数联网

数联·场景商城。

数联·场景商城。

数联网实例1——政务数联网/数联网

使用场景

政务数据的共享交换是国务院提出来的国家战略。然而在战略提出来之后的这一段时间的实践表明，目前政务数据的共享交换严重缺乏统一的思路和标准，不管是在政策上还是在技术实现上，都存在各自为政的情况。一些地方虽然取得了一定的效果，但也仅仅是让小的数据孤岛变成了大的数据孤岛，小的数据烟囱变成了大的数据烟囱，仍然距离数据的全面共享交换十分遥远。
数联网的概念则从根本上解决了从较底层的乡镇级，县域级，到地市级，再到省级，较后到*数据汇集、联通，以及交换共享的问题。通过一张规范、有序、安全、可靠的政务数联网，可以将全国的政务数据打通，并且可以实现分级、分区域的灵活管控。
另外再根据政务数据的特殊需求，增加相应的辅助组件，则可使整个政务数联网独立有效的运作起来。
再加上数据网的分布式、可拆分、可扩展的特性，各个地区及各级政府部门只需要按照数联网的规范提供政务数据的服务，采用数据服务节点的灵活组网方式，就可以很快在全国范围内形成完善的政务数联网。
政务数联网不但可以实现横向（平级部门之间，地区之间）的数据共享交换，同时也可以实现纵向（上下级部门之间）的数据共享交换。

网络构成

根据政府机构的特点，政务数联网以行政区域为主线将整个网络划分为县域级、地市级、省级、*四个级别。

政务数联网构成
典型用例

1.政务数据梳理和管理
政务数据的梳理在每一个政府部门都是必不可少，只有将自己有什么数据梳理清除，才能更好的进行政务数据的共享。
政府部门将数据梳理出来之后，也需要将数据资源管理起来，对数据的变化、流向进行监控，同时对数据不断地进行优化。
数据服务节点中可选的重要功能包括了数据梳理工具，数据接入工具及数据资源管理工具，这几个工具在政务数联网中恰恰是最重要的组件。可以帮助政务数联网的数据服务提供者尽快摸清家底，清楚自己有什么数据，同时能够方便地把数据汇集起来，并通过专业的工具管理起来；然后再通过数据服务节点将数据共享出去。
2.平级部门之间的数据共享交换
平级部门之间的数据共享有两种方式，一种是通过数据服务节点提供的服务直接获取数据服务，另一种是通过数据服务网关获取数据服务。
3.上下级部门之间的数据共享交换
上下级部门之间的数据共享主要是指上下级行政区域或者垂直部门的上下级机构之间的数据共享。跟平级部门之间的数据共享类似，上下级部门之间的数据共享同样有两种方式。
4.跨区域跨层级部门之间的数据共享交换
跨区域跨层级部门之间的数据共享主要是指不同区域不同层级的部门之间的数据共享。这种情况一般采取从两个部门共同连接的数据服务网关共享数据。特殊情况下，如果数据获取方知道数据提供方的数据服务节点位置，也可以直接访问数据服务节点的服务并获取到相应的数据。
5.基于多部门数据的融合业务
应急指挥是一种集合多个部门数据的综合应用，需要能够充分利用电子政务资源、各有关部门现有信息系统，从整体高度统筹规划，对各类信息资源和专业指挥系统进行有效整合，保证应急指挥场所、基础支撑系统等系统正常运转。
通过政务数联网的灵活组网特性，可以很方便的将应急指挥相关各个部门的数据资源和服务有效的整合起来，实现无缝对接。
对于不同部门提供的不同数据服务，如：防汛抗旱、地质灾害、气象灾害、生产安全、环境事件、消防灭火、公共卫生及社会安全突发事件等，应急指挥平台将这些数据整合到一个整体应用上，可以很容易的实现辅助决策和综合指挥等功能，如：突发事件的预警预测、相互协同、应急调度等。
综合执法是近几年来我国行政管理中出现的一项集中管理权、处罚权的改革措施，进行管理审批权与监督权处罚权分离，是按照行政管理科学化、法制化的要求，规范行政部门政务行为的重要举措。该工作格局有利于在相关的行政权之间保持一定的制约关系，防止行政权力的过量裁量；有利于行政执法队伍规范执法行为，防止执法权力部门利益化；有利于提高城市管理部门工作效率，防止相互推诿扯皮现象发生。
其职能具体涵盖了城市管理、国土资源、城乡规划、城乡住房管理、城乡建设管理、水务管理、交通运输管理、卫生管理、文化管理、计划生育管理、文化管理、广播影视管理、新闻出版管理、体育管理、旅游管理、殡葬管理等领域的行政处罚权及相关的行政强制措施权、行政检查权、行政命令权。

数联网的构成/数联网

数联网的拓扑模型如下图所示。主要构成组件包括：
1. 数据服务节点Data Service Node（NSD）
2. 数据服务注册中心Data Service Register（DSR）
3. 数据目录管理中心Data Resources Manager（DRM）
4. 数据服务网关Data Service Gateway（DSG）
5. 数据服务搜索引擎Data Service Search Engine（DSSE）
6. 数据融合服务集Data Integration Services（DIS）
7. 分布式账本服务Distributed Ledger Service（DLS）
8. 数据服务辅助管理Data Service Assistant Management（DSAM）
包括分布式账本、服务监控、计费、安全审计、身份认证、权限控制等。

数联网结构

数联网实例3——互联网数据融合生态/数联网

使用场景互联网时代是一个信息爆炸的时代，人们在互联网上能够非常容易的获取到各种各样的信息。传统的互联网通过WEB网页的方式，使人们能够更加方便的了解世界、学习知识、娱乐和购物。但是，这一切仍然是人参与的信息共享和传播，跟传统的报纸、杂志和书籍在本质上是相同的。
随着互联网的纵深发展，越来越多的行业开始广泛运用互联网技术创新业务和模式。从而对互联网的需求已经远远不止是信息的传播，而是要求更加深入和自动化的数据融合和共享。另一方面，大量的企业机构经过多年的信息化建设，积累了和沉淀了大量的数据，这些数据作为核心资产，其价值不言而喻。但是，由于数据的可拷贝性，企业不愿意也不敢将数据拿出来变现。因此，一边是数据的需求得不到满足，另一边是数据的价值得不到转化，这一矛盾随着新业务模式的发展，显得越来越明显。
数联网的设计初衷，则是为了解决有数据而不能变现、有需求而得不到满足的双重矛盾。通过数联网的数据保护机制、利益分配机制、数据服务提供及消费机制、安全管控及审计机制等，建立一套完善的数据价值发现及交易体系和生态。
数联网的本质是构建了一套能够识别每个节点数据及数据服务的协议规范和框架，用户可以很方便的按需获取，并且分析挖掘整个数联网中的数据，从而获得全网数据融合的数据价值。
原始数据服务提供商Original Data Service Provider（ODSP）能够安全方便地将数据转化为数据服务，可以实现数据价值的转化和变现；
数据服务消费者Data Service Consumer（DSC）通过访问标准的数据服务，融合全网数据，可以挖掘和整合更大的数据价值；
数据监管者Data Service Regulator（DSR）通过全网的分布式账本及安全服务，可以轻松完成审计和监管工作；
中间数据服务提供商即数据整合与分析服务提供商Intermediate Data Service Provider（IDSP）可以通过对全网数据的整合分析挖掘，形成有价值的数据服务模型并对外提供服务；
数据生产者Data Producer and Owner（DPO）（如个人、企业）不用再担心隐私数据泄露和数据被盗的问题，可以放心地将自己的数据授权给他人使用。数联网生态构成

 数联网是什么 /数联网

大数据作为一项重要的战略资源，越来越得到国家和企业的高度重视。“数据引领创新，数据驱动发展”已经成为国际社会的普遍共识。随着各项数据应用的接连落地，数据和数据之间的联系和融合也愈发频繁。国内政府大数据整体解决方案和综合运营领域的实践者勤智数码，基于自身在数据跨域互联方面的项目经验，率先提出了数联网技术架构体系。

数联网Internet of Data（也称Internet of BigData）是大数据时代信息技术发展的重要产物，它的出现是大数据时代朝着数据融合方向发展的重要标志。简单的说，数联网就是数据与数据相连的互联网，其核心和基础仍然是互联网，是在互联网基础上的延伸和扩展。其本质是构建了一套能够识别每个节点数据及数据服务的协议规范和框架，用户可以很方便的按需获取，并且分析挖掘整个数联网中的数据，从而获得全网数据融合的数据价值。

数联网实例2——金融数联网/数联网

使用场景

金融领域对数据的渴求最为强烈，不管是传统的借贷金融业务模式，还是新兴的互联网金融模式，都需要大量的数据用于辅助决策和分析。尤其是如今的新金融模式，如P2P、众筹等新兴金融业务，更是需要大量数据来精准分析和判断业务风险。全方位数据的共享和融合是非常迫切的需求。
将数联网的数据共享融合思想运用在金融领域，形成有效的利益分配机制和数据共享机制，促成各家金融机构相互共享各自的数据，鼓励其他非金融机构也愿意拿出自己的数据以获取相应的经济效益。
金融数联网是一种联盟性质的数联网，用户在联盟范围内实现数据的共享和利益再分配。
各个金融机构之间根据提供的数据资料的多少进行核算。不愿意共享数据或共享数据少的机构获得其他机构数据的成本就高，愿意共享数据并且共享数据多的机构获取其他机构数据的成本就低。
数据价值的核算和评估将从数据的完整性、时效性、数量、类别等过个方面进行考虑，力求尽可能的公平。
通过机构之间的利益分配机制，可以促使各个机构愿意共享数据。另外，由于数据都是动态的，越新的数据越有价值，大家总是希望拿到*数据，因此各个机构也不必担心数据被其他机构掏空。

网络构成金融数联网络构成
典型用例各个金融机构通过数据服务节点共享自己的个人客户数据，通过第三方的数据融合处理及服务提供商对各家的个人客户数据进行建模，形成综合全面的个人征信模型，然后再通过数据服务的方式提供给联盟内的各个金融机构使用。
同时，联盟还可以通过引入拥有个人数据的非金融机构，如电商、政府机构、航空公司等。
这样，任何一个金融机构都能获取到每一个个人客户的全息信息，可有效避免信息不全带来的风险。
与个人征信类似，企业征信同样可以由第三方的中间数据融合服务商（IDSP）来整合各种企业相关的数据，形成企业征信模型，为联盟内的所有企业提供企业征信服务。