公用事业公司可能需要如何重新思考其数据管理方法

关键词：公用事业大数据、数据分析、大数据思维

摘要：许多公用事业公司仍在努力进行数据管理，在收集和分析从标准电力线，植被和资产检查产生的大量数据的过程中进行手动操作，但是近，非常清楚的是，这些公司无法再继续采用这些过时的技术，诸如无人机之类的现代化解决方案可以帮助提供客户期望的更好结果，但前提是必须将它们与思考，处理和利用数据管理的新方法结合使用。

仅实施能够收集和生成有价值数据的新技术还不够

电力公司需要长期的处理方法，以及支持该过程的新工作流程，以便为公用事业公司采取更有效的行动，以更好地为社区服务数十年来，公用事业公司一直依靠其员工进行手动检查，方法是捕获公用事业基础设施及其周围环境的图像-用肉眼判断一切。例如，将进行载人直升机检查以分析远距离的公用事业电力线–由于缺乏粒度而产生的效果不理想，并且不可避免地将人为错误引入过程中，由于无法访问特定的难以访问的区域，关键的细节和区域将被忽略，从而导致无知的决策。

由于手动处理导致数据生成不一致，因此自动化的使用成为更加重要的焦点

随着技术的发展，数据量也在增长，而这种增长需要公司提供更强大的支持系统来处理它。在无人机实用程序检查过程中，我们开始看到一种转变，因为引入了自动化功能以显着减少近距离检查通常所需的工作量。通过高清成像和难以置信的详细，一致和可重复的检查数据，可以显着改善结果。

采矿与提炼无论有价值还是无用，数据收集通常都很容易

真正的窍门是弄清楚如何有效地使用该数据，并确保对其进行正确的分析和管理，在无人机检查的情况下，从这些检查中收集的数据量有时可能会扩展到PB级，而手动分析所有数据几乎是不可能的。幸运的是，这里可以利用AI和机器学习功能来减轻管理和处理收集到的数据的压力，来自受检查区域（如电力线附近的植被和危险树木）的无人机捕获的高光谱数据可以上传到公用事业公司数据管理系统内的数据库，在那里，基于机器学习的工具可以快速执行分析，筛选成千上万张捕获的图像，并根据已识别的模式得出结论，重要的是，这些结论有助于以更直观，更可行的形式呈现数据，从而不会给这些公用事业公司的分析师提供破译数据的墙。取而代之的是，为他们提供了一系列明确而具体的措施，以进一步改善基础架构。

总是存在容量问题并确保有足够的带宽容纳所有这些有价值的信息

这些大型数据集非常有用，但肯定会让人不知所措，甚至可能需要备份解决方案来帮助承担负载，部署云环境对于提供存储此检查数据所需的无限可伸缩性以及将其存储长达数年的能力至关重要，以便在需要分析时可以访问它，任何大数据管理流程的基本主题（尤其是与公用事业公司从其基础架构中收集的海量数据有关）都与授权紧密相连，并为专业人员提供了有效的工具，使他们可以更智能地工作，充分利用无人机技术是一项巨大的好处，但它需要AI和机器学习等功能以及更好的工作流流程，才能将复杂的信息转变为清晰，简单且可行的方式，终使流程产生革命性的变化，从而带来长期，有益的结果。这些更改需要从头开始。