探究多元化业务建模框架设计中交互式学习技术的应用
来源:用户上传
作者:
[摘 要]本文基于交互式学习技术的多元化业务建模框架设计经验，以多元化业务建模框架建设技术为视角，就交互式学习技术及其在多元化业务建模框架设计中的应用进行了简要分析。明确机器学习技术、人工智能算法、数据治理技术等应用目的与价值，从而为基于交互式学习技术的多元化业务建模框架构建实践提供有益指导，更好地助力电网企业信息化建设，推动电网企业可持续竞争发展。
[关键词]多元化业务;交互式学习技术;建模架构
doi：10.3969/j.issn.1673 - 0194.2020.02.037
[中图分类号]TP311.1 [文献标识码]A [文章编号]1673-0194（2020）02-00-02
0 引 言
以数字化建设为手段，提升企业信息共享能力，推进企业现代化进程，已经成为电网企业转型升级的必然趋势。在新时期新形势发展要求下，如何利用先进科学技术构建多元化业务建模框架，提升业务数据共享水平，成为学术界与实务界关注的重点问题。以下是笔者就交互式学习技术及其在多元化业务建模框架设计中应用的几点认知。
1 多元化业务建模框架设计目的与需求
电网企业面对新时代的新任务、新要求、新形势，“数字化转型”成为行业转型升级的重要目标与关键手段。在此背景下，提升电网公司数据资产业务集约化管控水平，实现各业务系统数据的有效共享与融合，成为业务改革与创新发展的客观需求。加之，就当前电网公司业务数据管理现状来看，普遍存在各业务系统应用独立、业务数据共享程度不高、信息孤岛问题显著、数据模拟训练环境计算能力低下、数据资源利用率不高等问题。因此，需要加强多元化业务建模框架研究，通过交互式多元化业务建模框架的科学设计与开发，为电网公司电能质量监测、电能量数据、配网设备数据分析等业务组织开展提供全链路数据管理及智能电网数据分析模型训练技术支撑，实现电网多元化业务数据深度融合和有效共享。对此，基于先进科学技术应用下的多元化业务建模框架，需具备如下基本功能：①为电网公司各业务部门提供多元化业务模型训练技术支撑，消除跨业务域、跨系统间的业务建模壁垒，改善信息孤岛问题，促进各业务系统数据的融合与共享;②具备数据去重，可视化数据清洗整合、血缘分析等数据治理能力，实现数据仓库标准化建设;③电网公司各业务信息进行数据化处理，实现业务数据全过程标准化、自动化管控;④具备价值数据挖掘能力，可为业务管理提供决策依据等。
2 多元化业务建模框架设计中交互式学习技术的应用实践
基于多元化业务建模框架设计需求，结合相关研究经验，可知机器学习技术、数据治理技术是多元化业务建模框架设计所应用到核心技术。
2.1 交互式学习技术应用之“机器学习技术”
机器学习技术是人工智能研究领域广泛应用的技术，是基于计算机技术、信息技术、应用数学等结合应用下形成用以研究“利用计算机从大数据中分析学习规律，并利用学习规律进行未知数据预测”的技术。由此可见，机器学习技术具有较强的数据计算、分析、处理、挖掘能力，在大数据时代背景下，提升企业机械学习能力，有利于提升企业数据资产利用率，掌握信息化建设与发展的主动权。目前，在机器学习技术应用中，监督学习（分类预测、回归分析等）、无监督学习（聚类分析、关联规则分析等）和强化学习（支持向量机的误差分析等）是较为常用的机械学习算法，将其科学引入业务系统，可有效提升系统数据分析与处理能力，满足海量数据环境下有价值数据挖掘需求，提升数据资源利用率、有效性。在本次研究的多元化业务建模框架中，根据业务数据用户实际需求，进行专业机械学习算法平台开发，实现内置分析算法、回归算法、深度学习、聚类分析算法、关联规则算法等在机械学习框架中的集成应用，并为电网公司业务数据应用用户提供基于交互式学习的建模框架，从而弥补传统机器学习技术应用入门门槛高、集成管理缺乏、技术应用受限、开源软件优化困难等不足，实现模型训练的自动化、智能化发展。与此同时，让机械学习算法应用更具简便性、轻松性，促进机器学习技术在电网企业中的推广与应用，提升电网企业多元化业务建模框架机器学习能力。
2.2 交互式学习技术应用之“数据治理技术”
数据治理技术是对数据采集、数据存储、数据管理、数据处理、数据质量提升和数据利用等技术的总称。应用目的在于提升数据质量、数据利用价值、数据配置科学水平、数据管理能力，是电网公司业务发展过程中，进行数据资产管理质量与效率提升的技术保障。通常情况下，数据治理技术应用流程如下：一是利用数据采集工具，有效采集各类型元数据，为后续数据处理与利用提供充足数据资源;二是将所采集到的数据依据一定规则与要求，存储到数据存储器或数据存储系统中。基于电网公司业务数据的大规模、大数量、多类型发展，需在不改变数据存储架构的基础上，实现数据存储能力强化，进行数据存储空间有效拓展;三是对已存储数据进行针对性管理与利用，满足用户对业务数据使用需求。无论是数据采集环节、数据存储环节，还是数据管理与利用环节，皆离不开数据工具的支撑。对此，要想提升数据治理技术应用有效性，须对大数据治理工具具有一定了解。目前，较为常见的大数据治理工具主要有两种，一种是如元数据、主数据的单独工具;另一种是如数据资产管理系统、数据治理系统、数据自助服务平台的集成工具，以满足不同数据治理阶段、数据治理场景下的数据治理用户需求。
由于传统的数据资产管理所应用的规范主要是“CWM（Clockwork Mod Recovery）标准”，虽然为元数据管理提供了相对稳定、规范、標准的存储环境，实现元数据之间的互联互通，但在大数据时代背景下，基于元数据数量与类型的不断增多以及管理范围的日渐扩大，“CWM标准”已经无法满足电网公司数据资产管理需求，因此，基于电网公司业务的创新发展，结合电网公司业务数据变化情况，须进行业务数据资产管理标准体系构建。通过统一标准与规范，促进数据资产管理规范化、系统化发展，有效解决业务系统数据管理通用性、扩展性问题。在本次研究的多元化业务建模框架中，根据数据治理需求，利用数据治理技术进行多元化业务建模框架的数据元信息管理功能设计与研发，提升电网企业数据资产管理质量与效率，数据治理技术具体应用如下。①可视化数据字典技术。即通过利用可视化Web式元信息管理工具，实现数据元信息检索、通信的标准化、规范化发展，提高数据元信息管理质量与效率，满足大数据环境下元信息检索、挖掘需求。②自助提数技术。即从数据权限管理创新入手，使数据资产管理平台具备自助提数功能，一方面，减少提数沟通环节，提升提数高效性，为电网公司业务决策提供信息依据;另一方面，提高数据资产管理自动化水平，使数据资产管理在没有SQL基础的业务专家情况下，也能够进行自助提数，在保证工作质量与效率的同时，节约人力成本。③血缘分析、直系分析以及重要性分析技术。即在数据分析工具、大数据挖掘技术、历史数据追溯技术等科学运用下，对数据来源、数据与数据之间存在的关系、数据与任务之前存在的关系、数据走向、数据流向、数据被利用情况等具有全面、清晰了解，从而实现有价值数据挖掘，让数学利用更具科学性、实用性、准确性。就数据血缘分析技术应用而言，能够通过系统操作，准确找到某表所依赖的表，挖掘表生成路径;找到依赖于某表的所有表，并进行生产路径的有效探寻。为保证血缘分析、直系分析以及重要性分析技术应用功能有效实现，应加大数据字段、程序、数据库、公共构件等软件实体的数据字段计算、传递关系的研究力度，实现数据字段级别数据血缘分析工具的科学研发与利用。
3 多元化业务建模框架设计中交互式学习技术的应用效益
通过效益分析可知，基于交互式学习技术的多元化业务建模框架，能够实现智能电网各类数据的融合和共享，进行多业务系统集成化管控;大幅度提升数据模型训练能力，数据模型训练响应时间达到500 ms以内，模型训练并发任务数达到30个以上;海量数据清洗、转换以及标准化处理能力提高，为大数据技术应用推广奠定良好基础，基于大数据技术应用，节约了30%以上的人力成本。
4 结 语
本文就电网企业多元化业务建模框架设计中交互式学习技术及其应用进行了简要分析。分析表明：①交互式学习技术的有效应用，有利于多业务系统功能完善，实现电网企业数据模型训练能力提升;②机器学习技术能够推进数仓标准化建设进程，进行数据去重操作，让数据更具应用价值;③数据治理技术应用进一步增强平台数据治理能力，提升数据利用有效性、时效性;④基于交互式学习技术的多元化业务建模框架设计与实现，推进电网企业信息化建设进程，为企业数据资产相关业务工作顺利开展提供帮助，带动电网其他业务创新发展。总而言之，将交互式学习技术应用于多元化业务建模框架设计，现实意义显著，且需要在持续研究中，不断改进与完善。
主要参考文献
[1]唐翠兰，刘素娟，范福兰.基于智能终端的交互式学习设计对深度学习的影响研究[J].教育探索，2019（4）.
[2]冉冉，乔林，徐立波，等.基于全业务数据中心延伸源端数据治理研究[J].信息与电脑：理论版，2019（16）.
[3]张豹，陈渊.大数据环境下数据治理框架的特点及应用[J].电子技术与软件工程，2019（16）.
转载注明来源:https://www.xzbu.com/3/view-15116446.htm
