• 高雅麟原創作品

 

以數據的名義，說一說智慧水務

菜鳥與順豐之爭，似乎讓大家忽然明白，數據真的是資產，而資產就是可以賣錢的，可以在資產負債表在予以體現的。前幾天，我在博客上發了一篇“《菜鳥有點菜，順豐不太順：向谷歌學習格局》（http://gaoyl2003.blogchina.com/482502200.html）”的文章。中間提到了幾個觀點：

一是大數據歸誰所有。菜鳥平臺、順豐快遞、水費者似乎都是這些數據的創造者，他們都應該是數據的擁有者。只是誰都沒有承認誰是主角，誰是配角，誰在臺前，誰在幕后。這個問題沒有搞清，數據之爭，只是時間問題。

二是大數據需要避免壟斷。很多數據其實是公共資源，它可能在隱私權的形式出現，需要以法律為準繩予以保護；它也可能在是公開的信息，以共享的形式供社會使用者合理的免費或付費的方式進行查詢。

三是大數據的使用需要授權。使用數據者，需要得到數據所有者的法律許可，必須聲明使用的場合與用途，從而決定許可的形式。

四是大數據的使用者必須負責，包括法律責任，也包括為數據使用所必須支付相應費用的經濟責任。

互聯網時代，以上四點將是一具普遍性的問題，水務數據也不例外。所以說一說水務數據，是非常具有現實意義的話題。

接著上一講，我來來談一談智慧水務中大數據的特點。

“大、數、據”

智慧水務與大數據的關系，一言以蔽之：數據業務化，業務數據化。基于這些認知。我分別從“大”、“數”、“據”三個層面上分別討論。

大，是指數據的特點；

數，指數據的內容；

據，是指數據的邏輯關系。

本月我將在水視點網站http://www.watereyes.com及水務經理人公眾號(waterchinese)上獨家分享，難夠掛一漏萬，或有失偏頗，我將不斷完善文內容，請大家隨時關注，也歡迎同行不吝批評指正。

今天先講一講大數據中的“大”

大

大，四層意思：更多、更雜、更快、更好。

1更多

更多的意思是：通俗講，數據的數量比以往更多，但不僅僅是數量上的多。

隨著數據采集手段的改進、渠道的增多，尤其是互聯網的工具應用，信息的爆增，我們對數據的收集數量上有一個猛增，因此數據在量上的突破，從而引發了質的突變。因此，“總體＝樣本”的設想，成為了可能。我們以前的觀念總是對“采樣”做一些很深的研究，因為采樣的方式往往決定了結果是不是客觀，正確的。在實踐過程中，‘采樣’的行為不可避免地帶有主觀性，從而使樣本失去了代表性，這是致命的弱點。所以“更多”的特點，是大數據的一個最基本的價值體現所在。

而智慧水務數據中的“更多”，與以前的水務管理模式相比，無論是在內部運營，對外服務過程中，數據上也確實有了相當的進步，但目前存在的瓶頸是：一是在內部運營的數據中，感知層的數據采集數量過少。由于資金與技術上的障礙，導致硬件投入不足，采集量與“大數據”的概念并不匹配。當量上沒有一定突破的時候，便導致樣本的不足，對智慧水務的“智能決策”上，就存在一個天然的短板。比如，管網DMA管理中，在線流量壓力監測的點不夠，失去了精準判斷漏點的能力。

　　有了“多”的概念之后，機器的學習功能，才可以下下顯現。機器的學習功能必須建立在大數據的基礎上，使它具備不同于人類的認知方式。比如說，機器如何認識一只貓，如果數量過小，它可能會把貓認成虎或貓頭鷹，但當機器記憶了一萬張、一億張各種貓的圖片的時候，它的認知準確度和速度都會遠遠超過人類。推而廣之，如果我們收集了關于供水區域范圍內的一萬個停水、漏水的狀態時，機器的學習功能，基本上可以有一個可靠判斷或預警的功能了。至于機器如何識別，它的研究就交給專門的研究機構吧。你只需要知道，機器的思維方式、判斷方式不是你想象中的思維方式。電腦的學習功能，對水力模型的應用方式或許會有質的突破。

只是目前的問題是，水務數據不遠沒有達到這個量，因為感知層的硬件投入（或說經濟投入）不足以支撐這個“多”的要求。或者說，目前狀況下，感知層的硬件投入產出比過大，從經濟投資角度來講是不經濟的。于是，智慧水務系統的感知層過少，是一個痛點！缺少了豐富的數字神經系統，智慧水務的數據效用，自然也受到極大的制約。

2更雜

更雜的意思：作為信息載體，數據將會變得更加繁鎖、復雜。所以，大數據中有一個非常明顯的特點，就是允許不精確。混雜性，是大數據固有的特點。由于它的“多”，導致數據結構無法細致分類，形成了非結構化的數據，所以新的數據庫設計也從而形成。在實務中，我們從大數據中，快速獲得一個大概的輪廓（發展趨勢），比嚴格的精確性更具有現實中的指導意義。比如：數據之間的因果關系并不明顯，但相關性就成為非常明顯的現象。所以，在大數據思維下，一個體系對數據分析與加工的過程中，更多考察的是大勢的相關性，而不是精確的因果關系。在“更多”的基礎上，體現出大量數據的優勢，使考察許多事件的相關性成為可能。

而模型的建立，是關鍵要素。數據的維度也讓分析方法變得更加豐富多彩。物理世界與數學世界將會更加深入的融合，物理世界就是感知層，數學世界就是數學模型針對感知導的數據進行邏輯運算。

顯然，大數據關注的首先是相關性，而不是因果關系。相關性比因果關系，在現實中具有強烈的指導意義。主要原因在于：一是因果關系比較精確，而模糊性的定性結論往往在實踐中具有更多的應用場景；二是相關性是大數據中優勢的一個明顯突破。在量上的采集使相關性的揭示與驗證成為一種可能。

用水量也電視劇的關系。就是一個非常典型的安全。就是我常講的一個非常典型的案例。大家可以在我寫的《智慧如何引領水務》一文中查看。

3更快

更快可以理解為：實時、即時的傳遞。數據作為信息流，作為業務流，在傳輸的時間上也不要求。包括感知層上的一些傳感器的性能要求。比如數據延時的問題，傳輸過程中的誤差問題。對數據的應用不同，對傳輸速度，傳輸頻率，傳輸精度、正確度就會有不同數量級的要求。

在智慧水務實踐中，水質、水量、水壓的信息采集，機電設備的溫度、噪音、電耗等運營指標的采集，水力模型、GIS系統、內部流程管理、數據分析決策系統的數據流處理，等等不一而足。又比如：污水處理廠廠區內工藝調整，往往根據外圍集污管網中關于水質、水量的情況來進行及時調整，確保出水達標排放，這就與數據的傳遞速度非常相關。而水務行業中，在這個“快”字上，仍然是一個瓶頸，外圍水質的突變對生化系統的沖擊，在技術手段上仍然存在極大的障礙。

 

4更好

更好的意思：數據發揮的效用會更好，并形成一個完整的價值鏈，改變個體，即改變總體。收集的速度會更快，分析的邏輯關系在一個合理的模型中，將功能發揮得心應手。分析工具+專業背景，將是大數據加工分析的一個根本組合。相關關系的核心是量化兩個數據之間的數理關系，這就需要一個好的數學模型；行業需要有自身的，內在的邏輯關系體現在數學模型中，所以又需要一個專業背景。兩都不可偏頗。

就象要判斷一個人，還可以看看他的朋友一樣，要判斷一個數據的價值，就得找到與這個數據相關的關聯物，只有它可以更好地幫助我們捕捉現在和預測未來。比如說超市中，尿布與啤酒放在一起銷售可以大增，比如說沃爾瑪通過大數據分析，發現颶風來時，草莓味的蛋糕銷量就會大幅上升。颶風、蛋糕、尿布、啤酒，就是我們需要關注的關聯物。這是讓數據“更好”的一些技術與技巧，此處不細述。

 

又比如， 水務數據是人們生活習慣的一個體現，同時也是一個地方區域的經濟發展的晴雨表，而即時數據，與人口分布、交通狀況、天氣狀況、生活水平都存在著相關性。智慧水務中體現的數據，可以與“智慧城市”、“海綿城市”、“政務云”等項目互相融合，以數據為橻帶，使它位成為“數學模型”不可分割的一部分，從而體現出1+1〉2的集聚效益。所以，就象一滴水放入大海，可以保持它更強的生命力一樣，智慧水務的數據需要融入到“智慧城市”的大數據中去，才可以發揮它“更好”的價值。

 

舉個簡單例子，最近浙江政府推出的“最多跑一次”的業務辦理，得到基層百姓的占贊。表面上看去是一個辦理流程加快的便民服務，或是“政治任務”，實質上也是對政務辦理流程數據業務流的一次挑戰與完善，水務便民措施，也是對智慧水務數據業務的一個檢驗與挑戰。“最多跑一次”，不是說百姓與水務部門溝通一次就夠了，而是指通過技術手段、加快了業務數據的流轉速度，從而達到了“便民”的目的。這就是水務數據中從“更快”向“更好”的華麗轉身。

數

 

上一講，談了大數據中的“大”無非想說明以下幾點：

? 大，指的不僅僅是數意義上的大。這個“大”首先是思維模式上的大。因此，這個“大”不是形容詞，是動詞，即放大數據（價值）。

? 大，也指的是加工模式，加工后的數據，還是數據，原始數據與新生數據的迭代，產生了“大”的表現形式。

? 大，還指跨界之間的融合與加工。不能把智慧水務中的數據僅僅看作是水務行業的數據，它將在“智慧城市”“政務平臺”中，顯示出水務行業中的社會價值。

? 智慧水務平臺中，就數量意義上的實時數據而言，感知層的原始數據，無論是在數量、類型上，其實遠遠沒有達到“大”的概念，這也是智慧水務平臺建設的一個痛點所在，因為這需要建設資金與建設周期。

因此，大數據的目的并不是追求數據量大，而是通過系統式的數據收集與分析，實現價值最大化。因此，大數據中的“大”，核心是價值最大化。

一、 數據分哪些類型？

數據(data)是事實或觀察的結果，是對客觀事物的邏輯歸納，是用于表示客觀事物的未經加工的的原始素材。

數據可以是連續的值，比如聲音、圖像，稱為模擬數據。

也可以是離散的，如符號、文字，稱為數字數據。

在計算機系統中，數據以二進制信息單元0,1的形式表示。

在程序觀點來看，數據類型包括原始類型、多元組、記錄單元、代數數據類型、抽象數據類型、參考類型以及函數類型。

但這些說明過于專業化，無益于理解智慧水務中的“數據”理解。

簡而言之，如果說智慧水務是一個加工廠的話，那么“數”就是這個加工廠中的原材料。因此，智慧水務這個舞臺上，“數”就是演員。既然是演員，自然是男男女女，形形色色的，是智慧水務的生命力的體現所在，值得關注與分析。因此，從不同的角度可以分不同的類型。

按展現形式分：填報數據、與實（即）時數據。

按加工程度來分：原始數據，加工數據

按數據內容分：水質數據、流量數據、壓力數據、工程數據、能耗數據等。

根據來源分：用戶（外部）數據和內部數據。

一般而言，整個智慧水務系統中，數據點上萬級別的在線數據體量，已經不算小了。但根據大數據思維，更多的價值體現在數據的加工上，匯總、分析才是實時數據的真正價值體現。

關于填報數據與實時數據

 

01

填報數據

在水務企業管理中，可以說，大大小小的管理工具實際上是由一些報表系統組成的。填報數據，并不意味著“落后或低效。事實上，一個企業中的各類報表，其實就是融貫通于整個生產經營管理過程聽管理工具。無論是績效考核的平衡記分法，還是各類內控制度。

在智慧水務平臺中，實現計算機語言來反映管理指標，包括采集、匯總、分析、決策，形成數據決策系統。填報數據的必要性是顯然的。

一是因為實時采集的數據，有可能存在較大誤差與誤報；

二是許多數據是需要周期性的，即時的意義不大；

三是很多數據沒有辦法通過傳感器來實時傳送，比如工程管理中的數據，包括進度管理；

四是，實時數據需要填報數據來干預與補充。

用戶分析

A1檔案完整度統計月報

A2貿易水表統計月報

A3管理水表統計月報

A4消防水表統計月報

A5用水性質統計月報

A6公司戶表月報（水價）

A7公司戶表月報（性質）

A8營業所戶表統計年報

A9地址信息（考核）

A10合同信息（考核）

A11通訊信息（考核）

A12營業所戶表工作月報

A13營業所戶表工作年報

A14用戶信息查詢

A15營業所戶表管理年報 抄表分析

B1公司年抄表計劃

B2公司年抄表統計

B3公司抄表工作考核月報

B4公司抄表工作考核年報

B5營業所抄表管理月報

B6營業所抄表管理年報

B7公司抄表管理月報

B8公司抄表管理年報

B9計劃抄表月報（口徑）

B10計劃抄表(用水性質)

B12抄表員工作年報

B11營業所抄表工作年報

B13估表月報

B14漏抄表月報

水量分析

C1售水量月報(用水性質)

C2用水量二八定律月報

C3用水量工業指數(口徑)

C4抄表零水量用戶(管理)

C5非居民水量評估月報

C6抄表評估月報(分析)

C7產銷差月報 水費分析

D1水費月報（用水性質）

D2水費月報（繳費日期）

D3實收水費年報

D4水費月報（收費方式）

D5水費違約金月報

D6水費收費率年報

D7應收水費年報

D8用水價格分布比例月報

D9階梯水價月報（管理）

D10用水價格調整月報

D11歷史欠費年報

D12本期欠費年報

D13水費回收及時率年報

D14水費回收完成率年報

D15水費賬期及時率年報

熱線熱點

E1投訴受理情況

E2熱線業務分類統計

E3熱線考核月報

E4熱線中心指標月報

E5坐席服務水準月報 周檢分析

F1公司水表周檢月報

F2公司水表周檢年報

F3營業所水表周檢年報

F4公司水表周檢動態報表

F5周檢計劃月報（口徑）

F6周檢工作月報（口徑）

F7非周檢工作月報(口徑)

（此類數據不再一一列舉）

02

實時數據

這時數據的意義實現了動態化，并將動態化的數據進行歷史記憶。

“人工智能”是絕對的經驗主義，將碎片化的數字，實現時序性的排列，給計算機創造了一個豐富的數據分析空間。所以實時數據，不僅僅是實現經營管理中的預警等即時管理，包括應急管理功能，更主要的實際是能夠記錄動態的數據，更有利于分析。數據不僅體現了量的概念，同時也融合了時間的概念。其信息量隨著計算機手段的增強，它的價值與有了一個質的提高。

? 關于動態數據和靜態數據

大家很容易把智慧水務平臺理解成一些實時數據的采集與加工，但事實上，在整個智慧水務各個子系統的背后，還有一些靜態數據發揮著不可替代的作用。

如：在給水管網計算分析

應用計算解管網問題是根據管網的結構參數與運行參數求解管網的數學模型-----管網穩態方程組。所謂結構參數即靜態數據，主要指指管網圖、管網直徑、管長、阻力系數、節點、地面標高等。運行參數或動態參數是：節點流量、水泵特性參數和水頭損失、水池水位等。用數學模型計算出各管段的流量與水頭損失，各節點的水壓等，從而全面了解管網的工作狀況，并對管網的優化運行調度，改建擴建，制訂發展規劃提供科學依據，這就是“智慧”的本質。

?關于已知數據和未知數據。

“關于未知數據，是一個非常新的理念，簡單地理解，就是預測的數據。有許多專業人士為了不斷縮小數據模型與現實中的誤差，提出了“未知數據法”的概念。也就是說，把觀察到的數據，對原有模型不斷進行修正，從而使模型不斷進接近真實，而不是僅僅是對歷史數據模型的體現，能夠讓，數據“與時俱進”。

《道德經》有云：有之以為利，無之以為用。有者，是實有的物質存在，是看得見、摸得著、有形有狀的東西，比如說杯子，如果沒有“杯子”這個有形的材質，可資以為利，那么““杯子”的空間作用便也不存在了。如果把這個觀點放在智慧水務中來理解，恰恰也符合工業４.０的理念。在數據中的理念，就是“從已知數據中，找到未知數據的價值”。人工智能就等于“大數據+深度學習”。正是不斷對用戶的數據進行分析、學習，人工智能才能越來越精準地預測用戶的需求和行為，提供智能化、智慧化的服務。很顯然，智慧水務中的大數據與深度學習的結合似乎還沒有到人工智能的時候，但其商業模式也好，發展眼光也罷，“人工智能”誰說不會滲透到智慧水務的項目中呢？ 所以，目前有許多專業人士認為，用人工神經網絡來預測用水量，是一種頗具發展前景的方法。

二、數據的作用？

“數”的作用，第一個首要的作用是：建模

數據應用:在建立好數學模型后，應該說模型本身隱含地具備了原始觀測數據的特征，也就是原始觀測數據的“信息”，這就是智慧水務平臺中，將業務數據化的一個數學加工過程。以此建立的模型去預測原始數據本身，誤差較小，預測時，未來的數據是未知的，因此模型需要把“未知數據”作為模型驗證的要素之一。也就是說，預測的數據，需要實際的數據來不斷修證，從而達到“模型進化”的目的。

水量預測

在智慧水平臺中，水量預測是一個基本功能。但城市用水量受諸多因素影響。如短期內，受氣溫、時間、管網狀況；中長期內，受工業企業、居民收入、節水手段、人口、水價，管網漏損等情況影響。需要采用定性分析與定量分析。而定量分析過程中，實際上就是統計預測，它就需要一個符合實際的數學模型建立。

給水管網的水力計算

在數學方法上，用一些方程組來模擬管網的系統性能，從而確保管網中的“數”信息。這些方程組中，滿足以下幾個條件，也是通過“數”的形式來體現的：

1、 從任一節點流出的流量，其代數和等于零；

2、 在管網的任一閉環內，各管段的水頭損失代數和為零；

3、 進入管網的總流量等于所有節點流量的總和。

大家可以看到，一個模型的建立，首先也是通過“數”的組織來體現，一個動態的管網模型，就是由動態的“數”集合。無論是工程計算，預測、預警等功能，都是通過“數”的信息處理來實現的。從而達到智慧水務平臺上的量化目標，從而真正形成數據決策系統。

給水管網水質計算

在智慧水務系統中，管網水質計算并不突出。但對于供水服務中，水質管理應該是重中之重。因此在水質管理的數據處理也是值得引起重視。

水質的在線數據一般包括：余氯、PH值，濁度等。建立管網水質模型需要采集大量的數據，才能建立有代表性的模型。為優化余氯模型，在管網中應優化選擇水質監測點。水質監測點盡可能多地收集水樣，采集和分析不同管徑、管材、敷設年代及不同流速管段的水質數據。

其中水質參數有：管網的余氯深度分布和傳播路徑、管道中水的滯留時間、水源濃度的分配。等。根據水齡變化，余氯的數值變化，監測管網水質、水齡，從而加強水質管理。

所以，你是不是真正的思考過大數據中的“數“，它賦予了我們怎樣的現實內涵呢？

據

今天講大數據中的“據“，這篇稿件完成后，算是對智慧水務在大數據中的”大“、”數“、”據“三個方面進行了一些粗淺的解說，由于時間倉促，我采用了一個偷懶的做法，使用了語音轉換輸入。所以，略顯口語化，也有一些語句不通順之處，用詞上也非常粗糙，未經細細斟酌，深感詞不達意。有很多內容是在休息時間在手機上寫成的，也有些是晚上躺在床上休息時碼字而成的，在條理上還不夠清晰，信馬由韁，想到哪寫到哪，許多平時收集的素材沒有系統地奉獻給大家（我們將采用云課堂的形式來交流，近期以ＡＰＰ形式推出，歡迎同道加入，深度交流，可微信與我聯系），希望大家多提寶貴意見，我將會把三方面的內容整合成一篇。當然不是簡單的相加，而是進一步加工，相信在深度、廣度上會有一個提高，真誠地請各位同行予以指導。可能貽笑大方，敬請諒解。

言歸正傳：

據，可以多個層面理解：一是占據；二是依據。

1

一是“占據”與“分配”

可以理解為誰占有這些數據，誰分配數據資源，誰利用這些數據資源。

在法律層面上，關于數據的所有權問題此處不論述（有興趣可見我的博文：http://gaoyl2003.blogchina.com/482502200.html；本公眾號中的數說智慧水務（一）：警惕水電集抄中的數據之爭）。在這里要強調的是：既然是占據或占有，那么必然涉及到“數據”的分配等問題。

在智慧水務系統中，數據業務化，業務數據化是一個基本思維方式。如何把數據進行分配，是智慧水務系統中涉及的運營管理問題，也是一個水務企業中管理架構的設計問題。其中包括數據分配至哪些管理部門，哪些管理層級，無論是輸入數據還是輸出數據，是數據的分析還是數據的應用。

數據是帶有標鑒的。它的來源在哪？它的服務對象是誰?這是智慧水務架構設計過程中考慮的首要問題。以前我們講過，智慧水務建設首先是管理理念的創新，然后才是技術手段的變革。講的就是這個道理。這也是許多智慧水務軟件供應商們，在架構設計過程中經常忽略的地方，也是一個系統在應用過程中，應用方與使用方需要不斷磨合之處。根據我個人的觀點，其實這也是評價一個軟件水平高低的一個重要依據。

２

二是“依據”或“論據”。

如果說，智慧水務是一篇完整而龐大的論文集的話，那么這個“據”，就是“論據”。也是處理數據的思維與方法，是智慧水務系統中的方法論。

數據的輸入與輸出，都是勞動成果，這個成果就是體現在 數字局側系統中的“依據”。如果數據是生產資料，那么據，就是應用方法與應用成果的綜合體現。智慧水務系統的建立，它的核心思想就是“據”。無論是數據鉆取還是數據應用，遵循的一個原則是有理有據。

比如要判斷一個企業的經營好壞，不是察言觀色，而是讓數據講話。一個人身體狀況好不好，讓檢查身體的機器指標說話，你的血壓、血脂、血糖指標是多少，而不是用“氣色”二個字來定性描述。或者說“氣色”二個字，是由一系列數據包裝而成的。“據”的作用還有一個是內部診斷與橫向對比的作用，并由此產生“智慧”，對水務企業對內管理、對外服務提供有效方法。

對一個企業的診斷與管理，需要中西醫的結合，“據”就象西醫中的精確數據，在量化中體現價值，通過數據的流動，產生“理”，然后形成管理過程中的“據”。

因此，據，就是方法。這也是對數據加工辦法的核心邏輯思維，這是智慧水務架構中的靈魂所在！

>>>>總而言之：什么是據？

簡而言之用一個公式表示：

據=功能軟件+共性的行業思維+個性的企業管理

智慧水務，是融合在水務企業管理中的一個軟件系統。據，就是把行業共性的思維管控模式與企業個性化管理需求，進行融合的一種方式；是智慧水務系統中，對所有信息流進行綜合處理的方法。

>>>>

以例說明：

一、管網搶修方案的決策分析

在智慧水務系統中，應對突發性爆管的處理流程（事例圖片流程并不完善，僅作參考例子）主要如下：

看上去是一件非常簡單的流程，在事前、事中、事后過程中的處理手段也并不復雜。但從大數據的智慧系統而言，通知環節上，都應該是智慧水務系統非人工干預自動完成的，需要細化的部分體現在以下幾點（但不限于以下幾點）：

1、通知用戶的及時性

多長時間內通知到位？也即：智慧水務系統對曝管事件的反應速度。

2、通知用戶的準確率

一方面是發的用戶對象對不對？另一方面發出去的內容是不是準確？哪些是降壓的影響，哪些是停水的影響？

3、通知用戶的普及率

該通知到的都通知到了嗎？通知覆蓋率，是不是全部通知到了？除了停水用戶的通知外，降壓供水影響的區域的用戶是不是周全？

 

上面三點，關系到用水戶在智慧系統中的用戶信息與管網信息完整性有關，也與智慧水務系統中ＧＩＳ系統質量高低相關。技術手段手段而言，智慧水務系統中根據供水管網的拓撲結構，任何一點發生爆管，理論是都可以馬上判斷出受影響的用戶有哪些？而且可以怎么通過手機發送短信通知。但目前難的不是技術手段，而是用戶的信息完整性。一方面管網的拓撲結構是不是與現狀完全相符，另一方面管網上的用戶是不是都涵蓋了，涵蓋的用戶是不是都有正確的通訊方式確保通知到位？

4、 搶修方案的選擇與用戶之間的關系

曝管事件在智慧水務系統中的反映，很多步驟是同步進行的。但每個環節中，是有一些邏輯關系的，不能次序顛倒。比如在傳統的平臺上，通知用戶，與搶修方案的擬定是可以同步進行的，但在智慧水務系統中的敏捷性要求，有些次序性必須嚴格遵守。比如，突發曝管事件后，系統的反應是：搶修方案以及每個對應方案的受影響用戶同時出來，對社會效益與經濟效益綜合評價，以供水司選擇與決策。而系統推薦的方案很可能是多樣性的，所以接下來，就需要以下適當人工干預的手段。

5、 系統中的人工干預與搶修方案評價。

Ａ、經濟效益：因停水而造成的水量減少的經濟損失；因停水操作對門閥啟閉的工作量，人工支配大小等；配件應用、技術方案難易等；

B、社會效益：方案中，停水范圍內的公益性單位（如醫院、學校、部隊等）；工業企業生產用水的安全性保障；重大事項的用水保障（重要政府、公益等政治性活動等）；VIP用戶（人大代表、政協委員、政府要員、用水大戶、特殊用戶、網絡意見領袖等、媒體駐地等）；

在我對一些智慧水務平臺的實踐過程中，供水行業迫切需要借鑒移動公司、電力部門的客戶管理手段。

社會效益與經濟效益要考慮到的因素會非常多，尤其是社會效益，有時候是無法量化的。因此，你無法讓智慧水務系統來給你作最好的決策。哪怕智慧水務系統有一個推薦的搶修方案，但是還是需要人工干預，以確保意外發生。畢竟，智慧水務系統的“智慧“程度還遠沒有達到我們理想中的要求。何況有些社會效益的要求是”一票否決制“的。許多外界的信息并沒有體現在智慧水務的信息系統中。當然由于水務企業往往是一個公益性比較強的行業，量化決策的權重，難以通過一個模型來確定，所以人工干預是在所難免的。如果真的哪一天，我們完全有法律依據來按智慧水務系統中的方案來執行，這就不是智慧水務的進步所能夠涵蓋的了。

6、系統自省功能的培育。

在工業4.0的概念中，每一臺機器都應該有“自省”功能，或者說是“自我完善”功能。它的智能化程度是需要不斷地培育，與軟件模型，與現實對照形成閉環反饋。從而使它的預警、判斷、決策等功能越來越接近真相，越來越發揮正確的指導作用。比如：在發生突發性曝管后的應對處理中，智慧水務系統中所對應的流量計、壓力表是捕捉到了哪些信息？這就需要及時進行分析，并將實際場景作一個復原與記錄。日積月累，當你積累成千上萬的案例的時候，”人工智能“的雛形，自然也就形成了。當然這個，除了技術上的研究之外，還需要的就是智慧水務系統運營管理中的制度保障。

7、 自省功能的制度保障。

毋庸置疑，制度的保障，是實現自省功能是前提。在我們的企業管理過程中，要實現智慧系統中的“智慧“功能，需要依仗于基礎信息的完整性、正確性（如用戶信息、管網拓撲結構）。否則再智能化的軟件，也必然得出錯誤的結論。而這個基礎信息的完整性正確性，是需要整個智慧水務系統日常運營維護過程中，不斷豐富，不斷修正的。要正在形成一個長期有效的運行機制，自然就需要一個制度保障。除了強有力執行力外，還需要有一些技巧性的流程設計。比如，熱線電話與用戶信息的關系。目前的熱線系統中很小與用戶信息的修正進行無縫對接，也沒有形成一個合理的流程來對智慧水務系統中的用戶信息進行修正與補充。試想這樣一個場景：一個熱線電話打進來以后，除了幫用戶解決問題的同時，熱線人員是不是對電話人員的電話（手機、座機等）信息與他的水表賬號信息，是不是進行核對，如果不一致，熱線人員是不是可以及時進行修改，這個修改如何進行審核？與窗口受理部門，與抄表人員如何進行有效的對接？在制度上是如何保障的，在所有的工作報表與質量記錄表單中，如何作一個明確的規定，并對此進行考核？

二、關于管網漏損率的分析

（略，此話題專文論述，但在“據”上面應該更能充分說明智慧水務中的一些技術邏輯與管理邏輯）