   

4. 精细化设备管控策略，提升运维效率

   根据设备名称、归属地、年龄、资产价值、运行状态等特征属性以及缺陷敏感度、负载强度、事故风险等业务表现特征，构建多层次、多维度、多视角的设备标签体系，形成全景设备画像。并在标签设计的应用环节，充分考虑了采集异常生成、远程处理、派工、现场处理和运维反馈全流程环节，并结合每个流程业务的特点，将特定的标签应用于相应流程进行计算分析。同时基于产品策略配置能力，通过作业项目、作业周期、作业优先级、标签反馈等类型策略内容配置，支撑一线运维人员通过高效识别和管理设备特征信息，针对性的开展设备运维工作。

   图13 精细化设备管控策略
   

1. 支持的运行环境操作系统

   Windows server 2008/Windows server 2008 R2/Windows server 2012/Windows server 2012R2/Windows server 2016；

   Red Hat Enterprise Linux 6 或以上；

   CentOS 6 或以上；

   Ubuntu 14 或以上。

2. 支持的数据库

   Oracle 10g/11g/12c；

   GBase 8a 或以上；

   Mysql 5.6 或以上；

   Hadoop 大数据平台-CDH 5.7 或以上；

   华为 Gauss DB 100/200；

   星环大数据平台-TDH 5.1 或以上；

   Pivotal Greenplum 5 或以上；

   SAP HANA 2.0 或以上；

   PostgreSQL 9 或以上。

3. 支持的浏览器

   IE 10 或以上；

   Chrome 54 或以上；

   Firefox 61 或以上；

   Safari 11 或以上。