络直播噪音扰民模型训练，模型训练达标后，智能挖掘警情中网络直播噪音扰 民相关警情，针对此类警情进行标签关联。 2.2.4.2.3.5.2 涉房屋装修扰民模型 依据涉网络直播噪音扰民定义，人工挑选警情数据筛查标注符合网络直播 149 XX 县公安局“情指行”一体化实战平台建设方案 噪音扰民警情作为模型训练样本，使用标注后的警情输入至人工智能模型中网 络直播噪音扰民模型训练，模型训练达标后，智能挖掘警情中网络直播噪音扰 涉狗噪音扰民 模型训练，模型训练达标后，智能挖掘警情中涉狗噪音扰民相关警情，针对此 类警情进行标签关联。 2.2.4.2.3.5.4 涉工地噪音扰民模型 依据涉工地施工噪音扰民定义，人工挑选警情数据筛查标注符合涉工地施 工噪音扰民警情作为模型训练样本，使用标注后的警情输入至人工智能模型中 工地施工噪音扰民模型训练，模型训练达标后，智能挖掘警情中工地施工噪音 扰民相关警情，针对此类警情进行标签关联。 据筛查标注符合广场舞噪音 150 XX 县公安局“情指行”一体化实战平台建设方案 扰民警情作为模型训练样本，使用标注后的警情输入至人工智能模型中广场舞 噪音扰民模型训练，模型训练达标后，智能挖掘警情中广场舞噪音扰民相关警 情，针对此类警情进行标签关联。 2.2.4.2.3.6 人口走失专题模型库 2.2.4.2.3.6.1 老年人走失模型 依据走失人员类别中老年人定义，人工标注涉老年人走失相关警情作为训

以大数据为基础的自然语言理解、 图像图形认知、 生物特征识别 技术 ，让人类走上了第二级台阶。 认知智能： 机器能够理解人类的思维 ，像人类一样进行思考、 推理、 判断与决策。 以深度学习算法为驱动的知识挖掘、 知识图谱、 人工神经网络、 决策树技术 ，让人类努力向第三级台阶迈进。 人机融 合式增强型智能 ：将人类擅长的感知、 推理、 归纳、 学习 ，与机器擅长的搜索、 计算、 存储进行优势互补、 双向闭 统线性规划 ，通过虚拟最小化、残局解算器以及强化自我学习三个模 块 ，对不完整信息进行综合处理分析。 运筹学 在具有强大数据挖掘能力的机器学习总结出事物的规律（做出分类或者 预测的模型）之后 ，运筹学可实现模型的进一步拓展 ，建立从规律到决 策的完整解决方案。另外 iN IC 卡 GPU 云管理软件 虚拟化软件 分布式存储引 擎 计算 网络 3.3 大数据建立分 析 仅军事数据 ，维度匮乏 ，无法支撑互联网时代的 人群相关模型挖掘 场景 知识 数据 探索 采集 传输 存储 计算 行业深挖 ，高度定制化 ，保证数据及模型准确性 ， 契合具体业务场景 ，切实指导实际业务 大数据对实际业务指导性有限 ，应用场景局限，

，智慧 支撑平台。 环保大数据发展面临的问题： 一是大量的历史数据，其真实性、准确性都很低，不同部门间的数据存在很多差异、矛 盾，基础数据需要清理、净化； 二是从事数据挖掘、分析的专业人才极度短缺，大数据深度挖掘分析工作仍面临极大挑 战； 三是各类环境要素的前端感知设备投入不足，监测点位数量很少，数据采集的广度和深 度不够，数据获取的覆盖度和动态性均满足不了实际管理需要； 四是环 量数据收集起来并存储于设备上。为了获 取更多更准的数据，大数据收集的时间频度要大一些，尽可能收集全面的数据，而非样本数 据。 第二，大数据的分析。通过大数据技术从大量结构化和非结构化的数据中，挖掘、分 析、攫取出有用的信息，这是对传统数据分析方法的极大扩充。 第三，大数据的应用。大数据应用的根本是预测。政府、环保机构等相关决策人员，需 要一种更科学的思维方式和一套更完美的解决方案，建立相关数据分析模型，寻找相关性， 掘为环评审批提供了新的提升路径。大数据挖掘技术可以从庞大的数据库中找到相关性显著 的关键指标，并对环保大数据进行深度智能分析、建模以及环境承 载能力分析等， 为决策者提 供有效的信息支撑。未来对大数据的挖掘分析还将应用到大气 、河流、固废管理等环保领域， 对 大气环境、水质健康、固废处置、污染排放等提供更及时、更准确、更科学、 更多维的预 测。同时也必须意识到，即使在大数据时代，对大数据的挖掘开发利用也仅提供了一种环境问

号厂房，业内灯塔工厂先驱 ............................................................................ 7 大数据整合形成挖掘机指数，调节生产节奏，改进产品设计，提升服务效率 ...... 8 局部智能迈向全面智能，灯塔工厂软件系统升级，形成统一管理平台 ................. 9 树根互联对外赋能，为中国制造业打造世界级工业互联网平台 .... 12 图 11：三一重工设备互联系统实时监控每台设备开工状况 ........................................ 14 图 12：三一重工的设备开工率形成挖掘机指数 ......................................................... 14 图 13：三一重工的存货周转天数近年来持续下降 ......... ......................................... 20 图 29：三一重工在国内市场的挖掘机市占率快速提升 ............................................... 21 图 30：2020 年国内挖掘机市场三一重工市占率第一.................................................

重点人员数据 …… 公安外部数据 …… 警务大数据平台 警务大数据平台的建立，可实现信息共享和数据高效流转，是实现警务指挥各个智 能应用的核心基础，它实现了数据的采集、管控、存储、分析挖掘和基础数据服务。 5 、数据服务 统计类服务集 分析类服务集 定制类服务集 2 、数据管控 非结构化数据（全息信息库） 数据沙盘（ Sand Box ） 4 、 数 据 挖 掘 数据质量 智能分析接口 ， 使警务指 挥调度体系各个智能化应用子系统具备大数据智能分析的能力。 开放接口 API （标准 SQL 、 SDK 、 WEBSERVICE 、 RESTFUL …… ） 数据挖掘 日志留存 数据可视化 内容检索 24 小时的时段分 析, 挖掘警情发生规律和发展趋势。 功能：警情研判 - 区域分析 系统可结合地理区域来对警情进行基于时空的统计分析，从而研判 警情 发展的区域特征，对警情高发地区产生预警。 智能情报研判系统 1 、系统简介 2 、系统构成 3 、主要功能 31 智能化情报子系统是警务指挥体系一体化指挥调度平台的智慧引擎。 通过 云数据处理能够深度挖掘情报信息 , 实现智能预测和处理，为管理者提前

通过自主研发采集硬件设备及声纹采 集入库系统、声纹库平台、声纹鉴定 平台，对声纹数据进行识别对比。 应用场景 案件声纹线索采集，通 过强破解及技术分析破 案。 挖掘案发现场线索，掌 握第一手案发情况信息 音侦破案 技术 - 语音识别 · 构建公共场所安全防 护声纹 + 体系，对现有 监控体系进行技术升级。 布控布防 声纹解析目标人物包 普通最小二乘回归 12 神经网络 17 支持向量机 22 最大期望 3 分位数回归 8 主成分分析 13 随机森林 18 奇异值分解 23 组合方法 4 非线性回归 9 偏最小二乘回归 14 文本挖掘 19 关联规则 24 主题分析 5 决策树 10 因子分解 15 文本分析 20 社交网络分析 数据算法技术 数据 可视化 报表生成器 数据采集 数据分析流程 数据库数据 数据清洗 结构化数据 关系型数据库 机器数据 数据仓库 接口模型 汇总模型 人物特征 业务特征 数据处理 实时处理 预测算 法 状态研判 挖掘模 型 图像识别 离线引擎 实时引擎 流式引擎 机器引擎 数据稽核 数据解析 数据清洗 工 采 集 系 统 数据入库 日志记录 接口定义

现，数据只会变得更广泛 16/115 S 数据是新 “ 石油 ” 数据广泛存在，但需要通过挖掘来增加其价值。但是，不同于石油，数据永远不会成为 一种稀缺资源，因为它以指数速率保持增长。 广泛存在 但仍很难获得 燃料经济性 燃料产业 科技使其更容易获得 寻求价值丰富的接缝 可以提炼最大化价值 深入挖掘来发现 Photo credit:Nigel Homes 2012 17/115 一、建设背景和目标 RPA ETL 数据管理 DW 数据仓库 ODS 操作数据 存储区 19/115 数 据 应 用 常规 报表 专题 报告 可视化 分析 自助 分析 数据 挖掘 B 门 户 智慧管理 领导班子 集团 - 子企业 - 分公司 - 大项 目部 - 项目部，逐层管控 业务部门 减少手工操作，聚焦业务 分析 20/115 资源比价纠偏 1,000³ 拍字节 1,0005 兆字节 1,000² 艾字节 1,0006 千字节 1,000 PwC/page 22 O 客户营销 客户营销 社交媒体 商机挖掘 基于位置 的营销 Next Best Buy 营销分析 客群市场 营销分析 事件与营销相关 分析 客 户 产 品 营 销 差 异 化 分 析 产品服务 相关性分析

分，在微观层面成为企业创新与价值重塑的关键要素。苏州 凭借雄厚的制造业基础以及完善的产业体系，为数字化转型 筑牢了坚实根基。然而，在数字化转型的过程中，企业普遍 面临着诸多挑战。苏州制造业亟须深度挖掘数据资产价值， 以数据驱动创新，以创新引领发展，从而打造核心竞争力， 实现高质量发展。 本文首先系统梳理了数据资产的基本概念，并从多维度 构建数据资产分类框架。其次，深入介绍数据资产管理的关 （2）过程类数据资产：通过数据仓库、大数据平台及 数据中台等技术，对基础信息进行清洗、转换以及聚合等步 骤后形成的轻度汇总数据； （3）应用类数据资产：基于原始类和过程类数据，通 过深入的数据分析、挖掘和处理手段所生成的定制化统计数 据或数据产品，旨在满足具体的业务需求。 2.按数据来源和权属分类 （1）公共数据：指各级党政机关、事业单位以及承担 2 公共服务职能的机构，在依法行使公权力、履行公共职责或 能够产生包括文本、图像以及音视频在内的多种形式 的数字内容，结合区块链等技术进行权属认证，生成的内容 可转化为高价值数字资产。 此外，人工智能的数据分析能力同样值得关注。机器学 习与深度学习算法不断深化，广泛应用于市场趋势挖掘、风 险评估和决策支持等关键领域。 （三）虚拟现实技术 利用虚拟现实技术不仅能创造全新的数字资产，如虚拟 物品、虚拟道具等，还允许用户多维度沉浸式体验，从而有 效提升其感知价值与市场价值。

确保数据在安全可控的前提下实现高效流通 。通过数据 融合 与共享， 提高数据的利用价值， 为新材料研发和产业 发展提 供全面 、准确的数据支持， 使数据资源能够在产业 生态中得 到充分的挖掘和利用。 2.2.2 研发创新支持 基于多源融合的数据资源， 深度探索构建具有高度精准性 和 泛化能力的新材料行业大模型 。该模型将集成材料科学 领域 的前沿知识和丰富经验， 为新材料模拟计算 技术与制度双轮驱动 一方面， 充分利用大数据 、人工智能 、区块链 、隐私计算等 前沿技术， 搭建数据空间的技术支撑体系 。通过大数据技术 实现海量数据的高效存储和处理 ，利用人工智能技术挖掘数 据背后的潜在价值 ，借助区块链技术保障数据的可信性和可 追溯性 ，依靠隐私计算技术确保数据在共享过程中的安全 性。 另一方面， 建立健全数据共享 、交易 、管理等相关制度 和规 理操作， 去除数据中的噪声 、错误和重复数据， 统一数 据格 式和编码， 提高数据质量 。运用先进的大数据处理技 术， 如 Hadoop 、Spark 等， 对大规模数据进行高效处理和分析 ， 挖掘数据背后的潜在价值， 为新材料研发和产业应用提 供有 力的数据支持。 数据清洗 ：运用多种数据清洗技术， 包括基于规则的清洗 方 法和基于机器学习的清洗算法， 对数据进行全面清洗 。 基于

、设备预测性维修； 3 、产线异常监控； 4 、产品质量控制； 供应商管理提升 1 、风险预测与分析； 2 、交付时间与路径优化； 3 、供应商评价与信用管理； 客户需求管理提升 1 、客户行为的需求挖掘； 2 、准确个性化的产品定价； 3 、产品的预测性保养与维修； 4 、更好的产品体验； 运营价值提升 1 、更好的管理资产； 2 、合理的资源消耗； 3 、避免人为的错误； 4 、实时推荐技术工具； 、设备预测性维修； 3 、产线异常监控； 4 、产品质量控制； 供应商管理提升 1 、风险预测与分析； 2 、交付时间与路径优化； 3 、供应商评价与信用管理； 客户需求管理提升 1 、客户行为的需求挖掘； 2 、准确个性化的产品定价； 3 、产品的预测性保养与维修； 4 、更好的产品体验； 运营价值提升 1 、更好的管理资产； 2 、合理的资源消耗； 3 、避免人为的错误； 4 、实时推荐技术工具； 通过对过程事件的分析发现经常性出现异常事件的原 因，原因：机器、人员、原材料、能源等。  缺陷事件 通过分析过程中反馈记录的质量信息，进行相关因素分 析，通过改善相关因素进行质量改善。  按因优化 将挖掘发现的过程事件原因进行进行合并处理，改出相 应的优化方案。 人机协同优化 预测与优化 生产过程优化 人机协同 质量提升 设备预测性维修 异常检测  调度优化 对机器和人员的执行调度，通过对历史操作数据的分析