京公网安备 11010802034615号
经营许可证编号:京B2-20210330
航天企业如何拥抱大数据时代
如今,一个大规模生产、分享和应用数据的时代正在开启。我们惊讶地发现,谷歌通过搜索记录的内容和频度可以预测H1N1流感病毒的爆发;亚马逊的推荐书目正是一本读者孜孜以求的冷僻书籍;沃尔玛依据超市防窃监控录像来调整货架产品摆放并大大提高了销量;更让人跌破眼镜的是Netflix公司,这个起家于连锁DVD租赁店的新兴视频网站在分析了观众观看网络视频节目时快进、慢进和重播的特性之后,摇身一变成为影视制作公司,专门拍摄“投其所好”式的作品并赚得盆满钵满。种种现象似乎表明当今社会已经拥有了一种非凡的创新能力,即:以某种前所未有的方式,通过对海量数据进行分析,提供有巨大价值的产品和服务,或者获得深刻的洞见。
这就是所谓“大数据时代”的行为,但“大数据”绝不能简单理解为“数据大”。观察那些在大数据时代风生水起的企业和个人,我们不难发现以下特点。一是重视数据的价值。大数据公司奉行“一切皆可量化”的哲学,甚至从很多被认为与“数据”根本无关的事物中汲取信息,而且总是利用数据的非物质性另辟蹊径,依靠二次利用、整合重组等手段在数据背后或其关联领域开启寻宝游戏。
二是找准自己的定位。大数据公司总体可分为三类:要么是直接产生、收集海量数据,要么是掌握了有效加工处理数据的技术手段及分析方法,要么是独具挖掘数据价值的开创性想法。这其实代表了大数据价值的三个基本来源——数据本身、技能和思维。
三是思维的巨大变革。大数据思维的精髓可以概括为:不再依靠局部样本而追求全体信息,不再执着于精确性而追求混杂性,不再强调因果关系而追求相关关系,进而从思维模式上摆脱既往经验的束缚,获得关于事物未来走势和潜在价值的全新视野。
大数据已经在互联网、电子商务、移动通信、公共服务等领域产生了深远的影响,并体现出向其他行业不断蔓延的蓬勃趋势。航天业界如何应对大数据时代的机遇和挑战,是我们必须正视的问题。在笔者看来,航天与大数据至少在以下方面可以结合起来思考。
卫星遥感产业的发展机遇。一般认为卫星技术产业应用的三大主要方向是通信、导航和遥感,目前只有卫星遥感还没有形成真正意义上的产业规模,而这一现象有望在大数据时代得到根本改变。由于遥感数据中包含着大量的人类活动和自然环境信息,依靠大数据技术进行经济、人口、交通、城市发展、能源资源、公共安全等领域的仿真规划和预测分析将变得越来越准确而有效。因此,各种分析咨询机构和专业公司在获取遥感数据信息方面将产生巨大的商业需求,航天企业完全可以未雨绸缪,提前开展布局。美国Skybox公司已经走在了前面,该公司正计划用“米诺陶”火箭以一箭6星的方式将Sky-sat对地观测小卫星发射升空,后续将以24颗星的规模组成星座。该公司希望为重大地球事件和重要地区实时播出卫星图像和视频,供订阅账户用户付费观看,或者把观测信息出售给有关企业,用于分析全球经济走势等。
航天企业在大数据时代的角色定位。有观察显示,专业的分析咨询机构一般具有较强的大数据技术,某个数据产业的外行人可能靠创新想法成为大数据机遇的宠儿。但是从长远来看,真正能够保持长盛不衰的还是原始数据的生产者和持有者。笔者认为,航天企业既肩负着对地观测和地外探索的天然责任,又是国家工业和信息化体系的支柱力量,还是各种市场经济活动的重要参与者,多年以来已经积累了可观的数据基础,并且具备继续获取海量数据的渠道和资质,因此理应追求数据制造商和供应商的角色定位,牢牢抓住数据本身这座难以估价的宝藏,确立大数据价值链的核心地位。在大数据技能和思维层面,则既可以依靠自身挖潜来开辟领域,也可以通过授权使用、有偿提供、投资并购等方式快速获取利益。
大数据与航天商业模式创新。如果找准了大数据时代的角色定位,航天企业就可以从中挖掘更多的价值,从而颠覆传统的商业模式。罗尔斯·罗伊斯公司一直监控着全球范围内3700多架飞机的引擎运行情况,这些监测结果将被转换成油量消耗、故障预警等信息并有偿提供给航空公司,其商业价值约占罗尔斯·罗伊斯公司民航发动机部门年收入的70%,这无疑是未来空天飞机引擎制造商可模仿的范例。类似的例子还有很多,成像观测数据在有关社会发展的预测分析中发挥着重要作用,次表层勘探数据可以作为本年度石油、矿产等大宗商品交易分析的重要依据,温室气体采集数据能够辅助区域粮食作物的估产,电磁环境探测数据是城市功能区规划布局的决策参考等等。更为重要的是,在对某特定任务的数据实现“第一手利用”后,如果能够依靠大数据思维启发进行二次开发再利用,在某种程度上就意味着以零成本获取新的利益,而这其中的关键是始终牢记自己正坐在大数据的冰山一角上,只要不断积累和挖掘,就有望触及水平面以下那部分更加庞大的价值。
大数据与航天项目成本控制。航天产品之所以“金贵娇气”,源于一直以来对精度的依赖,而把精度推高一个小数点所耗费的成本往往需要十倍、百倍的累积。比如:为了实现对地“凝视”,需要把卫星发射到距地面36000km的地球静止轨道,对火箭运载能力和有效载荷成像精度都有很高的要求,成本随即大幅上扬。大数据方法给出的成本控制答案是:以低廉的价格,发射多颗低轨微纳卫星组网,实现较短重访周期的“准凝视”,在获取了多谱段、多类型的大量普通精度图像数据后,通过挖掘潜在信息,设计合理算法,改善分辨率和图谱质量以满足用户要求。这种方法体现了大数据思维追求“更全、更杂、更相关”的理念,正可以与廉价火箭、“手机卫星”以及“图像数字增强技术”等新兴手段相得益彰,成为航天工业未来的方向。
大数据与航天工程管理。在真正迎来低成本时代之前,航天任务仍然属于体量巨大、周期漫长的超级工程,运用大数据方法有助于实现更加高质高效的管理。以航天可靠性工作为例,现有的成功经验是巨细靡遗的质量复查,但业界也承认这是一种“后知后觉”的被动纠正,因此出现了“可靠性数据包”一类的预防性手段试图提前暴露问题。运用大数据的方式,我们可以把这种“正向质量确认”进一步推向极致。例如:尽量完整地记录整批产品的各种生产信息、状态信息,更为重要的是关联信息(比如:关注零件加工刀具因磨损而更换的次数是否增加,因为这意味着零件材料的硬度可能超标),依据这些信息进行提炼分析和综合评估,提前设置产品质量“综合预警阈值”,一旦异常现象累计超标,就提前采取维修措施或报废处理,这显然比产生惨痛失利后的人力资源浪费、信誉度损失、保险赔偿和周期延误要合算得多。类似方法对航天工程计划调度、质量检测和产品全生命周期管理也有重要的借鉴意义。
大数据的时代幕布已经悄然拉开,依靠大数据重新认识世界和创造价值的神话正在不断上演。伴随着新的变革,总会有新的机会,企业不能回避,也不应被动依附,而是应该以开放的心态、创新的勇气响应大数据的时代变化,真正把握属于自己的机遇。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13