今年5月，发改委发布了《关于加强和完善国家电子政务工程建设管理的意见》，明确指出政府数据中心的建设思路和原则，将建设重点从原有的业务系统转向政务数据资源的统一规划整合及利用，这是相关行业企业发展的有利时机。作为拥有一系列自主知识产权的民族企业同方，积极利用有利环境推出独立于业务和行业的数据资源体系。

同方的数据资源第一是独立于业务的，可以不受机构的束缚，在业务之上构建数据资源体系。第二是独立于行业的，所有行业都适用。李小华介绍说。

大数据是一种智力资源和知识服务能力

到现在为止，大数据定义是相对科学的、更适合信息化和技术发展特征的。简单说大数据是由数量巨大、结构复杂、类型众多的数据构成的数据集合，通过数据整合共享，交叉复用形成的智力资源和知识服务能力。停留在第一层面的大数据强调的是数据多、数据量大。第二个层面就更深一步，强调的是大数据的最终价值在于能够变成一种智力资源和服务能力。

大数据受到越来越多行业、企业的重视，但如果只停留在第一个层面，是没有多大发展的，关键在于怎样通过数据创造价值，这才是长久发展之路。李小华如此说道。

通过各种期刊杂志等方式可以看到，对于大数据来说，通常用4V (容量、类型、速度和价值(volume，variety，velocity，value )) 来描述。前3个V的目的是让它产生高价值，如果对前三个V处理不当，产生不了更高的价值，就会淹没在数据的海洋中寸步难行。目前，市场上能够提出一个架构使它充分应对前三个V 的企业微乎其微，同方作为其中的领军企业，其最终的目标是提升第四个V。

同方李小华表示，同方更为关注大数据的Value，聚焦于如何使大数据产生更大的价值 ，让数据的价值变大。

独立于业务的数据资源体系

同方数据资源体系的主干技术是把机构的核心目标按照树形向下进行逐级分解，把最宏观的目标分解成最微观的程度。把每个人的业务组合在一起，达到这个核心目标。通过把目标逐级分解，把数据摆放从无序到有序，围绕目标能够分别支持管理层、决策层的数据摆放。

左边是一个机构或一个客户，可以理解为是一个应用系统。 围绕这个应用系统会有一些数据的沉淀积累。数据的产生伴随信息系统产生，每运行一天都会有信息的产生，有它的输入和输出。如果原有应用架构不变，但是由于网络技术、信息交换等方式，数据变多了，但这些数据没有很好的融合到业务中去，就处理不了这些数据带来的信息和价值。

数据是反映客观事物状态的，但在同方的大数据中，不仅仅反映客观状态， 还要尽可能多的反映出客观事实和客观事物的相关性，这就是指标体系。围绕指标体系摆放数据，这样即使数据再大、再多都是可以被利用的，形成了在指标体系支撑下的数据资源，从而使得数据成为和人、财、物比肩的战略资源。而这个资源很特别，它必须对应一个体系，才能发挥它的作用。数据资源体系，是大数据时代下最欠缺的应用。

基于核心目标自顶向下逐层分解，数据围绕着核心目标逐级摆放，形成有条理的数据资源，才能应对大数据大容量、高速度、多样化的特性。 在事务状态数据化的基础上，进一步将事务之间的关系数据化，在数据资源化的基础上，进一步将数据资源体系化，产生大价值。

同方的数据资源不依赖业务，致力打造独立于业务、依托于指标体系的数据资源。李小华表示。对于一个机构，在已有业务的基础上应该做什么是经常要面对的问题，在没有标准的情况下，做出的任何评价都是没有意义的，所以要先构建指标体系，通过指标体系构建数据资源，然后将需要的数据逐步组织好。但是数据资源不仅仅要覆盖原有的数据，还要覆盖新的数据，构成整体的数据资源体系。

过去信息系统的格局逻辑是先有业务后有数据资源，而不是有数据资源后去做更多的事。在全国推行信息化时，强调信息系统的建设，但只是名称变成信息交互、信息共享，跨行业应用、跨部门应用，把业务系统的描述加以改变，但是信息系统本质没变，还是在做信息系统。同方要打破这种现状，构建数据资源体系。对此，李小华表示，用独立于业务的数据资源体系提供更多的信息服务，对现有业务做改造是同方数据资源体系独立于行业的最大价值。这个就叫做信息化大数据，能够让我们政府部门的管理工作上一个新台阶。这就是数据资源体系在大数据浪潮中起到的无可替代的作用。

　　独立于行业的数据资源体系

聚焦于某一行业是很多厂商的发展路径，这便于企业围绕行业组织自身的所有资源。同方却打破这一发展模式，致力发展独立于行业的数据资源管理体系。

上面的图层描绘了传统的数据资源体系，上面是决策层，中间是管理层，业务层每一块表示一个行业，有n个行业。每个行业分成三个层级，最下面的部分，比如统计行业和教育行业，两个行业的业务肯定有很大的不同，以此类推，因为他们处理的对象不同，它的业务流程一定不同，业务流程不同就会导致不同行业的数据不一样，这样就产生了很大的麻烦，数据都不一样，就不能说独立于行业建一个数据资源。

　同方数据资源体系的构建不是参照数据值或是数据形态去构建，而是对数据进行规划设计，从数据处理的流程来分析。在这种资源规划设计的基础上，首先要把数据资源采集过来，数据采集后就要有数据资源的管理及数据的整合加工，在加工基础上有数据的综合应用和共享发布以及信息服务和推送。所有行业在业务层面之上的数据层面全是这样的一个过程，这个行业的企业都聚焦于行业的动向和行业与行业之间的不同性、特殊性，所以他们忽略了共性， 这就让同方有机会走在别人的前面，我们构建这样的一个数据资源体系，理论上就能覆盖所有的行业。李小华说到。

以往的数据中心以IT及软件管理作为业务的支持与服务，组织信息系统建设。业务系统中有业务数据，它能够解释业务 ，但是有业务系统还要有领导服务，这是以往数据中心最典型的地位。对比以往，同方的方法是在业务部门的业务数据基础上建立一个独立于业务整体的数据资源体系，而整体的数据资源体系有一个特别重要的特性 ——数据相关性。它不是一个纵向的数据，而是一个纵向加横向的数据，是全局的数据。而业务部门的数据往往都是片面的，但领导需要的数据都是全局的。业务数据推送到数据中心，构成数据资源，进行信息服务，领导将决策信息下达到业务部门。

同方的独立于行业，并不是不去了解行业。举一个隧道的例子，重庆有一个区，有三四个隧道，对于隧道的描述没有地理位置描述、坐标的描述，甚至没有名称描述，那么这些隧道怎么区分，这就是所谓要懂交通行业的知识。在重庆交委项目中，以我们对交通行业的了解，很快就能在交通行业上打败对手，但我们不关注于这个，我们希望进入到数据中心后帮助用户打造业务系统。李小华补充说。

独立于业务和行业的数据资源体系如何落地

李小华用一个实例具体介绍了同方大数据和数据资源是如何应用于实际的。

教育部项目

上图分成三个部分：现有建设模式，中间是规划要实现的部分，第三是同方规划的数据资源。

现有的共享交易平台 ，在平台下面是各个司，信息中心作为信息的桥梁，在研究教育数据的基础上做科学决策。而基于业务的现状，在日常业务基础上，抽样出学前教育，中小学，高等教育数据。

同方的数据资源体系是先建立国民素质的教育指标体系，围绕这个体系把所有数据放在指标数列中形成这个国民素质教育指标体系。李小华最后说道，通过这个体系，可以做好很多事情。用同方的数据资源能做到他们现在想做，但却做不到的事情，能做到比他们现在期望做到的更好的事情。这也就是我们同方大数据市场之路带来的现实意义。