零代码、低成本快速创建采集表
基于大数据引擎，通过可视化组件、托拉拽式实现数据汇聚与集成开发
指标定义、指标建模、指标固化、指标分析，一体化完成指标的落地与应用
组件化、零sql实现各类复杂报表和丰富多样的图表分析
面向业务人员，简单拖拽即可生成可视化图表
内置150+特效组件，快速打造酷炫灵动的可视化大屏，支持在线编码，拓展视觉体验至极致
搭载自然语言分析引擎，引入AI大模型技术，通过简单的对话问答实现快速数据分析
移动采集、审批、分析一站式解决移动办公诉求
一站式数据分析平台
了解ABI
全程“零”编码，高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理，为企业主数据管理落地提供有效支撑，实现各业务系统间的主数据共享，保障企业主数据的唯一性、准确性、一致性。
内置多类主数据模版，可视化实现多视角模型定义，满足复杂规则的编码自动控制
多种数据接入方式，支持不同场景的审批管控，数据版本可回溯，满足主数据的全生命周期管理
拖拽式任务设计，内置丰富组件，支持主动式、被动式分发模式
全过程质量管控，支持内置及自定义规则，提供图表式质检报告
主数据管理平台
在线模型设计，深度融合数据标准，规范数据定义
自动化元数据感知，全链路血缘提取，理清数据资源
智能化标准推荐，一键式数据落标，树立数据权威
“零”编码规则搭建，全流程质量整改，高速数据质检
规范资产目录，自助式数据共享，释放资产价值
基于大数据引擎，通过可视化组件、托拉拽式实现数据汇聚与集成开发
超30+主流数据库、国产库、大数据库、文件、消息队列等接口之间极速交换结构化、非结构化数据
构建分级分类体系，动态数据脱敏，保障数据安全
全盘监控数据，决策数据周期，释放数据资源
智能数据治理平台
了解睿治
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体，一站式解决数据开发所有的问题。
结合标准体系的可视化建模工具，支持模型的正、逆向构建
拖拽式任务编排，内置丰富组件，支撑亿级数据的快速处理与迁移
具备高并发、高吞吐量、低延迟的一体化任务编排能力，可视化设计、分布式运行
提供图形化的任务监控和日志跟踪，面向运维、管理人员的完善监控体系
数据工厂系统
纯web设计器，零编码完成基本表、变长表、中国式复杂报表、套打表、问卷调查表等制作；支持年报、月报、日报，以及自定义报表期等多种数据采集报送频率
提供在线填报和离线填报两种应用模式，也支持跨数据源取数；填报数据自动缓存在WEB浏览器中，即使宕机也不会丢失
内置灵活轻便的工作流引擎，实现了用户业务过程的自动化；支持层层审批、上级审批、越级审批、自定义审批等多种审批方式
对于下级填报单位上报的数据，上级汇总单位可将其进行汇总；支持层层汇总、直接下级汇总、选择单位汇总、按条件汇总、按代码组汇总、按关键字汇总、自定义汇总等
提供数据锁定机制，防止报表数据被意外修改；支持数据留痕，辅助用户过程追溯；未及时上报的用户自动催报；所见即所得的打印输出等
提供多种类型的数据接口，可以导入EXCEL、DBF、二进制、文本等格式的数据，可以将报表数据批量输出为HTML、EXCEL、XML、TXT等格式
数据采集汇总平台
统一指标定义，实现“一变多变、一数多现”的数据管理效果，为企业提供强有力的数字化保障和驱动效应。
采用可视化、导向式方式构建指标业务域，形成指标地图，全局指标一览在目
流程化自助式的定义、开发、维护各类指标，零建模，业务人员即刻上手
助力企业更好地查询、使用指标，提供共享、交换、订阅、分析、API接口等应用服务
指标管理平台
企业级智能体平台，低门槛搭建智能体，灵活编排流程，融合 LLM 实现“问数”、“问知识”
面向业务的对话式问数，即问即答，更懂你的诉求
理解数据，洞察数据，更懂数据内容，把数据见解讲给你听
动态地分析数据特点，提供最合适的图表类型展示，让数据展现更简单
完全是颠覆做表的方式，一句话看板创建，启发式内容制作
智能化生成包含深入分析和建议的报告，复杂数据简单化，释放数据潜力
数据跃然屏上的AI大屏汇报，让数据讲述故事
海量知识，一触即达，提供更智能的知识检索服务，快速找到“对”的人
不止于工具，更是随时待命的得力助手。一声指令，为您提供即时的数据分析和决策支持
智能数据问答平台
面向企业级数据资产交易运营场景，助力企业实现数据资产的价值挖掘、升值和资产变现。
提供上百类数据交换、汇聚、处理能力；零代码数据模型开发。
全链路数据治理，把控资产质量，理清资产血缘。
定义、盘点、规划无序的数据类和应用类资源，构建数据资产管理体系。
提供数据资源门户，及数据API、数据服务等快速检索能力；动态脱敏、加密保障数据安全。
提供用户注册、审批、订购等一体化管理，持续提升企业数据资产价值。
数据资产运营平台
从采、存、管、用四大方面构建数据治理体系，实现数字化经营
主数据全生命周期管理，保障主数据一致性、权威性、共享性，提高企业运营效率
以元数据管理摸清家底，以资产编目盘点数据资产，提供数据服务
集数据采集补录、数据ETL建模、数据实时存储、数据分析展现等应用场景于一体
集数据集成、数据治理、资产规划开发、资产运营等场景应用于一体
集元数据采集和规整、数据标准建立与评估、数据质量管控等场景应用于一体
面向业务和技术提供指标管理指标分析等服务的指标统一管理平台
涵盖数据存储、数据集成、数据交换、数据共享等方面，为企业用户提供云原生仓湖一体解决方案
提供数据全生命周期过程的数据服务手段，实现数据应用到数据运营
基于大模型AI的智能化低代码数据开发平台,助力企业高效构建现代化数据仓库、数据湖
基于大模型（LLM）与BI引擎深度融合的新一代数据智能平台，致力于打造会说话的数据助手
构建标准化的高质量数据集体系，打通从采集到训练的全链路
案例中心
学习中心
认证中心
培训活动
亿信社区
伙伴招募
供应商招募
了解亿信
亿信动态
亿信ABI
数据治理
产品解决方案
金融
租赁
医疗卫生
制造
能源
教育
央国企
其他
案例中心
学习中心
认证中心
培训活动
亿信社区
伙伴招募
供应商招募
了解亿信
亿信动态
IDC蝉联数据治理解决方案市场第一
（1）多元共享性。数据要素从生产、加工到应用的各环节，都体现出多元性。对应急管理来说，首先，数据要素由多方生产且依赖于去中心化方式进行处理，在生产与加工过程中衍生出多元参与主体，以政府为主导的应急管理多元主体都是应急数据的生产者、加工者和使用者。其次，数据要素不仅能够被应急管理多个主体在不同场景下同时使用，更能在被应用后保持数据资源数量和价值不被耗减甚至实现增值，呈现非竞争性特点。最后，从技术角度讲，数据要素在应急管理使用过程中无法排除他人同时使用该数据，具有非排他性特征，需要解决数据确权、敏感数据有条件共享或限制访问等数据权属问题。
（2）低成本易得性。虽然数据要素的生产收集过程可能会比较复杂且需要一定的软硬件投资，但与传统生产要素相比，其生产与积累较少受物理空间制约，具有无限增长和可再生的属性，从长期来看数据要素的广泛使用可以降低应急管理的成本，提高应急公共投入效率。同时，数据要素在生产完成后几乎可被零成本复制与共享，边际成本极低，使私人部门和社会公众基于公共安全考虑主动将自身或个人数据向应急管理公共部门共享成为可能。
（4）正负外部性。数据要素兼具正、负两方面的外部性。从正外部性看，个体活动产生的数据经加工应用后会使其他个体或群体受益；从负外部性来看，数据收集活动不仅会造成特定个体的隐私风险，还会导致与其关联的个体以及具有相似特征的人群隐私牺牲。应急管理中数据要素主要表现出正外部性特征，即个体贡献的数据要素使公共安全增加，如新冠疫情期间的健康码应用等，但仍需关注隐私泄漏、权力让渡、算法行政等负外部性问题。
“数据要素×应急管理”的价值创造形式多样，但从本质上看，离不开“风险感知、应急决策与协同行动”。具体而言，应急管理者依靠感知、传输等数字技术获取海量数据，经由人工智能等数据分析技术，获得即时灾情、历史经验、趋势预测及其他数据产品和服务，并将它们作为最终产品或中间投入品投入应急管理活动过程，产生持续的、非线性的、连锁的效应，实现应急绩效的放大、叠加与倍增，创造公共安全价值增量。
数据要素的价值在于从中获取信息、知识与发现，从而提升效率、促进创新和优化配置，实现知识发现向价值创造的转换。数据是事实和意义的表征与载体，是学习与发现的基础。从罗素·艾可夫（RussellAckoff）的DIKW模型来看，数据可以转换为信息，促进知识生成，并在人的能动性中凝结出智慧，即通过数据劳动沿“数据（D）—信息（I）—知识（K）—智慧（W）”的链条创造价值（图1 ）。易言之，数据要素经由人类劳动转化为信息、知识和智慧，通过支撑更全面的风险感知、更精准的风险决策和更高效的协同行动等实现应急管理的价值创造。进一步来说，数据是人工智能的原料和动力，应急数据要素的积累、应急规则的挖掘和应急知识的构建将促进AIGC等人工智能技术在应急领域的应用与进步，甚至在人机协同条件下形成应急管理的超人系统（Metahuman Systems），产生全新知识与数据智能，从而对应急管理产生系统性价值。这是人工智能时代数据要素驱动应急管理理念转型、体系变革等价值创造背后的机理。
需要指出的是，数据要素的价值创造受到数据管理和数据分析活动的调节。一是数据要素乘数效应的发挥受到数据规模大小、维度高低、精准程度、即时程度等因素影响，这些因素都是数据管理的结果。二是人工智能等数据分析技术在数据资源向数据资本转化的过程中扮演重要角色，数据分析技术的高低影响从数据中获取的价值多少。
数据要素推动应急管理关口前移。应急数据的重要价值之一就是增强态势感知，洞察风险先机（Seeingthe Unseen）。机器学习、人工智能等数智化应用在风险识别、监测、研判、预警和溯源等方面具有突出优势，可从海量数据中寻找关联与规律，推动应急管理从事后应对转变为事前预防、从“人防+物防”转变为“人防+物防+技防+数防”。例如，北京市构建大数据系统来预警危险品运输隐患，实时掌握车辆轨迹，预测市内各地区安全状态，提前锁定安全风险并进行防护资源部署和调度，实现应急管理的“见微知著”和“防患于未然”。
数据要素支撑应急管理精准决策。其一，经数据分析获得关于客观事实的即时洞察使应急管理的过程控制更明确、态势走向更清晰，无论是火灾的蔓延趋势还是传染病爆发的进程，数据支撑应急管理者掌控突发事件的整体态势与局部细节。其二，围绕应急指挥协调机构形成以知识交互中心、策略情报中心等为关键枢纽的应急决策数据支撑网络，辅助决策者对人员疏散、救援行动、物资调配等应急活动做出科学、精准且符合公众需求的决策。其三，应急数据积累和应急场景人工智能应用驱动应急决策范式转变，促使传统应急决策的信息情境从单一领域向跨域融合转变，决策主体从人为主体向人机并重转变，理念假设从经典假设向宽假设甚至无假设转变，方法流程从线性、分阶段过程向非线性过程转变，这种决策范式的变化对未知风险预见和应急模式创新具有重要意义，有望对“黑天鹅”事件在人与人工智能协同条件下做出可信决策，为应对新兴风险开辟路径。
数据要素链接应急管理协同行动。在前端的风险治理中，安全隐患“随手拍”、异常问题“随时报”、地理信息志愿共享等成功实践表明，数据要素的介入可以将风险治理从“人人关心”转变为“人人参与”，提升风险监管、排查等治理活动的参与性和沟通性，促进风险治理的目标协同与情境协同，实现风险治理的价值共创。在后端的危机应对中，“社会应急力量救援协调系统”等数字化平台突破条块间和区域间的数据与资源壁垒，以创新的协同模式和简化的协同结构重塑协同过程、降低协同成本、提高协同效率，赋能“跨组织、跨部门、跨层级、跨区域”的应急协同。
应急管理数据要素的价值不仅由自身创造，还产生于要素间的互动融合中。一方面，分散在不同系统、部门、行业领域的应急数据在集聚、整合后形成相互关联的高维数据，可获得更多的洞察和支持更广泛的应用，实现数据要素价值的倍增。例如要对深圳市龙华区“8·29 ”城市内涝的灾害损失进行评估，仅利用降水量数据无法获得精准的结果，而如果将龙华区的地理数据、社会经济数据、历史与实时灾情数据、防减灾措施数据与降雨量数据融合关联，则可极大提升估算精度，为灾害预防和应急响应提供重要参考。另一方面，数据要素能够作为“粘合剂”，促进不同要素的连接和流通，实现要素价值倍增。微观层面，数据协同劳动、技术等要素，通过数据分析和挖掘释放数据活力，促进风险感知、应急决策和协同行动；中观层面，数据要素推动的要素结构变化和新要素组合在优化应急产业布局和加快应急产业升级与转型的同时，催生新的应急产业；宏观层面，数据要素促进效率提升和模式创新的作用得以放大，数据要素的规模效应和网络效应得到彰显，整体性提升应急管理效能，塑造应急管理的数字韧性（Digital Resilience）。
（1）场景牵引，开辟数据要素乘数效应发挥的空间。应急管理数据要素乘数效应的发挥，有赖于应急场景的牵引，需要依靠安全监管、风险监测、应急协同等具体场景驱动数据要素与其他要素的有机协同和多元化应用，寻找数据要素价值创造的突破口和增长点，打通数据要素流通增值的“任督二脉”。日本《东京防灾计划2021 》提出利用人工智能等数字技术提升防灾效率的愿景，发布了大量具体的场景需求，为数智化防灾应用开发提供了明确指引。中国具有海量数据资源和丰富应用场景等多重优势，应面向未来风险场景、回应安全发展需求，进行应急管理数据要素应用场景的体系化设计和具体应急任务的精细化布局，促进应急管理数据要素多场景应用，推动数据要素在不同风险场景中发挥出形态各异的乘数效应。
（2）数商推进，发动数据要素聚集流转增值的引擎。数据流通和交易是其价值增值的基本前提，数商是数据流通与交易的重要推手。对应急管理来说，数商既包含应急数据产品的直接提供者，也包含为应急数据交易提供经纪服务、技术支持、咨询评估等服务的第三方服务商。应进一步优化数商的创新创业环境，支持应急管理相关的技术型、服务型和应用型数商发展，充分发挥数商在应急数据流通交易中的作用，促进危化品数据、食品安全数据、灾害监测数据等跨行业、跨领域的“应急大数据”聚起来、动起来、用起来，推动应急数据资源的对接、交易和权益冲突化解，赋能应急管理创新，创造公共安全价值。
（3）技术创新，破除数据要素开放共享复用的桎梏。跨组织的数据开放共享复用是应急管理数据要素创造价值的重要基础。OECD的研究表明，对一个国家来说，数据共享会使其价值放大20至30倍，其中，公共部门数据开放大约可产生本国GDP 0.1%至1.5%的社会经济效益。然而，应急数据开放共享往往面临各种安全风险，应以技术创新为突破口，基于隐私计算、多方安全计算、联邦计算、区块链等新技术搭建数据“可用不可见，可见不可取”的开放共享复用平台，打破“数据壁垒”、拆除“数据烟囱”、联通“数据孤岛”、消除“重复冗余”，建设安全、可信、高效的公共安全与应急管理大数据共享空间，在原始数据不出域的情况下实现应急数据计算结果的共享、流通与复用。
（4）上下分化，适配数据要素乘数效应发挥的制度。应急数据的生产、服务与消费需要相应的数据资源、数据权限、技术设备、专业人才和资金保障，这种高投入特征超出了大部分基层应急部门的能力载荷。而省市应急部门在数据资源、权限、技术、人才和资金等方面具有比较优势，但与基层相比缺少具体的应用场景、属地信息和本土化知识。因此，在“数据要素×应急管理”的制度设计与组织安排上，需遵从“信息优势的上下分化”规律，采用“上下分化，上建下用”的策略，充分发挥中高层部门的数据集聚优势与技术人才优势，同时对接基层部门的多应用场景优势和属地信息优势，实现数据要素主要聚集、分析和流通在中高层，而数据要素的场景化应用与乘数效应发挥在基层。
“数据要素×应急管理”的前提在于准确把握应急管理数据要素关键特征，释放应急管理数据要素的公共安全价值。重点在于深刻理解应急管理数据要素乘数效应机理，发挥数据要素的放大、叠加、倍增效用。基础在于创造应急管理数据要素乘数效应发挥的条件，激活数据要素潜能，培育应急管理发展新动能。
面向我国的公共安全需求，未来需在顶层设计与实践探索相互协调与配合下，充分释放应急管理中数据要素的基础资源作用和创新引擎作用，推动数据要素在应急管理领域的深度融合与创新应用，为更高水平的平安中国建设注入强劲动力。