水務行業的數字化轉型 對智慧水務建設的一點思考

智慧水務目前特別的火，bat各大巨頭紛紛介入，各大水司言必稱數字化轉型。智慧水務范圍寬一點就擴展到智慧城市，數字孿生，各種大數據、云計算、ai、區塊鏈之類的名詞滿天飛；交流的時候如果不蹦出幾個詞來可能都覺得特別low，不好意思跟人說話。本文為對智慧水務行業的一點思考，歡迎批評指正。

01 智慧水務基本內容

水務的信息化、智慧化主要干什么事？其實就是把甲方、政府日常工作的一些流程，用信息化的工具做一些替代，用紙提交的，打電話傳遞的，手抄統計的，人為走訪觀察的，變成無紙化、自動流轉，多終端自動上報，就是信息化系統。在這個基礎上，加上一些針對數據挖掘的新功能，如“大數據”的統計，“ai人工智能”的識別分析之類的，自動得到一些對工作有用的信息或者輔助建議，現在很多稱這些就叫智慧水務了，但是我覺得智慧是主動的，這些功能撐死算智能化，在明確的邊界條件約束下自動化實現了部分人工可以處理的信息。目前的應用案例已經比較多了，例如基于視頻、圖片識別積水、河道箱涵溢流，基于水力模型的風險評估等。以上內容應用于水務行業就是智慧水務、智慧水腦，應用于環保就是智慧環保，把各行各業都覆蓋就是智慧城市、智慧大腦。

做一個這種智慧應用系統需要哪些東西？

一是感知層，各類監測設備之類的獲取數據，感知層也不僅僅是監測設備，任何能獲取數據的渠道其實都可以算這塊；人工填寫的表單、手機收集的位置信息、天氣預報等等，一切皆數據。

二是傳輸層，能把數據收集上來運送的目的地；有線、無線等各種方式。

三是數據層，用來存儲管理數據，有的存在本地服務器、有的使用云服務。

四是服務層，可以是微服務、中臺之類的，對數據進行模塊化的加工；可以是根據項目特點專門開發的數據處理分析能力，也很多是利用現成的分析服務復用。大數據、ai、模型應該在這塊；

五是應用層，把模塊化的數據服務與具體的應用場景，這里就有業務流程，根據用戶（例如水務局各處室、水司）能使用的業務流程，先怎么樣，再怎么樣；一件事情具體怎么流轉。

六是展示層，面對用戶需求，大屏展示、分部門展示云云，關系到用戶體驗，如何更好的表達用戶想看到的內容。

02 智慧水務的趨勢

目前的發展趨勢呢，應該是非常明確的，大江大河終將奔流入海，但過程中會有礁石亂流旋渦。整體看一定是好事，會推進下去，到了業主比如水務局、水司這里也是好事，只要技術整體靠譜最終會產生效益，但對于具體的負責人員不一定是件好差事（tog項目難做…）。對于承接業務的公司來說，費用足夠，只要最終能交付，那么收益可能還是比較可觀的；對于具體實施的人員就可能遇到很多的坑。

那么目前智慧水務整體處于什么個狀態？我個人認為就還比較初級，如果把完整的發展過程分為起步期、爆發期、引領期，那么現在處于起步期剛剛抬頭向爆發期轉化這個階段；如果分為信息化、智能化、智慧化，那么現在處于信息化的過程中，比較前期；如果分為知、治、智，那么現在還只是知，知的還不清不楚的。

目前智慧水務進入了一個群魔亂舞的階段，阿里、華為、平安、騰訊、百度紛紛下場，自建或者投資相關業務。為廣大環境、給排水天坑專業學生提供了新的就業思路，但是這個業務類型的問題就是純粹的tog項目，和當地財政狀況息息相關，有錢的地方可能對智慧化有需求，大多數沒錢的地方能實現關鍵數據的信息化就已經很足夠了。

03 智慧水務建設中存在的問題

1 基礎平臺

傳統業務做成智慧化，并不僅僅是搭建個信息化的系統就完事了?，F在的支付寶、qq拿到古代一樣沒用；跑車放古代也跑不快；飛機也無法起飛降落。這些看上去簡單的應用，背后是有完善的基礎平臺支撐的。

對于要搭建指揮系統的局、委來說也是一樣；要這個系統真的發揮作用，就得他們有這個基礎平臺、這個環境。包括政治環境、人員意識環境、業務流程環境。他們得自己能理得清楚自己的業務到底是怎么流轉的，并且打破一些流轉的阻礙，業務壁壘。但這點往往就不能滿足，業主只提美好的需求，要求進度要求驗收，承接單位售前、銷售為了拿到單子，又往往過度承諾，講的都很美好什么都能做到，而公司又沒有專業評審，這就會導致業主的認知與真實能達到的效果之間必然有一個落差，最終交付很困難或者根本無法交付。

比如說本來承接單位只要把系統搭好就可以了，使用是業主單位的事，但業主用不起來就會說你的系統沒用。比如數據拿不到、流轉過程走不通。對于類似基礎環境的問題，承接單位是很難解決的，所以目前國家層面也在發力，頂層設計開始。雖然頂層發力了，但發揮效果還沒那么快，當前依然是混亂狀態。等到頂層設計落實到某個局的時候，信息化公司再介入其實依然會面對混亂的局面，因為這需要類似華為引入麥肯錫咨詢服務一樣，幫他們梳理組織架構、業務流程，一般的信息化公司沒有這種能力，可以采用信息化公司+對水務部門業務熟悉的單位（如當地規劃院、水利院、水務公司等）聯合的形式。

2 感知層

說完最基礎的平臺，然后到智慧系統實施這塊；先說感知層。排水方向的智慧水務遠遠落后于供水方向；供水智慧水務由于關注的水都是有壓水，在管道里，水質好，所以容易監測，在基礎感知層面的條件遠遠優于排水，所以目前基本上有了挺多智慧化的應用，參加的幾個智慧水務的論壇也都是給水的智慧應用、智慧水表等等大吹特吹，排水方面就相對還在起步期了。排水智慧化有點在跟著學習供水的智慧化的意思。但是排水的智慧化有一個無解的痛點就是給水是收費的，水司有動力為了降低漏損率等去主動開發智慧應用；而排水屬于財政支出，也不太可能收雨水排水費，現有的排水應用主要是排水防澇等安全方面的監測，對于排水系統的優化等由于基礎數據的缺失，還是比較難的。

不僅如此，排水的監測設備，環境一般比較惡劣，臟水、水中有各種雜物，運維也不容易，精度上、穩定性上都不好保證。收上來的數據能不能用得打個問號，現在的在線水質監測、在線流量監測也有很多公司在做了，據了解價格都真的不便宜，數據質量也挺感人的….

其他數據來源也是如此，這就給數據的清洗分析埋了很多坑。收上來的數據再多，如果不能轉化成對業務有價值的一些結論就也沒什么用。

3 數據傳輸

這部分還好，實在不行用有線，就是成本會比較高。

4 存儲層

存儲其實應該也還好，空間上成本應該不算太高，控制下頻率；但怎么存可能會遇到問題，這個數據什么用，怎么歸類，怎么打標簽，業務不清晰這部分也會亂?，F在一般說做大數據中心，這個大數據中心的數據在業務需要時能不能頂得住也不好說；各個業務部門的數據歸集難度也很大?？赡芡粋€含義的數據分了很多種名稱，可能相互重疊、分歧等等。這個跟組織架構的、業務流程的梳理也有關系，應該屬于其中的一部分吧。車同軌，書同文。這個就需要頂層設計上來統一了，國家層面也有這部分的一些東西出來。

5 服務層

這一塊是主要的吹點，大數據，ai，云計算，模型都可以放。但這一切的基礎都是數據，數據本身量不太夠或者質量不行，空有分析技術也無米下鍋。

首先是數據標簽的問題，就算數據質、量都很好，以一片管網為例，你怎么就知道這種情況的數據，就是好的狀態，這種就是壞的狀態呢？各種分析模型大數據的ai的最終也都是人為訓練出來的，你告訴它是貓，它就把類似的歸類成貓，但你不說它也不知道。所以數據來源、位置包括狀態含義都需要標簽，涉及到很專業的領域可能還需要很專業的人來打標簽。最近阿里招一日鑒黃師體驗挺火的，感覺智慧水務智慧城市之類的應用或許也會催生出水專業方向的標簽師，并且還需要數據分析能力的；人先替ai把各種坑都給平了，ai才能自己去工作。

然后模型應用，各種給水、內澇、水質模型。有大數據的，有水文、水動力機理模型等等；但發展到最終可能并沒有什么不同；其實任何能反應一定規律的東西都是模型，把規律寫成程序就是模型引擎；只不過有些規律比較復雜，參數眾多；有些規律跟現實沒啥關系，可能是游戲里的，可能是幻想中的。大數據模型無視過程，給輸入，然后就給你輸出；水文模型中的p-pa-r降雨徑流曲線其實也是大數據模型，它是水文科學家根據觀測經驗積累總結出來的規律。大數據模型中有神經網絡模型，三層的、四層的，但如果用神經網絡來模擬降雨-產匯流的過程，可能發展到最后就會發現，最準確有效的，就是每一層與現實對應的，一層-植被、表層土壤，二層-深層土壤，三層-地下水，四層-匯流過程……模型只是人類的工具，就是個棒槌，能不能舞出花來，能不能屠龍也看怎么用，誰來用。all models are wrong，but some are useful.

然后數據有了，分析的工具有了，往哪個方向分析呢？又回到了業務需求的問題。目前供水行業用來提升水司的效益，具體到一些指標感覺就比較明確一些。水務的防洪排澇，雖然大的目標明確，但分解時容易遇到困難。對于模型在業務上的應用，計算效率上也會成為率定、自動優化調度、實時計算等的阻礙。

6 應用層

業務流轉、數據都是虛幻的，如果具體落實成一個個按鈕、窗口、圖形也和需求調研、流程梳理、產品設計有關系，相互牽制；只做應用就是空中樓閣，沒油的跑車，還是用不起來。但各種探索總是有必要的。