數據連接
- 各行業數據、政府業務數據、地區城市運行數據、互聯網數據，從離線、分散、零星采集，轉向隨時在線、邏輯集中、統一采集。
- 不同類型、不同協議的物聯網感知設施充分部署，促進物理空間、網絡空間、社會空間邊界融合下的數據流動，以信息資源調配物質資源，改善社會資源，打通虛實世界，形成感知-認知-操控-反饋的閉環機制；
數據匯聚
- 在數據持續連接基礎上，不斷豐富形成數據匯聚三類層次；
- 全量數據：物理空間、網絡空間和社會空間數據的集合，
- 全域數據：在全量數據基礎上，增加時間維度，形成時空數據，增加事件的軌跡、演變過程；
- 全息數據：在全域時空數據基礎上，增加數據之間的關聯關系，形成主對象為核心的，數據融合、關聯網絡，打破因數據割裂造成的天然孤島，形成關聯數據的疊加價值。
- 數據匯聚的目標成效，是確保隨時可進行抽取、關聯與分析。與匯聚的物理地址無關，因為數據匯聚既可以邏輯集中，物理分散存儲，也可以物理集中存儲。
- 前者，務必要按照統一規范和標準，對分散在不同物理地址的數據獨立清理，形成統一數據格式，隨時可供程序調用。這種方式要求各分散單元有數據清洗能力，或者通過第三方統一進行清洗。
- 后者，可以將所有數據庫統一上云，形成天然的物理集中，不過云中存儲的數據依然屬于不同租戶，每個租戶存留的數據，并不天然互通共享，依然還需經過清洗處理后，方可統一調度。
- 一般而言，邏輯集中物理分散存儲更符合數據處理方向。但實際操作中，尤其是地方政府，往往采用統一上云的方式集中存儲，由專門的數據資源機構，如大數據資源管理局等，進行統一加工處理，這種方式更有利于工作推進，否則分散存儲在不同物理地點的數據，依然被各部門獨立把持，無法發揮數據效益。
貴州案例 ：明確集中存儲更有利于數據統一調度；
上海案例： 通過對數據資源使用的地方立法，要求全量數據的集中歸集；
- 數據匯聚過程中，有兩類做法，
- 第一類是構建全量數據資源目錄，劃分其中一部分作為可共享的資源目錄，對這部分數據資源進行獨立存放。
- 優勢是數據資源目錄梳理有基礎，對業務的理解和依賴相對較小，每當有新業務和新共享需求時，再定期更新共享資源目錄。
- 劣勢是全量數據的梳理工作量大，可共享的資源目錄更新不及時。
- 第二類是按照業務主對象，形成多個主數據庫，破解過去數據屬性被不同部門、不同行業天然分割的困局。e.g 人事數據，包括黨建關系、調動關系、職稱評定、項目業績等，可以以單一的個人身份作為主對象，構建人事主數據庫。
- 優勢：主數據庫天然有數據之間的依存關系，與業務息息相關，
- 劣勢：各業務部門要明確形成主對象檔案，對業務部門提出專業要求。
