大数据分析平台总体架构——数据存储层（续）  业务系统历史明细数据  打破业务条线整合数据 数据内容 主要用途 数据模型 保留周期 用户 访问模式 工作负载 可用性要求  第三范式模型  保留长期历史，需要根据主题细化  主题区 / 集市区 / 沙盘区 / 增值产品区 / 归档 区批 量作业访问  少量高级业务人员进行灵活查询、挖掘预测  I/O 敏感，日终批量 Hive SQL 执行，复杂处理使用 MR 定制 UDF  与大数据区 / 贴源区构成一个 Hadoop 集群（ Hive ）  无单点故障， 7×24 小时 + 非工作日有限停机  逆范式宽表  依赖于集市数据需求  对主题数据预加工后的结果数据  针对应用需求进行数据预连接、预汇总，为集市提供数据 主题数据区—明细 主题数据区—汇总 Page 24 大数据分析平台总体架构——数据存储层（续） 准备数据。 设计 原则  数据库设计原则 汇总数据区对应独立的 Hive 数据库 不对外提供访问， ETL 用户对数据库有增、 删、查、改权限  模型设计原则 汇总层采用了逆范式宽表设计，某种程度上采 用维度建模的方法 模型设计首先需要根据业务和应用的需要尽量 包含更多的属性和指标，同时兼顾空间 汇总层需要针对维度数据执行标准化处理 汇总层模型增加数据日期记录历史，建议根据

供数据传 输的效率。并且由于 hadoop 平台在数据处理时，可以对压缩文件进 行自动解压，因此可以提供数据处理的效率，减少 IO 传输时间。  整合层 整合层对于业务数据的存储，采用第三范式关系表的形式，这 样可以方便后续数据分析时直接采用 SQL 方式进行表的关联处理。 因此在整合层，历史数据存储一般采用 HIVE 存储方式，并结合分区 方案进行处理。在数据从技术缓冲层到整合层过程中，可以采用 3 数据架构  数据缓冲层 数据缓冲层与源系统的数据结构一一对应，它是数据存储的临 时存储区域。方便数据处理重跑及应用系统数据过渡至大数据平台。  整合模型层 面向分析型业务主题建立三范式模型，构建全系统级的单一数 据视图，模型扩展性强且具有业务中立性，用于支持各类整合型的 分析型应用。  共性加工层 依赖于对应用共性需求的的分析，提炼出对数据集成平台具有 共性的数据访问 会和 云内部系统数据必须依照一套相同的存放规则进行处理，它们和其 他数据的关联以及刷新的频率等都应该保持同步。  灵活性 整合层模型是一个基本上满足第三范式要求的语义关系模型， 这种设计方法能够最大程度上减少冗余。 第三范式的设计同时保证了整合层模型的灵活性和扩展性。面 对新的需求，整合层模型的这种结构能够进行简单、自然的扩展。 这种特性使得整合层模型在设计过程可以“想大做小”——在有一个全

追一科技 博文 Bowen 广东深圳 政务服务、政府办公、公文写作 19 智子引擎 元乘象 江苏南京 城市管理 20 拓世科技 拓世 江西南昌 城市管理、政务服务、公共安全 21 第四范式 式说 北京 智慧司法 22 拓尔思 拓天 北京 政府办公、公文写作、政务服务 23 云从科技 从容 广东广州 政务服务、城市管理 是 24 浪潮信息 源 山东济南 政务服务、政府办公 策制定；通过全流程推演分析，辅助政府为企业量身定制优惠政策， 实现事前政策推演预判、事中提高政策兑现率、事后兑付成效分析， 使涉企政策更普惠、服务更精准。 4.科大讯飞助力上海塘桥构建大模型+基层治理新范式 2023 年 8 月，科大讯飞星火数字社工系统正式发布，构建了“1+N 模式”——1个星火大模型平台和N个业务应用，面向基层城市运行、 基层为民服务、基层社区工作三大领域，实现事件智能分派、AI

化数据，支持利用自然 语言进行数据资产查询， 从海量的数据中提取出 有价值的信息 • 应用开发：利用大模型 辅助或主导开发流程， 降低应用开发的门槛， 向数据驱动的开发范式 转变，提高开发效率 体验增强 基于对自然语言和上下文 的理解能力，通过拟人化 交流方式，优化人机交互 体验 • 需求理解：基于对公众 口语化提问的意图识别，

化数据，支持利用自然 语言进行数据资产查询， 从海量的数据中提取出 有价值的信息 • 应用开发：利用大模型 辅助或主导开发流程， 降低应用开发的门槛， 向数据驱动的开发范式 转变，提高开发效率 体验增强 基于对自然语言和上下文 的理解能力，通过拟人化 交流方式，优化人机交互 体验 • 需求理解：基于对公众 口语化提问的意图识别，

第一，具有突出的创新能力。蜜巢政务大模型充分整合多源政务数据、精准 分析用户需求与快速处理政务数据，凭借语义分析能力与深层次的理解能力，为 政府政务服务、社会治理以及内部办公等提供智能化支持，开启了数字政府创新 发展的全新范式，充分考虑不同层级的功能需求，实现政务服务智能化发展。 第二，具有较高的实用价值。蜜巢政务大模型可以直接解决大量人工咨询和 投诉问题，有效缓解人工咨询压力、降低政务服务成本，在提升政务服务质量与

密与审计追溯，敏感信息脱敏处理率达到 100%。 2. 建立双通道审 核机制，所有 AI 生成内容需经规则引擎校验后才会触达用户，确 保输出合规性不低于 99.5%。 项目实施后将形成标准化 AI 接入范式，为后续社保、税务等 12 个业务系统的智能化改造提供技术模板。最终实现政务服务办 理时效整体提升 40%，群众满意度调查得分提高 25 个百分点，打 造可复制的政务智能化标杆案例。 1.3

管理提供了框架，支持数据在不同系统和组织间的共享和重用。 为确保平台的可扩展性和灵活性，可以参考 ISO/IEC 24744 软 件工程元模型开发方法标准。该标准提供了一种灵活的开发方法， 支持多种开发范式和技术的集成。 最后，考虑到人工智能技术的特殊性，平台应遵循 ISO/IEC 23053 解释性人工智能（XAI）标准，确保 AI 模型的透明性和可解 释性。该标准要求 AI 系统能够解释其决策过程，提高用户对

操作系统、以及各种应用系统的性能与可用性进行实时监控， 能够对多个监控对象的监控指标进行横向对比分析，可以对监 控指标设置告警阈值，触发性能告警。  事件管理 中心通过事件采集模块实现了事件的采集、范式化、过滤、 归并，并通过事件管理模块进行事件的实时监视与审计、历史 行政审批中心分析，以及安全事件的关联分析和回溯分析。系 统支持支持单事件关联、多事件关联、逻辑关联和行政审批中 心关联，并