数据是最基本的元素，也许是市政公司最宝贵的资产。然而，大多数市政公司仅使用他们拥有的很小一部分数据。目前正在讨论的“大数据”，我们看到市政公司正在挖潜，利用他们具有的这些财富推出新的想法，并产生新的价值。这不是小数据，市政公司可以从整个公共市政的无数系统和子系统获取数据，能够获得对整个城市基础设施方面的全面了解。这包括实时生成的结构化、非结构化数据和非操作性数据。市政公司还可以收集和使用大量来自外部，如气象台和金融市场的数据。

　　市政的运营每天都会产生大量数据，智能电网技术的部署会急剧增加这些数据量。数据产生在不同的地方，通常是职能部门，包括资产管理、电水气运营、客户服务，市政财务、合规监管、计划、设计、工程和维护。这些数据通常分散在不同的数据区，有些市政公司会在中央数据区不断同步和集中这些数据。

　　市政数据的最大消费者和生产者是那些数以亿计嵌入在设备中的传感器或控制器，他们安装在建筑物、变电站、发电机、变压器和各种电水气输配网络的设备中。这些设备用连续或离散的方式与其他设备进行通信和互动，结合历史或实时数据，产生新的统计数据，这些就是市政公司数据资产。

　　新技术的测量优势

　　用大数据对现实电网进行性能预测，这项技术引起了高管们的注意，使用新技术还需要新的度量指标。市政公司还必须面对可再生能源、需求响应、分布式能源等所带来的不确定性;还必须应对监管、劳动力老化、电网资产老化，以及其他外部因素，如极端天气事件等。

　　此外，随着智能电网的投资不断增加，政策制定者、监管者、客户、股东和市政公司都想利用测量新技术所带来的优势。这些优势包括：智能电网对其他系统是否提高了柔性?诸如灵活性、可控性，可测性、可配置性、可调度性、可预测性、互操作性、可到达性、坚固性和安保性等。

　　基于市政公司定义和评估的度量(Metric)和关键绩效指标(KPI)，仅是整个数据库中的一个子集。例如，电网可靠性度量：系统平均供电干扰时间(SAIDI)，客户平均断电持续时间(CAIDI);是基于配电管理系统和停电管理系统，而资产的健康和维护度量是从资产管理系统中导出。同样，业务模式的KPI来源于法规和政策的信息，客户服务的度量是客户满意度调查的结果。

　　只有在极少数情况下，市政公司今天的KPI是用全部可用的数据来计算的。

　　相关分析支持运行预测

　　对人类 -- 网络 -- 物理系统(即智能电网和能源交换网络)进行因果分析比较困难，因为这种系统非常复杂，他们实际上是系统套系统(SOS)，受众多的变量和现象影响。基于因果关系的度量对理解智能电网以什么方式运行非常有帮助。然而，这个环境充满了复杂性、不确定性和相互依赖性，可能不能用因果关系来识别和解释。

　　另一方面，如果把大数据相关性分析与预测、统计和数据挖掘工具相结合，能够帮助市政公司发现：两个变量或两个度量的相关程度和一个量影响其他量的可能性。

　　相关分析并不否定理解因果关系的必要性，而是提供了更多有价值的洞察力，预测什么会影响什么。有了这些信息，可以进行更深入的分析，更好理解问题的因果维度。

　　通常，很强的相关性意味着两个变量之间的链接有更高的可能。这是一个由肯尼斯?库基尔(Kenneth Cukier)和维克多·迈耶?舒恩伯格(Viktor Mayer-Schonberger)在大数据一书给出的重要特性。

　　按照他们的说法，“相关性有助于我们把握现在，预测未来：如果A经常??与B一起发生，我们需要观察B来预测A的发生。把B作为一个代理服务器，可以帮助我们捕捉A发生的可能性，甚至我们不能直接测量或观察A。它有助于预测A在未来可能会发生什么。”