基于大数据引擎，通过可视化组件、托拉拽式实现数据汇聚与集成开发
指标定义、指标建模、指标固化、指标分析，一体化完成指标的落地与应用
组件化、零sql实现各类复杂报表和丰富多样的图表分析
面向业务人员，简单拖拽即可生成可视化图表
内置150+特效组件，快速打造酷炫灵动的可视化大屏，支持在线编码，拓展视觉体验至极致
搭载自然语言分析引擎，引入AI大模型技术，通过简单的对话问答实现快速数据分析
移动采集、审批、分析一站式解决移动办公诉求
一站式数据分析平台
了解ABI
全程“零”编码，高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理，为企业主数据管理落地提供有效支撑，实现各业务系统间的主数据共享，保障企业主数据的唯一性、准确性、一致性。
内置多类主数据模版，可视化实现多视角模型定义，满足复杂规则的编码自动控制
多种数据接入方式，支持不同场景的审批管控，数据版本可回溯，满足主数据的全生命周期管理
拖拽式任务设计，内置丰富组件，支持主动式、被动式分发模式
全过程质量管控，支持内置及自定义规则，提供图表式质检报告
主数据管理平台
在线模型设计，深度融合数据标准，规范数据定义
自动化元数据感知，全链路血缘提取，理清数据资源
智能化标准推荐，一键式数据落标，树立数据权威
“零”编码规则搭建，全流程质量整改，高速数据质检
规范资产目录，自助式数据共享，释放资产价值
超30+主流数据库、国产库、大数据库、文件、消息队列等接口之间极速交换结构化、非结构化数据
构建分级分类体系，动态数据脱敏，保障数据安全
全盘监控数据，决策数据周期，释放数据资源
智能数据治理平台
了解睿治
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体，一站式解决数据开发所有的问题。
结合标准体系的可视化建模工具，支持模型的正、逆向构建
拖拽式任务编排，内置丰富组件，支撑亿级数据的快速处理与迁移
具备高并发、高吞吐量、低延迟的一体化任务编排能力，可视化设计、分布式运行
提供图形化的任务监控和日志跟踪，面向运维、管理人员的完善监控体系
数据工厂系统
纯web设计器，零编码完成基本表、变长表、中国式复杂报表、套打表、问卷调查表等制作；支持年报、月报、日报，以及自定义报表期等多种数据采集报送频率
提供在线填报和离线填报两种应用模式，也支持跨数据源取数；填报数据自动缓存在WEB浏览器中，即使宕机也不会丢失
内置灵活轻便的工作流引擎，实现了用户业务过程的自动化；支持层层审批、上级审批、越级审批、自定义审批等多种审批方式
对于下级填报单位上报的数据，上级汇总单位可将其进行汇总；支持层层汇总、直接下级汇总、选择单位汇总、按条件汇总、按代码组汇总、按关键字汇总、自定义汇总等
提供数据锁定机制，防止报表数据被意外修改；支持数据留痕，辅助用户过程追溯；未及时上报的用户自动催报；所见即所得的打印输出等
提供多种类型的数据接口，可以导入EXCEL、DBF、二进制、文本等格式的数据，可以将报表数据批量输出为HTML、EXCEL、XML、TXT等格式
数据采集汇总平台
统一指标定义，实现“一变多变、一数多现”的数据管理效果，为企业提供强有力的数字化保障和驱动效应。
采用可视化、导向式方式构建指标业务域，形成指标地图，全局指标一览在目
流程化自助式的定义、开发、维护各类指标，零建模，业务人员即刻上手
助力企业更好地查询、使用指标，提供共享、交换、订阅、分析、API接口等应用服务
指标管理平台
零代码+AI，有“问”必答的数字助理，利用AI大模型和数字人技术，通过语音&文字输入问题，自动识别业务指令，深度理解用户意图的问题，洞察数据，人机交互，重新定义BI新体验。
面向业务的对话式问数，即问即答，更懂你的诉求
理解数据，洞察数据，更懂数据内容，把数据见解讲给你听
动态地分析数据特点，提供最合适的图表类型展示，让数据展现更简单
完全是颠覆做表的方式，一句话看板创建，启发式内容制作
智能化生成包含深入分析和建议的报告，复杂数据简单化，释放数据潜力
数据跃然屏上的AI大屏汇报，让数据讲述故事
海量知识，一触即达，提供更智能的知识检索服务，快速找到“对”的人
不止于工具，更是随时待命的得力助手。一声指令，为您提供即时的数据分析和决策支持
智能数据问答平台
从采、存、管、用四大方面构建数据治理体系，实现数字化经营
主数据全生命周期管理，保障主数据一致性、权威性、共享性，提高企业运营效率
以元数据管理摸清家底，以资产编目盘点数据资产，提供数据服务
集数据采集补录、数据ETL建模、数据实时存储、数据分析展现等应用场景于一体
集数据集成、数据治理、资产规划开发、资产运营等场景应用于一体
集元数据采集和规整、数据标准建立与评估、数据质量管控等场景应用于一体
面向业务和技术提供指标管理指标分析等服务的指标统一管理平台
涵盖数据存储、数据集成、数据交换、数据共享等方面，为企业用户提供云原生仓湖一体解决方案
提供数据全生命周期过程的数据服务手段，实现数据应用到数据运营
案例中心
学习中心
认证中心
培训活动
亿信社区
伙伴招募
供应商招募
了解亿信
亿信动态
亿信ABI
数据治理
产品解决方案
金融
租赁
医疗卫生
能源
制造
生态环境
政府
其他
IDC蝉联数据治理解决方案市场第一
数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径；数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务.
1.数据的一致性与标准性
2.数据实用性与服务性
3.数据独立性与可拓展性
4.数据的安全性
5.数据的分级管理机制
基于面向服务的架构方法(Service-OrientedArchitecture，SOA采用基于面向服务的架构方法，构建智慧城市运营中心的业务流程和IT架构。SOA(面向服务的体系结构)将政府中各个系统应用程序的不同功能单元抽象为服务，通过这些服务之间定义良好的接口和契约联系起来。
SOA架构由服务总线、服务目录、门户、流程管理等几个核心组件构成的。这些核心组件协同工作共同支撑服务的部罢、运行与管理监控
业务系统规划法(BusinessSystemPlanning，BSP)的关键思想是将业务的长期战略目标转化为信息系统的战略目标，通过对业务战略的分析导出信息系统的规划；业务系统规划法(BSP)的规划步骤：
1)准备工作;
2)调研;
3)定义业务过程:
4)业务过程重组:
5)定义数据类
6)定义信息系统总体结构:
7)确定总体结构中的优先顺序;
8)完成BSP研究报告，提出建议书和开发计划。
利用系统工程理论指导软件开发和维护，主要使用工程化概念原理、技术及方法开展软件开发、维护的工作。采用系统工程方法是用系统的原理、方法研究系统的对象，立足整体系统，制作出科学的工作计划及流程，有效的完成任务。
目前各政府机构和企业的信息化平台数据按结构类型主要分为三种，分别是:结构化数据、非结构化数据、半结构化数据三大类
数据中台数据架构是针对多源异构的数据场景，在数据组织层面为数据的接入、融合及智能数据应用服务等提供稳定、高效的支撑从数据的接入方式、存储方式、加工方式、使用方式等方面综合考虑；
采用统一的数据接入模式，以标准化、模块化的方式进行多源异构数据资源的接入：提供采集全面、动态可配的数据接入机制，实现数据的获取分发、策略配置、任务配置、任务调度、数据加密、断点续传等数据接入功能；当接入时，同时维护数据资源目录，以及数据血缘信息
平台提供一站式的数据迁移接入功能，内部数据通过专用数据通道进入统一接入平台，可在接入过程中做初步的清洗加工，并提供可视化的任务调度运行管理，并向数据智能管理和数据治理提供数据支持
1)数据接入
考虑到数据的种类多样性、多源异构性，以及通道的多样复杂性!数据接入系统支持多源接入，支持对数据接入的插件化管理，可以分为关系型数据库、nosal数据库、分布式存储系统、流式处理系统、消息中间件系统、文本文件和文件系统等。
2)数据接入策略配置
数据接入系统策略配置模块针对多数据源系统以及结构化数据、半结构化数据、非结构化数据的不同数据类型特点，按照抽取、同步整合等数据处理步骤，提供一体化、可融合的数据适配解析器和数据转换功能，采用插件方式，支持二次开发，实现根据数据源情况的自适应数据解析和流程化处理。
3)数据接入断点续传
4)数据接入任务管理
数据接入系统支持多样化的任务管理方式，实现了多种场景的任务调度机制对数据接入的任务支持多角度的任务监功能，支持异常处理、重新调度等功能，及时解决存在问题，恢复数据传输，确保按时完成数据汇聚整合任务，保证大数据中心数据资源的准确性、完整性和一致性。
5)数据接入清洗
6)数据接入统计
7)数据接入对账
数据对账是数据提供方和数据接收方在数据传输结束后进行完整性、一致性、正确性检验的过程，提供数据接入效果评估能力
8)数据接入质量
1)数据提取
数据提取的过程主要是从功能各个业务系统上根据约定的采集周期采集全量或增量数据，生成相应的文本文件。在采集过程中可能涉及系统内或跨系统的数据关联获取。这些文本文件的结构与源数据基本相同(根据具体需求可能要滤掉一些字段信息)，我们称这些存放源数据的文本文件为EXF
2)数据清洗
数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果能够直观的展示给相应的主管部门，主管部门确认是否过滤掉或者修正之后再进行抽取
3)数据关联
数据经过提取、清洗之后形成的数据实体，比如可以通过命名实体识别对身份证进行识别，根据两个身份证之间的共现或根据词向量计算词与词之间的相似度来判断两个人是否有关系
4)数据对比
数据比对包括结构化比对、关键词比对等，满足数据关联、线索发现、触网报警等业务需要。从数据类型上分，数据比对分为结构化数据比对、非结构化数据比对
5)数据标识
标识是对数据、数据集进行某一特征、特征的识别和认定。对数据进行标识化可以增加数据维度，拓展数据的属性，提供建立与数据之上的抽象。标识流程主要是围绕标识建立一套包括标识的定义、执行、流程管理以及可视化等功能的系统
6)数据纠错
综上所述，数据的标准化处理过程，按照数据标准，基本实现了自动化和智能化的处理，但是由于数据的多源异构特性，数据的庞大复杂性，对此类数据的自动化处理将是一个渐进改进的过程。在平台前期运行中，对进入各类资源库、主题库和业务库的数据需要进行准确性认定。针对有误的策略执行回滚操作，针对错误的数据中实现纠正错误数据功能
7）数据处理任务调度
数据处理任务调度，实现任务自动切片分发、断点续传、节点管理、调度节点故障切换等功能。对视频图像、音频、文档等大文件数据，提供FTP/SFTP、HTTP等文件传输方式，实现断网续传、多线程并行分块传输等功能
8）策略配置管理
针对结构化数据、半结构化数据、非结构化数据的不同类型特点配置管理中心支持按照提取、清洗、过滤、比对、关联、标识等数据处理过程，提供一体化、可融合的数据适配解析器器合数据转换功能，实现根据数据类型合数据情况的自适应数据解析和流程化处理
结构化和半结构化数据可存储于分布式并行数据库中，数据存储格式可以为列式存储和行式存储等多种存储方式;
10）数据模型建设
整个模型工程的架构主要由算子管理、模型建模、模型管理和模型引擎四部分组成
用户可以通过多种建模方式创建基于标准的模型，部署到模型运行引擎上面配置模型参数，模型运行引擎会对模型运行的合法性进行验证，包括是否符合标准，数据资源是否有访问权限，算法参数是否合法，模型编排是否合理等。模型通过验证之后，会上传到测试平台上面，通过数据采样、构建测试集等多种方式检测模型执行的准确性模型测试成功之后，进行模型上线部署。通过申请计算资源，将模型实例化成任务运行
11）知识图谱建设
将各类数据，汇总融合成为人、事、地、物、组织等多类实体，根据其中的属性联系、时空联系、语义联系、特征联系等，建立相互关系，最终形成一张由人事地物组织构成的关系大网。关系网根据数据的接入可自动更新，有效解决大数据时代数据分散、割裂以及难以统一处理的问题，为系统提供多维度、可查询、可分析、可研判的数据系统
12）人工智能语义分析建设
实体语义分析平台是一款集成统计学习、机器学习、深度学习等关键自然语言处理技术，具备专属语义模型建设和场景化自然语言处理流程建设能力的非结构化文本数据语义挖掘工具。致力于解决机器学习算法与业务的自动映射，提供业务建模与业务计算能力为企业实现非结构化文本落地。实现对非结构化文本进行智能处理，输出多维度业务标签，将无序的非结构化信息转换为满足业务需求的结构化数据
数据组织过程通过分层实现，经过标准化、对象化的处理过程!提高数据质量和数据价值
1）原始库建设
2）资源库建设
3）主题库建设
4）业务库建设
5）知识库建设
数据治理，通过管理数据资源目录、元数据、分级分类、血缘关系等信息保障数据汇聚与融合后的效果，规范数据组织形式；同时对数据质量进行管控，通过运维手段确保数据全生命周期的高质量运行，通过数据运营变现数据价值
建设数据中台数据资源目录，以全国的原始库、资源库、主题库、知识库、业务库的数据资源为管理对象。形成标准的、规范的、统一的数据中台数据资源目录，结合用户分级分类访问权限管理，促进数据中台的数据资源科学、有序、安全的开放和共享
元数据管理是数据治理得到有效实施的关键技术环节之一，为了在大数据能力构建过程中有效的实时数据治理，平台须提供元数据管理功能，管理在实时过程中沉淀的各类元数据信息，并可开放各类元数据信息，以支持管理人员、业务人员和技术人员快速了解平台数据对象定义以及对象之间的关系等
数据的血缘关系主要由数据平台各类数据源的数据项信息、库表关系、ETL逻辑、存储过程、代码逻辑等组成。能清晰的反映数据从源头到过程转化，到最终数据产物之前的转换关系，包括但不限于:组合关系、依赖关系、数据流向拓扑信息
通过完善的数据血缘关系，建设数据中台的数据地图，提供良好的数据溯源、血统分析的能力。
1）数据服务总线设计
①数据服务总线功能
服务管理中心主要针对节点和服务进行管理。节点分为主中心节点和分中心节点(包括备份中心)。节点管理主要完成节点注册，节点审批以及节点的基本信息维护等。服务管理主要完成服务注册、服务审批、服务发布、服务检索、服务维护、服务分类以及服务信息的全网同步等
②数据服务总线部署
数据服务总线，在主中心和分中心分别部署，在各级数据服务总线节点之间建立数据互联通路，实现消息、实时数据流(包括音视频流数据)、文件等多种数据交换方式，实现服务调度、服务路由、数据交换、服务调用、服务安全等功能
2）数据服务场景设计
①数据服务构建场景
②数据服务使用场景
服务使用者浏览服务目录，选择需要使用的服务，提交服务使用申请。服务管理者对此服务使用申请进行鉴权，如果判断有权使用此服务，那么批准此申请。服务使用者在使用完服务后，对服务进行评价，评价信息会被其他服务使用者参考，以帮助他们了解服务的质量。
③数据服务审计场景
3）数据交换服务
数据交换服务是数据中台各节点提供的面向业务部门的数据交换渠道。目前包含数据订阅、数据下载、数据推送等数据共享服务模式
①数据订阅服务
数据订阅服务包含订阅发布和订阅推送两个过程实时订阅和精准推送。订阅类型包含增量订阅、关键词订阅、范围订阅、协议订阅、消息订阅、主题订阅等。
数据订阅服务主要功能包括可订阅数据和服务目录查询，数据订阅提交，订阅撤销、续订和订阅协议标准查询等
②数据推送服务
数据推送是数据平台各节点之间，数据平台和省市县各平台之间数据交换的基础核心能力，数据推送实现将加工好的数据或分析成果，向一线推送，以便应用于实战、体现大数据价值，并将数据化为数据能力的过程
③数据下载服务
数据下载服务是对数据资源异步处理方式。数据下载服务，提供日常业务数据、政策信息、共享目录数据等的下载路径。
4）数据可视化服务
5）数据管理服务
①元数据访问服务
元数据，主要是对数据的数据描述，对数据的数据描述可以概括为如下几个部分:数据结构定义、数据代码定义、数据部署定义、数据接口规范定义、数据血缘关系定义、数据路由访问定义、数据访问权限定义组成。元数据访问服务，提供数据资源、服务资源的元数据查询访问能力，并提供分级汇聚的服务能力。支持枚举数据资源、获取数据资源的元数据信息以及字段结构信息，包括对应的元数据信息等
②数据字典服务
数据字典是对数据的数据项、数据结构、数据流、数据存储等进行定义和描述，数据元素业务含义的抽象表达，用来对数据流程图中的各个元素做出详细的说明，是对系统中使用的所有数据元素的定义的集合。
数据字典服务提供数据字典的查询、翻译接口，返回字典类别、字典项值等相应所需结果，实现数据字典查询或翻译。
③数据鉴权服务
数据鉴权服务要求所有的数据服务请求，都必须对请求方权限进行验证，确保其所访问的数据在权限允许范围内，是数据中台保证数据安全的核心。
④跨网跨域服务
跨网跨域服务，实现内部数据、外部社会数据和内外部泛感知数据的整合，形成高质量的数据基础;在保证数据安全的前提下，通过边界防护，允许适当的公共网络跨越边界使用内部的数据服务，实现数据中台的跨网，跨域服务能力，体现数据中台的社会价值
通过可视化分析展示平台，使抽象的数据信息变得简单、易懂直观呈现数据分析结果，丰富的可视化组件可帮助业务准确的表达数据的价值所在，完善的功能可帮助用户建立有针对性的报表体系。其主要价值可体现在即席查询、数据洞察与大屏呈现、移动报表之上。
1）数据可视化
系统支持多场景模板管理，预置地理分析、实时监控、汇报展示等多种场景模版。系统支持除针对业务展示优化过的常规图表外，还能够绘制包括海量数据的地理轨迹、热力分布、地域区块、3D地图、3D地球,地理数据的多层叠加。此外还有拓扑关系、树图等异形图表可以自由搭配
提供丰富的图形可视化选择，(堆积)柱图、堆积)横条图、散点图、(堆积)面积图、折线图、组合图、瀑布图、饼图、环形图、南丁格尔玫瑰图、油量图、散点图、气泡图、雷达图、关系图、热力图、词云图
2）地图分析
地图分析可以将数据在地图上进行可视化呈现，形成地理导航仪，通过点击、下钻以及图表联动等方式，进行数据分析和展示
3）仪表盘
适用于管理者把握全局，运筹帷幄。以简洁、直观的界面，展现各环节的数据，并以丰富的展现和互动形式为决策者提供帮助。
1、可视化配置、布局灵活、快速发布、支持页面主题2、丰富的互动性，支持What-if分析，参数控件可视化3、支持页面内部、页面之间的钻取、关联分析4、帮助开发人员快速完成仪表盘设计，实现交付过程敏捷化
4）大屏幕
5）报表报告
本报表报告可满足各种格式的行业监管报表、内部管理报表的需求。包括:清单报表、交叉报表、分组报表、多源分片报表、分块报表、表单报表、图形报表、回写报表、假设分析报表、二次计算报表套打报表、段落式报表、预警报表、组合报表
6）分析报告
7）丰富的交互查询
8）二三维联动功能
三维双屏相互联动，二维的平面地理视图便于操控，三维视图便于直观形象化展示