挖掘水务大数据，提升客户满意度

供水信息化系统的建设相比排水污水起步较早，很多水司都已建成了基础信息化系统并在实际工作中起到了重要的作用。例如，GIS系统可以帮助水司摸清家底，其操作渗透于日常的管线和阀门管理；SCADA系统犹如千里眼，可以实时监测管网中的运行；水厂、泵站系统，作为整个系统的中枢环节，控制着水泵的启停，保证出厂流量压力达标。那么，随着多年系统的运行，后台数据也会越积越多，面对如此浩大的数据，结合当前的数据挖掘及人工智能技术，我们能做的事情应该还很多。Oracle公司对北美150家市政公司的高层决策者进行调查发现，仅有一半的公司做到通过大数据的智能分析应用（通过预测，需水量管理和提高可靠度）来提升客户服务水平。应用领域及排序如下图所示。

（源自：“Utilities and Big Data: Accelerating the Drive to Value,” Oracle Utilities, July 23, 2013.）

小编结合实际工作应用中的需求，谈几点基于大数据的应用分析。

水量及用水模式预测

水量预测技术目前已经比较成熟，它可基于历史水量数据、天气、温度、节假日等因子训练各种预测模型，用来预测未来水量。然而，再进一步考虑，在线水力模型中用到的用水模式是否也可以基于不同用户类型的历史水量、季节及节假日等因子来训练预测模型并实现用水模式的预测呢？用水模式预测与水量预测的不同点就在于：用水模式预测的是用水的规律，其平均值为1的变化趋势。如下图所示。

水质投诉事件溯源

客服中心每天都会接入大量的投诉电话，可以将投诉位置和投诉类型记录下来，通过聚类分析的方法，找到水质问题严重的区域，然后借助水质模型进行溯源，从根本上解决问题。

水泵使用效率分析

水泵采集的数据包括：启停、流量、扬程、功率等，可以收集近几年的水泵运行数据，分析每台水泵的使用率、运行效率等，从而做出诊断。例如：哪些水泵使用率高，但是效率很低；哪些水泵效率高，但是使用率低等，然后，可以有效找出瓶颈，加以优化。

上述几点仅为抛砖引玉，相信有更多学者可以在数据的海洋里挖掘出更为璀璨的宝藏。最后，套用一句话：这个世界并不缺少美，而是缺少发现美。