数据融合. 对清洗后的数据经过数据格式化、质量检查等一系列的数据处理过程，融合转换为符合业务需要的目标数据。
数据融合. 根据实际需要，采用不同的融合方式开展数据融合工作，包括以业务对象为中心进行融合、以业务（事件）为中心融合、以时空为中心融合、以智能标签方式融合、以指标数据方式融合、以算法模型方式融合。 以业务对象为中心进行融合：业务对象是指业务领域中重要的人、事、物等对象。业务对象承载了业务运作和管理涉及的重要信息，是数据架构中最重要的管理要素。业务对象结构化、数字化的架构设计原则，实现数据处理效率的提升，构建数据的处理和应用能力，支撑业务管理。 以业务（事件）为中心融合：依据明确的业务关系，建立基于维度数据、业务（事件）数据以及相互间关联关系的模型，实现多角度、多层次的数据查询和分析。 以时空为中心融合：对于具有时空属性的数据，以某个空间的北斗码位置信息为中心，将该空间位置下的业务数据进行融合，从而可以分析该空间下为各数据要素的关联关系。 以智能标签方式融合：根据业务场景的需求，通过对目标对象（含静态、动态特性）运用抽象、归纳、推理等算法得到的高度精练的特征标识，用于差异化 管理与决策。标签用来支持专题分析、智能搜索、优化服务等工作。 以指标数据方式融合：指标是衡量总体特征的统计数值。指标由指标名称和指标数值两部分组成，指标名称及其含义体现了指标在质的规定性和量的规定性两个方面的特点；指标数值反映了指标在具体时间、地点、条件下的数量表现。 以算法模型方式融合：算法是利用样本数据生成模型的方法，是训练、学习模型的具体计算方法，在数据分析流程中产生。算法模型是根据业务需求，运用数学方法对数据进行建模，得到业务最优解，主要用于业务智能分析。 根据业务需求，目前安徽省教育厅在开展学生资助、中小学生入学报名等业务中需融合公安部门的户籍数据，自然资源部门的房产数据，民政部门的贫困家庭认定数据、残疾人数据，卫健部门的出生数据……，通过融合这些数据实现跨部门业务办理。
数据融合. 在数据标准的约束下进行不同源数据的融合治理，保证数据充分融合，提升数据的信息完整性、一致性和可用性。