大数据分析平台需求（精选8篇）
提供统一的数据导入工具，数据可视化工具、数据校验工具、数据导出工具和公共的数据查询接口服务管理工具是建立大数据分析平台的方向。
一、项目范围的界定
没有明确项目边界的项目是一个不可控的项目。基于大数据分析平台的需求，需要考虑的问题主要包括下面几个方面：
（1）业务边界：有哪些业务系统的数据需要接入到大数据分析平台。（2）数据边界：有哪些业务数据需要接入大数据分析平台，具体的包括哪些表，表结构如何，表间关系如何（区别于传统模式）。（3）功能边界：提供哪些功能，不提供哪些功能，必须明确界定，该部分详见需求分析；
二、关键业务流程分析
业务流程主要考虑包括系统间数据交互的流程、传输模式和针对大数据平台本身涉及相关数据处理的流程两大部分。系统间的数据交互流程和模式，决定了大数据平台的架构和设计，因此必须进行专项分析。大数据平台本身需要考虑的问题包括以下几个方面： 2.1 历史数据导入流程 2.2 增量数据导入流程 2.3 数据完整性校验流程 2.4 数据批量导出流程 2.5 数据批量查询流程
三、功能性需求分析 3.1.历史数据导入 3.1.1 XX系统数据 3.1.1.1 数据清单… 3 3.1.1.2 关联规则… 3 3.1.1.3 界面… 3 3.1.1.4 输入输出… 3 3.1.1.5 处理逻辑… 3 3.1.1.6 异常处理… 3 3.2 增量数据导入 3.3 数据校验 3.4 数据导出 3.5 数据查询
四、非功能性需求 4.1 性能 4.2 安全性 4.3 可用性 …
五、接口需求 5.1 数据查询接口 5.2 批量任务管理接口 5.3 数据导出接口
六、集群需求
大数据平台的技术特点，决定项目的实施必须考虑单独的开发环境和生产环境，否则在后续的项目实施过程中，必将面临测试不充分和性能无法测试的窘境，因此前期需求分析阶段，必须根据数据规模和性能需求，构建单独的开发环境和生产环境。6.1开发环境 6.1.1 查询服务器 6.1.2 命名服务器 6.1.3 数据服务器 6.2 生产环境 6.2.1 查询服务器 6.2.2 命名服务器 6.2.3 数据服务器
本文章为工作流平台的业务需求架构剖析及提出解决方案, 阅读对象主要针对设计、及研发、测试、及相关业务人员。主要内容包括:工作流平台所涉及的业务需求。
1 术语及缩写词
业务流:是针对业务需求, 按照一定的业务规则对企业业务流程进行可视化建模。定义业务流主要包括:活动、关系、转移信息、组织结构、角色模型、异常、配置以及周期。通过提供界面定义工具支持用户进行业务流定义。
2 工作流概述及规范
2.1 工作流概述
工作流现在主要解决的问题是:为了实现某些业务目标, 在单个或者多个参与者之间, 利用计算机, 按某种预先订下的规则自动传递文档、数据、信息或者任务。简单一点的说, 工作流就是一条相互衔接、自动流转的任务圈。我们可以将整个过程看做是一个流水作业线, 其中作业线上的任务就是需要审核的表单。
与工作流相关的概念特别多, 下面几个是比较常见的:
2.1.1 Workflow
就是指“业务流程的部分或整体在计算机应用环境下的自动化”, Work Flow就是工作流程的计算模型, 即将工作流中的工作如何前后组织在一起的逻辑和规则再加算计中以恰当的模型进行标示对其实施计算。自动运行的业务过程部分或整体, 表现为参与者对文件、信息或者任务按照规程采取行动, 并令其在参与者之间传递。简单的说工作流就是一系列相互衔接、自动进行的业务活动或任务。
2.1.2 WFSM
workflow management system-工作流管理系统, 以规格化得流程描述作为输入的软件组件, 它维护流程的运行状态, 并在人和应用之间分派活动。
2.1.3 BPM
business process management-业务流程管理, 包括范围比较广, 相比之下工作流多半局限于技术领域。业务流程管理还从管理人员的角度设计了非技术问题, 比如分析、管理、组织的效率。从流程管理的角度, 最急需的是建立起基本的流程和规范, 如业务运作流程、作业指引、岗位说明书、人力资源管理体系等。
2.2 常见的工作流规范
2.2.1 WF-XML
工作流管理联盟 (Workflow Management Coalition, WFMC) 中的WF-XML和工作流参考模型 (Workflow Reference Model) :WF-XML是一种基于XML的工作流互相操作性信息的编码。工作流参考模型是一种底层工作流系统体系结构的描述。目前WF-XML没有与SOAP和WSDL绑定。
2.2.2 XPDL
工作流管理联盟 (Workflow Management Coalition) , 这是第一个在工作流领域致力于标准化工作的组织, 1993年开始, 发布了参考模型和XPDL (XML过程定义语言规范) 。接口早期的标准为WPDL (Workflow Process Definition Language) , 这一接口后来的规范变更为XPDL。XPDL是至今工作流领域最为重要的一个标准, 大多数工作流引擎目前是依据该标准设计开发的。XPDL是一个通用的框架, 这也是XPDL的一个重要特性, 这个框架可以支持开发者得特殊使用目的, 而对外表现形式却相同。开发者得实现和他的外部接口可以独立分开, 因为不管你如何实现, 采用什么图形描述 (状态图, 活动图等) , 只要外部接口符合XPDL规范, 那么就可以保持相同的表现形式。
2.2.3 JSR 207
Java的流程定义, 是由Java Community Process (JCP) 发起, 如何在J2EE应用服务器中实现业务流程自动化的标准, 其目标是探索并标准化流程语言 (如BPEL) 、Java语言和J2EE平台的关系。
2.2.4 BPSS
(Business Process Specification Schema) 这是业务流程规范方案。eb XML是联合鬼贸易简化和电子商务促进中心 (UN/CE⁃FACT) 及推进结构化信息标准组织 (OASIS) 于1999年11月成立的工作组。多年来, 全球一百多个国家, 两千多个组织的EDI、XML专家、企业、行业组织、软件服务商等约五千多人参与了eb XML标准的制定工作。
2.2.5 WSFL
IBM Web服务流语言 (IBM Web Services Flow Language) :制定了Web服务组合的两种类型, 与SOAP、UUDI和WSDL兼容。流程模型说明了如何使用网络服务所提供的功能, 并叙述商业交易流程。而总体模型则详细说明所有交易伙伴情形, 即网络服务如何与其他网络服务做交谈。
3 工作流需求分析
本篇为工作流平台的需求架构篇, 故将遵循工作流程管理BPM之规范。
3.1 工作流平台的划分
归纳一下, 任何工作流系统、平台或子系统无非包含以下三个部分,
3.2 工作流业务需求
3.2.1 流程配置需求
如一个标准的流程审批流程, 将经过如下审批环节:
3.2.1. 1 流程定义部分
1) 流程定义
流程的各个属性定义, 人员流程的名称、标示、是否允许退回、跳转、管理者、版本等
2) 流程发布
流程定义完成后进行发布, 最终将定义的结果保存到数据库相关的流程表中。如何对现有的流程进行更改, 则发布后产生多个版本, 对于正在流转的流程, 走老的版本, 对于新提交的流程, 走新的版本
3.2.1. 2 节点定义部分
定义个审批环节的相关要素, 包括节点名称;节点类型是否是人工干预节点、还是自动节点、开始节点、结束节点;节点流向类型是单选还是多选;便利类型是单人办理、单人竞办、多人办理;节点人员指定模式指定办理人员是抖动选择还是自动随即指定一人办理;还需要支持外部传入或者人员指定策略 (根据外部算法获取) , 需要支持并行。节点适用则按节点人员指定模式如果是手动则可手动按岗位或者部门或人员直接选择;个流程环节关联的业务表单;是否允许退回;是否允许追回, 调用子流程ID;
3.2.1. 3 链路定义部分
1) 链路定义
链路名称;源节点;目标节点。
2) 链路规则
流程流转中, 下一节点的选择是有链路上的条件 (即规则) 决定的, 所以必须定义每条链路上的业务规则
3.2.2 流程启动需求
在业务系统的业务模块中, 所有需要走流程的, 都必须要先启动流程, 然后才能进行流程的流转, 进入各个审批环节
1) 流程与业务模块关联配置
选择业务品种、选择应用的机构, 再将要对应的业务流程关联即可。
2) 流程启动
在业务模块中, 当启动流程后, 此流程将按之前配置流转
3.2.3 需求定论
综上算是一个流程的所有触发、过程及结果, 对如此复杂而多变的流程, 一个系统中不可能做到面面俱到, 这是不现实, 也是不科学的做法, 唯有以简单对应多元化, 根源对应衍生才能在根本上解决需求不确定的问题, 故本次针对需求讨论的重点将为可视化定制操作。
4 工作流平台需求框架
4.1 可视化定制流程模块
可视化定制流程模块, 顾名思义不是开发人员所进行的处理, 而是业务人员针对当前现状需求分析后做出的处理, 经过可视化操作工具, 自动生成代码的功能
4.1.1 界面设计图
如图2所示。
4.1.2 涉及table
1) BWP_ACL
2) BWP_ACTIVITY
3) BWP_ACTIVITYEDITDATA
4) BWP_ACTIVITYRELEVANTDATA
5) BWP_MESSAGE
6) BWP_PROCESS
7) BWP_PROCESSINSTANCE
8) BWP_TRANSITION
9) BWP_WORKITEM
4.2 Table关系图
4.3 可视化定制的优势
1) 无需编码, 操作简单
使用可视化定制模块, 不需要拥有编程的高级技术, 就一般的操作者即可, 省去了编码的不便利性, 操作简单, 使用方便, 按照操作手册即可使用。
2) 节约时间, 快捷开发
由于没有编码开发, 使用定制模块进行定制, 设置好关系后代码自动生成, 流程走向只需要使用鼠标拖动即可。
3) 适用范围大, 推广性好
因为采用定制化流程定制, 故满足于各行各业的工作流流程需求, 只需要单独一套不需要另行开发。
4.4 移动办公
手机办公, 也称移动办公, 是一种利用手机, 实现企业办公信息化的全新方式, 它是移动通信、PC电脑与互联网三者融合的最新信息化成果。
移动办公的两种类型:
1) 需要在企业或政府内部构建一套移动信息化平台, 通过在手机客户端安装相关的信息化软件, 实现手机和企业的各种信息化系统, 如企业ERP系统、CRM系统、HR系统等的互联互通, 使手机也可以用以操作、浏览、管理公司的全部工作事务。
2) 是直接访问web形式, 在web的编写上需要考虑对于移动设备的支持与约束 (如, 显示方式、操作方式之类) 其特点是在任何地点、向任何用户交付任何应用的能力, 不需安装客户端。支持现今流行各种智能手机操作系统, 如Android, 苹果IOS。
4.5 设计界面图
4.6 涉及技术
目前移动设备主要为手机、pad及其他智能移动设备
1) Symbian (塞班)
是一个实时性、多任务的纯32位操作系统, 具有功耗低、内存占用少等特点, 非常适合手机等移动设备使用。Symbian操作系统在智能移动终端上拥有强大的应用程序以及通信能力, 这都要归功于它有一个非常健全的核心-强大的对象导向系统、企业用标准通信传输协议以及完美的sun java语言。 (但是随着时间的推移, 此系统的弊端也展现出来, 随逐渐被淘汰)
2) Windows Phone
Windows Mobile是微软为手持设备推出的“移动版Windows”, 作为软件巨头微软的掌上版本操作系统, 以商务用机为主。在与桌面PC和Office办公的兼容性方面具有先天的优势, 而且WM具有强大的多媒体性能, 办公娱乐两不误。现在微软收购诺基亚后, 对于系统提升至windowsphone 8, 从兼容性、操作性, 娱乐性得到了很大的提升。
3) Web OS (Palm OS)
Web OS前身是Palm OS, 以其独特的外形, 另类的系统吸引了无数人的眼球, 但是一个问题, 就是目前没有任何正规途径, 还有应用软件的问题, 配套太少。Web OS系统目前仍有很多的计算机编程爱好者, 在努力的钻研。
4) i OS (i Phone OS)
i OS是 (又称i Phone OS) 由苹果公司为i Phone开发的操作系统, 它主要是给i Phone、i Pod touch以及i Pad使用。该系统的UI设计及人机操作前所未有的优秀, 软件极其丰富。苹果完美的工业设计配以i OS系统的优秀操作感受, 就靠仅有的几款机型, 已经赢得可观的市场份额。
5) Android OS
Android是基于Linux平台开源手机操作系统名称, 谷歌与开放手机联盟合作开发了Android, 这个联盟由包括中国移动、摩托罗拉、高通、宏达和T-Mobile在内的30多家技术和无线应用的领军企业组成。该平台由操作系统、中间件、用户界面和应用软件组成, 号称是首个为移动终端打造的真正开放和完整的移动软件。目前三星也加入了android系统, 对抗苹果, 直至2013年已经压倒了IOS系统, 得到了业界的一致好评。
6) Black Berry OS
Black Berry OS是RIM公司独立开发出的与黑莓手机配套的系统, 目前是美国市场占有率第一的智能手机。Blackberry与桌面PC同步堪称完美, Black Berry的经典设计就是宽大的屏幕和便于输入的QWERTY键盘, 所以Black Berry一直是移动电邮的巨无霸。
以上为目前主流智能移动设备系统, 其中android占据大半部分市场份额, 并为开源, 故文本先就android系统经行讨论。
当服务器搭建好后【服务器技术在下篇 (工作流技术架构篇) 里面着重介绍】, 比如jason串通信
4.7 移动办公的优势
“移动办公”也可称为“3A办公”, 即办公人员可在任何时间 (Anytime) 、任何地点 (Anywhere) 处理与业务相关的任何事情 (Any⁃thing) 。这种全新的办公模式, 可以让办公人员摆脱时间和空间的束缚。单位信息可以随时随地通畅地进行交互流动, 工作将更加轻松有效, 整体运作更加协调。
1) 操作便利简单
移动办公的使用既不需要电脑也不需要网线, 只要一部可以上网的智能手机或者平板电脑。这样的办公方式免去了携带笔记本的麻烦, 操作简单, 同时也不用再因为工作而一直待在办公室, 即使下班也可以很方便地处理一些紧急事务。
2) 处理事务高效快捷
使用移动办公, 办公人员无论出差在外, 还是正在上班的路上甚至是休假, 都可以及时审批公文, 浏览公告, 处理个人事务等等。这种办公模式将以前不可利用的时间有效利用起来, 在不知不觉中就提高了工作效率和时间的使用效率。
3) 功能强大且灵活。
由于移动信息产品发展的很快, 以及移动通信网络的日益优化, 所以很多要在电脑上处理的工作都可以通过移动办公的手机终端来完成, 移动办公的功能堪比电脑办公。同时, 针对不同行业领域的业务需求, 可以对移动办公进行专业的定制开发, 可以灵活多变的根据自身需求自由设计移动办公的功能。
5 结论
综上工作流的需求业务架构解析、以目前这样的需求可以极大的满足各个行业不同的需求要求, 以此来定制的工作流平台母本是为企业构建一套业务流程自动化系统, 帮助企业管理和优化企业的业务流程, 并从优化的业务流程中创造更多的效益。
摘要：工作流平台的需求问题一直困扰着广大架构师及咨询师、对于需求两字实在感觉难以入手、目前由于各行各业的需求五花八门、种类各不相同, 故想做到以点概面的需求是不大可能的。所以定制则被重点突出、用以解决这些不同的需求、可视化的定制既满足了广大需求调研者及开发者, 大大降低了其工作的强度。再加上移动事业的日新月异, 移动化办公也可以加入工作流平台的需求里面。
【关键字】大数据；人才需求；人才培养
【中图分类号】G642 【文献标识码】 A 【文章编号】
前言
从Web 2.0的时代开始，人们从数据的被动接受者变成了主动创造者。数据制造的能力向消费者转移，使得大数据的激增愈演愈烈。随着云服务和移动互联的普及，大数据是必然结果。各行各业竞争需要精细化运营，大数据分析是必然手段。马云说过：人类正从IT时代走向DT时代。
大数据在政府公共服务、医疗服务、零售业、制造业、交通、电信、金融、以及涉及个人位置服务等领域得到广泛应用，并产生了巨大的社会价值和产业空间。未来优秀企业里的数据相关从业人员占比应该在20-30%。据Gartner宣称，大数据正在创造海量工作岗位，截至2015年，全球将有400万个与大数据相关的IT工作岗位。
一、大数据人才现状
各行各业都在加速拥抱大数据，人才需求旺盛的态势已经明朗。据麦肯锡预测，至2018年，美国需要400万名具备基于大数据分析的经理和分析师。至2018年将有60%的组织设置首席数据官，未来八年将有19%的大数据人才需求增长，薪酬水平位居IT技能岗位类之首。
一时间，大数据人才成为炙手可热的IT界宠儿。但是，目前企业中并没有足够的适用人才。只有大约三分之一的岗位空缺能被填补，数据专家非常稀缺抢手。以中国为例，未来3年需要至少180万具备基于大数据分析的经理和分析师，人才缺口达到150万。大数据人才严重缺乏已经成为事实。
更令这一现象雪上加霜的是，近年来互联网公司占据了技术创新的制高点，优秀的新技术人才汇集在一线互联网公司。相对而言，传统行业缺乏吸引力，电信、金融、交通、医疗、电力、政府等行业很难吸引到合格的互联网新技术人才，其中大数据分析及数据挖掘领域的人才缺口最大。
二、大数据职业角色划分
目前，各大数据产品和服务提供商根据自己的产品平台特点和架构组成设置与大数据相关的工作岗位。因大数据技术的共同特点，各厂商的职业角色划分共通之处较多。
小象学院通过跟踪工业界所拥有的大数据团队的组织实践，发现一个普遍现象——大数据专业人才已经出现多层次的角色分类，基本可以分为九大职业角色：大数据运维工程师、大数据平台研发工程师、大数据云端研发工程师、大数据前端应用开发工程师、大数据架构师、大数据分析师、数据挖掘师、算法工程师、大数据可视化工程师。
大数据所涉及的关键技术包括6个方面，分别是数据采集与数据管理、分布式存储和并行计算、大数据应用开发、数据分析与挖掘、大数据前端应用、数据服务和展现。通过表1可以看出大数据关键技术与职业角色之间的关系。
在数据采集与数据管理技术领域，需要大数据运维工程师，负责搭建大数据平台集群，并维护、管理、优化，负责平台上的数据采集、数据清洗、数据存储，数据维护及优化。
在分布式存储和并行计算以及大数据应用开发技术领域，需要大数据开发工程师，又可以细分为大数据平台研发和大数据云端研发工程师。平臺研发工程师主要是围绕大数据系统的平台研发人员，应该掌握设计开发分布式系统的功能扩展、性能改进、故障分析、OLAP（On-Line Analysis Processing，联机分析处理）类型的在线联机分析开发等知识和技能。大数据云端研发工程师是面向业务场景的大数据后台服务开发人员，负责基于大数据的业务应用系统和产品的云端后台服务开发，如：广告系统、搜索、个性化推荐及精准营销系统、风险预测、防欺诈系统等。
上述3个领域中，大数据运维和开发工程师的未来职业发展方向是大数据平台架构师，负责研究与跟踪大数据新技术发展方向，主持制定大数据平台技术发展战略规划，如：平台的设计、开发、维护与优化，不断创新，满足上层数据运营体系各项需求，核心数据模型的建立，同时参与应用分析系统的系统分析、设计以及实施工作等；负责企业主数据，元数据管理及数据质量；基于数据仓库的业务探索以及信息探索的工作。
在数据分析与挖掘技术领域，需要数据分析师、数据挖掘师、算法工程师等多种人才。大数据分析师负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对用户的行为进行分析了解用户的需求；参与业务部门临时数据分析需求的调研、分析及实现；参与数据挖掘模型的构建、维护、部署和评估；整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持。数据挖掘工程师负责具体项目的数据挖掘模型等，通过数据挖掘模型的构建、维护、部署和评估实现数据处理，分析和挖掘的基础性技术支撑。算法工程师负责对复杂算法实现原理的研究，通过算法的优化在海量数据集中保证算法计算的效率和效果。这几种岗位人才未来可以发展成为数据科学家。
在大数据前端应用技术领域，需要大数据前端开发工程师，就是面向业务场景的大数据前端开发人员，负责设计实验良好的人机交互；进行系统优化，设计并完善前端基础服务架构；解决浏览器兼容问题，进行移动应用开发，并与后台技术开发保持良好沟通，快速理解、消化各方需求，最终落实为具体的开发工作。这种岗位人才未来可以发展成为前端架构专家。
在数据服务和展现技术领域，需要数据可视化工程师，负责通过极具创造性和想象力的方式展示数据分析及挖掘后的知识发现，帮助用户从大数据洞察中获取直观和感性的知识。这种岗位人才未来可以发展成为可视化专家。endprint
三、大数据人才培养
1. 人才培养途径
目前，教育机构不能满足人才市场需求。现有教育体系和市场需求严重脱节的问题已经是老生常谈，大部分大学仍然以学科教育为主，培养研究型人才而不是职业技能人才。另外，互联网新技术变化迅猛、生命周期短，高等院校难以及时培养师资力量。解决这一问题的有效途径是校企合作，通过引入相关技术人员，快速解决师资力量不足和师资培养的问题。
有能力提供大数据人才培训的培训机构数量和规模有限，同样难以满足市场需求。比较有效的途径是充分发挥互联网的优势，采取在线教育模式使大数据技术得以快速普及。
2.人才培养策略
在大数据分析和应用中的各种数据与决策模型需要不断测试和优化，更需要高质量的计划和执行力，对大数据人才的知识结构与综合能力提出了很高的要求。大数据人才培养的方案应该包含3个维度。
维度一，職业角色划分。如上所述，大致分为9大职业角色。
维度二，技术能力。可以理解为知识结构，应包括数学、统计学、计算机和网络、数据管理、编程和写脚本、数据库、数据仓库、分布式计算、机器学习、数据挖掘、数据分析、数据可视化等课程或学科。根据职业角色不同有所侧重。
维度三，相关课程设置。据统计，大数据9大职业角色覆盖的课程内容有近50门，实际操作时，可以根据职业角色的目标岗位不同，设置不同方向的相关课程。
3个维度分别对应，形成面向职业角色的3维立体人才培养方案。
结论
面对风起云涌的大数据时代，计算机相关专业课程亟待改革，扩大视野，适应日新月异的信息时代要求。当代计算机专业学生不仅要有扎实的理论功底，还要有娴熟的技术技能，以胜任大数据工作岗位的要求。
参考文献
[1] 向冲. 高职“大数据”人才培养研究. 科教导刊. 2014.12
[2] 袁晓桂. 论“大数据时代”高职软件技术专业人才培养的新理念. 计算机光盘软件与应用. 2014.11
[3] 李晓东. 大数据时代高校人才队伍建设思考与探索. 江苏高教. 2015.2
1、负责公司大数据处理框架研发工作，设计与开发分布式存储、数据处理与分析架构。
2、负责大数据平台与产品和相关技术的追踪及研究。
3、负责大数据的处理工作，以及业务数据提取、加载、转换处理流程的开发和优化。
4、利用大数据平台工具对数据维护。
5、负责相关项目的技术支持和服务。
6、持续对系统的技术架构进行改进和优化。
大数据平台架构师岗位职责(二)
1.负责大数据项目整体架构规划，包括应用架构、技术架构、物理架构和数据架构等;
2.负责指导工程师进行技术验证与实现，核心技术问题的攻关，解决项目开发过程中的技术难题;
3.负责项目对外技术沟通，具有较强的沟通，表达和文档撰写能力;
4.根据公司项目和业务发展特点，负责研究相关大数据前沿技术;
5.推动技术能力的沉淀。
大数据平台架构师岗位职责(三)
1、建设大数据平台，主要技术为k8s,docker;
2、跟进开源社区的更新，阅读文档，验证feature;
3、阅读容器生态圈各组件的开源项目代码，开发新功能;
4、持续提升平台的性能和稳定性。
大数据平台架构师岗位职责(四)
1.负责数澜大数据平台的架构设计和研发，建立数据生态服务，解决海量数据面临的挑战;
2.管理和优化Hadoop、Spark等集群，计算作业的调优，保证集群和平台的高效和稳定;
3.负责Hadoop、Spark、Flink的功能、性能和扩展，解决并实现业务需求;
4.负责大数据产品的自动化、离线与实时计算、即席计算、数据质量、数据安全、机器学习等平台的设计和开发;
5.调研和把握当前的最新技术，将其中的先进技术引入到自己的平台中，改善产品，提升竞争力;
大数据平台架构师岗位职责(五)
1、负责大数据平台资源规划、权限控制、运维架构设计，为各产品业务提供稳定、高效、安全的运行环境;
2、负责实时，离线数据分析处理及实时平台的建设和搭建
3、熟悉
Flink
流式计算引擎的使用以及源码原理，并且有相关的流式处理平台的经验。
4、Java基础扎实，熟练掌握垃圾回收，网络，多线程编程，了解
python
或
(2018-2022年)
【报告目录】
第一章 工业大数据概述
1.1 工业大数据相关概念
1.1.1 工业大数据的定义
1.1.2 工业大数据的特征
1.1.3 工业大数据的产生
1.2 工业大数据与相关概念的关系
1.2.1 与大数据的关系
1.2.2 与智能制造的关系
1.2.3 与工业软件的关系
1.2.4 与工业云的关系
1.3 工业大数据的产生
1.3.1 数据类型
1.3.2 产生主体
1.3.3 发展趋势
1.4 工业大数据应用价值
1.4.1 推动工业化进程
1.4.2 促进信息化发展
1.4.3 推进新工业革命
第二章 2015-2017年中国工业大数据发展驱动因素分析
2.1 政策助推大数据发展
2.1.1 发达国家大数据政策对比
2.1.2 数据中心建设指导意见
2.1.3 大数据成为国家发展战略
2.1.4 政府进一步开放数据平台
2.1.5 行业政策密集出台
2.1.6 地方政策不断加码
2.1.7 管理机制初步形成 2.1.8 工业大数据促进政策
2.2 经济转型发展提出的要求
2.2.1 国民经济总值
2.2.2 工业运行情况
2.2.3 产业结构优化
2.2.4 产业转型态势
2.3 两化融合工作推进良好
2.3.1 两化融合发展水平
2.3.2 两化融合发展阶段
2.3.3 两化融合发展规划
2.4 信息化水平高速发展
2.4.1 信息化发展水平
2.4.2 区域建设水平
2.4.3 信息化发展模式
2.4.4 信息化建设特点
2.4.5 信息化发展策略
第三章 2015-2017年中国大数据产业发展分析
3.1 2015-2017年中国大数据产业发展综述
3.1.1 市场发展阶段
3.1.2 产业驱动主体
3.1.3 产业运行情况
3.1.4 产业发展提速
3.1.5 推动云基地建设
3.1.6 交易中心成立
3.2 大数据产业链及产业结构
3.2.1 大数据产业链介绍
3.2.2 大数据产业结构
3.2.3 大数据主要子行业
3.3 2015-2017年中国大数据产业布局
3.3.1 市场供给结构
3.3.2 人才供需结构
3.3.3 应用行业分布
3.3.4 区域集聚发展
3.3.5 华北产业集聚
3.4 2015-2017年中国大数据产业需求分析
3.4.1 主要行业大数据需求状况
3.4.2 企业大数据的应用及需求
3.4.3 大数据细分领域需求分析
3.4.4 大数据存储领域需求分析
3.4.5 数据小型机市场需求分析
3.5 2015-2017年大数据产业竞争格局
3.5.1 大数据企业竞争格局分析
3.5.2 不同规模企业的竞争力分析
3.5.3 IT产业竞相布局大数据产业
3.6 中国大数据产业存在的问题
3.6.1 大数据产业发展难点
3.6.2 大数据产业存在的问题
3.6.3 大数据产业的现实挑战
3.6.4 大数据应用面临的挑战
3.6.5 大数据技术发展问题
3.6.6 大数据安全问题分析
3.7 中国大数据产业的发展策略
3.7.1 大数据应作为国家战略重点
3.7.2 大数据产业发展的政策建议
3.7.3 加快大数据的研发与应用
3.7.4 应避免大数据的过度建设
3.7.5 进一步打破数据信息孤岛
第四章 2015-2017年中国工业大数据发展分析
4.1 工业大数据发展概况
4.1.1 产业发展历程
4.1.2 产业发展阶段
4.1.3 产业发展形势
4.1.4 产业链分析
4.2 工业大数据主要应用领域
4.2.1 在设计领域的应用
4.2.2 优化生产过程中
4.2.3 预测产品需求
4.2.4 优化工业供应链
4.2.5 强化工业绿色发展
4.3 2015-2017年中国工业大数据应用现状
4.3.1 可研机构研究现状
4.3.2 企业生产实践现状
4.4 2015-2017年中国工业大数据发展现状分析
4.4.1 行业发展规模分析
4.4.2 应用范围逐渐扩大
4.4.3 核心技术趋于成熟
4.4.4 产业发展初具雏形
4.4.5 新载体开始涌现
4.5 工业大数据发展存在的问题
4.5.1 产品大数据缺失
4.5.2 物联接入设备缺失
4.5.3 信息集成不贯通
4.6 中国工业大数据发展建议
4.6.1 加强核心基础技术研究
4.6.2 加强标准研制和应用推广
4.6.3 构建工业大数据流通共享平台
4.6.4 探索工业大数据示范应用
第五章 2015-2017年工业大数据发展架构分析
5.1 工业大数据参考架构
5.1.1 总体框架
5.1.2 数据参考架构
5.1.3 技术参考架构
5.1.4平台参考架构
5.2 工业大数据标准体系介绍
5.2.1 发展成就
5.2.2 体系框架
5.2.3 标准分类
5.2.4 标准明细
5.3 工业大数据系统及技术架构
5.3.1 数据的生命周期
5.3.2 技术架构
5.3.3 管理架构
5.3.4 分析架构
5.4 工业大数据管理技术分析
5.4.1 数据采集技术
5.4.2 数据管理技术
5.4.3 数据写入技术
5.4.4 数据集成技术
5.5 工业大数据数据分析技术
5.5.1 业务分析技术
5.5.2 数据处理技术
5.5.3 高效处理技术
第六章 2015-2017年工业大数据与工业4.0发展关系
6.1 全球主要国家工业4.0发展分析
6.1.1 美国
6.1.2 德国
6.1.3 法国
6.1.4 中国
6.2 工业4.0发展概况
6.2.1 工业4.0产生背景
6.2.2 工业4.0发展历程
6.2.3 工业4.0的内涵
6.2.4 工业4.0产业链
6.2.5 中国的竞争优势
6.3 工业4.0落地战略分析
6.3.1 工业4.0架构
6.3.2 信息网络系统
6.3.3 核心系统集成 6.3.4 大数据利用分析
6.4 中国工业4.0发展进展
6.4.1 中国制造业发展进程
6.4.2 工业4.0发展特点
6.4.3 工业4.0标准制定
6.4.4 企业行为分析
6.4.5 推动工业4.0发展举措
6.5 中国制造2025详解
6.5.1 中国版工业4.0详解
6.5.2 中国制造2025重点任务
6.5.3 中国制造2025重点领域
6.5.4 工业4.0与中国制造2025的对比
6.6 工业大数据是中国工业4.0的重要部分
6.6.1 工业大数据是工业4.0的基础
6.6.2 工业大数据在工业4.0中的作用
6.6.3 工业4.0对工业大数据的需求
6.6.4 工业4.0中工业大数据的应用
第七章 工业大数据的应用场景及应用价值
7.1 优化现有业务
7.1.1 提升研发能力
7.1.2 生产过程优化
7.1.3 服务快速反应
7.1.4 推动精准营销
7.2 促进企业升级转型
7.2.1 推进个性化定制
7.2.2 支撑智能化生产
7.2.3 实现产业链协同
7.2.4 实现服务化延伸
7.3 促进中小企业创新创业
第八章 2015-2017年工业大数据在重点领域的应用
8.1 工业大数据应用概述
8.2 智能生产解决方案
8.2.1 兰石集团
8.2.2 西航集团
8.2.3 中兴通讯
8.2.4 艾克威尔电机
8.2.5 上海仪电
8.3 智能设备解决方案
8.3.1 中航工业
8.3.2 徐工集团
8.3.3 金风科技
8.3.4 中联重科
8.4 智能工厂解决方案
8.4.1 苏州明志科技
8.4.2 海尔工厂
8.4.3 宝鸡智能工厂
8.5 工业监测预测解决方案
8.5.1 重庆享控智能科技
8.5.2 中国中车株所
8.5.3 西飞公司
8.5.4 中天科技
8.5.5 陕鼓动力
8.5.6 联合利华
8.5.7 勤智数码
8.6 智能管理解决方案
8.6.1 北科亿力
8.6.2 沙钢集团
8.6.3 大唐集团
第九章 工业大数据投资前景及前景趋势展望
9.1 企业工业大数据投资策略分析
9.1.1 明确业务需求
9.1.2 梳理业务过程
9.1.3 统筹规划架构
9.1.4 构建算法模型
9.1.5 人才的培养引进
9.2 工业大数据行业发展前景展望
9.2.1 “十三五”发展机遇
9.2.2 大数据市场发展热点
9.2.3 工业大数据发展前景
9.3 工业大数据发展热点及趋势分析
9.3.1 可持续监测
9.3.2 改进生产工艺
9.3.3 数据驱动决策
9.4 大数据产业发展规划（2016-2020）
9.4.1 产业基础
9.4.2 “十三五”形势
9.4.3 发展目标
9.4.4 重点任务
9.4.5 保障措施
9.5 2018-2023年中国大数据产业预测分析
9.5.1 中国大数据产业发展因素分析
9.5.2 2018-2023年中国大数据市场规模预测
9.5.3 2018-2023年中国工业大数据市场规模预测
图表目录
图表 工业大数据的产生和应用
图表 工业大数据与商务大数据的区别
图表 智能制造标准体系结构
图表 智能制造标准体系框架关键技术部分
图表 大数据政策比较框架
图表 各国大数据战略规划比较
图表 各国技术能力储备政策比较
图表 国外政府数据开放与共享主要政策
图表 国外政府数据开放与共享主要政策（续）
图表 2016年中央及部委大数据领域最受关注的十大政策
图表 《大数据产业发展规划（2016-2020年）》中保障措施关注情况
图表 各地大数据相关政策举措互联网关注和评价情况
图表 2012-2017年国内生产总值及其增长速度
图表 2012-2016年三次产业增加值占全国生产总值比重
图表 2012-2016年全部工业增加值及其增速
图表 2016-2017年工业增加值月度增速
图表 2012-2016年中国三次产业结构对比
图表 2012-2016年中国三大需求对经济增长的贡献率
图表 2017年全国两化融合发展水平
图表 2016-2017年全国两化融合重点指标水平
图表 2017年全国两化融合发展阶段分布
图表
图表
图表对比
图表比
图表
图表
图表
图表
图表
图表
图表
图表职人数占比
图表
图表2017年全国各类企业两化融合发展阶段分布 2012-2017年全国两化融合发展阶段分布 中国与“二十国集团”国家信息化发展总指数中国与“二十国集团”国家信息化各项指标对2016年中国各地区信息化发展水平2016年中国各省份信息化发展模式 互联网大数据和工业大数据的区别 互联网大数据与工业大数据技术基础 中国大数据市场发展阶段 大数据产业主要数据资产类企业 大数据产业结构
市场上大数据技术类人才招聘数量占比及求主要城市大数据就业市场活跃度 大数据行业求职者学历与招聘需求占比
图表 大数据产业招聘及求职期望薪水分布
图表 调查样本企业行业分布
图表 互联网行业大数据应用场景
图表 电信行业大数据应用场景
图表 金融行业大数据应用场景
图表 制造行业大数据应用场景
图表 企业现有的数据规模
图表 企业数据类型的构成
图表 大数据时代企业所能感觉到的数据变化
图表 目前企业处理大数据所面临的问题
图表 企业对大数据的态度和认知
图表 企业在线则大数据平台时所考虑的因素
图表 精准营销在企业大数据体系中的位置
图表 2015年中国移动互联网用户APP分类月均活跃用户规模TOP20
图表 企业小型机的当前使用情况及未来计划
图表 工业大数据的发展历程
图表 工业大数据发展阶段
图表 工业大数据产业链
图表 工业大数据的架构方法模型
图表 工业大数据技术结构
图表 工业大数据数据参考框架
图表 工业大数据技术参考架构
图表 工业大数据平台参考架构
图表 工业大数据标准体系
图表 工业大数据的生命周期
图表 工业大数据技术架构
图表 工业4.0参考架构
图表 工业革命的四个阶段
图表 工业4.0的核心
图表 中国工业4.0发展道路
图表 工业4.0产业链中游环节参与主体
图表 工业4.0体系架构
图表 CPS系统示意图
图表 工业4.0现有相关标准
图表 企业对工业4.0的需求表现
图表 企业对工业4.0的发展规划
图表 企业对发展工业4.0面临的问题
图表 企业对发展工业4.0需求的资源
图表 工业4.0结构介绍
图表 中国版工业4.0核心环节
图表 “中国制造2025”九项任务
图表 “中国制造2025”五项工程
图表 “中国制造2025”十大重点领域
图表 中国制造2025与工业4.0的对比
图表 工业4.0涉及的技术概念
图表 工业4.0的数据环路
图表 工业大数据市场规模预测
图表 工业大数据应用领域及场景
图表 兰石集团模块化管理模式
图表 兰石集团信息系统集成 图表 兰石集团数据管理平台
图表 西航集团系统整体应用架构
图表 西航集团智能制造部署架构
图表 中兴通讯智慧生产系统架构
图表 中兴通讯智能生产的优势
图表 艾克威尔电机系统架构
图表 上海仪电显示工业大数据平台架构
图表 中航工业总体技术架构
图表 中航工业总体网络架构
图表 徐工集团工程机械产品黑盒子
图表 徐工集团工业物联网信息服务平台
图表 徐工集团工业物联网大数据系统
图表 徐工集团工业大数据平台风电应用技术架构
图表 中联重科工业大数据平台架构
图表 苏州明志科技制造管理系统
图表 海尔工厂工业大数据系统框架
图表 海尔工厂数据可视化示意图
图表 宝鸡智能工厂信息流通示意图
图表 宝鸡智能工厂大数据系统框架
图表 重庆享控智能科技工业大数据架构
图表 重庆享控智能科技设备故障预测流程
图表 重庆享控智能科技工业大数据应用效益
图表 中国中车大数据整体架构
图表 中国中车数据建模流程
图表 新舟飞机大数据监控体系
图表 新舟飞机客户航线监控体系
图表 新舟飞机服务APP
图表 中天智能互联集成系统架构
图表 中天智能大数据逻辑架构
图表 中天智能大数据架构
图表 陕鼓远程智能运维系统技术架构
图表 Strata能效管理大数据技术架构
图表 勤智数码大数据系统结构
图表 北科亿力炼铁大数据技术架构
图表 沙钢能源管理大数据技术架构
图表 大唐集团工业大数据技术架构
图表 大数据关键技术及产品研发与产业化工程
图表 大数据服务能力提升工程
图表 工业大数据创新发展工程
图表 跨行业大数据应用推进工程
图表 大数据产业集聚区创建工程
图表 大数据重点标准研制及应用示范工程
图表 大数据公共服务体系建设工程
图表 大数据安全保障工程
图表 2018-2023年中国大数据市场规模预测
性研究报告
编制单位：北京智博睿投资咨询有限公司
第一章 新能源大数据平台项目总论 1.1 新能源大数据平台项目基本情况 1.1.1 新能源大数据平台项目名称 1.1.2 新能源大数据平台项目选址 1.1.3 新能源大数据平台项目承担单位 1.1.4 新能源大数据平台项目建设目标及定位 1.1.5 建设内容及规模 1.1.6 投资估算与资金筹措
1.1.7 新能源大数据平台项目建设期限 1.1.8 新能源大数据平台项目效益 1.1.9 主要技术经济指标 1.2 可行性研究依据与范围 1.2.1 报告编制依据 1.2.2 报告研究范围
1.3 可行性研究结论、问题及建议 1.3.1 研究结论 1.3.2 问题及建议
第二章 新能源大数据平台项目背景与建设的必要性 2.1 新能源大数据平台项目提出的背景 2.1.1政策背景
2.1.2 新能源大数据平台项目提出理由 2.2 新能源大数据平台项目建设的必要性
2.2.1 新能源大数据平台项目的建设符合国家和地方相关政策 2.2.2 新能源大数据平台项目的建设有利于保障经济圈建设的需要 2.2.3有利于提升XX市产业科技含量 2.2.4是增加当地就业机会的需要
第三章 新能源大数据平台项目建设地址和建设条件 3.1 新能源大数据平台项目选址 3.1.1 选址原则 3.1.2 场址选择 3.2 建设条件 3.2.1地理位置 3.2.2 自然气候条件 3.2.3 外部交通条件
3.2.4 新能源大数据平台项目施工条件
第四章 新能源大数据平台项目市场分析 4.1我国XX市场概况
4.1.1我国新能源大数据平台发展现状 4.1.2我国新能源大数据平台市场发展前景 4.2我国XXX市场概况 4.2.1我国XXX市场应用情况 4.2.2 XXX市场情况 4.2.3 XXX市场前景 4.3 XXX行业现状
4.4 新能源大数据平台项目定位分析 4.4.1 新能源大数据平台项目整体目标 4.4.2 新能源大数据平台项目服务群体 4.4.3 新能源大数据平台项目辐射商圈 4.5 新能源大数据平台项目SWOT分析 4.5.1 新能源大数据平台项目优势-S 4.4.2 新能源大数据平台项目劣势-W 4.4.3 新能源大数据平台项目机会-O 4.4.4 新能源大数据平台项目威胁-T
第五章 新能源大数据平台项目建设方案 5.1 建设原则 5.2 规划方案
5.2.1 新能源大数据平台项目发展思路 5.2.2 新能源大数据平台项目的产业业态规划 5.3 工程设计 5.3.1 建筑设计 5.3.2 结构设计 5.4 总图布置 5.4.1 总图布置原则 5.4.2 总平面布置 5.4.3 给排水工程 5.4.4 电气工程 5.4.5 暖通工程 5.4.6 消防设施 5.4.7 道路系统 5.4.8 绿化系统
第六章 环保、劳动安全与节能 6.1 环境保护
6.1.1 建设地点环境现状 6.1.2 主要污染源及污染物 6.1.3 环境保护标准
6.1.4 施工期主要污染源及治理措施 6.1.5 运营期主要污染源及治理方案 6.1.5 环境保护结论 6.2 劳动安全卫生 6.2.1 设计依据
6.2.2 职业安全卫生主要措施 6.3 节
能 6.3.1 设计依据 6.3.2 设计原则
6.3.3能源消耗与能耗分析 6.3.4 节能措施 6.3.5 节水措施
第七章 组织机构与人力资源配置 7.1 组织机构
7.2 人力资源配置与管理 7.2.1 人力资源配置 7.2.2 人员培训
第八章 新能源大数据平台项目管理、实施进度及招标 8.1 建设项目管理 8.1.1 实施原则与步骤 8.1.2 组织机构与分工 8.2 建设项目实施进度 8.2.1 施工进度安排 8.2.2 建设与运营的衔接 8.3 招标方案 8.3.1 概述 8.3.2 招标组织形式 8.3.3 招标方式 8.3.4 招标范围
第九章 投资估算与资金筹措 9.1 投资估算
9.1.1 投资估算依据和范围 9.1.2 投资估算构成分析
9.1.3 新能源大数据平台项目投资估算 9.2 资金筹措 9.3 资金投入计划
第十章 财务分析
10.1财务评价依据、范围及假设条件 10.1.1财务评价依据及范围 10.1.2假设条件
10.2基础数据及参数选取 10.2.1计算期及生产负荷 10.2.2基准收益率 10.2.3取费标准 10.2.4折旧和摊销 10.2.5税率 10.2.6公积金
10.3财务效益与费用估算 10.3.1销售收入估算 10.3.2生产总成本估算 10.3.3利润及利润分配 10.4财务分析
10.4.1财务盈利能力分析 10.4.2财务生存能力分析 10.5不确定性分析 10.5.1盈亏平衡分析 10.5.2敏感性分析 10.6财务评价结论
第十一章
社会影响评价 11.1社会影响分析 11.2互适性分析 11.3社会风险分析 11.4社会效益分析 11.5社会评价结论
第十二章
风险分析 12.1风险识别与评价 12.1.1主要风险 12.1.2其它风险 12.2风险对策
第十三章
社会稳定风险分析 13.1编制依据 13.2风险调查
13.2.1调查的内容和范围、方式和方法 13.2.2拟建项目的合法性
13.2.3拟建项目自然和社会环境状况 13.2.4利益相关者及基层组织的态度 13.3风险识别 13.4风险估计 13.5风险防范化解措施 13.6风险等级 13.7风险分析结论
第十四章 新能源大数据平台项目结论和建议 14.1 新能源大数据平台项目结论 14.2 新能源大数据平台项目建议
财务表：
表1：财务评价指标汇总表 表2：建设投资估算表（概算法）表2-1：土建工程投资明细表 表2-2：设备投资明细表 表3：建设期利息估算表 表4：流动资金估算表
表5：新能源大数据平台项目总投资使用计划与资金筹措表 表6：营业收入、营业税金及附加和增值税估算表 表7：总成本费用估算表（生产要素法）表7-1：外购原材料估算表 表7-2：外购燃料动力估算表 表7-3：固定资产折旧费估算表 表7-4：无形资产和其他资产摊销估算表 表7-5：工资及福利费估算表 表8：项目投资现金流量表
表9：新能源大数据平台项目资本金现金流量表 表10：利润与利润分配表 表11：财务计划现金流量表 表12：资产负债表 表13：借款还本付息计划表
关联报告：
新能源大数据平台项目可行性研究报告 新能源大数据平台项目建议书 新能源大数据平台项目申请报告 新能源大数据平台资金申请报告 新能源大数据平台节能评估报告 新能源大数据平台市场研究报告 新能源大数据平台项目商业计划书
近几年, 江西省各城市间高速公路设施和城市内部道路设施建设日益完善, 公路运输在整个物流行业中占据着越来越重要的地位。目前, 有些物流企业已经开始进行信息化改造的尝试, 但是, 一些企业所采用的改造方法仅仅是简单地使用计算机操作取代手工操作, 尚未对不合理的业务流程进行分析与改造。因此, 根据现代物流管理思想进行物流公共服务平台的设计, 并且在企业流程改造的基础上进行实施, 对于江西省整个物流行业的发展具有重要意义。
2江西省物流公共服务平台建设的意义
物流信息平台是要利用计算机、网络和通讯等现代信息技术构筑一个开放的网络平台, 并对物流各个环节的相关信息进行采集、分类、筛选、储存、发布、管理和控制等操作, 以满足企业信息系统各种功能的实现, 起到为企业提高核心竞争力的作用。
①有助于交通管理的业务升级换代。
目前江西省的物流只是停留在简单的运输和仓储。建设公共物流信息平台, 可以使业务重点由单纯的运输管理向集约化的物流管理方向转型, 现代化的物流管理应该是以交通运输管理为核心, 与银行、保险公司、仓储系统、贸易公司等紧密结合, 从而为社会提供集约化物流服务。
②有助于推动区域成为经济和物流中心。
构建物流平台能够合理利用资源, 推动区域成为经济和物流中心, 并带动其他区域更好的发展。
③促进物流信息资源的共享。
信息共享会减少物料在供应链上流动的时间。首先是企业内部的信息共享, 这只能做到企业内部物流迅速;其次, 就是企业与企业之间的信息共享, 这就提高了信息资源的共享水平, 节约了投资, 增强了对物流园区和物流中心等的支持。
④促进物流资源的整合。
物流公共信息平台能够促进物流信息资源和物流生产资源的整合。物流公共信息平台可以使企业减少在物流信息系统建设方面的投入, 而把更多的财力放在如何更好地利用专业的物流信息平台, 优化业务流程, 加强业务伙伴间协作, 优化供应链, 整合物流资源, 提高企业的竞争能力上来。
3江西省物流公共服务平台的需求分析
目前, 在我国许多省市都在相继着手研究如何构建物流公共服务平台, 但一些城市却将其现有的物流网称之为物流信息平台, 只是提供简单的供求信息发布和查询功能。江西省物流公共服务平台应该在以上信息发布和查询功能的基础之外, 提供专业物流的服务, 例如物流软件的服务功能等等。具体见图1。
物流信息提供和发布平台。这是物流公共服务平台最基本的服务功能, 主要提供物流相关信息的发布和查询, 建立客户快速反应系统, 使物流企业更好地服务于客户。
信息标准化设计与维护。政府在标准化工作中处于主导地位。可以按照信息资源规划的有关理论, 对物流信息资源进行规划, 也可借鉴EDI的有关准则, 设计物流信息的数据标准和准则。
物流相关软件平台设计。这部分是江西省物流公共服务平台不同于其他物流公共平台的关键。因而是设计的重点。具体包括:采购管理系统, 仓储管理系统, 运输管理系统, 配送管理系统, GPS车辆定位与调度, 教育培训系列软件等。
4物流相关软件平台设计
4.1 采购管理系统
采购管理系统的特点有:向供应商传递采购订单;追踪订单状态;向供应商询盘;向供应商下订单;电子支付;电子数据交换。这样可以立刻知道延期交货项目, 缩短了订单周期的时间, 减少误差, 较快得到供应商的订单通知, 而且可在一个订单中满足多个客户对不同产品的需求。
采购管理的活动包括计划、采购、储存以及供料等。采购的流程具体见图2。
4.2 仓储管理系统
仓储管理系统应是一套适用于第三方物流企业、制造企业、商业企业等多种行业应用的仓储管理软件。它应具有以下功能:
①权限管理。
实现对访问权限的控制, 功能包括:用户管理、角色管理、功能管理、模块管理。
②基础管理。
实现对公共基础数据的管理, 功能包括:组织管理、货品管理、单位管理、单位换算管理、仓库管理、储位管理。
③入库管理。
实现入库流程的管理, 功能包括:入库单管理、入库审核管理、上架管理、储位分配、上架验证等。
④出库管理。
实现出库流程的管理, 功能包括:出库单管理, 出库审核管理、拣货管理、拣货验证等。
⑤库内管理。
实现对盘点、转储等库内作业的管理, 功能包括:转储管理、转储审核、盘点计划管理、盘点差异报告、库存预警等。
⑥单据管理。
实现单据的查询、打印功能, 包括入库单管理、出库单管理、转储单管理、盘点单管理等。
⑦策略管理。
对各种出入库策略进行管理, 功能包括各种策略的增删改操作。
⑧统计报表。
实现各种统计报表, 功能包括:各种库存统计报表、入库报表、出库报表等。
⑨计费管理。
实现费用结算管理功能, 功能包括:应收/应付管理、凭证管理 (收/付款管理) 、打印发票、对账单、财务核销。可设定多种计费方式单价 (如按RT、CBM、使用面积、托盘等等) 和计费周期, 自动产生应收应付账单, 分类收入查询等。
4.3 运输管理系统
江西省的物流运输主要是靠公路运输, 所以平台的设计以公路运输为主。公路运输管理系统从客户服务中心接单开始, 然后录入运输单并确认;调度部门针对已确认的运输单进行调度派车、打印派车单;接着, 司机上门装货, 并确认装车、签订运输合同、打印装车单;确认在途后, 系统进行车辆跟踪, 随时向客户提供车辆的运行情况;运输完成后, 进行回单确认, 司机到财务结算运费;同时财务向客户收取运费。
运输管理系统的主要功能:
①运输单录入。
客户服务部门根据客户运输需求, 输入运输单信息, 包括:发货人、收货人、线路、货物细节、承运要求等, 并进行确认。
②制定运输计划。
运输调度部门针对已确认的运输单, 进行调度派车并打印派车单, 司机据此上门装货。
③确认装车。
根据实际装车情况, 对装车进行确认, 同时录入运输合同信息和预付款项, 然后确认在途。
④在途跟踪。
对在途车辆进行动态跟踪, 可以实时知道车辆和货物所处的位置和关态, 并及时将信息反馈给客户, 以提高客户的满意度。
⑤运输保险。
对于需要保险的运输业务, 录入相关的保险信息, 包括:货物价值、保险单号、保险费等。
⑥回单确认。
用于回单签收的管理, 记录货物送达收货人时的有关情况, 包括实收数量, 有无货损、货差情况以及货损原因、扣款, 签收人等信息。
⑦财务结算。
对应收/应付管理、凭证管理 (收/付款管理、打印发票、对账单、财务核销, 并提供各种财务分析报表。
⑧查询统计。
可以对物流公司的发货量、收入、利润、货损、应收款等以任意条件进行自动统计查询, 企业通过统计表进行分析, 可以了解公司的经营情况, 服务质量等, 从而对有关的业务进行判断、决策。主要统计表包括发运汇总表, 订单统计表、运输计划统计表、装车统计、车辆跟踪统计、货损统计、利润分析表、应收款统计。
⑨基本资料管理。
主要包括:汽车型号、费用项目、车辆基本资料、司机档案、证件收交登记、车辆履历表。
⑩其他功能说明。
对车辆承包、退包, 车辆维修, 提供GPS接口。
4.4 配送管理系统
物流配送系统设计应针对现代企业物流, 融合现代多种先进信息技术, 包括网络技术、电子商务、计算机通信技术、数据库技术、现代物流技术、管理信息系统 (MIS) 、地理信息系统 (GIS) 等等, 系统以软件工程和项目管理的方法构建系统。
配送管理系统业务流程如图3所示, 配送管理系统主要功能模块包括:权限管理, 客户管理, 运力管理, 配送业务, 统计分析等。
4.5 GPS车辆定位与调度
①系统原理
在软件平台的车辆监控与调度系统中, 采用卫星全球定位系统 (GPS) 来对车辆进行定位跟踪和监控。在被监控的车辆上装上自动车辆定位设备 (AVL) , AVL设备接受GPS卫星信号, 并根据GPS的定位原理完成对车辆的自动定位;AVL上的通信单元完成调度信息的接受和车辆状态信息的发送;同时AVL设备与车辆的各种设备互联, 对车辆进行营运和安防监控。定位跟踪信息和通讯信息通过GSM/GPRS公网的短消息信道和数据信道传输, 在调度中心的监视终端采用地理信息系统 (GIS) 技术把监控目标显示在可视化的电子地图上。根据监视终端的显示信息, 调度中心操作人员就可以安排调度工作;Call Center的接线员答复客户的咨询。
②主要功能 (如图4所示) :
该系统可以实现车辆定位, 车辆状态监控 (温度、湿度、图片等) , 车辆调度 (双向通讯) , 车辆越界报警, 车辆超速报警, 车辆安全防范 (紧急报警) , 车辆到达/离开指定地点自动报告等功能。
4.6 教育培训系列软件
随着物流业的迅猛发展, 对物流人才的需求极为迫切, 各大、中专院校及各技能培训中心陆续开设了物流专业。物流业不仅需要培养高级物流管理人才, 更需要培养大量物流执行型与操作型人才, 但是物流人才培养机构往往缺乏实用性强的物流教育培训软件。因而在江西省物流公共平台的设计中应该具备能够提供各类教育培训软件的功能。
5小结
现代物流已成为跨部门、跨行业、跨地域的以现代科技管理和信息技术为支撑的综合性物流服务。在现代物流中, 信息已成为提高营运效率、降低成本、增进客户服务质量的核心因素。在信息平台上, 信息流的处理和利用水平决定整个物流过程的运作水平。信息平台的建设, 一方面是发展现代物流的核心和关键, 另一方面, 通过建设信息平台又极大地推动着现代物流向前发展。因此, 建设物流公共信息平台, 不仅对完善现代物流功能具有重要的现实意义, 对发展跨行业、跨区域、跨国度的现代物流具有深远的历史意义, 对江西经济的发展有着重要的意义。
摘要：建设物流公共服务平台已成为我国物流业发展的一个趋势, 以物流信息平台为基础带动物流业的快速发展, 把分散的物流企业和资源加以整合、改造和提升, 增强服务功能, 以形成具有国际竞争力的物流企业和企业群体。当前一些地区和城市已经建立了物流公共服务平台, 但都还只是提供一般的信息, 对提供高级应用的物流公共服务平台却很少。文中主要根据江西省的实际物流情况分析江西省物流公共服务平台的建设, 具体包括建设意义、需求分析以及系统设计研究等。
关键词：物流,信息平台,平台建设,需求分析
参考文献
[1]董千里, 袁毅.区域信息平台的功能与构建研究[J].交通运输系统工程与信息, 2002.
[2]刘兴景, 戴禾, 杨东援.物流共用信息平台系统分析[J].交通与计算机, 2001.
[3]李玉民, 刘珊中, 李旭宏.区域物流信息平台框架分析[J].河南科技人学学报 (自然科学版) , 2004.
[4]周恒, 乖晓亮.区域物流信息系统和平台及关键技术分析[J].交通标准化, 2003.
[5]刘文茹, 赵启兰, 王耀球.论区域性物流中心的建设[J].物流技术, 2001, (6) :25-27
目前，最活跃的领域是网络终端创新和网络基础设施创新，也就是所谓的大数据产业链的前台和后台。从人们所熟知的台式机、笔记本到智能手机和平板电脑，再到即将问世的网络电视、网络相机、网络眼镜，还有研讨中的网络灯泡，自行汽车和各种各样匪夷所思的网络终端和传感系统，将物质世界和人类社会越来越全面、越来越深入地转化进数据世界的工作正在顺利迅速地进行。
从人们所熟悉的传统云计算和数据中心到今天的公有云、私有云、开放云、封闭云，再到层出不穷的集硬件、软件、数据存储和分析工具于一身的基础设施，大数据的后台正在从软件级服务（SaaS），平台级服务（PaaS）走向基础设施级服务（IaaS）。
在这两条路上，好像看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
真正的决战还是在大数据的中台，也就是网络平台方面，这方面的大创新才是大数据时代真正到来的引爆点（TippingPomt）、无论前台如何丰富多彩，无论后台如何强壮有力，毕竟还需要有一个体系、一个架构、一个服务把人与人、物与物、人与物之间产生的数据按自然逻辑和社会逻辑联系起来，对接上去，集成到一起，才能够释放潜在的经济和社会价值。这种联系，对接和集成的方式用户越喜欢、成本越低、效率越高、数据越多，这个平台的价值就越大，在大数据生态圈里的地位就越高。
就目前产业发展的状况和大数据时代的内在需要看，未来三五年内会在网络平台层面上有机会产生创新性突破的不外乎以下三大方向：
个人数据集成。这是Web2.0革命的自然深化和扩展，终极目的是创造真正的“数据人”，也就是以个人为中心，将其在互联网上的言行举止和世上一切有关此人的所产生的数据汇集起来精准描述，在保护隐私的前提下进行智能化和个性化的服务匹配。在这方面，Facebook和苹果的基础最好，走得最远。“我的数据”（MyData）、“自我量化”（0uantifiedSelf）、“纳米定位”（Nanotargeting）等一系列新概念正在业内出现，一批围绕个人完整动态数据获取的服务和机制正在尝试之中。
公共服务数据集成。过去远远落后于时代发展的网络公共数据服务近年来异军突起，从零散，滞后、粗略和被动的状态开始迅速走向集成、动态、精细和主动的新阶段。以DATA，GOV为代表的政府数据服务网站在立法、预算、舆论监督和民众督促等力量的推动下，正在成为大数据时代一股崭新而强大的力量，扩展和充实着互联网服务的空间和深度。一个国家，一个社会乃至一个城市的发展水平和竞争实力将和自身的公共服务数据集成和服务的水平紧密相连。公共服务数据集成水平的高低很快将成为“软实力”的主要标志之一。
物质生产数据集成。物质产品的设计和制造一直远离互联网，而现在正以极高的速度和极大的力量与网络业相融合。以“3D打印”为代表的第三次工业革命极大地提高了人们对网络世界和数据世界的想象力，极大地拓展了网络业的产业边界。过去，网络业只能进行完全数据化的产品和服务，或者通过网络平台帮助物质化的产品和服务进行推广销售。而新兴的网络化和数据化物质产品生产模式显示由数据到实物的转化过程开始进入低成本、大规模、打破时空界限和个性化的全新历史阶段。这将重新定义众多产品制造业的产业链和商业模式，使物质产品的设计，制造和流通过程所需的数据集成成为产业上游。
这三个方向正好是一个由个人、社会和物质世界三维所组成的空间，这个空间在大数据时代有机地融合起来，为产业发展和社会进步创造机会。在这个空间中任何一维或三维上的任意一点的显著进步都将是大数据服务产业的福音。这不是空想的神话，而是看得见的未来。
【大数据分析平台需求】推荐阅读：
大数据平台建设方案11-15
新能源大数据创新平台10-22
数据库需求分析和设计06-05
农业大数据分析09-17
大数据分析报表12-10
p2p平台数据分析11-25
政府大数据分析系统07-26
商品大数据分析系统09-20
交通拥堵大数据分析09-22
大数据行业分析报告10-10
