下载文档原格式
亩均效益综合评价平台解决方案O建设背景党的十九大报告明确提出，我国经济正由高速增长阶段转向高质量发展阶段。
“亩均效益”改革是以创新发展理念为指引，以供给侧结构性改革为主线，以“中国制造2025”示范区创建为牵引，坚持质量第一、效益优先，转变发展方式、优化经济结构、转换增长动力的有力抓手，更是全面深化经济高质量发展的重要举措之一，具有深刻的现实意义。
通过大数据技术、企业评价体系、政府精细化治理等手段，建立和完善综合考评、分类分档、实绩排序、动态管理的企业分类综合评价机制，大力完善落实资源要素差别化配置政策，不断提高要素配置效能，强化督促区域经济面向有限资源的高效利用和产出，以此助力政府推动企业的转型升级。
主要解决以下业务痛点：一是数据处理复杂，即采集任务重、抽取难度大、比对校准困难、计算规则复杂。
二是业务经验不足。
企业亩均效益综合评价作为原创性改革创新业务，无历史经验借鉴。
三是评价程序复杂。
数据成果共享不及时、查询不便，数据分析报告精准度低，数据资源难以高效复用。
四是成果利用低效。
数据成果共享不及时、查询不便，数据分析报告精准度低，数据资源难以高效复用。
O解决方案结合以大数据技术为核心，多业务板块并存的设计理念，整合横向部门共享数据、纵向企业填报数据以及外部互联网补充数据，建设集数据采集、自动评价、分析展示、应用决策于一体的亩均效益综合评价大数据平台，为推动涉企数据共享、摸清区域企业家底提供平台支撑，为减轻基层工作负担、推进部门工作协同提供业务支撑，为政府领导掌握区域经济、风险预警和研判趋势提供决策支撑，从而助推区域经济高质量发展。
全域数据底座按照统一数据标准、统一接口规范，归集、整合省域数据、市域数据、县域数据、园区平台数据、行业数据、企业数据、互联内补充数据等，构建全域数据底座，并实现各类数据的更新和下沉应用。
智能在线评价支持自定义构建基础指标和评价指标相关信息字段；支持自定义设置评价公式和加减分项；支持灵活配置指标权重和企业分类等级；支持评价结果的自动生成以及多模型评价结果的对比。
工业大数据分析平台的设计与实现随着信息技术和互联网的发展，企业面临着日益增长的数据量，尤其是在工业领域。
这些海量的数据蕴含着企业的宝贵信息，因此，如何利用这些数据来提升企业的竞争力成为了工业界亟需关注的问题之一。
为了更好地分析和利用这些大数据，工业大数据分析平台的设计与实现就显得尤为重要。
首先，工业大数据分析平台的设计需要考虑数据的采集和存储。
工业领域的数据通常以传感器产生的实时数据为主，并且数据量非常庞大，因此，平台需要具备高效、稳定的数据采集和存储能力。
可以采用分布式存储系统，如Hadoop和Spark等，来实现数据的实时采集与存储，并且提供可扩展性，以应对未来不断增长的数据量。
其次，工业大数据分析平台的设计需要考虑数据的预处理和清洗。
传感器采集的数据通常存在噪声和异常值，这些数据对分析结果产生干扰。
因此，在数据分析之前，需要对数据进行预处理和清洗，包括数据的去噪、插值和异常值检测与处理，以确保得到准确可靠的数据分析结果。
接下来，工业大数据分析平台的设计需要考虑分析方法和算法的选择。
工业大数据中蕴含着各种类型的数据，如时间序列数据、结构化数据和非结构化数据等，因此，需要根据不同的数据类型选择合适的分析方法和算法。
比如，对于时间序列数据，可以采用ARIMA、LSTM等模型进行预测和异常检测；对于结构化数据，可以采用机器学习算法进行分类和回归分析；对于非结构化数据，可以采用自然语言处理技术进行文本分析和情感分析等。
另外，工业大数据分析平台的设计需要考虑可视化展示和智能决策支持。
数据分析的结果需要以直观可视的方式呈现给用户，以便用户能够直观地理解和获取信息。
可以采用数据可视化工具和图表库来展示数据分析结果，如Tableau、D3.js等。
同时，可以结合人工智能和决策支持技术，为用户提供智能化的决策支持，帮助用户更好地理解分析结果，并做出合理的决策。
最后，工业大数据分析平台的实现需要考虑数据安全和隐私保护。
工业互联网平台工业大数据应用解决方案第一章工业互联网平台概述 (2)1.1 工业互联网平台简介 (2)1.2 工业大数据概述 (2)第二章工业大数据采集与存储 (3)2.1 数据采集技术 (3)2.2 数据存储与管理 (4)2.3 数据清洗与预处理 (4)第三章工业大数据分析与挖掘 (5)3.1 数据分析方法 (5)3.1.1 描述性分析 (5)3.1.2 摸索性分析 (5)3.1.3 预测性分析 (5)3.1.4 诊断性分析 (5)3.2 数据挖掘算法 (5)3.2.1 决策树算法 (5)3.2.2 支持向量机算法 (5)3.2.3 神经网络算法 (6)3.2.4 关联规则算法 (6)3.3 数据可视化 (6)3.3.1 直方图 (6)3.3.2 折线图 (6)3.3.3 散点图 (6)3.3.4 箱型图 (6)第四章工业大数据在设备管理中的应用 (6)4.1 设备状态监测 (6)4.2 预测性维护 (7)4.3 故障诊断与优化 (7)第五章工业大数据在生产优化中的应用 (8)5.1 生产流程优化 (8)5.2 能源管理 (8)5.3 质量控制 (8)第六章工业大数据在供应链管理中的应用 (9)6.1 供应链协同 (9)6.2 库存优化 (9)6.3 采购与销售预测 (9)第七章工业大数据在产品研发中的应用 (10)7.1 设计优化 (10)7.2 产品功能分析 (10)7.3 市场需求预测 (11)第八章工业大数据在企业管理中的应用 (11)8.1 生产调度 (11)8.1.1 引言 (11)8.1.2 应用策略 (11)8.2 人力资源管理 (12)8.2.1 引言 (12)8.2.2 应用策略 (12)8.3 财务管理 (12)8.3.1 引言 (12)8.3.2 应用策略 (12)第九章工业大数据在行业解决方案中的应用 (13)9.1 制造业 (13)9.2 能源行业 (13)9.3 交通物流 (14)第十章工业大数据安全与隐私保护 (14)10.1 数据安全策略 (14)10.2 隐私保护技术 (15)10.3 法律法规与合规 (15)第一章工业互联网平台概述1.1 工业互联网平台简介工业互联网平台是指以云计算、大数据、物联网等新一代信息技术为基础，融合工业生产全要素、全流程、全生命周期数据的综合性服务平台。
工业互联网工业大数据应用解决方案第一章工业互联网概述 (2)1.1 工业互联网的定义与特征 (2)1.2 工业互联网的关键技术 (3)第二章工业大数据概述 (4)2.1 工业大数据的定义与价值 (4)2.2 工业大数据的采集与存储 (4)2.2.1 采集 (4)2.2.2 存储 (4)2.3 工业大数据的处理与分析 (4)2.3.1 处理 (4)2.3.2 分析 (4)第三章工业大数据在设备管理与优化中的应用 (5)3.1 设备故障预测与诊断 (5)3.2 设备功能优化与维护 (5)3.3 设备寿命预测与健康管理 (5)第四章工业大数据在智能制造中的应用 (6)4.1 智能工厂设计与优化 (6)4.2 生产过程监控与优化 (6)4.3 个性化定制与生产 (7)第五章工业大数据在供应链管理中的应用 (7)5.1 供应链数据分析与优化 (7)5.2 库存管理与预测 (7)5.3 供应商管理与评价 (8)第六章工业大数据在产品研发与创新中的应用 (8)6.1 产品设计优化 (8)6.2 产品功能分析 (8)6.3 新产品研发与市场预测 (9)第七章工业大数据在能源管理与优化中的应用 (9)7.1 能源消耗监测与优化 (9)7.1.1 引言 (9)7.1.2 能源消耗监测方法 (9)7.1.3 能源消耗优化策略 (10)7.2 能源成本控制 (10)7.2.1 引言 (10)7.2.2 能源成本控制方法 (10)7.2.3 能源成本控制策略 (10)7.3 能源利用效率分析 (10)7.3.1 引言 (10)7.3.2 能源利用效率分析方法 (11)7.3.3 能源利用效率提升策略 (11)第八章工业大数据在质量管理中的应用 (11)8.1 质量数据分析与优化 (11)8.1.1 数据采集与整合 (11)8.1.2 数据处理与分析 (11)8.1.3 质量优化策略 (11)8.2 质量问题诊断与解决 (12)8.2.1 问题诊断 (12)8.2.2 解决方案制定 (12)8.3 质量趋势分析与预警 (12)8.3.1 趋势分析 (12)8.3.2 预警系统构建 (12)第九章工业大数据在安全生产中的应用 (13)9.1 安全生产数据分析与监控 (13)9.1.1 数据采集与预处理 (13)9.1.2 数据分析与监测 (13)9.1.3 安全预警与报警 (13)9.2 预警与预防 (13)9.2.1 预测性维护 (13)9.2.2 原因分析 (13)9.2.3 安全生产培训与教育 (14)9.3 安全生产管理与改进 (14)9.3.1 安全生产决策支持 (14)9.3.2 安全生产绩效评估 (14)9.3.3 安全生产流程优化 (14)第十章工业大数据应用实践与案例分析 (14)10.1 工业大数据应用实践案例 (14)10.2 应用效果评价与总结 (15)10.3 发展趋势与未来展望 (15)第一章工业互联网概述1.1 工业互联网的定义与特征工业互联网作为新一代信息技术与工业深度融合的产物，旨在实现人、机器、资源和数据的全面互联。
制造业工业互联网平台解决方案第一章：概述 (3)1.1 制造业工业互联网平台简介 (3)1.2 发展背景与趋势 (3)1.3 平台架构与功能 (4)第二章：平台设计与架构 (4)2.1 平台总体架构设计 (4)2.2 关键技术选型 (5)2.3 系统模块划分 (5)第三章：数据采集与处理 (6)3.1 数据采集技术 (6)3.1.1 传感器采集 (6)3.1.2 工业以太网采集 (6)3.1.3 数据接口采集 (6)3.2 数据清洗与预处理 (6)3.2.1 数据清洗 (6)3.2.2 数据预处理 (7)3.3 数据存储与管理 (7)3.3.1 数据存储 (7)3.3.2 数据管理 (7)第四章：设备管理与优化 (7)4.1 设备接入与监控 (7)4.1.1 设备接入 (7)4.1.2 设备监控 (8)4.2 故障诊断与预测性维护 (8)4.2.1 故障诊断 (8)4.2.2 预测性维护 (8)4.3 设备功能优化 (8)4.3.1 设备参数优化 (8)4.3.2 设备运行策略优化 (8)4.3.3 设备维护保养优化 (8)第五章：生产管理与调度 (8)5.1 生产计划管理 (9)5.2 生产进度跟踪 (9)5.3 生产资源调度 (9)第六章：供应链协同 (10)6.1 供应商管理 (10)6.1.1 供应商选择与评估 (10)6.1.2 供应商关系维护 (10)6.1.3 供应商协同创新 (10)6.2 物流管理 (10)6.2.1 物流计划与调度 (10)6.2.2 物流跟踪与监控 (11)6.2.3 物流成本优化 (11)6.3 采购与库存管理 (11)6.3.1 采购计划与执行 (11)6.3.2 库存管理与优化 (11)6.3.3 供应链金融支持 (11)第七章：质量与安全监控 (11)7.1 质量数据采集与分析 (11)7.1.1 数据采集 (11)7.1.2 数据分析 (12)7.2 安全生产管理 (12)7.2.1 安全生产制度 (12)7.2.2 安全生产措施 (12)7.3 安全预警与应急响应 (12)7.3.1 安全预警 (12)7.3.2 应急响应 (13)第八章：能源管理与优化 (13)8.1 能源数据采集与监测 (13)8.2 能源消耗分析与优化 (13)8.3 节能减排策略 (14)第九章：智能制造与数字化工厂 (14)9.1 智能制造关键技术 (14)9.1.1 概述 (14)9.1.2 工业大数据 (14)9.1.3 云计算 (15)9.1.4 物联网 (15)9.1.5 人工智能 (15)9.1.6 边缘计算 (15)9.2 数字化工厂建设 (15)9.2.1 概述 (15)9.2.2 工厂设计 (15)9.2.3 设备选型 (15)9.2.4 生产管理系统 (15)9.2.5 数据分析与优化 (16)9.3 智能工厂运营与管理 (16)9.3.1 概述 (16)9.3.2 设备管理 (16)9.3.4 人员管理 (16)9.3.5 安全管理 (16)第十章：平台实施与运营 (16)10.1 项目实施流程 (16)10.2 平台运维管理 (17)10.3 平台经济效益分析 (17)第一章：概述1.1 制造业工业互联网平台简介制造业工业互联网平台是一种新兴的信息技术，旨在实现制造业全要素、全流程、全生命周期的高度集成与协同。
工业大数据解决方案第1篇工业大数据解决方案一、背景随着工业4.0时代的到来，大数据技术正逐步渗透至工业生产的各个环节，为传统工业发展带来前所未有的挑战与机遇。
我国政府高度重视工业大数据发展，明确提出要以大数据为引领，推动工业智能化、绿色化、服务化。
在此背景下，制定一套合法合规的工业大数据解决方案，对提升企业竞争力、推动产业升级具有重要意义。
二、目标1. 提高生产效率，降低生产成本。
2. 优化资源配置，提升产业链协同水平。
3. 提升产品质量，增强市场竞争力。
4. 推动企业数字化转型，助力产业升级。
三、方案内容1. 数据采集与传输（1）部署传感器、工业相机等设备，实时采集生产线上的关键数据。
（2）采用有线或无线网络，将采集到的数据传输至数据存储与分析平台。
（3）确保数据传输过程中的安全性与稳定性，遵循国家相关法律法规。
2. 数据存储与管理（1）采用分布式存储技术，搭建大数据存储平台。
（2）建立数据备份机制，确保数据安全。
（3）对数据进行分类、编码、归档，便于检索与查询。
3. 数据分析与挖掘（1）运用大数据分析技术，对生产数据进行实时分析与处理。
（2）挖掘生产过程中的潜在问题，为企业提供决策依据。
（3）结合机器学习、深度学习等技术，实现生产过程的预测与优化。
4. 应用场景（1）设备故障预测与维护：通过分析设备运行数据，预测设备故障，提前进行维护。
（2）生产过程优化：根据分析结果，调整生产参数，提高生产效率。
（3）产品质量提升：对产品质量进行实时监控，及时发现并解决问题。
（4）供应链管理：分析供应链数据，优化资源配置，降低库存成本。
5. 安全与合规（1）遵循国家相关法律法规，确保数据采集、存储、分析与传输的合法性。
（2）加强数据安全防护，防止数据泄露、篡改等风险。
（3）建立完善的内控机制，确保数据使用的合规性。
四、实施步骤1. 项目立项：明确项目目标、范围、预算等。
2. 方案设计：根据企业实际情况，制定详细的大数据解决方案。
我国工业大数据发展现状、问题及建议工业大数据作为工业与数字经济之间的桥梁纽带，对加快工业数字化转型、推进数实融合，支撑新型工业化建设意义重大。
为此，2022-2023年赛迪研究院对上海、江苏、浙江、福建、山东、河南、杭州、宁波、厦门、青岛、深圳11个省市及部分行业领域专家开展调研。
调研发现，地方在工业大数据基础设施、标杆示范、集群载体、要素保障方面取得了积极进展，但同时仍面临数据流通不畅、技术产品不强、解决方案不足、惯性思维局限等问题。
下一步，建议打造工业大数据先导区示范标杆，同时要供需两端共同发力，促进数据要素流通，推动产业集聚发展。
一、地方工业大数据发展现状（一）支撑工业大数据流通的基础支撑能力基本形成一是基础设施的建设部署加快推进。
各地加大5G、千兆光网等数字基础设施的建设部署，提升工业互联网支撑服务能力。
如山东省实施“感知能力”提升工程，部署物联网终端数超1.64亿个。
青岛市建设了工业互联网企业综合服务平台，累计上线特定行业、领域工业互联网平台40个。
福州市通过工业互联网平台接入600多家纺织化纤企业。
二是工业数据的采集汇聚不断加强。
各地积极实施数据管理能力国家标准，强化数据全生命周期管理和数据资源体系建设。
如山东省培育数据共享、数据开放、数据流通、公共服务四类60个平台，构建工业大数据平台体系。
江苏省牵头制定了《信息技术大数据工业产品核心元数据》国家标准，推进工业大数据产业标准化。
三是数据资源的资产化运营加速落地。
各地积极培育数据要素市场，打造数据交易中心、数据中介、数据经纪人等数据服务新模式。
如江苏省、广东省发布首席数据官制度。
上海市布局新型数据交易所，推进多层次数据交易流通机制，打造“数商”交易生态。
（二）释放工业大数据价值的应用标杆示范不断涌现一是示范应用场景加速涌现。
全国过半省市发布数字化场景清单，引导工业领域新业态新模式发展。
如湖南、河南、江苏等省发布制造业数字化转型典型应用场景。
企业综合服务大数据平台建设方案2020年1月目录第1章建设背景 (1)第2章建设目标 (2)第3章建设原则 (3)第4章建设思路 (5)4.1 整体思路 (5)4.2 设计思路 (6)第5章建设内容 (7)5.1 平台架构 (7)5.2 企业综合服务平台 (8)5.2.1 企业诉求 (10)5.2.2 通知公告 (19)5.2.3 政策解读精准推送 (21)5.2.4 企业服务超市 (26)5.2.5 项目申报 (31)5.2.6 融资服务 (33)5.2.7 校企共建 (34)5.2.8 在线交流 (35)5.2.9 数据归集 (36)5.2.10 服务商管理 (37)5.2.11 公共服务 (38)5.2.12 后台管理 (39)5.3 政企通APP (40)5.3.1 企业诉求 (42)5.3.2 即时通讯 (44)5.3.3 政策法规 (45)5.3.4 精准服务 (46)5.3.5 项目申报 (47)5.3.6 融资服务 (48)5.3.7 校企共建 (49)5.3.8 企业中心 (50)5.4 微信公众号 (51)5.4.1 新政通知 (51)5.4.2 政策解读 (51)5.4.3 我的诉求 (52)5.4.4 我的订阅 (52)5.5 大数据分析平台 (52)第1章建设背景2018年6月国务院办公厅，印发《进一步深化“互联网+政务服务”推进政务服务“一网、一门、一次”改革实施方案》，强调充分运用信息化手段解决企业和群众反映强烈的办事难、办事慢、办事繁的问题，是党中央、国务院作出的重大决策部署。
2018年国务院办公厅印发《关于聚焦企业关切进一步推动优化营商环境政策落实的通知》，要求深化“放管服”改革、优化营商环境工作，以市场主体期待和需求为导向，围绕破解企业投资生产经营中的“堵点”、“痛点”，加快打造市场化、法治化、国际化营商环境，增强企业发展信心和竞争力。
第2章建设目标企业综合服务大数据平台，旨在打造便捷高效的企业诉求渠道、整合专业优质的企业服务资源，建设服务全市企业的新载体，秉承“开放、创新、协同、共享”的发展理念，通过线上、线下融合，建设企业综合服务大数据平台，打造企业精准服务新体系。
工业企业效益评价大数据平台解决方案目录1 平台业务功能介绍 (4)1.1 数据归集共享子平台 (8)1.1.1 数据统计 (8)1.1.2 数据交换 (9)1.1.3 数据加工 (9)1.1.4 数据校核 (10)1.1.5 数据共享 (10)1.1.6 数据补充 (11)1.1.7 更多拓展功能 (11)1.2 数据可视化展示子平台 (12)1.2.1 工作成果展示 (12)1.2.2 经济运行展示 (14)1.2.3 行业分析展示 (15)1.2.4 企业分析展示 (17)1.2.5 专项指标分析 (22)1.2.6 企业信息检索 (28)1.2.7 产业链分析 (29)1.2.8 更多拓展功能 (31)1.3 工作交流督查子平台 (32)1.3.1 工作交流 (32)1.3.2 工作督查 (35)1.3.3 企业档案 (36)1.3.4 基础管理 (37)1.3.5 更多功能拓展 (39)1.4 监控分析预警子平台 (41)1.4.1 企业体检 (42)1.4.2 行业体检 (42)1.4.3 区域体检 (43)1.4.4 产业平台体检 (44)1.4.5 经济运行报告 (45)1.4.6 运行预警 (47)1.4.7 事件预警 (48)1.4.8 企业系分析 (49)1.4.9 分类定档分析 (50)1.4.10 更多预警 (50)1.4.11 预警规则 (53)1.4.12 更多拓展功能 (54)1.5 情报信息采集子平台 (55)1.5.1 情报源管理 (55)1.5.2 采集规则 (56)1.5.3 情报专题库 (56)1.5.4 分析简报 (57)1.5.5 应对政策 (57)1.6 更多拓展功能应用 (57)1.6.1 企业再评价 (57)1.6.2 产业平台评价 (58)1.6.3 产业平台分布 (59)1.6.4 地方评价 (59)1.6.5 智能施策建议 (59)1.6.6 在线会议 (60)1.6.7 网络传真 (61)1.6.8 预案库管理 (61)1.6.9 决策模型管理 (61)1.6.10 产业链分析 (62)1.7 个人中心 (62)2 重点功能设计逻辑解读 (63)2.1 数据归集共享 (63)2.1.1 可配的数据共享及交换接口 (63)2.1.2 灵活的数据加工及校验规则 (66)2.2 可视化成果展示 (66)2.2.1 数据可视化展示形式 (67)2.2.2 业务多指标分析维度 (69)2.3 监测预警分析 (69)2.4 工作交流督查 (70)2.5 情报信息采集 (71)2.6 更多拓展功能 (71)3 数据接口预留及外部数据补充 (73)3.1 数据补充接口定义 (73)3.2 有数金服数据持续提供 (74)3.2.1 数据量级及范围 (74)3.2.2 数据展示及分析形式 (75)3.2.3 数据质量保证 (76)3.3 情报信息持续采集应用 (77)3.3.1 情报信息采集能力 (78)3.3.2 多语言采集和翻译能力 (78)3.3.3 采集模板定制功能 (78)3.3.4 采集数据个性化输出 (79)3.3.5 集成的验证码破解能力 (79)4 平台技术参数说明 (84)4.1 开发环境 (84)4.2 测试环境 (84)4.3 运行环境 (84)4.4 大数据处理技术 (84)4.5 版本控制工具 (85)4.6 持续集成工具 (85)4.7 应用容器 (85)5 平台安全保障体系 (87)5.1.1 安全设计的必要性 (87)5.1.2 信息网络基本架构 (88)5.1.3 安全策略规划 (88)1平台业务功能介绍在不断深化需求及持续创新的基础上，“工业企业效益评价”大数据平台共包含数据可视化展示子平台、监控分析预警子平台、数据归集共享子平台、工作交流督查子平台和情报信息采集子平台，此外还包含更多创新功能点，整体平台构成见下图：上图为平台上首页，主要包含数据可视展示、监控分析预警、数据归集共享、工作交流督查、情报信息采集、更多功能拓展六大平台的功能入口和账号注销功能，同时显示日期并实时更新天气情况。
我们为此项目设计的功能列表详见下表：1.1数据归集共享子平台1.1.1数据统计数据统计主要展示“工业企业效益评价”大数据平台数据调用次数、接口异常监控，数据清洗合并速度、接口调用峰谷时间段四个内容。
数据调用次数分为接口以及区域两个维度统计“工业企业效益评价”大数据平台数据被省级公共数据基础平台数据调用次数；展示各个接口的实时状态以及接口调用的峰谷时间段，数据清洗合并速度为各市、县（市、区）上报亩产数据后系统删除无效数据的速度。
1.1.2数据交换数据交换主要用于交换接口的管理，拥有相应权限的管理员可以查看接口名称、接口编码、接口开关状态、接口描述、调用次数、接口是否有效，切换开关状态等，也可以自定义新增接口、修改接口相关信息。
1.1.3数据加工数据加工主要用于设定对采集过来的数据进行清洗的规则设定，分为规则大类、规则代码、规则描述三个方面，管理员可以自定义新增清洗规则，查看和修改清洗规则相关信息，支持加工规则配置、表单管理。
数据校核主要用于查看和管理数据校核统计和数据校核规则。
数据校核统计主要展示了已校验数据条数、校验成功数量、校验异常数量、校验成功率和校验异常清单。
数据校验规则分为规则名称、规则说明、作用字段、规则启用四个内容，拥有相应权限的管理员可以自定义新增校核规则，查看和修改校核规则相关信息。
1.1.5数据共享数据共享分为数据共享接口、我的数据接口、共享数据清单三个模块。
管理员可以在下载接口文档、查看接口且管理员可详情以及测试接口，并以通过调用时间或接口名称来模糊搜索接口。
（一）公开数据采集公开数据采集通过互联网公开方式，采集企业在省外政府发布的公开信息，如司法判决、知识产权、网络舆情等，进一步补充省内政府部门尚未掌握或归集的企业信息，作为企业分析和预警的参考。
（一）公开数据调用公开数据通过调用互联网上公开采集的知识产权、企业舆情、司法诉讼、工商信息等接口，匹配到对应参评企业，并对企业详细信息起到补充作用。
1.1.7更多拓展功能基于对“工业企业效益评价”大数据平台业务流程的理解，结合我司在省级数管中心数据共享平台及宁波、台州、衢州等地大数据共享平台的建设经验，我司在“工业企业效益评价”大数据平台的数据归集共享子平台下设计了4项拓展功能，具体功能描述详见下表：1.2数据可视化展示子平台数据可视化展示子平台包括工作成果展示、经济运行展示、行业分析展示、企业分析展示、专项指标分析、分类定档展示、企业信息检索、产业链分析共八大模块；主要用于展示“工业企业效益评价”工作历史沿革，同时以企业”工业企业效益”综合评价数据库为基础，结合大数据分析挖掘技术、云计算技术、GIS、数据可视化技术，对“工业企业经济效益”情况，按区域、行业、企业、产业等进行多维度、多指标项可视化展示。
1.2.1工作成果展示工作成果展示主要用于总结回顾“工业企业效益评价”工作的发展历程和工作成效。
（一）工作成效工作成效主要展示“工业企业效益评价”工作的工作成效，与全国各省亩产税收的综合比较情况，以及相关的政策制定和工作举措等；全面反应“工业企业效益评价”工作取得的经济效益和社会效益，同时对促进经济高质量发展产生的重要作用。
（二）发展历程发展历程详细介绍了“工业企业效益评价”工作的顶层设计思路和平台组织架构，体现了每个平台各项功能所服务的设计理念和需求，并以时间轴的形式总结回顾了近几年的发展历程，全面展示“工业企业效益评价”工作取得的发展成效。
1.2.2经济运行展示经济运行展示主要结合GIS地图对设区市、县（市、区）的区域工业经济评价指标进行排名展示等分析服务。
（一）全省数据展示全省数据展示主要以热力图形式来展示设区市、县（市、区）的企业数量、单项指标、评价指标的情况，并与省“工业企业效益”各项评价指标均值进行对照，直观展示各地区的工业企业效益完成情况。
（二）县市综合展示县市综合展示主要以列表的形式直观展示设区市、县（市、区）的各项评价指标，并支持按评价指标进行设区市、县（市、区）的排名展示。
（三）工业企业效益分布工业企业效益分布主要基于GIS地图，分区域展示设区市、县（市、区）的各项评价指标数值，并用不同颜色对数值的高低进行区分，同时按照评价指标数值进行设区市、县（市、区）的排名展示。
1.2.3行业分析展示行业分析展示主要基于GIS地图，分行业展示设区市、县（市、区）的企业数量、亩产相关信息，支持按评价指标进行行业的排名展示，并以热力图形式来显示各产业布局。
（一）行业分布行业分布主要基于GIS地图，分行业展示设区市、县（市、区）的各项评价指标数值，并用不同颜色对数值的高低进行区分，同时按照各行业评价指标数值进行设区市、县（市、区）的排名展示分析。
（二）行业数据展示行业数据展示主要从行业的亩产税收、亩产增加值、全员劳动生产率、单位能耗增加值、单位排污增加值、R&D经费支出占主营业务收入比重等角度对行业进行分析，并可按任一维度排序，准确分析行业的贡献度。
（三）专题排名展示专题排名展示主要用于展示31个制造业“区域工业经济效益”排名前十分析、31个制造业“区域工业经济效益”排名后十分析、十大传统制造业“区域工业经济效益”绩效分析、八大高耗能行业“区域工业经济效益”绩效分析、装备制造业“区域工业经济效益”绩效分析、高新技术产业“区域工业经济效益”绩效分析等详细行业专题分析，并可以去除垄断行业进行排名。
1.2.4企业分析展示企业分析展示主要包括企业性质分析、企业规模分析、企业系分析、上市公司分析、低效企业分析五个模块。
（一）企业性质分析企业性质分析基于GIS地图，对不同性质企业的企业数、行业分布、地区分布、用地面积、实缴税金、工业增加值、综合能耗、排污量、研发经费支出、主营业务收入、年平均职工人数、评价结果、亩产税收、亩产增加值、全员劳动生产率、单位能耗增加值、单位排污增加值、R&D经费支出占主营业务收入比重等角度进行分析、对比和排序，分析不同类型企业对经济增长的贡献度。
（二）企业规模分析行业规模分析基于GIS地图，对不同规模企业的企业数、行业分布、地区分布、用地面积、实缴税金、工业增加值、综合能耗、排污量、研发经费支出、主营业务收入、年平均职工人数、评价结果、亩产税收、亩产增加值、全员劳动生产率、单位能耗增加值、单位排污增加值、R&D经费支出占主营业务收入比重等角度进行分析、对比和排序，分析不同类型企业对经济增长的贡献度。
（三）上市公司分析上市公司分析基于GIS地图，对上市企业的企业数、行业分布、地区分布、用地面积、实缴税金、工业增加值、综合能耗、排污量、研发经费支出、主营业务收入、年平均职工人数、评价结果、亩产税收、亩产增加值、全员劳动生产率、单位能耗增加值、单位排污增加值、R&D经费支出占主营业务收入比重等角度进行分析、对比和排序，分析上市企业对经济增长的贡献度。
