水务行业的数字化转型 对智慧水务建设的一点思考

北极星水处理网讯:智慧水务目前特别的火，BAT各大巨头纷纷介入，各大水司言必称数字化转型。智慧水务范围宽一点就扩展到智慧城市，数字孪生，各种大数据、云计算、AI、区块链之类的名词满天飞；交流的时候如果不蹦出几个词来可能都觉得特别LOW，不好意思跟人说话。本文为对智慧水务行业的一点思考，欢迎批评指正。

01 智慧水务基本内容

水务的信息化、智慧化主要干什么事？其实就是把甲方、政府日常工作的一些流程，用信息化的工具做一些替代，用纸提交的，打电话传递的，手抄统计的，人为走访观察的，变成无纸化、自动流转，多终端自动上报，就是信息化系统。在这个基础上，加上一些针对数据挖掘的新功能，如“大数据”的统计，“AI人工智能”的识别分析之类的，自动得到一些对工作有用的信息或者辅助建议，现在很多称这些就叫智慧水务了，但是我觉得智慧是主动的，这些功能撑死算智能化，在明确的边界条件约束下自动化实现了部分人工可以处理的信息。目前的应用案例已经比较多了，例如基于视频、图片识别积水、河道箱涵溢流，基于水力模型的风险评估等。以上内容应用于水务行业就是智慧水务、智慧水脑，应用于环保就是智慧环保，把各行各业都覆盖就是智慧城市、智慧大脑。

做一个这种智慧应用系统需要哪些东西？

一是感知层，各类监测设备之类的获取数据，感知层也不仅仅是监测设备，任何能获取数据的渠道其实都可以算这块；人工填写的表单、手机收集的位置信息、天气预报等等，一切皆数据。

二是传输层，能把数据收集上来运送的目的地；有线、无线等各种方式。

三是数据层，用来存储管理数据，有的存在本地服务器、有的使用云服务。

四是服务层，可以是微服务、中台之类的，对数据进行模块化的加工；可以是根据项目特点专门开发的数据处理分析能力，也很多是利用现成的分析服务复用。大数据、AI、模型应该在这块；

五是应用层，把模块化的数据服务与具体的应用场景，这里就有业务流程，根据用户（例如水务局各处室、水司）能使用的业务流程，先怎么样，再怎么样；一件事情具体怎么流转。

六是展示层，面对用户需求，大屏展示、分部门展示云云，关系到用户体验，如何更好的表达用户想看到的内容。

02 智慧水务的趋势

目前的发展趋势呢，应该是非常明确的，大江大河终将奔流入海，但过程中会有礁石乱流旋涡。整体看一定是好事，会推进下去，到了业主比如水务局、水司这里也是好事，只要技术整体靠谱最终会产生效益，但对于具体的负责人员不一定是件好差事（ToG项目难做…）。对于承接业务的公司来说，费用足够，只要最终能交付，那么收益可能还是比较可观的；对于具体实施的人员就可能遇到很多的坑。

那么目前智慧水务整体处于什么个状态？我个人认为就还比较初级，如果把完整的发展过程分为起步期、爆发期、引领期，那么现在处于起步期刚刚抬头向爆发期转化这个阶段；如果分为信息化、智能化、智慧化，那么现在处于信息化的过程中，比较前期；如果分为知、治、智，那么现在还只是知，知的还不清不楚的。

目前智慧水务进入了一个群魔乱舞的阶段，阿里、华为、平安、腾讯、百度纷纷下场，自建或者投资相关业务。为广大环境、给排水天坑专业学生提供了新的就业思路，但是这个业务类型的问题就是纯粹的ToG项目，和当地财政状况息息相关，有钱的地方可能对智慧化有需求，大多数没钱的地方能实现关键数据的信息化就已经很足够了。

03 智慧水务建设中存在的问题

1 基础平台

传统业务做成智慧化，并不仅仅是搭建个信息化的系统就完事了。现在的支付宝、QQ拿到古代一样没用；跑车放古代也跑不快；飞机也无法起飞降落。这些看上去简单的应用，背后是有完善的基础平台支撑的。

对于要搭建指挥系统的局、委来说也是一样；要这个系统真的发挥作用，就得他们有这个基础平台、这个环境。包括政治环境、人员意识环境、业务流程环境。他们得自己能理得清楚自己的业务到底是怎么流转的，并且打破一些流转的阻碍，业务壁垒。但这点往往就不能满足，业主只提美好的需求，要求进度要求验收，承接单位售前、销售为了拿到单子，又往往过度承诺，讲的都很美好什么都能做到，而公司又没有专业评审，这就会导致业主的认知与真实能达到的效果之间必然有一个落差，最终交付很困难或者根本无法交付。

比如说本来承接单位只要把系统搭好就可以了，使用是业主单位的事，但业主用不起来就会说你的系统没用。比如数据拿不到、流转过程走不通。对于类似基础环境的问题，承接单位是很难解决的，所以目前国家层面也在发力，顶层设计开始。虽然顶层发力了，但发挥效果还没那么快，当前依然是混乱状态。等到顶层设计落实到某个局的时候，信息化公司再介入其实依然会面对混乱的局面，因为这需要类似华为引入麦肯锡咨询服务一样，帮他们梳理组织架构、业务流程，一般的信息化公司没有这种能力，可以采用信息化公司+对水务部门业务熟悉的单位（如当地规划院、水利院、水务公司等）联合的形式。

2 感知层

说完最基础的平台，然后到智慧系统实施这块；先说感知层。排水方向的智慧水务远远落后于供水方向；供水智慧水务由于关注的水都是有压水，在管道里，水质好，所以容易监测，在基础感知层面的条件远远优于排水，所以目前基本上有了挺多智慧化的应用，参加的几个智慧水务的论坛也都是给水的智慧应用、智慧水表等等大吹特吹，排水方面就相对还在起步期了。排水智慧化有点在跟着学习供水的智慧化的意思。但是排水的智慧化有一个无解的痛点就是给水是收费的，水司有动力为了降低漏损率等去主动开发智慧应用；而排水属于财政支出，也不太可能收雨水排水费，现有的排水应用主要是排水防涝等安全方面的监测，对于排水系统的优化等由于基础数据的缺失，还是比较难的。

不仅如此，排水的监测设备，环境一般比较恶劣，脏水、水中有各种杂物，运维也不容易，精度上、稳定性上都不好保证。收上来的数据能不能用得打个问号，现在的在线水质监测、在线流量监测也有很多公司在做了，据了解价格都真的不便宜，数据质量也挺感人的….

其他数据来源也是如此，这就给数据的清洗分析埋了很多坑。收上来的数据再多，如果不能转化成对业务有价值的一些结论就也没什么用。

3 数据传输

这部分还好，实在不行用有线，就是成本会比较高。

4 存储层

存储其实应该也还好，空间上成本应该不算太高，控制下频率；但怎么存可能会遇到问题，这个数据什么用，怎么归类，怎么打标签，业务不清晰这部分也会乱。现在一般说做大数据中心，这个大数据中心的数据在业务需要时能不能顶得住也不好说；各个业务部门的数据归集难度也很大。可能同一个含义的数据分了很多种名称，可能相互重叠、分歧等等。这个跟组织架构的、业务流程的梳理也有关系，应该属于其中的一部分吧。车同轨，书同文。这个就需要顶层设计上来统一了，国家层面也有这部分的一些东西出来。

5 服务层

这一块是主要的吹点，大数据，AI，云计算，模型都可以放。但这一切的基础都是数据，数据本身量不太够或者质量不行，空有分析技术也无米下锅。

首先是数据标签的问题，就算数据质、量都很好，以一片管网为例，你怎么就知道这种情况的数据，就是好的状态，这种就是坏的状态呢？各种分析模型大数据的AI的最终也都是人为训练出来的，你告诉它是猫，它就把类似的归类成猫，但你不说它也不知道。所以数据来源、位置包括状态含义都需要标签，涉及到很专业的领域可能还需要很专业的人来打标签。最近阿里招一日鉴黄师体验挺火的，感觉智慧水务智慧城市之类的应用或许也会催生出水专业方向的标签师，并且还需要数据分析能力的；人先替AI把各种坑都给平了，AI才能自己去工作。

然后模型应用，各种给水、内涝、水质模型。有大数据的，有水文、水动力机理模型等等；但发展到最终可能并没有什么不同；其实任何能反应一定规律的东西都是模型，把规律写成程序就是模型引擎；只不过有些规律比较复杂，参数众多；有些规律跟现实没啥关系，可能是游戏里的，可能是幻想中的。大数据模型无视过程，给输入，然后就给你输出；水文模型中的P-Pa-R降雨径流曲线其实也是大数据模型，它是水文科学家根据观测经验积累总结出来的规律。大数据模型中有神经网络模型，三层的、四层的，但如果用神经网络来模拟降雨-产汇流的过程，可能发展到最后就会发现，最准确有效的，就是每一层与现实对应的，一层-植被、表层土壤，二层-深层土壤，三层-地下水，四层-汇流过程……模型只是人类的工具，就是个棒槌，能不能舞出花来，能不能屠龙也看怎么用，谁来用。All models are wrong，but some are useful.

然后数据有了，分析的工具有了，往哪个方向分析呢？又回到了业务需求的问题。目前供水行业用来提升水司的效益，具体到一些指标感觉就比较明确一些。水务的防洪排涝，虽然大的目标明确，但分解时容易遇到困难。对于模型在业务上的应用，计算效率上也会成为率定、自动优化调度、实时计算等的阻碍。

6 应用层

业务流转、数据都是虚幻的，如果具体落实成一个个按钮、窗口、图形也和需求调研、流程梳理、产品设计有关系，相互牵制；只做应用就是空中楼阁，没油的跑车，还是用不起来。但各种探索总是有必要的。