京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代如何探寻其安防商业价值
今日视点 “大数据”是近来一个热点话题,从华尔街到国内资本市场,大数据概念股持续走强。马云在5月10日的卸任演讲中也提道:“很多人还没搞清楚什么是PC互联网,移动互联网来了;我们还没搞清楚移动互联网的时候,大数据又来了。”
什么是“大数据”
大数据(bigdata)又称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理,并整理成为帮助企业经营决策更积极目的的资讯。这里的“大”有几层含义,它可以形容组织的大小,而更重要的是它界定了企业中IT基础设施的规模,业内对大数据应用寄予了无限的期望,商业信息积累的越多价值也越大。因此大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
对于安防行业来讲,在平安城市、智能交通管理、环境保护、危化品运输监控、食品安全监控,或是政府机构、大企业工作场所等的与网络连接的设备系统将最有可能成为最大的数据资源。随着平安城市、智慧城市等工程的推进,监控摄像头已经遍布大街小巷,安防监控对高清化、智能化、网络化、数字化的要求越来越高,数据量自然也不断地迅速增加。
“大数据”带来的存储与管理难题
对于视频监控行业产生的大数据来说,深圳市中瀛鑫科技股份有限公司董事长兼总裁陈文明表示,中瀛鑫在2012年11月底研发出了国内首款1080P高清网络摄像机,速度能够达到每秒60帧,这样的摄像机一个月产生的视频文件就达1.8T,如果摄像头数量较多或多系统集成造成数据类型较多,长时间存储的负担一般企业难以承担。存储压力剧增,一方面对于存储服务器的承载能力要求很高,除了有能力存储大量的数据之外,还要面对更多的数据类型,这些数据的来源包括网上交易、网络社交活动、自动传感器、移动设备以及科学仪器等等。另一方面对于数据管理尤为重要,数据永远都在增长之中,当有需求去寻找某一段监控片段的时,必须与智能检索与智能分析技术相结合,才能更有效的攫取,成本也会相应提高很多。
“大数据“除了数据规模巨大之外,还意味着拥有庞大的文件数量。那么如何管理文件系统层累积的元数据是一个难题,处理不当的话会影响到系统的扩展能力和性能,而传统的NAS系统就存在这一瓶颈。所幸的是,基于对象的存储架构就不存在这个问题,它可以在一个系统中管理十亿级别的文件数量,而且还不会像传统存储一样遭遇元数据管理的困扰,基于对象的存储系统还具有广域扩展能力,可以在多个不同的地点部署并组成一个跨区域的大型存储基础架构。
寻求安防商业价值
大数据虽然在互联网上是热门的应用之一,但是在安防行业,由于其自身的业务特点和行业内的厂家受研发方向限制,导致“大数据“技术没有在安防行业深入应用,那么逐步挖掘出大数据在安防项目中的应用与发展方向对于大多数安企来说是绝佳的机遇之一。
面对超大规模的监控应用,作为数据的存储系统,在保障数据安全性、可靠性和稳定性的同时,应保证应用性能,如多路视频并发写入、文件检索、视频回放、数据管理等等。大数据的分析与挖掘作为智慧城市与智慧安防之间的共同支撑点之一,建立于大数据深度挖掘基础之上的城市综合性管理平台,才能打破传统行业信息孤岛的壁垒。
在信息时代,数据是一种重要的生产要素,如同资本、劳动力和原材料等其他要素一样,并且作为一种普遍需求,它也不再局限于某些特殊行业的应用。各行业的公司都在收集并利用大量的数据分析结果,尽可能的降低成本,提高产品质量、提高生产效率以及创造新的产品。通过分析直接从产品测试现场收集的数据,不仅能够帮助企业改进设计,还能通过深入分析客户行为,然后对比大量的市场数据,可以超越他的竞争对手。
目前有许多企业认识到大数据分析应用的潜在价值,将更多的数据集纳入系统进行比较,同时让更多的人分享并使用这些数据,综合分析那些来自不同平台下的多种数据对象,包括全局文件系统在内的存储基础设施就能够帮助用户解决数据访问的问题,全局文件系统允许多个主机上的多个用户并发访问文件数据,而这些数据则可能存储在多个地点的多种不同类型的存储设备上,以便创造更多的商业价值。
小结
正如马云所讲的那样,信息化时代的脚步非常快,中国互联网络信息中心(CNNIC)发布《第28次中国互联网络发展状况统计报告》中,截止2012年6月,手机网民在总体网民中的比例达65.5%,成为中国网民的重要组成部分,移动互联网速度非常惊人,那么大数据时代的悄然来临,必然会在各行业内掀起商业风云,安防也不例外。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21