3. 标签和指标系统混乱：由于每个数据平台都有不同的标签系统和指标系统，数据存储成本和标签管理成本过高。标准化指标的口径管理和拆卸，减少冗余指标，降低管理难度。
此外，通过升级数据、人工智能中心平台和基础技术平台，进一步提高基础底盘能力，为集团的业务创新和迭代提供快速、通用、灵活的支持。
数据平台、业务平台和集成对接服务开辟了四川节能相关机构、管理领域、运营领域和生产领域的多个系统和应用接口和数据渠道，同时消除了信息岛，形成了大、小前台，为上层应用快速响应需求、灵活创新提供了良好的环境。
在数据平台建设项目中，零售商超级技术团队和数字技术需要实现原业务系统和数字仓库数字升级，建立从底层离线数据、实时数据收集、数据批处理、统一数据资产指标口径，然后提供完整的跨领域服务。具体分为以下三个步骤：
从技术上讲，在数据价值挖掘中，各种数据技术构建了数据平台的基础，实现了高效的数据采集、处理、存储、计算、分析和可视化，将数据与业务链连接起来，转化为核心数据资产。
“作为数据中心平台的产品，工作结果不是对业务的需求，而是与业务真正获得的结果。业务是否在这个方向上探索了结果，这是需要关注的。“作为水滴数据平台产品部的负责人，SKY数据团队认为，数据团队应该与业务站在一起，思考业务的痛点和需求，以便更好地支持业务。业务痛点应该通过什么方式、工具和手段来解决，这是一个需要考虑的问题。在解决痛点的过程中，数据应该如何构建，这是数据团队应该考虑的。
数据中心围绕“规划、治理、整合、共享”四个步骤，整合、分析能耗系统的海量、多维数据资产，确保数据的一致性和可重用性，为上层应用提供数据资产、数据集成分发、数据质量管理、主数据管理和数据分析服务，最终最大化数据资产的价值。