案例 | 美国如何实现大数据的第一步？

　　针对我国提出的大数据战略，各行各业都跃跃欲试，就环境信息化来说，环保大数据的第一步需要怎么走？这是我国环保行业目前面临最迫切的问题。

　　面临同样的问题，美国环保局（EPA）已经开始探索大数据的第一步--数据整合。对于EPA来说，内部业务应用阶段（即办公自动化和管理信息系统）早已经实现，EPA的信息化已经走向更加复杂的与各联邦政府间数据共享、业务协同的高级应用阶段，将各个业务系统的数据整合集成到一起，成为EPA和联邦政府履职的必要组成部分。

　　那么，美国通过哪些信息化手段将数据整合起来呢？

第一招

建立设施登记系统

　　实现EPA内部和联邦政府的数据集成，是数据整合的基石。为解决不同系统、数据库之间的标准化和数据语意冲突的问题，方便数据的整合、共享，EPA建立了环境资料注册（Environment Data Registry，EDR）机制，提供信息系统和数据的标准信息（包括名称、格式、来源、位置等）。EDR分为系统程序及数据库注册、数据集合注册、数据（元素）注册、环境词汇注册、开发组件注册、化学物质注册及设施登记（注册）等。

　　其中，设施登记系统（Facility Registry System，FRS）是对包括企业、污水处理厂、民用设施、甚至采矿作业等享有排污权的设施进行登记，为每个排污设施创建唯一、综合的设施识别信息，形成排污设施登记数据库。通过为每个排污设施赋予唯一的"设施标识码"，使不同业务系统数据之间的关系得以明确，实现跨业务系统和跨库检索。通过设施标识码建立排污设施与EPA和各州业务信息系统的链接，实现了EPA内部和联邦政府范围内的数据集成和共享。

　　FRS由OEI（环境信息化办公室）集中管理和维护，通过把各业务系统的设施数据链接起来，EPA可以做很多事情，比如搜索某一行业的所有被监管设施；设施的准确位置，包括排污口经纬度等；某设施所涉及的各种排污许可和环境监管信息；某企业的所有排污设施例如某石油公司的所有分厂等。

　　自上世纪90年代FRS开始实施以来，已近登记了160万个设施记录，整合了28个州的污染设施主数据；管理超过7800个联邦管理的设施，5万个部落领地设施和超过3000个国家环境行为跟踪（NEPT）设施数据，成为EPA数据整合的基石。

　　EPA还通过污染设施的信息公开，收集公众对设施数据质量的问题反馈，识别和纠正错误数据和重复记录。3年内收到1.3万个数据错误的反馈，更正了1.2万个错误，大幅提高了设施信息质量的准确性和有效性。

第二招

建立环境数据传输与交换系统

　　使得EPA各部门、各州环保部门、环保团体、企业等快速地交换环境数据在信息化建设之初，为满足各项业务需求，EPA也分别建设了信息系统和数据库，这些系统大多互不兼容，难于共享。

　　对于不同业务系统的数据传输和交换需求，EPA没有分别建立传输网络和系统，而是依靠统一的中央数据交换系统（Central Data eXchange，CDX）实现。这一平台提供单一数据申报及交换窗口，使EPA各部门、州政府环保部门、部落或环保团体、企业能够快速传输、交换环境数据。CDX目前已经延伸到加拿大及墨西哥，实现了跨境数据交换，是EPA数据采集、传输和交换重要的基础设施。

　　目前已超过26万个用户在CDX上注册，50个州和9个部落运用CDX所提供的空气、水等相关环境数据，60个系统的数据在CDX上交换，每年的交易数量超过80万笔，节省了大量的时间和经费。

第三招

建设环境数据仓库

　　形成综合性的环境信息，并有利于实现数据的实时智能分析为整合、集成业务系统和数据以获取综合性的环境信息，EPA的OEI还通过从不同业务系统中抽取数据，整合形成环境数据仓库（EnviroFacts）。

　　目前，包括大气环境质量、有害固体废弃物、超级基金场地、有毒物质排放清单、饮用水等大部分业务数据已经整合到EnviroFacts中，分为大、水、土壤、固废、有毒物质、设施、辐射、守法等专题。公众只要登陆EPA网站，就可以方便地查询到所需要的各类环境信息。

　　启示1：建立有唯一标识的排污设施

　　我国很多地方都开展了"一企一档"数据库建设，而对有排污权的设施进行唯一标示，不仅可以直接对污染设施进行更加精细的管理，还建立起了各污染源之间的联系，从而建立起全国范围的"一企一档"数据库。比如某个集团在某地有分厂，排污设施系统可以直接实现数据勾连，这也是未来实现大数据的基石。

　　启示2、建立统一的数据传输、交换系统

　　我国目前也存在多系统并存的现象，各系统之间很难"对话"。EPA通过建立唯一通道，畅通了各数据系统，只要"路"畅通了，就能实现无处不到。我国的信息化建设也可以借鉴此"铺路"经验，统一依托环保专网这一"高速公路"开展数据传输。

　　启示3、建立数据仓库

　　数据可交换，已经实现了互通共享，但有些数据是关系国计民生的，环保部门需要根据这些数据做决策。这就需要建设数据仓库，以满足社会的需求和决策的需求。

　　数据来源：环境保护部信息中心