数据连接
- 各行业数据、政府业务数据、地区城市运行数据、互联网数据，从离线、分散、零星采集，转向随时在线、逻辑集中、统一采集。
- 不同类型、不同协议的物联网感知设施充分部署，促进物理空间、网络空间、社会空间边界融合下的数据流动，以信息资源调配物质资源，改善社会资源，打通虚实世界，形成感知-认知-操控-反馈的闭环机制；
数据汇聚
- 在数据持续连接基础上，不断丰富形成数据汇聚三类层次；
- 全量数据：物理空间、网络空间和社会空间数据的集合，
- 全域数据：在全量数据基础上，增加时间维度，形成时空数据，增加事件的轨迹、演变过程；
- 全息数据：在全域时空数据基础上，增加数据之间的关联关系，形成主对象为核心的，数据融合、关联网络，打破因数据割裂造成的天然孤岛，形成关联数据的叠加价值。
- 数据汇聚的目标成效，是确保随时可进行抽取、关联与分析。与汇聚的物理地址无关，因为数据汇聚既可以逻辑集中，物理分散存储，也可以物理集中存储。
- 前者，务必要按照统一规范和标准，对分散在不同物理地址的数据独立清理，形成统一数据格式，随时可供程序调用。这种方式要求各分散单元有数据清洗能力，或者通过第三方统一进行清洗。
- 后者，可以将所有数据库统一上云，形成天然的物理集中，不过云中存储的数据依然属于不同租户，每个租户存留的数据，并不天然互通共享，依然还需经过清洗处理后，方可统一调度。
- 一般而言，逻辑集中物理分散存储更符合数据处理方向。但实际操作中，尤其是地方政府，往往采用统一上云的方式集中存储，由专门的数据资源机构，如大数据资源管理局等，进行统一加工处理，这种方式更有利于工作推进，否则分散存储在不同物理地点的数据，依然被各部门独立把持，无法发挥数据效益。
贵州案例 ：明确集中存储更有利于数据统一调度；
上海案例： 通过对数据资源使用的地方立法，要求全量数据的集中归集；
- 数据汇聚过程中，有两类做法，
- 第一类是构建全量数据资源目录，划分其中一部分作为可共享的资源目录，对这部分数据资源进行独立存放。
- 优势是数据资源目录梳理有基础，对业务的理解和依赖相对较小，每当有新业务和新共享需求时，再定期更新共享资源目录。
- 劣势是全量数据的梳理工作量大，可共享的资源目录更新不及时。
- 第二类是按照业务主对象，形成多个主数据库，破解过去数据属性被不同部门、不同行业天然分割的困局。e.g 人事数据，包括党建关系、调动关系、职称评定、项目业绩等，可以以单一的个人身份作为主对象，构建人事主数据库。
- 优势：主数据库天然有数据之间的依存关系，与业务息息相关，
- 劣势：各业务部门要明确形成主对象档案，对业务部门提出专业要求。
