15、智慧城市建设：创新、数据与可持续发展

智慧城市建设：创新、数据与可持续发展

1. 智慧城市的创新想象

在城市发展进程中，大多数城市并非是从零开始建设的全新项目。要让城市变得更智能，很大程度上依赖于对现有城市的现代化改造。就像城市的基础设施和建筑需要不断翻新一样，城市的 IT 遗留系统也需要进行现代化升级。我们应该像 Bjarke Ingels 那样，重新构想城市发展的可能性，而非仅仅用新技术复制旧有模式。

以纽约市的 LinkNYC 信息亭为例，它们取代了旧有的公用电话，为公众提供充电、无线网络和信息屏幕等服务，甚至在紧急情况下还能提供导航。这种创新想象让我们能够从智慧城市解决方案中获得最大收益。要实现这一点，我们需要问自己一些关键问题：
- 系统是否应该继续执行当前的任务？
- 是否必须以同样的方式来完成这些任务？
- 能否采用不同且更具成本效益的方式来完成？

通常，遗留系统是根据开发时的技术限制构建的。如果这些限制在当前技术环境中已不复存在，就不应再重复这些限制。同样，使用模式和环境也可能发生了变化，就像公用电话的使用情况一样。在想象如何做得更多、更好的同时，应将这些因素考虑在内，把枯燥乏味的现代化改造工作转化为改善城市生活的机遇。

2. 创新的挑战与可持续性

创新如同拥有纤细的腰围、优异的成绩和美满的婚姻，人人都渴望，但很少有人愿意为之付出必要的努力。我们常常羡慕创新领导者，就像羡慕电影明星或时尚模特一样。然而，要达到他们的水平，需要每天进行数小时的锻炼、每周锻炼六天，还要控制饮食，这意味着要放弃蛋糕等美食。

创新往往也遵循类似的轨迹。大多数组织重视创新并会予以支持，会发起创新挑战，邀请初创企业围绕感兴趣的主题进行合作，发布新闻稿并进行拍照宣传。这感觉很好，也很正确，就像节食一样。但不幸的是，一旦关注的焦点转移，一切就会恢复原状。而且这一次情况可能更糟，因为组织会觉得自己已经证明了具有创新性，从而继续以往的不良习惯。许多创新努力最终反而强化了传统思维，因为组织通过发起的创新活动和倡议认为自己具有创新性，但实际上仍在做着和以前一样的事情。

人类在心理上倾向于做自己习惯的事情。我们喜欢坐在相同的办公桌或食堂的同一张桌子旁，喝同样的饮料，尽管多样化的选择可能对我们更有益。我们可能会结识新朋友、展开有趣的对话，甚至发现更美味的饮品。此外，我们的偏好并不总是对我们有益，比如我们偏好休息和高脂肪、高糖的食物，这不利于保持纤细的腰围。在创新讨论中，这一点常常被忽视：实际上，没有人真正想要创新，他们只是想要创新带来的好处，同时继续做自己习惯的事情，还声称自己具有创新性。

3. 习惯循环与创新养成

为了收获创新的成果，我们需要认识到创新需要纪律、决心和长期的关注。就像电影明星和模特一样，我们需要改变习惯才能享受创新带来的好处。Charles Duhigg 在《习惯的力量》一书中描述了习惯循环，以喝咖啡时吃零食的习惯为例，习惯循环包括以下三个部分：
| 习惯循环部分 | 描述 | 示例 |
| ---- | ---- | ---- |
| 提示（Cue） | 触发习惯的因素 | 在 Michelle’s Cafe 喝咖啡 |
| 常规行为（Routine） | 与习惯相关的实际行为 | 选择粉色糖霜的甜甜圈 |
| 奖励（Reward） | 执行常规行为带来的积极情绪 | 享受糖分带来的愉悦以及甜甜圈与拿铁咖啡融合的味道 |

如果我们想改变这个习惯，就需要进行习惯重构。我们要在提示环节进行干预，引入一个同样能带来奖励的更健康的常规行为。

要养成创新的习惯，我们也需要重构日常习惯。以在城市中开展更具创新性的项目为例：
- 提示（Cue） ：项目启动决策是习惯的提示。如果是投资组合审查委员会负责决策，我们就需要在这里进行干预；如果是高级管理层做决策，那这就是我们的切入点。总之，要找到做出项目启动决策的环节。
- 常规行为（Routine） ：首先要了解现有的习惯行为，例如当前如何选择项目、为什么选择这些项目、哪些人参与以及他们的角色是什么。然后进行习惯重构，插入与创新意图相符的常规行为。比如，如果已经对项目进行多参数评分，可以引入创新评分；也可以为创新项目分配固定资源。但创建专门的创新团队并不是一个好方法，因为这会使创新行为与组织的整体运作隔离开来。我们应该寻找细微的方式来改变现有常规，就像用苹果代替美味的甜甜圈一样。例如，让员工花时间参与通常被认为是浪费时间的创新项目，或者让他们在创新实验室轮岗。
- 奖励（Reward） ：在习惯养成过程中，奖励是最重要的一点。仅仅在创新挑战结束后举行仪式并发布新闻稿是不够的。奖励需要持续出现，并且是前面所述常规行为的产物。这是最困难的部分，因为大多数创新由于其性质往往会失败或不能立即体现价值。如果组织通常会惩罚失败，那么这就是需要立即干预的地方。如果组织想要收获创新的回报，即使创新失败，也应该奖励冒险行为。根据在不同行业创建创新解决方案的经验，创新往往在这里失败，因为决策者并不真正愿意奖励那些奇特和投机性的想法。

4. 避免“低脂酸奶式创新”

如今，创新常常被当作“低脂酸奶”来对待。早上吃了低脂酸奶，晚上就觉得可以心安理得地躺在沙发上吃薯片、喝汽水，因为会说服自己已经有了健康的饮食。如果想变得具有创新性，首先需要明确创新对你意味着什么，具体哪些价值流领域会受到影响。然后进行分析和重构，最重要的是要持续奖励创新行为。如果你不愿意在健身房投入时间，那么最好承认自己并不具有创新性。对于那些属于后期多数派或落后者的组织来说，创新可能是危险的，不应轻易尝试，因为这可能会消耗创新者的精力，并使组织偏离被认为有价值的事情。

5. 数据：城市运行的核心

“数据是新的石油！”数学家和 IT 架构师 Clive Humby 在 2006 年帮助乐购（Tesco）从一家英国小型零售连锁店发展成为与沃尔玛和家乐福等巨头竞争的跨国企业时，首次提出了这一概念。乐购通过其忠诚度计划，开创了针对特定客户群体的精准营销。此后，许多人也重申了这一观点。直到 2017 年 5 月，《经济学人》宣称数据已超越石油成为最有价值的资源，这一观点才真正引起广泛关注。

可以肯定的是，城市，尤其是智慧城市，依赖数据运行。没有数据，就没有智慧城市。因此，构建优化数据利用的解决方案至关重要。

然而，数据并非唾手可得。就像要先想办法从地下开采石油一样，获取数据也面临类似的挑战，需要先从计算机系统或设备中提取数据。即使我们获取了数据，原始数据本身也是毫无用处的。就像原油只是一团黑色的粘稠物，获取原油只是工作的三分之一。我们需要炼油厂将原油转化为有价值的可消费资源，如汽油、柴油或丙烷等。炼油厂将原油分离成不同的物质，可用于多种不同的产品，如油漆、沥青、指甲油、篮球、钓鱼靴、吉他弦和阿司匹林等。

同样，即使我们能够获取原始数据，它也完全没有用处。如果你曾看过 Web 服务器日志、二进制数据流或遥测数据，就会明白原始数据就像一大团无用的黑色粘稠物。这些数据本身没有任何意义。获取原始数据在某些情况下是一个挑战，但将其转化为有用的数据则是完全不同的另一回事。这就是我们需要构建数据精炼厂的原因，数据精炼厂可以将无用的原始数据转化为可用于构建有用数据产品的组件。

6. 数据精炼厂的结构

在纽约市进行数据服务现代化工作时，我们致力于设计和构建这样的数据精炼厂。“数据即服务”项目旨在将原始数据转化为有价值的、可供城市机构、居民和其他用户使用的可消费服务。城市中有多个数据源，包括记录系统、寄存器、日志、官方文件和申请、检查以及数十万台设备。但只有一小部分数据是可用的，而且即使可用，也很难发现和使用。“数据即服务”项目的目的是使所有隐藏的数据变得可用且有用，将原始数据转化为有价值的可消费数据服务。

数据精炼厂有五个能力域，我们需要对这些能力域进行管理，以将原始数据分解为有用的数据资产：
- 质量（Quality） ：关注数据资产的特征和有效性。通过数据剖析了解数据的质量，如不同值的数量、类型不匹配、空值数量等。然后进行数据准备，对数据进行格式化、验证和清理。最后通过主数据管理（MDM）对数据进行主动和被动的改进，确保数据对象在多个解决方案中能够被唯一识别，并形成统一的语义模型。
- 移动（Movement） ：涉及数据资产从一个地方转移和转换到另一个地方的方式。根据数据的存储和使用需求，有不同的数据移动方式，如批量处理、安全文件传输、企业服务总线（ESB）和实时流处理。
- 存储（Storage） ：处理如何保留数据资产以供后续使用。
- 发现（Discovery） ：关于如何定位我们需要的数据资产。
- 访问（Access） ：涉及如何允许用户和其他解决方案与数据资产进行交互。

下面是数据精炼厂能力域的 mermaid 流程图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(原始数据):::process --> B(质量):::process
    A --> C(移动):::process
    A --> D(存储):::process
    A --> E(发现):::process
    A --> F(访问):::process
    B --> G(有用的数据资产):::process
    C --> G
    D --> G
    E --> G
    F --> G

7. 数据质量的管理

数据精炼厂的第一个能力域是处理数据的质量。原始数据最初质量较低，可能是比特流、字符流、遥测数据、日志或 CSV 文件等。在任何数据精炼厂中，首先要考虑的是如何评估和管理数据的质量。我们需要了解和控制数据的质量，例如数据对象的数量、格式是否正确、是否损坏等。简单的描述性报告，如不同值的数量、类型不匹配、空值数量等，在考虑数据如何被其他系统和流程使用时非常重要，这就是数据剖析。

一旦了解了数据的质量，我们可能需要进行干预。数据准备将数据从初始的原始形式进行格式化，验证数据是否损坏，并根据预配置的规则删除、插入和转换值。这是数据精炼厂中对数据的第一次诊断和清理。

当数据对象以适当的格式排列好后，主数据管理（MDM）可以让我们主动和被动地改进数据。通过 MDM，我们能够在多个不同的解决方案中唯一识别数据对象，并将它们格式化为一个通用的语义模型。MDM 使组织能够管理数据资产，生成黄金记录，识别和消除重复数据，并控制哪些数据实体是有效的，哪些是无效的。

数据质量域需要诊断和管理数据的质量，这需要多种能力，如数据剖析、数据准备和 MDM。

8. 数据的移动方式

在确保能够管理数据质量后，我们进入下一个阶段，将数据移动和转换为更有用的格式。根据数据的存储和使用需求，我们可能需要以不同的方式移动数据。有时每天、每周甚至每月移动一次数据就足够了，但更多时候我们需要即时获取数据。

数据移动有以下几种方式：
| 移动方式 | 描述 | 应用场景 |
| ---- | ---- | ---- |
| 批量处理（Batch） | 对大量数据进行从一种形式和位置到另一种形式和位置的移动和转换。典型的批量程序按计划执行，经过一系列处理步骤将数据从一种形式转换为另一种形式，可从简单的格式更改和聚合到复杂的机器学习模型。 | 适用于对大量数据进行定期处理的场景，如每月的财务报表生成。 |
| 安全文件传输（Managed File Transfer） | 当文件需要在不同点之间安全移动而不进行任何转换时，需要这种解决方案。通常由应用程序访问，但也有门户允许用户上传或下载文件。 | 适用于需要安全传输文件的场景，如企业内部不同部门之间的文件共享。 |
| 企业服务总线（ESB） | 一种数据处理范式，允许不同的应用程序通过消息传递相互交互。消息是一个小的离散数据单元，可在服务总线的信息流中进行路由、转换、分发和其他处理。 | 适用于城市机构之间需要实时通信的系统。 |
| 实时流处理（Real-time Stream Processing） | 处理连续到达的数据流。它的路由和转换能力有限，但适合处理大量连续到达的数据，可用于存储、处理或转发数据。 | 适用于需要实时处理大量数据的场景，如交通流量监测。 |

通过合理运用这些数据移动方式，我们可以将原始数据转化为更有用的形式，为智慧城市的发展提供有力支持。

智慧城市建设：创新、数据与可持续发展

9. 数据存储、发现与访问

数据精炼厂除了关注数据质量和移动，还涉及数据的存储、发现与访问，这三个能力域同样在将原始数据转化为有用数据资产的过程中发挥着重要作用。

• 存储（Storage） ：存储是数据管理中的关键环节，它负责保留数据资产以供后续使用。在智慧城市的环境下，由于数据来源广泛且数量巨大，选择合适的存储方式至关重要。不同类型的数据可能需要不同的存储解决方案，例如关系型数据库适合存储结构化数据，而非关系型数据库则更适合处理半结构化和非结构化数据。此外，为了确保数据的安全性和可靠性，还需要考虑数据备份和恢复策略。
• 发现（Discovery） ：发现能力域解决的是如何定位我们需要的数据资产的问题。在海量的数据中找到所需的数据并非易事，需要建立有效的数据发现机制。这可能包括数据目录、元数据管理等工具，通过对数据进行分类、标注和索引，使得用户能够快速准确地找到他们需要的数据。例如，在城市的交通管理系统中，工作人员可能需要快速找到特定时间段、特定路段的交通流量数据，数据发现机制就能帮助他们高效地获取这些信息。
• 访问（Access） ：访问能力域涉及如何允许用户和其他解决方案与数据资产进行交互。这需要考虑数据的安全性、权限管理和接口设计等方面。不同的用户角色可能具有不同的访问权限，例如普通市民可能只能访问一些公开的城市数据，而城市管理者则可能需要访问更敏感、更详细的数据。同时，为了方便不同的系统和应用程序与数据进行交互，需要设计统一的、标准化的数据接口。

下面用表格总结数据精炼厂的五个能力域及其主要作用：
| 能力域 | 主要作用 |
| ---- | ---- |
| 质量（Quality） | 评估、管理和改善数据质量，包括数据剖析、准备和主数据管理 |
| 移动（Movement） | 将数据从一个地方转移和转换到另一个地方，有批量处理、安全文件传输、ESB 和实时流处理等方式 |
| 存储（Storage） | 保留数据资产以供后续使用，选择合适的存储方式并考虑备份和恢复策略 |
| 发现（Discovery） | 帮助用户定位所需的数据资产，通过数据目录、元数据管理等工具实现 |
| 访问（Access） | 允许用户和其他解决方案与数据资产交互，考虑安全性、权限管理和接口设计 |

10. 智慧城市建设的整体思考

智慧城市的建设是一个复杂的系统工程，涉及创新、数据等多个方面。从创新的角度来看，我们需要打破传统思维的束缚，养成创新的习惯。这不仅需要在项目决策、日常运营等环节引入创新机制，还需要建立合理的奖励体系，鼓励冒险和尝试新的想法。例如，在城市的公共服务领域，可以鼓励员工提出创新的服务模式和解决方案，对于成功的创新项目给予适当的奖励和认可。

在数据方面，构建数据精炼厂是关键。通过对数据的质量、移动、存储、发现和访问进行有效的管理，将原始数据转化为有用的数据资产，为城市的决策、管理和服务提供有力支持。例如，在城市的环境监测中，通过对各种传感器收集到的原始数据进行处理和分析，可以及时发现环境问题，并采取相应的措施进行治理。

同时，智慧城市的建设还需要各个部门和利益相关者的协同合作。不同的部门可能拥有不同的数据资源和业务需求，只有通过有效的沟通和协作，才能实现数据的共享和整合，发挥数据的最大价值。例如，城市的交通部门和环保部门可以共享数据，通过分析交通流量和尾气排放之间的关系，制定更加科学合理的交通管理和环保政策。

下面是智慧城市建设主要环节的 mermaid 流程图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(创新思维养成):::process --> B(智慧城市建设):::process
    C(数据精炼厂构建):::process --> B
    D(部门协同合作):::process --> B
    B --> E(智慧决策与服务):::process
    B --> F(城市可持续发展):::process

11. 总结与展望

综上所述，智慧城市的建设需要我们在创新和数据管理方面不断努力。创新是推动城市发展的动力，我们要避免“低脂酸奶式创新”，真正将创新融入到城市建设的各个环节中。通过重构习惯，建立合理的创新机制和奖励体系，激发创新的活力。

数据是城市运行的核心，构建数据精炼厂是实现数据有效利用的关键。我们需要对数据的质量、移动、存储、发现和访问进行全面管理，将原始数据转化为有价值的数据资产。同时，各个部门和利益相关者之间的协同合作也至关重要，只有通过共同努力，才能实现智慧城市的可持续发展。

展望未来，随着技术的不断进步和社会的不断发展，智慧城市的建设将迎来更多的机遇和挑战。我们需要不断探索和创新，充分利用新技术，如人工智能、物联网、区块链等，进一步提升城市的智能化水平。同时，要注重数据安全和隐私保护，确保智慧城市的建设在安全可靠的基础上进行。相信在我们的共同努力下，智慧城市将成为人们生活更加美好的家园。

以下是一个简单的列表，总结智慧城市建设的关键要点：
- 培养创新习惯，建立创新机制和奖励体系。
- 构建数据精炼厂，管理数据的质量、移动、存储、发现和访问。
- 加强部门和利益相关者之间的协同合作。
- 关注新技术的应用，提升城市智能化水平。
- 注重数据安全和隐私保护。

通过以上的努力，我们有望打造出更加智能、高效、可持续发展的智慧城市。