浅谈政务数据云

一、背景

数据作为新型生产要素，对传统生产方式变革具有重大影响，要构建以 数据为关键要素的数字经济。。

二、数据云

数据云定位是为数字中国提供基础支撑，打造可信数据流通体系。数据云在云上实现了同现实物理隔离一样可靠的数据隔离，同时解决现实世界算力不足、跨空间无法共享的问题；不同领域或行业可根据数据的属性和信任原则构建有边界的数据空间，在数据空间内可以基于隐私计算、数链融合等技术进行数据的可信计算与流通。数据云作为数据资源体系建设的基础环境，支撑数字技术创新体系建设，并提供可控可信的数字安全保障。

三、政务数据云

政务数据云是在数字政府领域的数据云实践，支撑公共数据流通内外双循环。作为数据流通应用较广的政务领域，政务数据可信流通面临诸多技术和管理挑战。一是政府部门涉及众多业务领域，数据的类型和格式各异，且数据量巨大，数据来源也可能存在分散和碎片化的情况。二是数据涉及政府及公众的敏感信息，必须保证数据的安全性和隐私保护。三是政府部门之间数据的交流和共享需要建立可靠的机制，确保数据的一致性和完整性。

四、关键技术和环节

1、分布式云

分布式云在当今信息技术领域扮演着至关重要的地位。一方面，分布式云以其高度灵活性、高可用性和强大的计算能力，满足了现代应用对资源的快速扩展和高性能计算的需求。另一方面，跨域算力调度、异构计算调度、OpsCenter 统一运管和云边协同等关键技术和环节构建了高效、稳定、可靠的分布式云环境，促进了云计算的发展，并为各行各业提供了强大的计算和数据处理能力。

2、泛在物联和实时数据集成

1）泛在物联融合传统的物联网、视联网技术提供边端产品和物联感知平台，边端产品应具备边缘计算能力，提供 GB/s 数据处理、毫秒级时延、加密算法等能力，物联感知平台内置千级边端设备物模型，支持亿万设备连接、百万级并发等能力。

2）实时数据集成应支持多种采集策略。一是支持多种采集方式及复杂的采集调度策略。二是支持多种对账策略，满足复杂的数据核查需求。

 3、AI 大模型技术

政务数据来源广泛、种类繁多，数据量大、数据类型多样等特点，对数据治理能力提出了更高的要求，使用人工智能技术赋能到数据生命周期中的元数据管理、数据质量、数据开发、数据分析等各阶段，可以帮助政府更好地管理和利用数据，大幅降低数据处理和开发利用方面的实施难度和成本，提高数据的安全性、准确性和可靠性，促进政府决策的科学化、精细化和智能化。

4、云原生分布式架构

海量数据的高效存储与计算基于云原生湖仓一体技术，融合了数据仓库和数据湖两种架构优势，底层多套存储系统并存且互相数据共享，形成资源池，上层各引擎可以通过一体的封装接口访问，实现了同时支持联机交易和联机分析。

5、业务模型库

业务模型库通过对各政务部门高频需求的共性分析，形成通用的数据模型库、场景模型库、算法库，实现数据服务标准化、智能化、产品化。

6、数据流通技术

数据流通是数据产业链条中至关重要的环节。一方面，数据流通促进了不同数据源之间的互联互通，推动了数据的共享与交换，为数据驱动型经济的发展提供了强大的支持。另一方面，在数据流通的过程中，坚守数据隐私与安全是原则，通过一系列关键技术与环节，构建一个安全、可信、高效的数据流通体系，推动数据的合理共享与应用。

五、思考和展望

作为新一代云计算体系架构，数据云提供安全、全面、灵活、可见的一站式服务，通过更开放自由可信的环境帮助产业智能化升级以及政府和企业数字化转型。我国云服务商已积极开展数据云布局，但技术应用融合创新能力不足。需要加快建立底层技术底座，利用分布式云提供弹性需求支撑，围绕核心软件算法、产品功能打造驱动引擎。同时，加强与人工智能、大数据、云计算的融合应用，以降低在各行业场景的应用探索和一站式落地成本。