目前理解的灾害洞察服务平台未来应该是一个基于公有云的多用户服务平台。组织和企业通过注册账号，购买购物获取服务信息和功能，拥有统一的服务获取入口。在后端我们通过分布式部署解决数据数据采集和模型计算问题从而提供分布式服务。通过在本地提供微服务接口配置管理实现不同用户服务获取。

现阶段我们可能无法马上摆脱项目的形态，但必须有意识地朝产品化方向努力，通过项目沉淀产品，产品支撑项目的思路应对2G阶段公司的生存和发展，同时积累核心竞争力，为2B打下软件平台基础。

当然这个阶段存在诸多困难，这里面就涉及到从原有私有云到公有云的架构模式的迁移，其中最大的困难时气象数据从气象内网同步到公有云的过程；数据从传统气象观测、卫星、雷达、遥感、SAR到更本地化气象观测和物联网信息融合；算法模型从简单的指标匹配和固定模式预报算法到基于各个组织和行业业务的深度学习模型的构建。当然这是构建平台门槛的关键；服务方式除了基于一张图的数据叠加分析，更多要考虑特定用户的关注的时间，空间和要素和专题维度提供更具价值的服务内容的直观展现和叠加分析之外，核心在于通过灾害洞察规避和减少损失，对于已经发生的灾害做好评估和诊断，通过统计分析和反馈不断优化防灾减灾策略，解决点线面的上的灾害预测和灾损影响评估问题。

而服务的重点在于具有针对性，服务的难点也在于此。

服务的第一个难点在于让服务具有价值。个人认为应该弱化监测，强化评估和预测。从目前2G的项目形态来看，依然是将关注点集中在三个方面，“要亮的，要用的，要有的”。要亮的即平台亮点，通常通过底层基于光流法的短临预报技术、神经网络深度学习技术，三线性插值的回归算法以及基于WebGL的3D可视化技术都是平台需要凸显的内容。要用的即数据查询分析统计、产品制作分发、服务获取一些列主线业务流程的打通。要有的即合同范围内容相关切不重要的部分需要涉及。

服务的第二个难点在于数据的融合。前期项目实施的同时建立数据采集和存储的规范标注尤为重要。不同组织和企业拥有不同的设备厂家和数据结构，做好数据融合是第一步，数据融合关键是不同厂家设备数据适配和规范化存储。而二维数据向向带有空间属性的数据转化对于打通物联网观测数据与气象数据关联也至关重要。另外一个关键点在于基于行业的灾害风险监测预警评估指标如何与传统气象灾害监测预警评估指标衔接，也是业务扩展和融合的关键。

服务的第三个难点在于模型的差异化和复杂度。不同行业不同气象灾害模型，归根到底是围绕时间,空间，灾害形态和行业专题指标构成，因此构建统一的基于可配置的模型运算引擎的开发是必要的，这主要是解决产品伸缩性需求。

服务的第四个难点在于异构网络之间数据实时无缝传输的问题。我们目前所有的平台和系统都构建在气象内网环境之下，服务产品依赖的数据和算法模型多依赖气象和组织以及企业业务指标的关联运算。气象数据、组织和企业的业务数据处在相对闭塞的网络环境下，如何打通各网络环节，使数据便捷交汇是一个需要重点解决的问题。