陳永南 許桂明 張新建

（1.92403部隊 福州 350007）（2.南京電子工程研究所 南京 210007）

1 引言

伴隨著大數(shù)據(jù)、機器學習等新一代信息技術(shù)的飛速發(fā)展和廣泛應(yīng)用，數(shù)據(jù)應(yīng)用的理論和樣式日趨復(fù)雜，多用途數(shù)據(jù)傳感器廣泛分布，多維空間信息瞬息萬變，多種應(yīng)用方式交叉運用［1］，凡此種種，有力促進了相關(guān)領(lǐng)域信息化進程的快速發(fā)展，進而也使得現(xiàn)代相關(guān)應(yīng)用不可避免地陷入數(shù)據(jù)海洋。

為了解決大數(shù)據(jù)時代信息有效利用和共享的問題，近幾年來主流的海量數(shù)據(jù)處理技術(shù)得以廣泛應(yīng)用，其核心的處理思路是利用傳統(tǒng)的數(shù)據(jù)抽取、清洗、轉(zhuǎn)換等數(shù)據(jù)倉庫范疇的技術(shù)手段，將原始數(shù)據(jù)通過標準化數(shù)據(jù)模型，加工成特定結(jié)構(gòu)數(shù)據(jù)進行存儲處理［2～4］，由于在進行數(shù)據(jù)分析和關(guān)聯(lián)融合之前，數(shù)據(jù)已被加工為結(jié)構(gòu)化、規(guī)整化的形態(tài)，不妨稱這種數(shù)據(jù)處理方式為“寫時模式”［5～6］，此方式下數(shù)據(jù)倉庫是解決大數(shù)據(jù)存儲的基礎(chǔ)設(shè)施［7］。針對相關(guān)領(lǐng)域結(jié)構(gòu)化以及文本、圖片、語音、視頻、文檔等非結(jié)構(gòu)化海量多源異構(gòu)數(shù)據(jù)資源呈現(xiàn)幾何增長、數(shù)據(jù)類型和來源多元化的現(xiàn)狀，為了能更有效率地存儲處理數(shù)據(jù)和最大程度的激發(fā)數(shù)據(jù)創(chuàng)新，以數(shù)據(jù)湖的方式構(gòu)建數(shù)據(jù)存儲處理和共享服務(wù)機制［8～9］，打造一個高效的數(shù)據(jù)底座，實現(xiàn)基于“讀時模式”的數(shù)據(jù)引接、存儲和處理等過程，這種數(shù)據(jù)管理方式可滿足數(shù)據(jù)鮮活性、全量性、安全性、易用性四大要求，從而構(gòu)建有效、健康的數(shù)據(jù)共享生態(tài)，有效解決數(shù)據(jù)倉庫笨重、高成本、分析周期冗長等問題，有效提升數(shù)據(jù)的共享程度和數(shù)據(jù)模型定義的靈活性，提高數(shù)據(jù)利用價值和效率［10］。

2 數(shù)據(jù)湖概念

“數(shù)據(jù)湖”概念首次于2010年被James Dixon在其博客帖子（https：//jamesdixon.wordpress.com/2010/10/14/pentahohadoop-and-data-lakes/）中 提 及，他把數(shù)據(jù)集比喻為瓶裝水，經(jīng)過清洗、包裝和構(gòu)造化處理后便于飲用，與之相反，數(shù)據(jù)湖則管理從各類數(shù)據(jù)源引接匯聚來的原生態(tài)數(shù)據(jù)。

數(shù)據(jù)湖是一個數(shù)據(jù)存儲庫，其中來自于多個數(shù)據(jù)源的數(shù)據(jù)以它們原生態(tài)的方式進行存儲。數(shù)據(jù)湖提供從異構(gòu)數(shù)據(jù)源中提取數(shù)據(jù)和元數(shù)據(jù)的功能，并能將它們吸納匯聚到混合存儲系統(tǒng)中去［11］。數(shù)據(jù)湖提供數(shù)據(jù)轉(zhuǎn)換引擎，支持數(shù)據(jù)集轉(zhuǎn)換、清洗以及與其他數(shù)據(jù)集的集成，并提供用于檢索和查詢數(shù)據(jù)湖數(shù)據(jù)和元數(shù)據(jù)的接口。

數(shù)據(jù)湖技術(shù)作為一種不同于原始數(shù)據(jù)庫的數(shù)據(jù)存儲架構(gòu)，支持所有的數(shù)據(jù)類型，可以保存大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的原始數(shù)據(jù)，并將原始數(shù)據(jù)分類存儲到不同的數(shù)據(jù)池，在各數(shù)據(jù)池里對數(shù)據(jù)進行優(yōu)化整合，并轉(zhuǎn)化成容易分析的統(tǒng)一存儲格式。用戶可以根據(jù)不同需要來挖掘數(shù)據(jù)資源，分析數(shù)據(jù)內(nèi)容，發(fā)掘數(shù)據(jù)價值并加以利用。具體來說，數(shù)據(jù)池是能夠存儲大量來源、格式不同數(shù)據(jù)的存儲空間，而數(shù)據(jù)湖則相當于包含多個數(shù)據(jù)池的巨大數(shù)據(jù)存儲世界。數(shù)據(jù)湖技術(shù)作為大數(shù)據(jù)環(huán)境下產(chǎn)生的一種新技術(shù)、新架構(gòu)，已被初步應(yīng)用于商業(yè)、交通、氣象等領(lǐng)域，并取得了一定的成效［12］。

3 數(shù)據(jù)湖技術(shù)特點

數(shù)據(jù)湖和大數(shù)據(jù)在概念和內(nèi)涵上有許多相似之處。對大數(shù)據(jù)的定義是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工，在合理時間內(nèi)達到截取、管理、處理，并整理成為人類所能解讀的信息，是需要新的處理模式才能具有智能決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，大數(shù)據(jù)通常具有規(guī)模巨大、類型繁多、速度極快、價值密度低等特點，針對大數(shù)據(jù)的相關(guān)特征，作為能有效處理大數(shù)據(jù)的數(shù)據(jù)湖技術(shù)，相應(yīng)的具有以下特點。

1）空間海量化

當前大數(shù)據(jù)規(guī)模及其存儲容量正在迅速增長，且已滲透到各個業(yè)務(wù)中，受制于數(shù)據(jù)存儲空間，傳統(tǒng)數(shù)據(jù)庫的架構(gòu)難以適應(yīng)數(shù)據(jù)量瘋長的情況。因此，迫切需要一個新的可以滿足海量存儲需求的“容器”來作為大數(shù)據(jù)的存儲支撐，而數(shù)據(jù)湖就是那個可以存儲海量數(shù)據(jù)的龐大“容器”［13］。數(shù)據(jù)湖匯聚吸收各個業(yè)務(wù)數(shù)據(jù)源流，容納散落在各處的數(shù)據(jù)，理論上，存儲空間巨大。

2）格式包容化

數(shù)據(jù)湖架構(gòu)面向多數(shù)據(jù)源的信息存儲，可以快速高效地采集、存儲、處理大量來源不同、格式不同的原始數(shù)據(jù)，這其中包括文本、圖片、視頻、音頻、網(wǎng)頁等各類無序的非結(jié)構(gòu)化數(shù)據(jù)，能把不同種類的數(shù)據(jù)匯聚存儲在一起，并對匯聚后的數(shù)據(jù)進行管理，建立數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，具有很強的兼容性。

3）類型復(fù)雜化

數(shù)據(jù)湖可實現(xiàn)原始數(shù)據(jù)的分類存儲，這些原始數(shù)據(jù)凌亂紛雜，具有類型繁多、類型各異的特點，從數(shù)據(jù)角度特征分析，如果將每一種比喻為一種顏色，那么數(shù)據(jù)湖就相當于一個匯集多種色彩的調(diào)色盤，好比把不同的色彩融合在一起會形成新的色彩一樣，描述不同業(yè)務(wù)種類的數(shù)據(jù)通過智能化集成和融合關(guān)聯(lián)等方式結(jié)合在一起，可能會產(chǎn)生新的甚至高于原始數(shù)據(jù)的價值［14］。

4）處理快速化

數(shù)據(jù)湖技術(shù)能將各類原始數(shù)據(jù)快速轉(zhuǎn)化為可以直接提取的、分析、使用的標準格式，統(tǒng)一優(yōu)化數(shù)據(jù)結(jié)構(gòu)并對數(shù)據(jù)進行分類存儲，根據(jù)業(yè)務(wù)需求，對存儲的數(shù)據(jù)進行快速的查詢、挖掘、關(guān)聯(lián)和處理，并實時傳輸給末端用戶［15］，同時可對數(shù)據(jù)的使用量和使用頻率等要素進行實時精準的計算，分析用戶的信息需求，為后續(xù)數(shù)據(jù)高效組織運用提供重要參考。

5）價值增值化

數(shù)據(jù)池按不同應(yīng)用類別從數(shù)據(jù)湖中提取原始數(shù)據(jù)，并在其中進行標準化，再預(yù)估其在未來被提取利用的可能性大小，決定該類數(shù)據(jù)存儲的最終位置，并在它們之間建立一定的聯(lián)系。數(shù)據(jù)專業(yè)分析人員可以從數(shù)據(jù)池中大量挖掘、提純數(shù)據(jù)，分析數(shù)據(jù)間的關(guān)聯(lián)并用于相應(yīng)的任務(wù)需求。采用這種數(shù)據(jù)處理模式，既可以令高使用率的數(shù)據(jù)充分發(fā)揮價值甚至實現(xiàn)增值，也能使那些長期不被挖掘的低價值數(shù)據(jù)重新煥發(fā)活力。

4 數(shù)據(jù)湖體系結(jié)構(gòu)

數(shù)據(jù)湖體系結(jié)構(gòu)所涉及的概念框架、功能需求、組成要素、信息關(guān)系等方面的深入研究仍在持續(xù)進行中，至今尚無完全成熟且得到廣泛認可和應(yīng)用的統(tǒng)一結(jié)構(gòu)。由于Hadoop 也能基于分布式文件系統(tǒng)來存儲處理多類型數(shù)據(jù)，因此許多人認為Hadoop 的工作機理就是數(shù)據(jù)湖的處理機制。當然，Hadoop 基于其分布式、可橫向擴展的文件系統(tǒng)架構(gòu)，可以管理和處理海量數(shù)據(jù)，但是它無法提供數(shù)據(jù)湖所需要的復(fù)雜元數(shù)據(jù)管理功能，最直觀的表現(xiàn)是，數(shù)據(jù)湖的體系結(jié)構(gòu)表明數(shù)據(jù)湖是由多個組件構(gòu)成的生態(tài)系統(tǒng)，而Hadoop 僅僅提供了其中的部分組件功能。

通過以上與Hadoop 架構(gòu)的對比，結(jié)合大數(shù)據(jù)的特點和應(yīng)用場景，我們理解，數(shù)據(jù)湖體系結(jié)構(gòu)可分為數(shù)據(jù)攝取層、數(shù)據(jù)存儲層、數(shù)據(jù)轉(zhuǎn)換層和交互應(yīng)用層，如圖1所示。

圖1 數(shù)據(jù)湖體系結(jié)構(gòu)示意圖

數(shù)據(jù)攝取層提供異構(gòu)數(shù)據(jù)源的數(shù)據(jù)導(dǎo)入功能。數(shù)據(jù)湖的一個關(guān)鍵特性是以最小的代價實現(xiàn)外部多種類型數(shù)據(jù)的獲取和加載，實現(xiàn)這個目標的關(guān)鍵是數(shù)據(jù)加載過程不做格式轉(zhuǎn)換，而是以原生態(tài)的方式進行加載，這比傳統(tǒng)的ETL方式能明顯提升效率，簡化數(shù)據(jù)攝取處理過程。該層相關(guān)組件能通過對數(shù)據(jù)源的初始配置實現(xiàn)元數(shù)據(jù)和數(shù)據(jù)本身的自動化提取，圖1 所示數(shù)據(jù)源抽取的配置信息可以存儲在數(shù)據(jù)庫或者文件中。元數(shù)據(jù)抽取能夠在諸如JSON、XML的半結(jié)構(gòu)數(shù)據(jù)源中檢測模式，被抽取的元數(shù)據(jù)在數(shù)據(jù)存儲層的元數(shù)據(jù)庫中進行存儲和管理［16］。為了避免數(shù)據(jù)沼澤，數(shù)據(jù)治理和數(shù)據(jù)質(zhì)量管理在數(shù)據(jù)攝取時顯得非常重要，數(shù)據(jù)質(zhì)量控制確保被攝取的數(shù)據(jù)具備最低限度的質(zhì)量，由于數(shù)據(jù)量巨大且數(shù)據(jù)類型繁多，手工設(shè)定數(shù)據(jù)質(zhì)量規(guī)則變得不現(xiàn)實，因此需要自動檢測數(shù)據(jù)質(zhì)量規(guī)則并能對其進行模糊評估。此外，數(shù)據(jù)分析技術(shù)可以幫助識別源數(shù)據(jù)中的模式。

數(shù)據(jù)存儲層的核心組件是元數(shù)據(jù)存儲庫和原生態(tài)數(shù)據(jù)存儲庫。其中，元數(shù)據(jù)存儲庫存儲所有從數(shù)據(jù)攝取層自動抽取的數(shù)據(jù)湖元數(shù)據(jù)或者在使用數(shù)據(jù)湖過程中手工添加的元數(shù)據(jù)。元數(shù)據(jù)還應(yīng)包括用戶使用數(shù)據(jù)湖的一些歷史反饋信息，比如，用于連接數(shù)據(jù)集的屬性、應(yīng)用到數(shù)據(jù)集上的轉(zhuǎn)換方式（整合、清洗等）或者相關(guān)數(shù)據(jù)集的分析報告等，這些信息是后續(xù)使用這些數(shù)據(jù)集的知識庫，能為以后有效使用這些數(shù)據(jù)集提供有益的參考和幫助。元數(shù)據(jù)存儲庫的關(guān)鍵和難點是元數(shù)據(jù)模型的構(gòu)建，該模型一方面要求足夠通用，可以表示數(shù)據(jù)湖中各種各樣的元數(shù)據(jù)，另一方面要求能詳細而具體的表述元數(shù)據(jù)項的語義。此外，元數(shù)據(jù)模型還應(yīng)該具有可管理的復(fù)雜性以便最終用戶可以有效使用。

原生態(tài)數(shù)據(jù)存儲庫是數(shù)據(jù)湖的核心，由于數(shù)據(jù)攝取層抽取的數(shù)據(jù)都是本源格式，因此需要使用不同的存儲系統(tǒng)來存儲結(jié)構(gòu)化數(shù)據(jù)、圖形、JSON、XML 等各種類型的數(shù)據(jù)。Hadoop 看起來是實現(xiàn)數(shù)據(jù)存儲層的可選平臺，但是它需要提供額外的功能以保證數(shù)據(jù)的精確度，比如像Apache Spark那樣［17］。為了向用戶提供統(tǒng)一的查詢和訪問方式，應(yīng)使用統(tǒng)一的數(shù)據(jù)訪問接口對混合存儲架構(gòu)進行封裝，該接口提供查詢語言和數(shù)據(jù)模型，并具備足夠有效的表達式以處理被數(shù)據(jù)湖管理的復(fù)雜查詢邏輯及對應(yīng)的復(fù)雜數(shù)據(jù)結(jié)構(gòu)，這方面可通過Apache Spark 和HBase 提供的豐富SQL 查詢語言和數(shù)據(jù)模型實現(xiàn)，此外，許多NoSQL 系統(tǒng)可以使用JSON 作為統(tǒng)一的數(shù)據(jù)表示。接口實現(xiàn)的核心難點是用戶的查詢邏輯被重寫到原生態(tài)存儲庫對應(yīng)的查詢語言時是否能保證重寫查詢的準確性和完整性。此外，重寫查詢還需要考慮很多方面，比如在不同的數(shù)據(jù)格式之間進行數(shù)據(jù)轉(zhuǎn)換的代價問題（例如：JSON 到關(guān)系型數(shù)據(jù)轉(zhuǎn)換更有效率還是相反轉(zhuǎn)換更有效率）、在分布式系統(tǒng)不同節(jié)點之間移動數(shù)據(jù)的代價問題等。

數(shù)據(jù)轉(zhuǎn)換層提供數(shù)據(jù)轉(zhuǎn)換引擎，通過數(shù)據(jù)清洗、轉(zhuǎn)換、整合等方式，可以將數(shù)據(jù)湖中的原生態(tài)數(shù)據(jù)轉(zhuǎn)化為預(yù)定義的數(shù)據(jù)結(jié)構(gòu)。與數(shù)據(jù)倉庫為所有的數(shù)據(jù)源提供完整的數(shù)據(jù)模式相比，數(shù)據(jù)湖提供創(chuàng)建面向業(yè)務(wù)應(yīng)用的數(shù)據(jù)集市的能力，它能面向具體應(yīng)用對數(shù)據(jù)存儲層的原生態(tài)數(shù)據(jù)進行有效整合。從邏輯的視角來看，這些數(shù)據(jù)集市作為交互應(yīng)用層的組成部分，是用戶在與數(shù)據(jù)湖進行交互時被動態(tài)創(chuàng)建的，而數(shù)據(jù)本身則被存放在數(shù)據(jù)存儲層的某個實體系統(tǒng)中。在定義數(shù)據(jù)集市時創(chuàng)建的知識（例如，如何轉(zhuǎn)換、整合、分析數(shù)據(jù)集的相關(guān)信息）需要在轉(zhuǎn)換層維護，并被記錄在元數(shù)據(jù)存儲庫中。

交互應(yīng)用層聚焦用戶與數(shù)據(jù)湖的互操作，用戶將通過元數(shù)據(jù)來查詢他們可以訪問的數(shù)據(jù)類別。數(shù)據(jù)檢索和元數(shù)據(jù)管理之間關(guān)系密切，在數(shù)據(jù)檢索期間產(chǎn)生的元數(shù)據(jù)（例如，語義注釋、新發(fā)現(xiàn)的關(guān)系等）將通過模式管理存入元數(shù)據(jù)存儲庫中。查詢公式支持用戶創(chuàng)建能表達他們信息訴求的格式化查詢請求，由于用戶無法直接訪問各種數(shù)據(jù)存儲系統(tǒng)原生功能，因此數(shù)據(jù)交互需要提供與數(shù)據(jù)操作相關(guān)的通用功能，包括數(shù)據(jù)可視化、注釋、選擇、過濾以及基礎(chǔ)的數(shù)據(jù)分析能力，而涉及機器學習、數(shù)據(jù)挖掘等的復(fù)雜分析能力不是數(shù)據(jù)湖系統(tǒng)的核心部分。

5 數(shù)據(jù)湖處理機制

與傳統(tǒng)的基于數(shù)據(jù)倉庫的海量數(shù)據(jù)存儲處理機制相比，數(shù)據(jù)湖最重要的區(qū)別在于數(shù)據(jù)存儲類型和數(shù)據(jù)處理模式。

數(shù)據(jù)存儲類型方面，傳統(tǒng)方式存儲數(shù)據(jù)，進行建模，存儲的主要是結(jié)構(gòu)化數(shù)據(jù)；而數(shù)據(jù)湖則是以其本源格式保存大量原始數(shù)據(jù)，包括結(jié)構(gòu)化的、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的數(shù)據(jù)。在需要使用數(shù)據(jù)之前，沒有必要去定義數(shù)據(jù)結(jié)構(gòu)。

數(shù)據(jù)處理機制方面，傳統(tǒng)方式下，在加載數(shù)據(jù)到數(shù)據(jù)倉庫之前，首先需要定義好它的存儲結(jié)構(gòu)或者模式，即“寫時模式”（Schema-On-Write）。而對于數(shù)據(jù)湖，只需加載存儲原始數(shù)據(jù)，當準備使用數(shù)據(jù)時，才對其進行定義，即“讀時模式”（Schema-On-Read）。這是兩種截然不同的數(shù)據(jù)處理機制，因為數(shù)據(jù)湖是在數(shù)據(jù)到使用時再定義模型結(jié)構(gòu)，因此就提高了數(shù)據(jù)模型定義的靈活性，可滿足更多不同上層業(yè)務(wù)尤其是用戶需求靈活多變的高效率分析訴求。

基于“讀時模式”的數(shù)據(jù)湖整編處理流程主要包括海量數(shù)據(jù)存儲（“建湖”）、數(shù)據(jù)溪流匯聚（“引水”）、數(shù)據(jù)處理分析（“利用”）、數(shù)據(jù)需求服務(wù)（“價值”）等四個過程。數(shù)據(jù)湖處理架構(gòu)如圖2所示。

圖2 基于數(shù)據(jù)湖的大數(shù)據(jù)處理機制示意圖

基于集中式數(shù)據(jù)存儲機制構(gòu)建一套數(shù)據(jù)存儲資源池，采用離線批量導(dǎo)入或者在線實時接入等手段，將各類數(shù)據(jù)進行引接匯聚，提供統(tǒng)一的命名空間，支持多協(xié)議互通訪問，減少數(shù)據(jù)移動，實現(xiàn)數(shù)據(jù)資源的高效共享；引入數(shù)據(jù)湖中的數(shù)據(jù)多以本源方式存儲，需根據(jù)實際使用場景和需求將數(shù)據(jù)治理成干凈數(shù)據(jù)以支撐訪問分析；數(shù)據(jù)湖處理架構(gòu)中計算和數(shù)據(jù)分離的方式必然會帶來一定的網(wǎng)絡(luò)開銷，設(shè)計使用計算側(cè)Cache 將數(shù)據(jù)緩存在計算側(cè)，可有效減少頻繁的網(wǎng)絡(luò)I/O 次數(shù)；提供支持多種數(shù)據(jù)分析引擎，加速數(shù)據(jù)分析的過程，支持直接訪問海量對象存儲中的數(shù)據(jù)，無需數(shù)據(jù)抽取、減少數(shù)據(jù)轉(zhuǎn)換、支持高并發(fā)讀取，提升實時分析效率，同時也支持自助式的數(shù)據(jù)探索式分析應(yīng)用。

6 數(shù)據(jù)湖應(yīng)用思路

針對各業(yè)務(wù)部門技術(shù)平臺異構(gòu)的現(xiàn)實情況，使用云計算平臺對象存儲技術(shù)構(gòu)建跨部門的統(tǒng)一共享交換數(shù)據(jù)湖，滿足跨部門間的基礎(chǔ)數(shù)據(jù)、海量離線數(shù)據(jù)、實時數(shù)據(jù)以及數(shù)據(jù)查詢等多種場景的共享需求?；跀?shù)據(jù)湖的共享池主要實現(xiàn)各類共享數(shù)據(jù)的物理存儲和組織，并支持與Hadoop、Spark等主流大數(shù)據(jù)技術(shù)進行無縫對接，方便各租戶計算平臺使用共享數(shù)據(jù)，并提供共享數(shù)據(jù)的邏輯組織、數(shù)據(jù)發(fā)布、數(shù)據(jù)目錄、數(shù)據(jù)使用、數(shù)據(jù)權(quán)限審批等功能。

各部門在任務(wù)執(zhí)勤、訓練、日常值班等過程中依托信息系統(tǒng)或者手工整編等方式，產(chǎn)生、獲取和保存了海量的數(shù)據(jù)資源經(jīng)過分密級脫敏處理后，可以通過數(shù)據(jù)湖開放給科研院所、企事業(yè)單位等，有利于這些數(shù)據(jù)消費者、創(chuàng)新者基于數(shù)據(jù)創(chuàng)新的實際需求和應(yīng)用場景對開放數(shù)據(jù)進行融合利用，研究所得成果也可以正向反饋給數(shù)據(jù)提供者，創(chuàng)造經(jīng)濟價值，進一步推動大數(shù)據(jù)的開放和應(yīng)用，構(gòu)建一個動態(tài)循環(huán)的、開放的應(yīng)用數(shù)據(jù)生態(tài)系統(tǒng)。

7 結(jié)語

大數(shù)據(jù)已成為現(xiàn)代各項業(yè)務(wù)活動中的重要組成部分，擁有大數(shù)據(jù)的主導(dǎo)權(quán)即擁有信息優(yōu)勢和決策優(yōu)勢［18］。本文在傳統(tǒng)大數(shù)據(jù)處理方法的基礎(chǔ)上了，提出了采用數(shù)據(jù)湖技術(shù)解決大數(shù)據(jù)存儲、處理、共建和共享等問題的方法機制，并初步分析了在相關(guān)領(lǐng)域的應(yīng)用思路，為在新信息技術(shù)廣泛應(yīng)用的背景下，創(chuàng)造制勝途徑，提升數(shù)據(jù)價值，把數(shù)據(jù)優(yōu)勢轉(zhuǎn)化為決策優(yōu)勢和行動優(yōu)勢，實現(xiàn)精準高效支撐數(shù)據(jù)資源的大數(shù)據(jù)建設(shè)總體目標提供了一種思路。