新闻

NEWS

逸迅科技:聚焦大交通等重点行业应用场景,挖掘数据要素价值
来源: | 作者:小E | 发布时间: 2024-01-31 | 123 次浏览 | 分享到:
逸迅科技在上海数据交易所完成认证数商授牌仪式,获得上海数据交易所颁发的“数据产品开发服务商”证书。

近日逸迅科技在上海数据交易所完成认证数商授牌仪式,获得上海数据交易所颁发的“数据产品开发服务商”证书


在推进数据要素市场化配置的过程中,特别是在丰富完善数据基础制度、推动数据基础设施建设、促进数据流通和开发利用等方面,数商扮演着重要的角色,发挥着关键的作用。上海数交所作为数商生态繁荣发展的引领者,积极打造全链新型数商生态。


此次授牌标志着逸迅科技正式加入数商生态。未来,逸迅将继续聚焦政府聚焦大交通、能源、制造等重点行业和领域的数据要素应用场景,充分挖掘数据要素价值,助力各行业客户加强数据资产管理。


关于逸迅科技


逸迅科技成立于2012年,是一家专注于为政府、制造、大交通、能源、运营商等行业提供一站式数智化解决方案的供应商,致力于成为企业专属的数据管家。聚焦数据智能、智慧城市、物联网、智能运维、数字孪生等领域,基于智能的全栈数据产品技术底座,提供数据治理、数据开发、数据分析、数据展现以及数据感知等能力挖掘数据价值,助力数据业务应用及产业落地,辅助业务决策,加快数字化及数智化转型速度。


所获荣誉


  • 2023年11月,入选《数智之道:2023上海数据管理优秀案例》
  • 2023年12月,获上海数据交易所认证数据产品开发服务商
  • 2024年1月,通过DCMM数据管理能力成熟度稳健级(3级)认证



服务产品


产品1逸迅数据管理解决方案

通过为企业和政府提供兼具诊断规划、产品导入和应用落地的“三位一体数据管理解决方案,提升数据管理能力,实现数据赋能。在产品诊断规划阶段,依据DCMM数据管理成熟度模型为客户提供全面对标诊断,评估企业数据管理能力成熟度,并以行业领先实践企业为参考,帮助企业发现数据管理问题和能力短板。在产品导入阶段,逸迅科技完善的数据管理产品栈可满足企业水平或垂直建设数据管理平台需求,并融合知识图谱、NLP、机器学习、大模型等AI能力,为用户实现智能、高效的数据治理。在项目落地上,逸迅科技一体化组织管理及运营能力,能快速反馈企业需求,缩短项目周期。逸迅数据管理解决方案已在电力、轨交、金融、制造等多个行业项目成功落地。


产品2:逸迅城市轨交大数据智能运维解决方案

通过云计算、大数据、AI及物联网等技术手段,围绕设备运维全过程,实现轨交线路故障自诊断、设备自动化巡检、系统远程集中监控、故障预警分析和智能化处理以及健康评价管理等,以提高城市轨交智能化服务水平,提升运维管理效率。

该服务方案有三大亮点:一是涵盖从底层数据治理到上层应用的一体化能力,其覆盖数据采集、数据融合、运维分析应用、数据管理等能力;二是实现跨专业数据统一采集、动态整合共享,支持复杂多维度数据分析、应用;三是全面掌握轨交运行动态,提升企业运营及维保能力。



服务案例


案例一
客户企业:某国有电力企业
客户痛点:
1 缺乏统一的数据平台化管理,导致数据使用有滞后和延时;
2 过去的烟囱式系统建设,导致资源使用重复和浪费;
3 数据质量层次不齐,数据价值得不到释放。
服务方案:
按照DCMM量化管理级的要求,逸迅科技通过分析该电力公司的数据管理问题,理清数据管理需求,规划了项目实施方案,决定通过“标准产品+定制开发+应用落地”的服务体系来推动产品的有效落地应用。

建设完成后的该电力公司数据资产管理平台,主要实现如下功能:


1 数据资产管理平台的建设过程中,对标国家标准DCMM《数据管理能力成熟度评估模型》8个能力域,28个能力项的相关要求,理清平台建设的目标及方向。
2 根据数据资产管理平台的核心目标,结合该电力公司数据资产管理的业务实际,平台的功能设计及实现深度对标DCMM各能力项第三等级--稳健级要求,为后续该电力公司的数据治理评估工作夯实基础。



案例二


客户企业:某市轨道交通线网控制及应急救援指挥中心
客户痛点:
1 设备多且繁杂,数据统一管理难度大;
2 轨交专业性高,技术难度大,个人经验难以沉淀、复用;
3 传统方式设备评估精准性差;
4 故障定位时间久,修复效率较低。
服务方案:
考虑到轨交业主单位的需求,规划搭建集中式控制中心,需要开发一套线网级多专业智能运维平台。逸迅科技基于智能运维平台打造的“1+3” 范式的城市轨交多专业智能运维解决方案,大幅提升业主单位的运维效率。
建设城市轨交线路多专业智能运维体系一般分三个步骤:首先,建设1平台3中心(“1+3”)范式的智能运维IT系统,其中“1”为智能运维平台,“3”为监测中心、告警中心和分析中心三个应用中心。逸迅科技设计的智能运维平台涵盖了运维数据汇聚子系统、运维数据开发子系统、流程编排子系统、运维数据治理子系统、运维算法模型子系统,帮助客户提升数据治理能力与数据利用价值。其次,建设层次化的设备健康评估体系,重点解决设备数据来源的问题。最后,将在智能运维全流程中产生的PB级的运维数据进行标准化,以形成企业级智能大数据底座,进而深入挖掘运维价值,使其更好地反哺业务。