业营销相关数据，通过数据关联比对甑别作弊，规避偷漏 系统化数据采集，规避偷漏 掌握自主核心技术，立足于原创，技术领先 系统建设的理念和准则 Page 8 大数据分析平台建设目标 外部非结构化数据 0% 100% 200% 300% 400% 500% 600% 2004年 2005年 2006年 2007年 2008年 铁矿石 焦煤 统一制定目标和分 析模型 统一划分分析主题 智慧税务大数据质量管理平台 5 6 Page 11 大数据分析平台总体架构 历史数 据查询 数据交换平台 应用集市数据区 集团零售 供应链金融 人人贷系统 基金系统 …… 系统 企业内外部半结构化、非结构化数据 大数据交换组件 数据库数据交换组件 数据区数据交换组件 数据计 算层 大数据区 沙盘演练数据区 数据应 用层 实 时 数 据 区 客户主题 协议主题 产品主题 业务沙盘演练 大数据分析平台总体架构——数据产生层  内部业务系统产生的结构化数据  集团日常零售业务处理过程中产生的结构化数据，存储在关系型数据库中，如：供应商信息、采购信息、商品信息、销售流水……  智慧税务大数据日常业务处理过程中产生的结构化数据，存储在关系型数据库中，如：客户信息、账户信息、金融产品信息、交易流水……  企业内部非结构化数据  日常业务处理过程中产生的非结构化数据，存储形式多样，主要包括用户访问日志、用户投诉、用户点评……

...........................................77 4.1.1 结构化数据整合.........................................................................79 4.1.2 非结构化数据处理................................................. 分条件流程引导（根据用户户籍、企业类型等属性动态调整材料 清单） 测试数据显示，相较规则引擎方案，对话完成率从 62%提升至 89%，平均对话轮次减少 3.8 轮。 文本结构化处理 通过联合实体识别（NER）和关系抽取技术，可自动从非结构化文 档（如政策文件、办事指南）中提取关键信息，生成机器可处理的 标准化数据。以行政许可事项为例： 该技术使某市住建局审批事项的材料审核时间从平均 45 分钟 能能力。其核心价值 体现在以下三方面： 首先，多源异构数据融合能力突破传统政务数据孤岛限制。通 过分布式 ETL 引擎支持日均 PB 级数据处理，兼容结构化数据（如 MySQL/Oracle）、半结构化数据（JSON/XML）及非结构化数据 （公文扫描件/会议录音），实现工商、税务、社保等 12 类政务数 据源的自动对齐。典型应用案例中，某省级政务平台接入 DeepSeek 后，将原本需要

括：数据库、中间件、数据备份等等。 2、共享数据建设 共享数据建设主要是指大数据云平台工程运行的数据基础。在 大数据云平台工程的建设过程中主要包括了结构化数据和非结构化 数据。结构化数据包括：基础空间数据和网格块数据关系数据库； 非结构化数据主要包括海量行为数据、网页、各类报表、图像和音 频/视频信息等等；  基础空间数据 利用现有的基础数据成果，进行修补测或数据时相、内容的更 格内“人与人”、“人与物”、“人与组织”、“物与物”、“组织与物”、“组织 与组织”等的关联关系。  海量行为数据 依托开放式社会共享数据平台，建立大数据云平台工程所需的 海量社会数据。  各类报表 针对目前尚未进行结构化数据梳理的业务数据，如 Word、Excel 等形式存储的业务数据； 6 大数据云平台实施方案  图像和音频/视频信息 针对视频监控、人口信息的照片等信息的数据处理。 3、支撑能力建设 面：  源系统 指数据层上游的业务数据产生系统。是数据平台的主要数据来 源。主要包括：公安系统的人口基本信息数据、房管系统的房屋信 息数据、交通系统的交管信息等。这些数据可能包含结构化数据、 非结构化数据、多媒体数据等。数据层需要统一处理和存储，为后 续的数据消费系统的使用提供数据支撑基础。  统一数据交换共享平台 基于市政府数据交换共享平台进行，是源系统与大数据云平台 工程数据层之间数据传输与交换的主要通道。

数据平衡：在训练集中，对于不同类别的数据样本进行均衡处 理，确保模型训练的公平性和准确性。 表 1：数据处理步骤表 步骤 描述 数据清洗 去除重复、修正错误和填补缺失 数据标注 对数据进行结构化标注 数据格式化 转换为适合模型处理的格式 数据平衡 确保各类别数据样本均衡 经过预处理和清洗的数据将作为训练、验证和测试模型的基 础。目前，我们计划采用以下数据处理工具与技术来支持数据收集 据集的高质量。 最后，完成数据处理后，应选择合适的数据存储方案，以保证 数据的安全性和可访问性。可以考虑以下策略：  使用关系型数据库如 MySQL、PostgreSQL，方便管理结构化 数据，并支持复杂查询。  对于非结构化数据，可以选择 NoSQL 数据库，如 MongoDB，为灵活的数据存储提供支持。  在数据安全方面，实施访问控制，定期备份数据，并加密存储 敏感信息，以防泄露。 准确性与有效性的关键环节。数据标注不仅要遵循严格的标准，还 需要有效地整合多方资源，以确保标注结果的高质量和一致性。根 据数据类型和应用场景，标注方法可以分为几种主要类别，分别适 用于文本、图像和结构化数据等。 对于文本数据的标注，我们可以采用以下几种主要方法： 1. 人工标注: 由专业的法务人员或法律专家对文本数据进行标 注。他们需要根据具体法条、案例和政策进行判断，确保标注 的准确性。

、提高服务质 量。此外，平台还需具备智能推荐功能，能够根据用户的历史行为 和偏好，主动推送个性化的服务内容，提升用户满意度。 在数据处理方面，政务平台需要高效处理海量的政务数据，包 括结构化和非结构化数据。通过引入 AI 大模型，平台可以实现对 数据的深度分析和挖掘，辅助决策制定，提供预测性分析，帮助政 府机构更好地进行资源调配和政策优化。例如，通过对历史审批数 据的分析，AI 模型 构分 为数据层、模型层、应用层和交互层，各层之间通过标准化接口进 行通信，以保障系统的模块化和可维护性。 数据层作为基础，负责政务数据的采集、存储和预处理。采用 分布式数据库技术，支持结构化与非结构化数据的统一管理，确保 数据的高效查询与分析。同时，引入数据清洗和标注模块，为 AI 模型训练提供高质量的数据输入。 模型层是核心，集成多种 AI 大模型以支持不同政务场景需 求。通过微 在数据集成方面，采用 ETL（Extract, Transform, Load）工 具实现多源数据的统一管理和清洗。通过 Talend 或 Apache NiFi 等工具，将政务系统分散的结构化与非结构化数据汇聚至数据湖， 为 AI 模型提供高质量的训练和推理数据。数据湖采用基于 Hadoop 的分布式存储架构，支持 PB 级数据存储与处理能力，满 足大规模政务数据处理需求。 为保障系

题、预测趋势并提出优化方案。需求主要体现在以下几个方面： 首先，智能化决策系统需具备多源数据融合能力。政务数据来 源多样，包括统计部门、社会调查、舆情监测、地理信息系统等， 系统需支持对结构化与非结构化数据的统一处理和分析，形成全景 式决策依据。例如，在经济政策制定中，系统应能够整合宏观经济 指标、行业数据、企业反馈等多维度信息，帮助决策者全面掌握经 济态势。 其次，智能化决策需具备预测与模拟功能。通过大模型 结构，以确保系统的灵活性、可扩展性和安全性。整个平台主要分 为数据层、模型层、服务层和应用层，各层之间通过标准化的接口 进行通信，确保模块间的松耦合和高内聚。 在数据层，平台整合了多源异构数据，包括结构化数据（如数 据库中的政务记录）、非结构化数据（如政策文档、会议纪要）以 及实时数据流（如舆情监测数据）。数据层采用了分布式存储架 构，支持海量数据的高效存储与访问，并通过数据清洗、去重、标 注等预处理流程，确保数据质量和一致性。同时，数据层还引入了 公共支撑平台的技术架构设计采用分层式 架构，分为数据层、算法层、服务层和应用层，各层之间通过标准 化的接口进行交互，确保系统的高效性和可扩展性。 在数据层，平台主要依托政务数据资源库，包括结构化数据 （如人口、经济、环境等统计信息）和非结构化数据（如公文、报 告、邮件等文本信息）。数据层通过 ETL（Extract, Transform, Load）技术对多源异构数据进行采集、清洗和整合，确保数据的 质

实现故障快速定位；所有组件全流程调度功能； 3 、扩展性： MRS （ Hadoop 平台） +DWS （ MPP ） 支持弹性扩展，性能弹性扩容； 4 、高性能： 采用分布式架构，提供结构化数据的极致的交 互性能，满足多维关联查询实时分析需要； 5 、多场景 支持税务内部等主流场景的批量、实时数 据汇聚，统一存储； 方案特点 MRS （ Hadoop ） DWS （ MPP 批量数据目录 资源目录检索 实时数据目录 资源目录维护 分级分类 申请审批 需求管理 权限控制 数据浏览 数据脱敏 服务订阅 服务注册 服务发布 服务变更 结构化数据对接 半结构化数据对接 非结构化数据对接 流式数据对接 接口数据对接 数据服务门户 数据服务开发 数据采集与计算平台 数据资源目录 API 分析 API 运行 API 管理 API 市场 数据服务接口 3. TPC-DS 全球第一 多模数仓 1. 支持 HTAP 混合负载，一库两用 2. 内置时序流引擎，每分钟千万级数据 高速入库、支持规则计算（ 330 ） 3. 支持全文检索，结构化、半结构化数 据关联分析 Cloud Native 管理运维 1. 一键式集群申请， 20 分钟发放 2. 自动发放裸金属、虚拟机、网络设施 3. 一键升级扩容， Cloud Native 向导式、

所有组件全流程调度功能； 3 、扩展性： 华为 MRS （ Hadoop 平台） +DWS （ MPP ） 支持弹性扩展，性能弹性扩容； 4 、高性能： 采用分布式架构， 提供结构化数据的极致的交 互性能，满足多维关联查询实时分析需要； 5 、多场景 支持税务内部等主流场景的批量、实时数 据汇聚，统一存储； 在线分析 在线查询 集市层数据 标准层数据 整合层数据 贴源 层 数据 数据服务接口 数据服务开发 数据服务门户 服务 范围 内容 服务 管理 运营 服务 水平 承诺 报表分析 交互查询 非结构化数据对接 结构化数据对接 半结构化数据对接 流式数据对接 接口数据对接 上线 发布 需求管理 申请审批 API 市场 API 管理 分级分类 API 运行 API 分析 权限控制 分析 评审 需求 混合负载 ，一库两用 芯片级自主创新 1. 支持全自研鲲鹏 CPU ，芯片级自主 2. 内置时序流引擎，每分钟千万级数据 创新 高速入库、支持规则计算（ 330 ） 3. 支持全文检索，结构化、半结构化数 据关联分析 2. ARM 垂直优化，性能相比 X86 提升 50% 1. 数仓自助申请， 20min 快速发放 2. 支持多规格资源灵活配比 3.

术支撑和保障。 3. DeepSeek 模型概述 DeepSeek 模型是一种基于深度学习技术的智能分析系统，专 为复杂场景下的数据处理与决策支持而设计。其核心优势在于能够 高效处理大规模、多维度的结构化与非结构化数据，并通过自动化 的特征提取与模式识别，提供精准的预测与决策建议。该模型采用 多层神经网络架构，结合了卷积神经网络（CNN）、循环神经网络 （RNN）以及注意力机制（Attention （RNN） 以及自注意力机制（Self-Attention）等技术，结合多源数据融合 与特征提取能力，实现对复杂场景的精准分析与决策支持。 首先，DeepSeek 模型通过多层卷积神经网络对结构化与非结 构化数据进行特征提取。例如，在处理城市治理中的图像数据 时，CNN 能够自动识别出特定事件的视觉特征，如交通事故、设 施损坏等。同时，RNN 模块则用于处理时间序列数据，例如传感 器 据来源的类型、数据的质量、数据更新的频率以及数据的安全性 等。 首先，数据源的类型可以分为结构化数据和非结构化数据。结 构化数据主要来源于政务系统中的数据库，如人口信息、交通管理 数据、公共设施维护记录等。非结构化数据则包括社交媒体舆情、 市民反馈、监控视频等。这些数据类型各有特点，结构化数据便于 分析和处理，而非结构化数据则能提供更丰富的上下文信息。 在数据源的选择过程中，需要重点关注以下几个关键指标：

数 据 数 据 采 集 政 策 分 类 企 业 分 类 O C R 企业图库 企业基础库 政策图库 政策专题库 企 业 标 签 政 策 要 点 结构化处理 企业实体 所属行业 企业关系 企业性质 15 应用库 16 政策内容智能解读、 提取关键要素、 构建知识图谱 60+ 搜索维度、 NLP95% 以上符合率、 2s 响应时间 6w+ 对公共场所的人群是否规 范佩戴口罩进行识别。 自动学习 - 图像分 类 建成数用一体模式： AI 服务 - 自动学习能力 输出 识别 对的正反面进行分类，通 常配合文字识别模型进行 结构化识别。 图片涉黄、涉恐识别 将网络上涉黄、涉恐图片 进行标准化过滤。 自动学习 - 物体检 测 自动学习 - 物体检 测 公共交通 疫 情 防 控 政务服务 网络安全 政策匹配推荐 场景 73 建成数用一体模式： 政策智能服务 - 政策目录服务 采集并管理各类政策 ， 为政府及企业提供政策目录服务 ，含各政策种类、 政策行业、 政策责任部门、 热点专题等多种形式。 政策结构化存储 政策数据库 图数据 库 政策目录 政策种类 政策行业 责任部门 政策级别 政策热点 政策关系提取