采购需求

第4包数管、用管平台

采购内容及要求

蚌埠市“城市智慧大脑”（二期）项目具体内容如下：

依据项目设计方案和数管、用管平台实施的具体要求，进行数据库系统设计、数据库选型、数据库系统部署以及相关的数据处理技术支持等实施工作。数据库软件由中标商提供（符合国家及省相关政策要求），性能要满足方案规划内容及现有应用迁移后的需求，并满足未来5年应用扩展需求。

1、数管平台。由数据基础设施体系、统一数据工具体系、数据资源体系、数据应用、领导驾驶舱、标准规范体系和统一运维体系组成。

2、用管平台。由公共组件系统和组件库组成。

3、运维监控平台。由采控子平台、数据子平台、全栈监控子平台、统一告警子平台、知识库、标准作业子平台、运营子平台、工作台组成。

4、集约化平台升级。由集约化平台系统升级、智能问答机器人运营服务和集约化平台密码应用安全软硬件设备组成。

5、本标包建设期不超过6个月。

技术要求

数管平台

按照“塑造能力、夯实基础、完善支撑、创新应用”的基本框架推进数管平台建设。强化城市级数管平台能力建设和应用开发，为辖区内各级应用提供支撑和保障。数管平台建设的整体策略是从业务着手，自顶向下逐层调研业务，再自底向上对业务逐层抽象归纳，形成业务全景图。

数管平台基于大数据存储和计算技术，上联省级一体化数管平台，实现规范、统一、精简、贯通的数管平台架构。平台能够在现有云计算基础设施之上，结合蚌埠市具体实际需求，实现数据的汇集、加工、共享、交换和开放。同步建设标准规范体系、数据运营保障体系有效保障数据治理和开放过程中的安全。通过大数据共享、开发和开放，实现对城市大数据的深度分析、价值挖掘和合理应用。

本次将通过搭建数管平台，按照城市级数管平台所需数据要求对数据资源进行汇集整合、清洗治理，实施各类数据资源归集、治理、共享，并构建数据共享和交换的标准规范，同时与省一体化平台无缝对接，支撑市、县两级大数据处理分析需求，形成一体化数据资源体系。数管平台建设内容可以概括为数据基础设施体系、统一数据工具体系、数据资源体系、统一数据应用体系、领导驾驶舱、标准规范体系、统一运维体系。

数据基础设施体系

大数据存储与计算平台

基于Hadoop框架的私有化部署，主要提供统一存储与计算资源，包括离线计算、流式计算、内存计算、分布式文件系统、分布式数据库等能力，支持高可靠、安全、容错、易用的集群管理能力；通过多租户的方式提供资源支撑，实现基于统一存储计算的建设，通过集约化的方式减少重复建设和运维，提升资源利用率。

大数据存储与计算平台需包括实时概况、服务管理、集群主机、告警管理、组件管理、集群容灾和租户管理。

统一数据工具体系

数据交换平台

数据交换平台的建设目标是满足多组织、多层级、多源异构系统之间的数据交换传输和共享需求。平台作为不同系统及数据源之间的桥梁，发挥数据交换枢纽的作用，打破网络壁垒和信息孤岛，提升数据资源的利用效率，实现数据价值增值。

交换管理提供数据交换任务构建和管理能力，满足各类交换任务处理。数据交换平台需包括首页、基础设施和交换中心。其中，首页提供平台整体监控分析功能，通过数据交换大厅查看平台整体监控告警动态和交换数据量分析，定位交换业务运维异常。基础设施作为支撑交换平台的基础功能，提供数据交换构建的底层能力。交换中心根据业务管理数据交换任务，查看交换任务日志和交换监控报告。

数据集成平台

数据集成系统作为底层基础支撑性服务，是大数据系统的基础组成部分。通过提供多种数据集成系统，将政府各部门的结构化和非结构化的数据进行统一的汇聚接入，存储到大数据存储组件，并支持数据的预处理，为大数据系统支持原始数据支撑。

接入数据来源越来越复杂，包括内部和外部等各种数据结构和数据形式，数据结构众多，通过配置数据间的对应关系，实现数据集成。

数据集成平台需包括数据源管理、集成来源管理、集成目的管理、集成任务管理、监控分析和系统管理。

资源目录管理系统

资源目录管理系统参考国家政务信息资源相关标准中对数据信息资源的采集工作要求，需对数据进行分级分类管理，从目录分类创建、目录编制、目录审核到目录发布，构建数管平台统一的资源目录采集标准体系，适用于政务类、行业类等多种业务方向，帮助业务方实现内部数据“底数”明确、“资源”清晰。

资源目录管理系统需包括资源类型管理、资源分类管理、目录编制、目录审核、目录上/下线和目录查看。

数据资产管理平台

数据资产管理平台基于数据目录盘点数据资源，以统一数据标准为基础，规范元数据。围绕数据资产盘点 、元数据管理、数据资源管理等核心功能，实现“盘点数据资源，规范数据资产，发挥数据价值”的数据管理目标，为政府、企业或组织提供一站式数据管理平台。

数据资产管理的总体目标是厘清数据资产，通过构建数据资产管理支撑架构，规范数据的生成和使用，持续改进数据质量，强化数据管理体系建设，为企业或组织提供高价值的数据服务于数据应用支撑能力。

数据资产管理平台需包括数据资产盘点、数据标准管理、元数据管理、数据资源管理和数据租户管理。

数据质量平台

数据质量平台的核心是发现数据的问题，通过内置或自定义的检查规则对数据源进行问题检查并形成数据报告为后续的数据治理以及管理提供依据。

通过数据质量平台完成数据检查，目标是通过质量检查任务的执行，发现问题数据并进行修正，提升数据质量，使用户获得干净、结构清晰的数据，提高数据应用和服务的水平。

数据质量平台需包含质量检查规则管理、质量概览、质量任务管理、质量报告管理、质量日志管理和问题数据反馈。

数据服务平台

数据服务平台的核心目标是最大化发挥大数据平台的数据资产和数据能力价值，将平台的数据和服务开放给各业务应用系统使用，从而避免重复开发，规范API服务，提高利用效率。

数据服务平台需包括数据服务和数据服务日志。

数据服务是基于数据目录或数据源通过数据配置化将数据服务化，快速响应数据服务化需求。需支持RestFul与WebService两种协议方式，并能够选择是否需要对数据调用返回记录保存进行溯源。

数据服务日志记录数据服务调用过程中的日志信息，为数据服务调用提供审计信息。

数据治理平台

数据集成过程中，从多个数据源集成而来的数据，在规范性和数据质量上往往不符合业务使用的要求，严重影响数据资产的应用价值。故此需要治理平台功能，进行数据的规范治理，帮助数据维护人员对数据质量进行规范化操作处理，提炼数据价值。

数据治理平台的总体目标是提升数据质量、促进数据融合、规范数据流程和挖掘数据价值。通过数据治理提升核心数据能力，提升系统开发和维护的质量，减少系统建设、实施及运维等各方面成本。

数据治理平台主要进行数据规整，数据规整需包括规整概览、常规规整规则、自定义规整规则、字典转换规则、数据规整任务和规整任务日志，具备多租户和数据源头治理能力。

数据挖掘平台

数据挖掘平台通过大数据和机器学习算法组件对数据中心所提供的信息资源，进行可视化的数据分析，形成数据服务产品。需提供供第三方调用的数据处理工具集，包括任务调度管理、计算任务管理等功能，满足政府管理部门和行政业务的应用需求。

在本项目开发范围之外，针对不同的业务场景，可以基于平台提供的开发套件与行业服务商的能力，将多方产品集成形成行业解决方案。一方面用户可以自行参考解决方案，在平台上以自助的方式完成解决方案的实施。另一方面，服务商也可以根据用户场景，在平台上完成定制化的端到端的解决方案实施。

挖掘平台提供数据资源管理、算法模型训练、业务模型管理，服务管理等模块，简化数据挖掘流程。用户可以操作大数据平台将原始数据转变为业务洞察的海量数据处理能力，而无需关心集群的搭建和运维。

数据挖掘平台需包含数据资源管理、算法模型训练、计算模型管理、业务模型管理和服务管理。

实时计算平台

随着互联网信息技术的高速发展，出现了诸如互联网订单、传感器信号、移动设备、金融交易和社交网络等实时产生的一种新型数据，即流数据。不同于传统的离线数据，需要对这些源源不断的产生的数据做出迅速响应。流数据是数据源持续生成的数据，产生源头来自于源源不断的事件流，通常也以数据记录的形式发送，但相较于离线数据，流数据普遍的规模较小。

流式数据具有实时性、易失性、无序性、无限性等特点，数据所呈现的特点不同于传统数据集。毫无疑问，要能够对持续大流量的实时数据进行分析和计算，是一个非常巨大的挑战，其中最重要的一个需求是能够实时响应计算结果，时延一般要求从毫秒级至分钟级。数据的业务价值随着时间的流失而迅速降低，而传统的批量（离线）计算模式已经不能满足需求。

流式计算，是对数据流进行处理。流式计算的特征，使得在系统容错、数据传输、处理时延、高可用性等方面对系统设计提出了更高的要求。

实时计算平台基于事件驱动的轻量级流计算引擎，提供数据实时采集、实时计算、实时集成的全链路流计算。内置流计算组件，提供可视化的作业编排；支持通过SQL的方式实现流式数据开发，大幅降低了流式数据分析门槛。适用于实时性要求高、吞吐量大的流式数据处理场景。

支持高容错的状态管理，通过分布式快照技术实现状态的持久化维护。

实时计算平台需包括数据源管理、项目管理、作业管理、函数管理和作业监控。

标签管理平台

基于资产数据资源，建设标签制作的核心套件，提供简易的可视化页面为业务标签提供良好的开发条件，让非专业的业务人员也可以利用可视化的编辑器进行业务数据打标。

标签管理平台，提供集标签制作、管理、应用、服务一体化的零代码标签平台，基于数据资产，构建标签体系，实现数据应用价值提升，助力数字化管理与升级。

标签管理平台需包括对象管理、类目管理、标签管理、标签审核、标签任务、标签查询、标签视图和标签服务。

数据供需协同平台

数据供需协同平台面向各部门，对未在数据共享平台发布共享的数据，提供数据需求申请、分析审核、确认责任、责任完成等业务的工作流程平台。

数据供需协同平台通过与数据资源资源目录管理系统融合关联，实现数据需求的流程流转，数据供需协同平台的功能需包括需求申请管理、需求审核管理、需求确认管理、需求责任管理和供需评估管理。

数据运维管理平台

数据运维管理平台面向建设数据中心的对象，采集数据接入、处理、组织和服务等各项任务的指标信息，通过对监控指标，实现数据源、数据处理流程、任务等信息的监控告警。作为统一运维工具，需支持数据源监控、数据处理流程监控和指标监控的运维场景。

数据运维管理平台需包括数据监控概览、监控指标管理、监控任务管理、数据监控报告、监控任务日志、异常告警和运维日志监控。

数据开发平台

数据开发平台，提供统一的作业任务开发、编排、调度、管理及监控功能。包括RDSSql、SparkSql等不同类型任务，监控任务运行过程，提供任务异常快速定位，并进行错误任务重执行。

数据开发平台的总体目标是提供一站式的数据开发工作台以及作业编排调度监控能力，提供可视化的图形开发界面、丰富的数据开发类型（脚本开发和作业开发）、全托管的作业调度和运维监控能力，支持丰富的调度机制：包括时间周期调度，基于消息通道的事件调度，且支持设置作业间的依赖关系。支持一键式开发，全流程可视化。

数据开发过程以图形化的方式对各种任务进行编排、调度、监控，对错误调度任务进行问题定位与错误任务干预。监控调度运行中的所有运行日志信息，提升系统开发和维护的质量，减少系统建设、实施及运维等各方面成本。

数据开发平台需包括资源管理、数据开发、调度运维和系统管理。

可视化分析平台

相比于传统图表，如今的数据可视化致力于用更生动、炫酷的形式，即时呈现隐藏在瞬息万变且庞杂数据背后的业务洞察。无论在交通、物流、水利、环保、还是医疗等领域，通过交互式实时数据可视化应用来帮助业务人员创建大屏，用于业务监控、会议展览等多种业务的展示需求，越来越成为大数据解决方案中不可缺少的一环。

可视化分析平台支持通过所见即所得的可视化拖拽，通过拖拽、配置、右键菜单和工具条，利用丰富的组件库、事件库等，通过直观的交互方式，快速构建可视化展现功能。

可视化分析平台需包括仪表盘、工作室、发布管理、数据集管理和数据源管理。其中工作室需包括模板库、素材库、组件市场和放映室。

评估考核系统

数管平台运行质量评估考核系统需通过采集各子系统的相关指标数据，从数据共享情况、数据应用情况、数据开放情况、数据规范情况、数据质量情况、数据授权情况、数据纠错情况等维度搭建考核评估指标，制定考核方案，最终形成评估结果，对考核指标进行多维度可视化对比分析，解析得分明细，完成评估各部门政务信息资源共享工作的完成情况，以评估评价方式强化本区域数据资源共享的常态化工作，督促各部门保质保量完成政务信息资源共享相关工作。

评估考核系统需包括评估考核指标、基础配置和评估管理。

数据标准管控平台

数据标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工具等手段，推动数据的标准化，进一步提升数据质量。数据标准贯穿数据治理事前、事中、事后全流程，为更好的理解数据和使用数据“保驾护航”。

数据标准管控平台需包括标准管理、标准应用和模型管理。

数据资源体系

市级利用统一数据工具体系，开展数据治理工作。市级存量数据经过明确数据分类、确定数据源、设计数据架构、制定数据标准等过程实现数据入湖，后期新增数据需参照统一要求入湖。部门入湖数据划分至各部门数据池，并汇聚到省厅级数据池。县级原则上不单独建设数据湖，由市级划分数据池。

市直部门可通过申请租户的方式，直接复用部分统一数据工具，在此基础上快速完成本部门行业大数据分中心的建设，构建部门数据池，完成本部门数据融合治理，即可提升信息化系统建设效率，又可节约建设费用。可申请开通租户的数据工具包括数据集成、数据质量、数据治理等。

数据湖

数据湖需包括数据分类、数据确源、数据架构设计和数据标准。

数据分类的作用是为了针对不同特性的数据采取不同的管理策略，以实现最大的治理成效。不同分类的数据，采取不同的治理方法，投入不同的资源。支持非结构化数据治理入湖。数据资产管理中，在梳理业务对象，逻辑实体时，把数据分类进行标注。

数据源是指部门根据法定职责在业务上首次正式发布某项数据的应用，作为唯一数据源头。通过对数据进行数据源确定，构建数据的权威来源，确保数据源头的统一，以及跨部门、跨流程、跨系统数据的唯一性和一致性。

数据架构是为了识别数据管理责任，解决数据问题争议，避免重复建设，并让全员有共同语言，确保数据在各业务领域间高效、准确地传递，上下游业务快速地执行。将人、事、物等业务对象进行梳理，形成数据资源目录。在数据入湖前，明确数据的分层结构，通过数据资产管理系统，梳理业务域、主题域、业务对象、逻辑数据实体和属性，并确定数据责任人等。

根据省数据局数据标准设计规范相关文件，结合蚌埠市的业务和数据情况，梳理、制定本地区数据标准。

数据池

数据池需包括数据池流量设计和数据分层存储设计。

数据池流量设计：针对委办局源头数据处理诉求提供的数据全生命周期管理，依托于规范设计、数据集成、数据治理和数据服务能力平台，实现委办局智能数据管理能力的数据池建设。

数据分层存储设计：数据层基于Hadoop和MPPDB并行的技术路线，即满足大规模数据的分析计算，还能实现高效的数据服务，同时基于Kafka/Flink/CDC等工具提供实时数据抽取交付。

数据融合

数据汇聚入湖后，调用数据治理工具开展数据融合治理，结合业务需求、数据标准等建设要求，对数据进行加工融合，满足不同场景的数据需求。

以业务对象为中心融合

人口数据

人口数据建设是围绕自然人从出生到死亡的各个阶段所产生的数据，遵守一数一源、一数多源等规则，对分散在各委办单位的数据进行原子化、聚合建模处理，形成以公民身份号码为唯一标识，一个逻辑集中、信息全面、准确一致、动态更新、真实反映人口现状的人口基础信息库，实现人口信息的共享、整合和存储。

建设完善的人口数据，形成数据及时更新校核机制，实现人口基础数据在所有政务部门间实时共享，支撑人口信息资源的分布查询和深化应用。为相关部门的业务应用、跨部门业务应用和宏观决策等提供基础数据支持与服务。

人口数据中的各类数据资源来源于公安、民政、人社、卫计、税务、教育、司法等部门，是人口数据基础信息鲜活性的保障。

人口数据模型需分为基本信息、资产信息、社会活动、荣誉资质和涉事涉法5大类，需包括登记信息、生理特征、家庭关系、联系信息、实物资产、无形资产、基本生活、医疗卫生等小类。

核心模型需包括基本登记信息、出生信息、照片信息、学生信息、社保信息、公积金信息、纳税信息、不动产信息、结婚登记信息、离退休信息、死亡证明信息等信息。

法人数据

法人数据建设是以企业、机关、事业单位、社会团体以及其他组织机构等法人的基本信息为基点，归集和整合市场监管、编办、民政、税务等各部门在处理法人相关业务中产生的各类许可、监管处罚等信息，并对这些组织以组织机构代码的形式进行了统一的标识。建设一个逻辑集中、信息全面、准确一致、动态更新、真实反映法人现状的法人单位基础信息库，实现法人信息的集中管理、共享与应用，促进政府部门间的协作，为各部门以及社会公众对法人的监管提供信息支撑。

建设完善的法人数据，形成数据及时更新校核机制，实现法人基础数据在所有政务部门间实时共享，支撑法人单位信息资源的分布查询和深化应用。为相关部门的业务应用、跨部门业务应用和宏观决策等提供基础数据支持与服务。

法人数据建设有利于打破信息孤岛的阻隔，实现政府各部门间的信息共享和应用，通过聚合各政府部门的法人单位相关社会经济活动信息，形成完整的公共记录，将为政府协调监管机制、规范经济行为、加强社会管理等提供有力的基础支撑，从而提高政府行政效率和服务水平。

法人数据中的各类数据资源来源于市场监管、民政、质监、税务、编办等法人管理部门，是法人数据基础信息鲜活性的保障。

法人数据模型需分为基本信息、资本与资产、许可资质荣誉、纳税参保缴费、行政执法、信用评价和司法信息7大类。

核心模型需包括法人基本信息、企业基本信息、机关单位登记信息、事业单位登记信息、社会团体登记信息、民办非企业登记信息、基金会登记信息、法定代表人、股东信息、股东出资信息、隶属关系、变更信息、被担保债权概况信息、抵押人信息、抵押权人信息、抵押物概况信息、股权出质详细信息、经营异常信息、抽查检查信息、税务登记信息、纳税明细信息、对外投资信息、行政许可信息、证照信息、被执行人信息、失信被执行人信息、裁判文书信息、公告信息、行政处罚信息、企业年报等信息。

地理信息数据

本项目设计需要考虑地理空间大数据的应用需求。并考虑后期向北斗码融合升级的需求。地理空间大数据包含经典空间大数据，如多期的遥感影像数据、行政边界矢量数据及遥感监测专题数据，三维数据等。本次建设范围和数量根据本地的信息化基础、应用需求和智慧城市顶层设计，对蚌埠市卫星遥感监测数据及相关服务数据进行空间信息化，展示在卫星数据基底平台上，可归集政府各部门业务数据，如自然资源与规划局和住房城乡建设局的GIS数据等(此类业务数据需项目方共同协调相关部门获取)，在完成基础地理信息数据的基础上，同时兼顾未来，对智能感知数据、新型测绘遥感产品数据进行大数据存储设计。

本项目需对蚌埠市市域，四区（龙子湖区、蚌山区、禹会区、淮上区）面积约计969平方公里，提供蚌埠市市域季度遥感监测服务，1年4期，数据资源有：蚌埠市行政边界矢量数据、影像数据、监测成果矢量数据、三维产品数据进行整合处理建库。

序号	类  别	内  容	数量	单位
1	三立体遥感影像数据	0.3 米分辨率影像	100	平方公里
2	三维产品（白模）	0.3 米分辨率影像	95	平方公里
3	三维产品（精模）	0.3 米分辨率影像	5	平方公里

数据资源分析需包括空间数据处理、统一数据格式、一致性处理和动态数据汇聚。

地理信息数据库设计需包括基础地理信息数据库设计、地名地址数据库设计、遥感影像数据库设计、三维空间数据库设计、监测成果矢量数据库设计、目录与元数据库设计、地理信息分布式数据库设计和综治网格化数据库设计。

政策法规数据

对政策文件、法律法规数据进行归集，构建政策法规数据。用户可以根据业务需求对政策文件、法律法规进行检索查询、调阅查看。政策法规管理实现政策的汇聚、梳理、拆解，为政府用户提供统一的政策管理工具，实现政策的颗粒化、标准化、标签处理和同源管理。

具体需包括政策文件管理、政策清单管理、政策兑现配置、政策标签、部门分类、政策查询、政策发布、数据上报、数据承接。

以业务（事件）为中心融合

根据蚌埠现有数据情况，结合蚌埠业务应用特点，构建具有本地特色的业务（事件）数据。业务（事件）数据建设包括：政务服务数据、城市管理数据、营商环境数据、城市事件数据、宏观经济数据、党建引领信用村数据、城市部件数据、信用业务数据建设。

政务服务业务数据

政务服务业务数据是指政务部门在履行职责过程中制作或获取的，以一定形式记录、保存的文件、资料、图表和数据等各类信息资源，包括政务部门直接或通过第三方依法采集的、依法授权管理的和因履行职责等，包含政务服务事项、办件信息、监督信息、政策法规等，实现减环节、减材料、减时限、少跑动，为方便群众企业办事提供数据支撑，并且推动政务数据与城市运行各领域、各行业应用的数据资源体系互联互通，奠定政务应用的基础。

政务服务业务数据的数据来源主要从数据资源局获取。对政务服务办事项、办件环节、办结受理、办件申请等重要业务场景进行业务数据的梳理及归集。

通过融合其他领域业务数据，实现多部门、多业务数据联动，为政务服务基础能力、事项办理能效情况、重点应用情况、人生一件事等应用场景提供数据支撑。具体模型需包括部门、组织机构、实施清单和办件环节信息。

城市管理业务数据

城市管理主要是对本地区城市的综合管理能力进行集中分析，通过治安管理、环境治理、交通管理、应急管理等数据的整合与分析体现整个城市各个层面的管理成效。例如通过事件处置的时限来分析工作效率、通过长时间的运行数据进行比对来体现管理效果等。为城市管理相关的各部门提供决策支撑，优化城市管理方案，提升城市管理效率。

城市管理主要是对本地区城市的综合管理能力进行集中展示，内容可能涉及到市民投诉、数字城管、市政设施、各区域综合考核排名、城市管理人力资源、行政执法情况、违法整治情况及城市环境等诸多方面。

城市管理的模型需包括确定分析目标、分析方案制定、选优和实施等，即通过对相关各类数据进行数据挖掘、信息处理、分析计算等取得决策分析结果。

将城市运行核心的各项关键数据进行建模，需包括经济、民生、政务、交通等各项业务指标数据，为蚌埠各领域管理提供决策支持。

需支持地球、城市、建筑物、设备等的数据可视化呈现服务，在数字城市场景中以热力图、空间流动线、空间分布图、三维图表、光影粒子效果多种方式进行显示表达。

营商环境业务数据

近年来，党中央和国务院高度重视营商环境建设工作，是基于中国转向高质量发展阶段的必然选择。习近平主席多次指出要“以优化营商环境为基础，全面深化改革”，强调“营商环境只有更好，没有最好。”地区营商环境的优劣直接影响着招商引资的多寡，同时也直接影响着区域内的经营企业，最终对经济发展状况、财税收入、社会就业情况等产生重要影响，因此，良好的营商环境是一个国家或地区经济软实力的重要体现，是一个国家或地区提高综合竞争力的重要方面。

遵循世界银行、我国营商环境评价指标内涵，借鉴世界银行等国际机构开展营商环境评价的通用做法，立足我国基本国情，结合本地实际，构建体现本地特色的营商环境评价体系，实现评价维度更全面、评价方式更快捷、评价结果更客观、评价过程全追溯。通过大数据技术将本地营商环境情况与周边先进区域进行对比横向对比、政策符合度对比、各期评价结果纵向对比。寻找差距，为后续市营商环境优化提升找出方向，实现以评促改、以评促优。

营商环境中各类数据资源来源于市场监督管理局、自然资源与规划局、税务局、公安局、人社局、财政等部门。

具体模型需包括企业设立登记办件信息、不动产转移信息、用水电用气-办理环节信息、办理不动产转移涉税信息、行政处罚行为信息、行政强制行为信息、政务服务营商环境办件申报异常。

城市事件业务数据

根据国标《数字化城市管理信息系统第2部分：管理部件和事件》（GBT 304 28.2-2013）相关标准，智慧城管系统的事件应包含如下几大类，划分为大类和小类，大类由若干小类组成。

事件的大类包括市容环境类、宣传广告类、施工管理类、街面秩序类、突发事件类、其他事件类。

事件的基本属性信息需包括事件代码、事件名称、主管部门代码、主管部门名称、事发位置、所在单元网格。

宏观经济业务数据

为全方位、多视角、深层次的掌握宏观经济的运行状况、发展趋势以及结构变化，建设以反映国民经济状况的各项指标的宏观经济库。

宏观经济库，主要以市统计局和发改委的数据为主，辅以各级各类普查资料、政府综合统计资料、部门行业登记资料、社会经济调查资料等，结合宏观经济的实际需求，融合各部门数据进行加工，形成衡量宏观经济的数据库。

宏观经济库中的各类数据资源来源于统计局、发改委、财政局、经信局、民政局、人力资源社会保障局、商务外事局、住房城乡建设局、文化体育旅游局、税务局、市场监管局等部门，是宏观经济库基础信息鲜活性的保障。

具体模型需包括经济发展、民生保障、重点行业、科技创新、农业发展、城市建设。

党建引领信用村业务数据

根据本地相关要求进行信用村数据归集，并形成信用村业务数据。数据归集内容包括但不仅限于：资源使用情况、房产情况、其他资产设备情况、保险情况、社会信用情况、一票否决事项等。对信用村相关的考核与管理指标进行综合分析，呈现信用村综合管理成效。开展党建引领信用村建设，对于推动乡风文明建设、提升乡村治理水平、促进党的支农政策全面落地、调动更多金融资源向农村集聚，对于不断增强基层党组织组织力，具有十分重要意义。

党建引领信用村主题体现了国家把党建引领信用村建设作为推深做实“一抓双促”工程的重要抓手，作为助推乡村振兴的重要路径。融合其他领域业务数据（农业、金融等），实现多部门数据联动，汇总信用村建设主题。建设包括信用主体评定情况、信用村建设情况、金融机构参与情况、金融产品借贷情况、经营主体画像等。

具体模型需包括数据上报模型设计和数据回流模型设计。

城市部件业务数据

随着城市现代化建设的不断推进，城市面貌发生了巨大变化，但城市管理水平和运行效率如何与时俱进，成为一个重要课题。通过信息化管理内在的系统性、网络性、程序性和透明性等来推进城市管理资源优化整合，管理流程科学再造，管理主体多元参与，已成为提高城市管理水平的有效手段。

城市部件将“城市管理的家底摸清楚”，比如每一类部件的数量、具体位置、产权单位、管理单位、养护单位、规格大小等等。

城市部件建设内容主要包括城市管理公共区域内的各项市政工程设施与市政公用设施，需包括公用设施、交通设施、市容环境设施、园林绿化设施和其他部件等。

具体模型需包括部件分类编码、公用设施基础信息、交通设施基础信息、市容环境设施基础信息、园林绿化设施基础信息、其他部件基础信息。

信用业务数据

党的十八大以来，党中央、国务院多次就加强社会信用体系建设作出部署，提出明确要求。当前社会正处于全面建成小康社会、经济转型升级的关键时期，加快推进社会信用体系建设，对于完善现代市场体系，构建以信用为核心的新型市场监管机制，培育和践行社会主义核心价值观，推进社会治理体系和治理能力现代化，优化发展环境，具有十分重要的作用和意义。

信用建设主要围绕政府部门的信源数据，按信用主体分为自然人、法人和其他组织，根据信用主体对象的特点建立不同的信用评级指标，来提供信用评级、信用报告等服务应用。

根据信用建设内容，信用信息需包含基础登记类信息、公共信用类信息、运营及财务类信息、金融信贷类信息、社会评价类信息以及其他类信息。

信用中的各类数据资源来源于政法委、编办、信访、发改委、民政、公安、财政、人社、交通、水利等部门，是信用基础信息鲜活性的保障。

信用数据模型包括基础登记类信息、公共信用类信息、运营及财务类信息、金融信贷类信息、社会评价类信息以及其他类信息等6大类。

核心模型需包括身份识别信息、婚姻信息、家庭成员信息、教育信息、企业登记信息、机关登记信息、事业单位登记信息、社会组织登记信息、股权结构信息、高管人员信息、关联组织信息、行政许可信息、行政处罚信息、社会保险信息、住房公积金欠缴信息、机动车车辆注册登记信息、房产信息、土地信息、知识产权登记信息、知识产权出质登记信息、财务信息、经营异常名录信息、银行借贷异常信息、信用卡逾期还款信息、个人公积金贷款逾期信息等。

数据使用

将治理后的数据注册到市级统一的数据资源目录，新建场景应用时必须按数管平台要求，将应用需求拆分成不同的业务，明确每一个业务需要哪些数据，具体到什么数据项，对应的数据由数据湖统一提供数据服务。

详情见招标文件