关于数据基础的建设。民生银行从2018年开始建设数据基础，面临的大问题是运输数据管理。以前的运输数据标准化程度不够，如果想用算法消费数据提供感知和决策能力，首先必须进行数据管理。因此，我们掌握了所有数据，确立了运输数据的标准，通过自动化程序和配置采集程序采集了标准数据，加工后总结到28个数据模型，最后汇集到数据运输中心，对外提供了数据消费的界面。其次，进行智能运输，数据直接来自数据中心的数据服务。在这个过程中，数据管理是一件困难的事情，我们花了很多精力，现在也根据一些运输场景不断优化和完善。
明略科技数据中台以知识图谱为核心构建技术，将企业数据按业务逻辑封装为企业知识，将数据洞察以更容易使用的方式为业务服务——根据行业通用的数据处理方法论，帮助客户沉淀各行业的Know-How，分布式数字资产全面统一管理运营，基于知识图谱的下一代数据仓库和可视化分析套件，发现数据规律，辅助业务决策
数字转型是应对数字时代的必然要求，在整个商业环境不断数字化中，企业、组织或个人应利用数字技术(大数据、云计算、人工智能、移动技术、物联网和块链技术等)推进企业组织转型业务经营和管理方式、组织结构、企业文化等转型措施
经过一年多的研究、开发和实验，百度智能测试团队利用强大的质量效果中心提供标准化、规模化的数据风险模型研究，在百度系的许多业务线上进行测试和着陆，现在总结成系列文章(主要解决1和2两个问题，质量模型和自动化测试任务的解决在智能构建系列文章中出现)，推进同行，希望一起交流和探讨。
BI商业智能工具构建的数据中心可以收集不同的数据，统一数据分析口径。源系统各不相同的数据在此实现口径统一后，BI系统可以立即正确匹配目标数据，进行下一步的智能数据运算分析。
关于组织转型。下图是实际行政组织，应用运输维护中心是按银行业务划分的组，其他是按技术线分组，在数据驱动运输维护变革时，形成了跨各中心运输维护数据中台虚拟组、智能运输维护虚拟组和可视化虚拟组，因此分专题进行特别攻击。对于运输工具的建设，需要从整个数据中心层面统一配置，协调资源，统一建设。这种方式取得了比较好的效果。
以上两个象限表示，通过探索数据来解决问题，包括探索具体领域的知识，探索不确定主题数据。数据知识洞察的四象限制是支持数字转型的基本命题，其实也是构成我理解的数据中心的四个核心命题。这四个命题很好地解读和结合，就会形成我们图中展示的更自动化、智能化、场景化的探索闭环。
（6）通用属性和扩展属性搭配妙用。不同业务业务，不一样的商品之间的差异肯定是存在的，但是作为中台需要兼容，那么该怎么做呢？我们可以将属性分为通用属性和扩展属性两组。所有业务和种类通用的属性通过通用属性存储，所有种类的个性化属性通过扩展属性存储，可以通过长串文件存储在数据库的一个字段。通用数据和扩展属性的组合可以保存所有类别的商品信息。例如，在设计与商品相关的功能时，商品代码、名称和类别是每个类别所必需的。这种数据被放入通用属性中，图书的版本、手机的网络制作、衣服的尺寸等属于每个类别的独特属性，并通过扩展属性来存储。
能源大数据的AI中台通过将人工智能、大数据与能源专业领域的专家经验、专业技术相融合，实现对综合智慧能源以及虚拟电厂终极形态的核心预测、调度、优化、诊断的核心技术支持，是虚拟电厂生态应用的核心“大脑”，是支持虚拟电厂及其生态应用走向商业化的核心支撑。
钱帆此前在接受媒体采访时表示，红蜻蜓将在品牌维度、销售渠道维度、产品维度、数字化建设等方面进行全面的转型。数据中台项目以消费者为中心，真正依靠大数据决定业务。以前传统企业通过经验判断整个业务流程，有数字化的能力后，我们在整个业务方面，包括店铺方面、指导方面、市场营销方面，通过数字化的能力决定业务。
以上六大IT能力的建设，需要从组织文化、流程机制、技术平台三个角度制定相应的措施。例如，在组织文化方面，在合规风力控制的基础上推进敏捷文化，增加扁平化、柔性化、网络化的敏捷组织结构，构筑快速应对能力的流程机制方面，以数字协同网络、数据智能、敏捷交付等数字思维，重建协同机制等技术平台方面，推进业务中台、数据中台、技术中台等共享能力中心的技术结构变革，推进大数据应用、智能应用、自动应用、智能风力控制等数据应用、数据应用、建设等技术平台。
对于这45套信息系统，我们根据断网、关闭、资源回收、会计更新的流程有序脱机。国网天津电力网络部信息处副处长在海涛介绍。国网天津电力将具有历史查询功能的系统重要数据转移访问新的数据中心，完成功能整合后，将其列入清扫系统名单，逐渐脱机。