据相关资料统计
，2010年~2017年我国城镇污水排放量由4502763吨增长至5936872万吨。率由78%提升至93.8%。目前
，城市污水处理率较高，2017年达到94.7%
，已接近《“十三五”全国城镇污水处理及再生利用设施建设规划》中关于城市污水处理达到95%的目标。

作为污水处理的主体
，2010年~2017年我国城镇污水厂处理能力逐年提升，2017年达到18749.2万吨/日。污水处理厂数量亦逐年增加，2017年城镇污水处理厂数量3740座
。

在污水处理设施及能力不断提升的过程中，作为污水治理的主要主体之一
，污水处理企业同时面临着总体运行费用高，运行效率偏低的挑战。代表性的问题包括
：单位电耗过高、设备管理粗放、药剂投加不精确、人员技能不足以及出水水质达标困难等方面
。基于此，污水处理企业对于大数据的需求体现在四个方面
：第一解决最核心的电耗、药耗问题;第二实现工艺的优化运行，提升出水水质;第三能够对生产各个环节进行实时监控
，结合监控的数据即时调整后续工序;同时还希望对生产数据进行全面实时分析，实现企业的精细化管理。

大数据在污水治理行业的深入应用，为支持污水处理企业应对挑战提供了有力的支撑。其应用已经由最初用于特定指标统计、定制开发固定指标报表
，发展到当下对生产环节的各个方面进行实时分析，并结合大数据模型，做出预测预判
，为业务运营提出科学建议。未来的数据分析平台，则可以实现企业级数据建模，全方位整合企业数据，并引入社会经济、天气气象等外部数据源，为企业自身和相关方面提供预测预判服务
。

目前污水处理大数据的主要应用场景包括，支持污水处理企业进行收益分析、成本分析及安全分析
。在工艺流程方面，可以实现清渣耙运行优化
、刮泥机运行优化、精确化药剂投加、精准曝气
。在设备管理方面，通过设备故障预警
、设备效能评价，实现准准化维修保养
。另外

，还可以通过身份认证、状态跟踪

、人效分析、知识共享，在提升员工工作效率的同时，实现能力提升，保证安全生产。