▎本文摘自《云栖战略参考》，这本刊物由阿里云与钛媒体联合策划。目的是为了把各个行业先行者的技术探索、业务实践呈现出来，与思考同样问题的“数字先行者”共同探讨、碰撞，希望这些内容能让你有所启发。
重庆水务集团的智慧建设，解决了三个难题：数据采集、算法应用和数据文化的建立。
重庆，是著名的山地城市。这里山高路陡，各种复杂的空间错位感交织出充满魔幻现实主义的迷宫。这座依山而建的城市，也因此拥有全国最纷繁复杂的城市供排水体系和管网通道。
不仅如此，重庆还是著名的“火炉”城市，每年夏季的高温对这座城市的供水安全保障体系形成了巨大考验。重庆大部分地区在今年就持续出现晴热高温天气，供水量再攀新高，7月以来其日供水量更是超过400万立方米，比去年同期增长约20%。
虽然供水需求连创新高，但重庆水务集团（下称：重庆水务）通过提前研判和准备工作，井然有序地保障和满足了今年的高峰供水安全，并且还有充足的供能储备可以释放。
这种“应战自如”的背后，是重庆智慧水务精细化管理发挥了重要作用。
历经多年的业务实践，重庆水务在业内率先布局数字化，于2020年正式与阿里云共同建设国内首个多场景应用、全数据支撑的水务大数据平台，将“智慧水务”融入“智慧城市”的基础设施建设，让水务数据形成核心资产，真正驱动业务价值。
这对于重庆水务而言是一次最具标志性的数字化探索，也为全国水务数字化发展带来了超越同行的转型经验。
山城“治水”难
近年来，重庆城市供水系统不断延伸，整个庞大的供排水体系十分复杂。山城特征更是导致地下纵横的管网之间存在极大落差，全靠水泵给予管道施压，通过压力差来实现供水，其建设难度全国首屈一指。
如果要保障供水，就需要尽量多开放水泵施压，但地下管道是一个封闭的系统，水泵开得越多，内部压力就越大，管道爆管风险也会急剧增加；盘根错节的管道布局，对整个供水的加压体系也提出了极高挑战。与此同时，供水生产体系中水泵用能也带来了成本问题。由于政府对用水价格统一管理，假设水务公司为了保证供水量多开水泵，则会导致用能成本过高。
那么，想要提升供水效率，将节能降耗效果做到更好，同时保障供水系统的安全体系不被突破，就需要设置精准、科学的供水调度预测。
这个难题留给了重庆水务。据悉，重庆水务服务着重庆市区86%的自来水市场，其下辖自来水厂数十座，日供水能力已超过400万立方米，服务人口达到960余万人，下辖的污水处理厂有上百座，日处理能力达到400多万立方米，服务人口超过1000万人。
此前，水务公司建设了大量的信息化应用系统，包括面向客户、生产以及企业内部管理系统，以维持日常的运转需求。过去20多年，重庆水务已经开发了100多套系统，将大量的业务流程从线下搬到线上。
但问题是，各个系统之间存在着大量信息孤岛，想要实现多业务系统的数据联动，解决跨业务、跨单位、跨领域的数据共享、融合分析等需求，就必须实现数据的集成和标准统一，这是看似最直接但却最难的一步。
首先，大量的数据分散在各个业务系统、渠道多元，包括各公司、水厂、管网地理位置决定在线数据、遥测数据、非集团统建系统和线下数据，数据收集、加工过程漫长。
其次，这些业务系统专业性强，数据难以理解且不公开，数据库及数据接口存在差异。
其三，从数据管控的角度看，同样的业务数据在不同单位编号、含义不—致，数据难以共享，企业内部各级信息不对称；传统分业务分部门进行管理分析的模式导致数据共享力度较差，集团层面也难以拥有全视角数据。
此外，更关键的是，工艺、设备设施类型、规模及环境的不同，同样的业务管理缺少统一评价评估标准，企业缺乏对系统潜在统计规律的分析，难以驱动业务的发展。
这也使得过去大量的数据应用仅体现在信息化流程报表上，尚未实现数据价值的变现。
事实上，新的业务系统仍在持续增加，伴随系统之间信息交互和实现接口统一的需求日益凸显，重庆水务亟需构建集团层面的大数据平台，以支撑不断新增的业务系统，同时将积累多年的繁杂数据进行精细化运营，实现数据资产的价值。“掌握数据，掌握主动权”，这个想法在重庆水务集团高层酝酿已久。
攻坚数据“两大难题”
2020年，经过半年多的方案讨论，重庆水务与阿里云达成搭建水务大数据平台项目的合作意向。
阿里云业务架构师戴昶表示：“基于阿里云自身数据治理能力，平台基础本身的建设是整个项目相对容易实现的部分，关键难题是在数据采集和算法应用两个方面。”
数据采集是“体力难题”，难在有大量历史遗留问题要解决，如现有设备不支持集成、业务环节信息化匹配度低、业务数据需进行甄别等等。虽然路径和办法很明确，但无疑需要耗费一定的精力进行数据准备。
项目初始，阿里云发现每个水厂的设备型号、设备状态都不一样，很多水厂设备比较老旧，没有数据接口，或者硬件厂商不开放，数据接口格式加密。即便获得了数据接口，数据质量也比较差。重庆水务实际上更迫切需要搭建的是一套集团级的大数据标准规则和规范。
据阿里云水务与环境行业总监周朔回忆：“重庆水务已经制订了一套数据规范框架，但标准主要面向业务，颗粒度较高，距离落地实施尚有较大差距。”
为此，团队花了大量时间协助重庆水务从源头去定义所有的数据格式、数据名称，目的就是为了让整个大数据平台能够长远地实现平稳、健康常态化运营。例如，结合业务诉求，对于一定要采集的A类数据，硬件不行就直接改硬件，无法采集到的B类数据，则安排人工填写；制定“一厂一册”规范，即在全集团的标准范围下，根据每个水厂的实际情况制定专门的数据采集清单，以适配每个水厂的具体需求。
由于重庆水务业务系统多且繁杂，耗费近一年时间制定编码标准和数据指标，最终形成了一套500多页的标准。
有了这套数据规范标准，水务数据开始逐渐形成一套有价值的数据资产，供业务应用创新。
随着“体力难题”的解决，接下来遇到了真正的“脑力难题”——数据算法应用。
数据实现应用价值的方式有两种：一种是BI（商业智能），一种是AI（人工智能深度学习）。有数据就能实现BI，但想要实现AI，数据质量就必须高。
这个过程需要借助合适的AI算法进行分析模型的训练，数据质量越高，模型训练出来越精准，也就越能匹配实际的业务分析需求。
以污水厂智能曝气应用为例。传统的曝气策略是用鼓风机将空气中的氧强制向水中转移，由此获得足够的溶解氧。同时，曝气还能加强池内有机物与微生物及溶解氧接触。也就是说，污水系统需要在保证池内微生物有充足溶解氧的条件下，对污水中有机物的氧化分解作用，才能达到污水处理的效果。
过去，微生物溶解的生化反应有其滞后性，近年来尝试用机理模型进行辅助决策，在成本和可靠性上挑战很大，鼓风机的工艺参数主要还是结合人为经验进行调整。如果能通过AI生成最优的曝气控制策略，将极大地减少人为经验带来的偏差。
阿里云团队最初参考国外文献给出的深度学习模型经验，在实际验证中发现较多不同，例如，其非常重视氧化还原电位指标，而实际验证中发现溶解氧指标更加重要，在模型训练方面，“我们尝试了大概13种才有了当前合适的模型。”戴昶回忆道。
目前在实际污水试点环境中，阿里云通过收集污水厂历史进出水水质、生物池溶解氧、生物池出口硝态氮、风机导叶开度、风机组合、曝气风量等数据，利用LSTM（长短期记忆人工神经网络）找出了各个指标在时间序列上的规律，最终实现了鼓风机导叶开度的智能调节。
比技术更大的挑战是文化
不管是为客户搭建大数据平台，还是协助企业实现数字化，要革新的根本问题还是“人”。
因为尽管需要有“一把手”的高瞻远瞩和行政指令强推，但传统企业推行数字化业务受阻，往往在于企业自身的各个组织和部门尚未形成一种数字文化的共识，对数字化能够创造价值的概念仍然缺乏理解，一线员工也缺少动力利用数字化改变现有的业务模式。
这是重庆水务数字化改造中纾解的第三个难题，即“文化难题”。
其策略是，先做试点，然后推动核心员工用实践论证这些数字化应用，并且愿意投身其中。
阿里云项目管理专家向波指出：“我们先协助集团科技创新部（数字信息部）将北碚水厂和两个典型部门（财务和人力）作为试点，把单点做透，让大家能够看到实际的业务价值后，再以点带面，逐渐向全集团铺开。基于Quick BI构建的智能报表，在向业务人员提供决策依据的同时，还可以通过模板将业务经验沉淀为知识，可以一键分享给其他同事，从而形成整体的数字化共识。”
在几个试点上线后，集团科技创新部（数字信息部）开始面向全集团进行规模性推广，通过一个个典型的案例去影响整个集团的数字化认知，解决“文化难题”。
这也是阿里云过去在深圳水务、上海城投水务、青岛水务等智慧水务项目中积累的经验。绝大部分水务公司在构建大数据平台后，对数据治理是基本满意的，因为数据质量在不断提高。但随之而来的问题是，数据应用的丰富度不够。为此，集团科技创新部（数字信息部）特意派遣业务专家进入项目组，阿里云帮助该员工学会使用各类大数据应用工具，然后通过持续使用，挖掘更多应用场景。“我们的核心逻辑就是围绕人做事情。”戴昶补充。
而在周朔看来，数据应用是从业务场景当中产生的需求。这意味着，必须要有业务人员充分参与到数字化项目当中，而不是IT部门和业务部门互相割裂。当一个业务人员既懂业务又懂部分技术，就可以催化出更多新的场景。
事实上，智能停水、管网知识图谱、管网数字孪生等场景应用已经在全国其他城市水务场景中搭建起来。
示范样板的打造
到2022年，重庆水务大数据平台一期项目已基本交付。整个大数据平台已接入了120余个供排水厂、40余类业务系统、近1000套二供设施、近2万公里供排水管网和400万以上用户的数据，而在该大数据平台之上又搭建起了多个智能化应用。
例如，在供水侧建设供水管网智能调度系统，在保证供水压力、水龄合规前提下，以AI算法制定科学合理的水泵运行策略，实现供水体系的“以销定供”模式。目前，需水量预测可达95%的准确度，调节池液位预测准确性可达95%以上。
在今年夏季的供水保障“战役”中，重庆水务根据各区域供水特征、历年高温期供用水量大数据、市民用户需求趋势和水文气象预测信息开展分析研究，科学制定了高峰供水方案，并提前完成各自来水厂工艺设施设备和管网预防性检修、测试；同时，还打通了多个给水管道项目，增强了各水厂间互连互通能力，以及紧急情况下的跨区域应急调水能力。
接下来，重庆水务项目二期的建设重点是搭建一套数据资产运营平台，形成数据的普惠化。据戴昶介绍，首先是构建一个数据门户，把数据翻译成业务语言，让业务部门所熟知；其次，让业务人员能够通过数据权限申请，实现数据的随取随用；第三，是进行数据价值的评估，定义价值分析模型，勾勒出数据资产；最后还要提供数据运营报告，持续追踪数据在不同业务部门的使用情况和动态，将数据资产盘活。
作为全国地方水务第一个端到端全价值链数据融合的大数据项目，重庆水务与阿里云共同探索出了一次具有标志意义的“智慧水务”最佳实践，其建设范围之广、数字化技术应用之深、数字化转型之彻底，均处于行业领先位置。
重庆水务，在很大程度上也为全国其他城市的智慧水务实践提供了具有重大意义的数字化样板，引领全国水务行业实现数字化。
