1、企业研发项目立项大数据管理服务平台项目计划书*研究院项目计划书项目名称：负 责 人：研发时间： 大数据管理服务平台项目计划书1综述1.1.产品概要大数据管理服务平台主要建设大数据采集平台，大数据共享交换平台，大数据信息资源库，大数据综合服务平台，大数据开放平台五大部分。实现数据的互联互通，信息共享，实现对机构与人的精准管理。建立数据资源库为科学决策提供支撑，为信息惠民、信息消费、数据开放、社会化服务等提供支撑。进一步扩展民生服务和社会管理领域的各种应用，全面提升服务保障能力，提高精细化管理水平。该产品基于B/S平台开发，基于Hadoop和Spark等技术的基础。（1）大数据采集平台构建数据集成
2、管理平台对各种数据源进行数据集成和管理，且平台可面向传统数据及大数据环境，给出真正能够集成数据、处理数据和管理数据的运行环境。（2）大数据共享交换平台通过共享交换体系建设，实现信息的可控传输、交换比对及异常告警，实现与管理子平台互联互通，信息共享。（3）大数据信息资源库通过数据的采集和共享交换，全面建设大数据信息资源库，为数据服务服务和数据开放提供有效的数据支撑。（4）大数据综合服务平台通过综合服务平台的建设，实现精准服务、主动服务、个性化服务等。（5）大数据开放平台通过数据开放平台的建设，将为其它服务机构与产业发展提供精准信息服务。1.2.市场机遇中国信息通信研究院结合对大数据相关企业的调研
3、得出，2017年中国大数据核心产业规模为236亿元人民币，较2016年相比增速达40.5%。预计未来几年，大数据市场仍将保持30%以上的增速，到2020年中国大数据市场规模将达到586 亿元人民币。为加快实施国家大数据战略，推动大数据产业健康快速发展，工业和信息化部编制并印发大数据产业发展规划（2016-2020 年）（以下简称规划）。规划提出了大数据产业发展的目标：到2020年技术先进、应用繁荣、保障有力的大数据产业体系基本形成，大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右。大数据管理服务平台目前商用产品较多，但是，该产品行业需求迫切，市场前景巨大，具有巨大的商业价
4、值。该系统专业性强，专业交叉深入，涉及机器学习、计算机软件开发、人工智能、数据挖掘、系统算法研究等一系列领域。它的研发到应用需要解决一系列问题，是一个较长的过程。中小企业及科研单位无法有效整合相关资源，东奇智能制造研究院专业齐全，具有天然的优势，因此启动该系统平台的研究，对我公司占领该市场有重要意义。该产品的盈利分析综述本项目为软件产品开发，包括前期调研、设计、开发与测试，主要投入为产品需求的调研、提出，研发部研发的人员详细设计与开发，所有投入费用预计为223万元。产品投入市场后，预计三年内销售额为2700万元。2市场分析与市场策略2.2.1.市场概观市场机遇分析随着互联网与工业融合创新的发展
5、，智能制造时代的到来和工业4.0的发展，促进我国工业由传统的制造业不断的向数字化和智能化方向发展。随着工业数字化的发展，工业大数据的采集、处理、存储、分析和利用的价值不断提升。工业大数据采集对时效性要求较高，并且工业大数据是指导生产、制造和企业改革发展推进的重要的依据，因此相比于商务大数据，工业大数据在各个环节上的要求更加严格，处理更加复杂，应用更有价值。随着工业4.0概念的引入，工业产业进入了新一轮的全球性革命，新型工业体系最核心的就是互联网、大数据与工业的融合发展，工业大数据带来的应用将带来工业生产与管理环节的极大的升级和优化，其价值已经得到全球的认可。近年来，随着全球工业化改革的发展，全
6、球工业大数据的规模不断增加，预计2020年全球工业大数据的市场规模为480亿美元，占大数据总规模的60%。基于采集、收集整理入库的数据源在统一平台实现上层具体业务应用。业务功能包括数据采集展示等业务信息查询与发布，报表统计分析管理，算法计算等功能等。这些功能将在一定程度上实现了业务平台的自动化和管理信息化。国家行业政策及其发展趋势中国制造2025提出了未来我国工业发展要向着智能化转变，而工业大数据的发展是一个重要的推动因素，目前我国已经在贵阳布局了大数据中心的建设，为国内工业大数据的发展提供了基础支撑。据贵阳大数据交易所统计资料显示，2017 年我国工业大数据市场规模约为212元，较上年同比增
7、长41.3%，增速较快。按照国内工业数据化的发展及政策支持的推进，预计2018年国内工业大数据的规模增加至292亿元。从工业大数据平台的特征看，工业大数据平台具有闭环性、价值性、实时性和准确性等几大特征。主要客户该产品主要应用于工厂，可以提供公有云服务出售，同样也可以采用系统集成的方式销售。规模及增长率初步预测产品的生命周期大约10年左右。在产品生命周期内市场需求量会稳定上升。表1 规模及增长率时 间第一年第二年第三年预计市场容量500万元900万元1300万元2.2.目标市场市场细分及目标市场对整个市场进行细分，细分的标准可以有多种，如按地域分，按客户类型分，按销售方式分，按网络层次分等。确
8、定我们的目标市场及客户群。说明每个目标市场的相对重要性。大数据管理服务平台的使用单位一般为企业。可以通过搭建公有云平台，对企业进行按需收费，也可以搭建私用云平台，作为产品进行销售。表2 目标市场目标市场第一年第二年第三年总容量500万元900万元1300万元公司服务企业数量 100150200预计销售价格5万元6万元6.5万元122.12.22.2.1价格策略在新的产品经过示范应用后，建议先以市场为目标，多拿项目，提高市场占有率，提高我公司在大数据产品市场的知名度，刚投入市场时可在系统研发成本基础上适当考虑利润进行报价，待产品首套应用成功，并基本定型后，则再考虑具体项目二次开发成本，并考虑较高
9、的利润，具体利润多少需考虑项目竞争情况及项目意义进行具体确定。让客户在运营和管理企业的同时依赖云平台，从而将客户资源持续的捆绑在云平台上，最后把客户的行为数据存放到云平台数据仓库中，借助数据分析模型和数据挖掘技术，形成大数据应用平台，供企业和个人使用时，实现真正的大数据应用。2.2.2产品生命周期该软件产品2019年开发完成并交付使用。预计通过不断升级完善，能使用至2026年，使用周期为10年。2.2.3产品组合销售策略本项目投产后可与公司的其它业务系统等配合销售。根据客户需求，该产品可与以上产品捆绑或分开销售。3产品概述3.1产品主要需求描述3.2.1功能需求概述借助数据挖掘技术，提供各种数
10、据应用模型，帮助企业家或者管理者分析找出问题解决的方法和规律，从而实现大数据的应用。具体应用领域如下：供应链的管理应用，大大降低企业的产品和运营成本：主要有采购与库存数量的预测应用、配料最小化的预测应用、供应商选择与评估的预测应用等；市场营销预测应用：主要有客户价值预测应用，市场和销售预测、产品分析与预测、竞争对手分析应用等财务与投资分析应用：主要有财务预算分析、成本分析、投资分析等应用；人力资源分析应用：主要有工资分析、人员结构分析、工作绩效分析等应用；产品研发分析应用：主要有产品生命周期分析、研发成本分析、新产品上市分析等；生产制造管理应用：计划的有效性分析、产能分析、工艺分析等。3.2公
11、司内部需求3.2.1可制造性需求软件产品，无须制造。3.2.2可测试性需求产品基于B/S架构，可独立运行测试,具备可测试性。3.3技术需求和对策3.3.1关键技术的分析3.3.1.1 多级多角色的权限管理多级多角色权限管理作为一种公共服务为各应用提供一组权限管理服务公共组件，强化了权限管理的灵活配置功能，为用户提供可灵活配置的、多级多角色权限管理服务。本系统采用以角色为主的权限管理体制。用户是访问发起者；角色是附有互斥关系的职责和责任，角色集是多种角色的集合，角色自身存在不同等级的关系；权限是对特定关系、行为的许可，授权是权限定义建立的行为；角色与权限的关系是通过访问策略实现的。在进入应用系统
12、或门户时，用户将自己的身份提交给权限系统，获得身份角色，并获得所有权限属性；应用系统根据角色和权限属性直接表明用户被许可的行为，自动屏蔽不被许可的访问和操作接口。权限控制的粒度有两种维度，即数据级和功能级。功能级权限控制的粒度可以是系统的功能模块，也可以是页面、报表甚至按钮和操作。数据级权限控制的粒度可以是站点、对象甚至测点。从而为每个用户提供定制的简洁方便的私人资源和系统。3.3.1.2 云平台的数据仓库技术1）数据的抽取和清理数据的抽取是数据进入仓库的入口。由于数据仓库是一个独立的数据环境，它需要通过抽取过程将数据从联机事务处理系统、外部数据源、脱机的数据存储介质中导入到数据仓库。数据抽取
13、在技术上主要涉及互连、复制、增量、转换、调度和监控等几个方面。数据仓库的数据并不要求与联机事务处理系统保持实时的同步，因此数据抽取可以定时进行，但多个抽取操作执行的时间、相互的顺序、成败对数据仓库中信息的有效性则至关重要。2）数据的存储和管理数据仓库的真正关键是数据的存储和管理。数据仓库解决了（一）是对大量数据的存储和管理。（二）是解决了数据的并行处理。（三）是解决了对决策支持查询的优化。如针对决策支持的优化涉及数据库系统的索引机制、查询优化器、连接策略、数据排序和采样等诸多部分。（四）是解决了支持多维分析的查询模式，实现了联机分析。它的特点是将数据想象成多维的立方体，用户的查询便相当于在其中
14、的部分维(棱)上施加条件，对立方体进行切片、分割，得到的结果则是数值的矩阵或向量，并将其制成图表或输入数理统计的算法。3）数据的表现数据表现主要集中在多维分析、数理统计和数据挖掘方面。多维分析是数据仓库的重要表现形式，由于MOLAP系统是专用的，因此，关于多维分析领域的工具和产品大多是ROLAP工具。3.3.1.3 基于数据模型的数据挖掘技术在云平台上嵌入企业常用的数据模型如：预测模型、时间序列模型、排队模型、经济采购模型等；并将特定的模型与相关企业问题相关联。实现“人机的高度合一”，方便用户在遇到管理难题时，及时借助数据模型智能解决管理问题。提高了管理决策的实用性和易操作性。3.3.1.4
15、基于工作流的预案调度调度系统应急调度流程包括：预案启动、批准、执行、评价等流程。应急处理预案的内容千差万别，而每个预案流程也不是一成不变的，会随着运行管理工作的持续而不断动态更新。JBPM，全称是Java Business Process Management（业务流程管理），它是覆盖了业务流程管理、工作流、服务协作等领域的一个开源的、灵活的、易扩展的可执行流程语言框架。JBPM是公开源代码项目，使用它要遵循 ASL(Apache License Version 2.0)和EULA(JBoss End User License Agreement)协议。在JBPM4版本以后可以支持在WEB上做
16、流程设计。使用JBPM业务流程管理框架可在WEB上动态创建和修改预案工作流模板的事故、应急预案系统原型。以JBPM框架中的活动元素作为基础数据结构，并对顺序活动、分支活动、并行活动、循环活动和子预案调用活动进行业务包装，形成事故处理流程相关的可视化流程组件，即可实现所见即所得的预案流程定制。3.3.1.5 GIS技术在水量调度系统中的应用由于国家政策上的引导，加上国内的技术储备和技术需求都达到了一定的层次，同时又借助国际上先进和成熟的GIS技术， GIS技术发展势头迅猛，应用水平甚至超过了某些传统领域。本公司的二维GIS技术已经在水利等多个领域广泛应用，技术成熟，并且有操作界面简单，数据分析表
17、现能力强等优点。引入GIS技术，研究大数据领域对GIS的特殊需求，做到形象直观,从而帮助决策者方便、快捷地获得信息，分析研究各信息相互之间的关系，为大数据决策支持提供有效手段。3.3.2工具的需求3.3.3知识产权分析4项目进度及资源4.1项目进度概要表4 关键里程碑表序号时间段内 容阶段性考核目标12019.2-2019.3 项目启动（产品需求调研、商业计划书、产品市场需求报告、产品包需求说明书等编写）完成相关技术调研及商业计划书、产品市场需求报告、产品包需求说明书编写22019.3立项评审 完成项目立项，并启动开发 32019.3-2019.7计划阶段决策评审项目取得明显进展；形成逐步成果
18、，并开始论文撰写、专利申请工作42019.7-2019.12 业务模块开发大数据采集平台，大数据共享交换平台，大数据信息资源库，大数据信息资源库，大数据开放平台的设计和开发。52020.1-2020.4业务模块进行完善完善大数据平台，根据各种指标进行数据分析62020.5验证发布阶段决策评审根据测试结果完成最终产品7 2020.7产品正式上市产品发布4.2项目团队成员产品开发团队成员建议角色名人数主要工作项目经理1项目整体管理、市场需求管理开发经理1研发负责人，研发方面工作牵头管理、研发资源协调项目助理1产品需求设计，研发项目日常管理、跟踪研发人员3软件开发测试代表1测试工作生产代表1可制造性
19、方面工作牵头管理项目管理代表1研发决策评审组织及研发成本监管5产品财务分析5.1产品开发投入5.1.1开发期研发投入估算包括从立项开始到产品转产为止的全部研发投入等。本项目为软件产品开发，包括前期调研、设计、开发与测试，主要投入为事业部产品需求的调研、提出，研发中心研发的人员详细设计与开发，所有投入预计为20000元/人/月，费用预计为200万元。从产品立项开始到市场发布决策评审时的市场销售投入费用估算约23万元。总投入计算约为223万元。5.2产品销售收入预测此部分数据从商业计划第2章市场分析和市场策略部分引入，要包括产品生命周期内按时间轴各目标市场的销量、价格、销售收入等。表5 产品销售收
20、入预测表序号项目 第一年第二年第三年合计1本公司销售量1001502004502单个产品销售(含税)价格5万元6万元6.5万元3产品（含税）总销售收入500.00900.001300.004单个产品目标成本（软件无）5单个产品利润2346产品总利润20045080014506风险评估和风险管理核心价值是借助IT 技术，帮助企业建立科学的管理模式，然后再通过数据挖掘与分析技术实现企业对市场的快速反应和精准把握， 所以我们面临的主要风险如下：6.1技术风险在当今知识和信息爆炸的时代，科技发展日新月异，所以技术存在被淘汰或者缺少竞争力的风险，同时存在人才缺失的风险，为防范这个风险，我们在设计技术架构时充分考虑架构的扩展性和灵活性，与时俱进不断融合当代新技术；为了留住人才，公司准备建立期权激励机制，以保证核心技术人员不易流失。6.2市场风险大数据应用的核心是通过对海量数据的收集和整理，通过数据模型和数据挖掘来满足客户对市场的预测、对价格预测、对投资的决策等需要。所以随着市场的变化，人们对预测领域的需求会发生变化，这就需要我们的智能挖掘系统要不断的开发出适应市场变化的数据挖掘模型，为此，我们通过儒道网平台，不断收集客户新的预测趋势，同时建立专项的数据模型研发团队，来动态防范这种市场风险。
