导语：纯技术干货分享智慧园区数字化转型
随着大型园区的建设与运营，园区运营管理中的实时性差、准确性低、信息不全等问题不断暴露出来，为让园区管理者及时掌握园内企业真实经营情况和发展态势，烽台科技提出新思路——“企业活力指数”，来破解这一难题。
企业活力指数思路
当前园区已经具备了全面的感知手段和数据采集能力，比如企业的用电情况、用水情况、用气情况（若有的话）等，是否能够利用这些数据推导出一些指标来实时、准确、快速地反映企业的实时运行状态、人员变动情况、企业经营情况、企业创新能力、企业金融情况、企业发展态势呢？
通过监测企业的日常用电量、用水量、用气量（若有的话）等，基于数据驱动的分析方法，利用数据建模分析技术，来进行深度的分析、挖掘和综合计算，可以得到企业活力指数，来实时、准确、快速地反映企业的实时运行状态、人员变动情况、企业经营情况、企业创新能力、企业融资情况、企业发展趋势等等，帮助园区管理人员、物业人员及时了解入住企业的实时动态，为园区管理提供依据和支撑。
企业活力指数方法
通过采集企业日常用水数据、企业核心机房日常用电数据、企业空调用电数据、企业用气数据（若有的话）等，将各指标通过同比/环比的方式得出指标的变化趋势，侧面反映出企业内部动态。
例如，企业的日常用水数据，可以反应出企业内部人员的数量及变化，通过参考《生活和公共用水量定额及标准》中对于办公区人员每日用水定额，可以初步判定企业内部人员的数量，如果员工人数保持不变或者上涨趋势，则可侧面反应出企业处于扩张状态。
企业核心机房用电数据，通过结合烽台科技对某品牌某服务器的日用电量实测数据，可以反应出该企业核心机房服务器正常运行的规模，如果该数据保持稳定或者上涨趋势，则可以侧面反应出企业业务量的趋势是稳定或上涨；如果该数量逐月下降，则可大概判断为该企业核心设备逐步关停。
企业的空调用电数据，通过同比上年情况，可以反应出该企业人员活动区域是保持稳定还是处于扩大/缩减趋势。
综上，可通过对企业内部日常水电气数据有效地实时采集分析，形成对企业运营状态评估的活力指数模型。
企业活力指数计算流程
企业活力指数的计算流程如图1所示：
数据采集：实时采集企业日常用水数据、核心机房用电数据、空调用电数据、用气数据等相关数据。
数据治理：在数据采集过程中，难免会发生各种情况，如设备故障、传感器故障、传输故障、解析问题等等，都会导致一些数据的异常，存在无效数据、死值、不稳定值、不合法值等，如果不加处理直接进行分析，必然会造成分析结果的失真，甚至错误，因此需要对异常数据进行高效地检测，如数据降噪处理、数据平滑处理、数据死值去除等，以保证后续分析的正确性。
数据管理：在数据管理中，要统一定义数据模型和存储方式，按照分级分类的思想组织数据，方便后续统一分析和数据安全处理。
计算引擎：设计高效的实时计算引擎，来实时计算企业的活力指数，得出企业活力值。
可视化：将最终的计算结果以各种展示方式呈现给用户，使得园区管理人员可以实时、快捷、方便地查看到企业实时动态。
企业活力指数计算
企业活力指数的计算如图2所示。
1. 企业活力指数指标计算
（1）采集企业核心机房用电量K1、核心机房企业空调用电量K2、企业日常用水量K3、企业用气数据K4四项指标数据；
（2）为每个指标数据选择合适的对比时间间隔，如日、周、月、季、年等，如企业核心机房用电量、企业用水量、企业用气量以月度环比率（R1、R3、R4）为计算依据，企业空调用电量则以上一年同比率R2为计算依据；
（3）核心机房用电数据环比率如下所示：
其它数据计算方式同上。
企业核心机房用电量K1，通过结合测算得到的服务器单台单日用电量数据（如图3），可以计算出企业核心服务器设备数量K5，同时计算出服务器设备变动率R5；
图3 实测某品牌服务器用电量
核心机房服务器数量计算如下：
（5）而企业用水量K3，结合《生活和公共用水量定额及标准》可以估算出企业常住人员情况K6（如图4），同时计算出人员变动率R6：
图4 生活和公共用水量定额及标准
参考《生活和公共用水量定额及标准》办公楼每人每日用水量大概是30-50L，取40L/日，计算出每月每人用水量大概为 40L*21.75=870L，企业月用水总量K3/870估算得出企业员工人数K6，同时算出人员变动率R6。
企业员工人数计算方式如下：
通过上述计算，可得到如下指标：
企业核心机房用电量K1、企业核心机房用电数据环比率R1； 企业空调用电量K2、空调用电数据同比率R2； 企业日常用水量K3、用水数据环比率R3； 企业日常用气量K4、用气数据环比率R4； 核心机房服务器设备数量K5、核心机房服务器设备数量变化环比率R5； 企业内部员工人数推算K6、员工人数变化环比率R6。
指标梳理清楚之后，还需要考虑各指标对企业的影响程度不同，为每项指标赋予不同的权重。常见的权重分析算法有多种，我们选用最适合的AHP层次分析法。
AHP层次分析法是一个多指标综合评价算法，由于算法简单、实用，因此在经管类或者实际生活中应用得非常多，其一般有两个用途，一是指标定权，一是量化方案选择。
层次分析法应用过程中，大体步骤主要包括四个：第一步是层次结构模型的构建；第二步构造判断矩阵；第三步为层次单排序及其一致性检验，这步即为对指标定权；第四步为层次总排序及其一致性检验，这步如果没有决策层的话，通常可以省略。
通过层析分析法，最终可以得到权重计算公式如下：
此处因为篇幅关系，我们就不详细介绍层次分析法具体算法了。
通过AHP层次分析法，将各指标分配的权重如下：核心机房用电数权重为W1，核心机房服务器设备数量权重为W5，空调用电量权重为W2，日常用水量权重为W3，企业内部人数变化权重为W6，企业日常用气量权重为W4；
通过对上述指标的综合计算，得出企业的活力指数A：
企业活力指数可视化
最后，将各企业活力指数通过可视化的方式展示，可准确、实时、快捷地查看园区内入住企业的活力指数，以此大致判断企业的业务情况等。
图5 企业活力指数
总 结
《2020-2026 年中国工业品产业园区行业市场专项调查及未来前景展望报告》数据显示：自1979年，中国第一家产业园——深圳蛇口工业区拉开我国产业园区建设序幕以来，中国产业园区迈向稳步发展的第40个年头。在这40年间，中国产业园区在数量和经济规模上均取得了瞩目的发展。数据显示，目前全国各种各类产业园区约2.5万个，对国家经济贡献达到35%以上。截至2017年底，全国有 156家国家级高新区、219家级国家级开发区，二者当年合计实现生产总值18.62万亿元，占2017年全国GDP的24%。2018年3月，国务院批复同意荆州、黄石大冶湖、潜江、九江共青城、宜春丰城、湛江、茂名、楚雄、淮南、荣昌、永川、怀化等12家高新区升级为国家高新区。至此，国家高新区总数已达168家。
随着园区的蓬勃发展，未来对园区的管理势必会成为新的需求点，如何高效、准确、快速地帮管区管理者达成目标，是信息化解决方案商需要考虑和解决的重要问题，本文只是从一个较小的点出发，提供了一种管理思路，旨在抛砖引玉，欢迎各领域的有识之士共同努力，提供新的思路，共同解决园区的实时高效管理。
参考文章：
1. 新浪网发布报告| 2022年中国智慧园区市场洞察报告；
2. 前瞻产业研究院：文《2018年中国产业园区发展概况分析 政策+市场双驱动催生五大发展趋势》；
3. 《2020-2026 年中国工业品产业园区行业市场专项调查及未来前景展望报告》；
4. 国标《生活和公共用水量定额及标准》。
如若转载，请注明原文地址
