大數據技術在能源互聯網企業數據管理中的應用

羅慶璇

（國網寧夏電力公司寧東供電公司，寧夏銀川 750001）

0 引言

大數據技術是在科技不斷進步與發展中，提出的一種用于對數據進行實時分析、對數據進行價值挖掘的綜合技術。隨著大數據技術在市場內的推進，傳統的數據處理手段、數據運維方式、數據管理工具便逐漸被淘汰。而產生此種現象的原因主要是傳統的數據處理技術在實際應用中，極易出現運維死角、大批量數據處理卡頓等問題，無法在根本層面對數據信息的安全性、結構穩定性給予保障[1]。而新技術的引進，解決了傳統技術存在的不足與漏洞，改變了原有落后的數據處理技術，實現基于智能化層面達到對信息的高效率處理需求。盡管這項技術的引進基于某種層面為社會企業的建設與發展帶來了新的指導方向，但與此同時企業在經濟市場內的競爭趨勢也越發顯著。為了確保大數據技術的應用可在真正意義上做到對企業發展的推動，文章以能源互聯網企業為例，對其在市場內運營所產生的數據進行獲取[2]。并結合大數據技術在此過程中的應用，設計一種可真正應用于企業的數據管理方法，避免企業運營中過多的冗余數據對其造成影響，降低企業人工管理大批量數據所需要投入的資金，全面落實對企業數據管理結構的優化，有效提升企業數據管理效率。

1 基于大數據技術的能源互聯網企業數據管理方法

1.1 基于大數據技術的企業價值數據挖掘

以能源互聯網企業為例，引進大數據技術對企業內部價值數據與信息進行挖掘定位。在此過程中，應先明確能源互聯網企業內部數據信息的構成，采用建立企業內部多個工作部門之間聯系的方式，對企業數據進行概述（圖1）[3]。

圖1 能源互聯網企業數據構成

按照圖1 所示的企業數據構成，結合大數據在此過程中可支撐的分布式結構，將數據N 與信息M 按照HDFS 的方式，存儲在企業內部計算機指定空間內。在這一過程中采用Python 編程語言構建系統數據存儲模塊。

在此基礎上，需要識別高風險數據在Python 編程過程中的編碼隊列特征，使用大數據技術定位并掌握不同類型數據集合潛在的某種規律性[4]。結合約減算法實現對大批量數據呈現的特征進行有效識別。并使用計算機在此過程中作為終端設備，建立面向能源互聯網企業的文本資源庫。將存在某種特征的企業數據進行深度處理，處理過程可參照深度學習理論執行。對企業數據的深度處理過程可用式（1）表示。

式中，si表示為企業價值數據潛在規律；d 表示為對企業數據的深度處理行為；i 表示為大批量數據集合在編碼過程中的排列規則；s 表示為數據在Python 編碼器中的字符長度；T 表示為對數據的一個處理周期；t 表示為數據單次執行過程。

在完成對能源互聯網企業的初步計算與處理后，輸出s 數據集合，并將s 集合數據進行疊加處理，刪除數據組中的冗余數據內容，將剩余數據按照規模導出，以此作為企業的價值數據。

1.2 基于層次結構劃分企業市場運營管理項目

在完成對企業價值數據的挖掘基礎上，以能源互聯網企業為例，基于層次結構的指示下，對能源互聯網企業在市場中的運營與組織項目進行劃分[5]。在此過程中，可參照柯克帕特里克層次評估模型結構，將能源互聯網企業內部運營與組織管理項目按照實際內容劃分為4 個部分（表1）。

如表1 所示，通過多渠道與多手段，對能源互聯網企業的管理項目層次結構進行劃分，以實現對企業數據中心管理項目的高效率輸出。

表1 基于層次結構劃分人力資源管理項目

1.3 高效率企業數據集成管理

在對能源互聯網企業數據信息集成管理的過程中，考慮到很多管理數據在類型以及格式方面存在不統一的現象，因此，基于大數據的集成功能，將高績效人力資源信息相關管理數據統一集成管理[6]。通過此種方式，保證數據信息之間能夠相互調用，滿足企業對數據提出的綜合管理現實需求。

不僅如此，還能夠基于大數據，在眾多信息中提取數據源信息，將其作為核心數據，以HTTY 的統一格式歸類到能源互聯網企業內部數據庫中。完成上述操作后，相關管理人員便可以直接通過數據庫，對企業數據信息執行相應的添加、修改、刪除等管理行為。

在研究過程中，考慮到計算機數據運行存在的內存問題，對此，采用分布式存儲方式，在保證數據存儲完成性的同時，最大限度地降低其內存[7]。與此同時，在集成管理企業數據的過程中，應為數據信息提供相關的安全保護功能，在數據庫的信息能夠有效避免由于惡意入侵導致信息丟失以及被篡改的問題。以此，完成基于大數據技術的能源互聯網企業數據管理方法的綜合設計。

2 對比實驗

至此，在理論層面上已完成了針對能源互聯網企業的數據管理方法理論設計，為進一步實現以能源互聯網企業為導向的數據綜合管理，將所提設計的數據管理方法與傳統數據管理方法，同時應用于同一能源互聯網企業當中，并在完成對企業內大批量數據的綜合管理后，驗證兩種管理方法的實際應用效果。

實驗中，選擇能源互聯網企業作為對比實驗的實驗條件，分別利用兩種數據管理方法執行對數據的管理，該企業在市場運行中產生的數據量較大，且該單位在經濟市場內的成立時間較長，主要經營業務為：提供各類信息技術開發方案、技術咨詢方案、通信問題解決方案等。針對該企業的實際運行情況，利用HPWS 繪制企業內部運營數據變化趨勢指標圖，并給出相應的待管理數據集合及數據管理要求，以此為后續兩種方法在管理過程中提供執行管理行為的目標條件。能源互聯網企業的運營數據量在同行業當中處于相對領先的地位，也正由于如此，企業才能夠在市場內保持相對穩定的發展。通過訪談、實踐等方式更加深入地了解該企業，并以此為例，深入開展對能源互聯網企業數據管理的研究。為確保對比實驗的公正性，將兩種方法的運行環境均設置成圖2形式。

除圖2 運行條件以外，兩種方法在執行中的硬件環境均設置為550 G 容量硬盤、55 G 內存服務器和4 G 內存客戶端。軟件環境設置為Windows Server 18.6 服務器、瀏覽器客戶端。結合圖1 中的系統運行環境，在確保能源互聯網企業內部數據可有效傳輸的前提下，使用兩種方法進行數據的集成管理，并在其運行過程中由企業內部管理部門人員完成對相關數據信息的記錄。為方便對兩種方法進行對比，將數據信息的管理效率作為評價指標，其計算公式為：完成管理的信息/需要進行管理的信息總量×100%。通過計算得出相應的實驗結果，并將其記錄如表2 所示（本次研究以企業一個工作日為例）。

圖2 企業內部數據運行環境示意

表2 兩種方法實驗結果對比 %

從表2 的實驗結果可以看出，所提方法的管理效率均在95.0%以上，而傳統方法的管理效率最高僅為78.4%，因此所提方法的管理效率明顯高于傳統方法。通過對比實驗進一步證明，針對能源互聯網企業設計的基于大數據技術的數據管理方法，在實際應用中，具有更高的管理效率，能夠有效提高能源互聯網企業內部信息資源的管理效率，促進新能源企業的可持續發展。

3 結論

提出一種基于大數據技術的能源互聯網企業數據管理方法，并在完成方法的理論設計后，采用設計對比實驗的方式，對方法的有效性進行驗證。經檢驗，所提方法在進行企業數據管理中具備更高的執行效率，可滿足企業對于數據管理的綜合需求。