數據是最基本的元素，也許是市政公司最寶貴的資產。然而，大多數市政公司僅使用他們擁有的很小一部分數據。目前正在討論的“大數據”，我們看到市政公司正在挖潛，利用他們具有的這些財富推出新的想法，并產生新的價值。這不是小數據，市政公司可以從整個公共市政的無數系統和子系統獲取數據，能夠獲得對整個城市基礎設施方面的全面了解。這包括實時生成的結構化、非結構化數據和非操作性數據。市政公司還可以收集和使用大量來自外部，如氣象臺和金融市場的數據。

　　市政的運營每天都會產生大量數據，智能電網技術的部署會急劇增加這些數據量。數據產生在不同的地方，通常是職能部門，包括資產管理、電水氣運營、客戶服務，市政財務、合規監管、計劃、設計、工程和維護。這些數據通常分散在不同的數據區，有些市政公司會在中央數據區不斷同步和集中這些數據。

　　市政數據的最大消費者和生產者是那些數以億計嵌入在設備中的傳感器或控制器，他們安裝在建筑物、變電站、發電機、變壓器和各種電水氣輸配網絡的設備中。這些設備用連續或離散的方式與其他設備進行通信和互動，結合歷史或實時數據，產生新的統計數據，這些就是市政公司數據資產。

　　新技術的測量優勢

　　用大數據對現實電網進行性能預測，這項技術引起了高管們的注意，使用新技術還需要新的度量指標。市政公司還必須面對可再生能源、需求響應、分布式能源等所帶來的不確定性;還必須應對監管、勞動力老化、電網資產老化，以及其他外部因素，如極端天氣事件等。

　　此外，隨著智能電網的投資不斷增加，政策制定者、監管者、客戶、股東和市政公司都想利用測量新技術所帶來的優勢。這些優勢包括：智能電網對其他系統是否提高了柔性?諸如靈活性、可控性，可測性、可配置性、可調度性、可預測性、互操作性、可到達性、堅固性和安保性等。

　　基于市政公司定義和評估的度量(Metric)和關鍵績效指標(KPI)，僅是整個數據庫中的一個子集。例如，電網可靠性度量：系統平均供電干擾時間(SAIDI)，客戶平均斷電持續時間(CAIDI);是基于配電管理系統和停電管理系統，而資產的健康和維護度量是從資產管理系統中導出。同樣，業務模式的KPI來源于法規和政策的信息，客戶服務的度量是客戶滿意度調查的結果。

　　只有在極少數情況下，市政公司今天的KPI是用全部可用的數據來計算的。

　　相關分析支持運行預測

　　對人類 -- 網絡 -- 物理系統(即智能電網和能源交換網絡)進行因果分析比較困難，因為這種系統非常復雜，他們實際上是系統套系統(SOS)，受眾多的變量和現象影響。基于因果關系的度量對理解智能電網以什么方式運行非常有幫助。然而，這個環境充滿了復雜性、不確定性和相互依賴性，可能不能用因果關系來識別和解釋。

　　另一方面，如果把大數據相關性分析與預測、統計和數據挖掘工具相結合，能夠幫助市政公司發現：兩個變量或兩個度量的相關程度和一個量影響其他量的可能性。

　　相關分析并不否定理解因果關系的必要性，而是提供了更多有價值的洞察力，預測什么會影響什么。有了這些信息，可以進行更深入的分析，更好理解問題的因果維度。

　　通常，很強的相關性意味著兩個變量之間的鏈接有更高的可能。這是一個由肯尼斯?庫基爾(Kenneth Cukier)和維克多·邁耶?舒恩伯格(Viktor Mayer-Schonberger)在大數據一書給出的重要特性。

　　按照他們的說法，“相關性有助于我們把握現在，預測未來：如果A經常??與B一起發生，我們需要觀察B來預測A的發生。把B作為一個代理服務器，可以幫助我們捕捉A發生的可能性，甚至我們不能直接測量或觀察A。它有助于預測A在未來可能會發生什么。”