
抓住大数据的历史机遇
大数据正在创造新理论、新技术、新价值,带来大机遇、大挑战、大发展,在国家治理、社会发展、经济科技创新中的引领作用日益凸显,成为推进时代变革发展的重要切入点和增长点。加速大数据军民深度融合发展,发挥大数据在后勤建设发展中的引领作用,是推进现代后勤“三大建设任务”面临的重大时代课题。
互连——
加速构建后勤物联网
互连是物理世界通往网络空间的第一步。有专家预测,随着互连程度不断加深,许多现在单纯依靠人类判断力的领域都会被计算机系统所改变甚至取代,各类决策行为将越来越取决于数据和分析,而不再是经验和直觉。
近年来,军人保障标识牌等后勤信息化工程得到快速推进,但由于互连范围和层次还比较低,各类人员、物资和设施设备数据“感知不实时、采集不完整、上传不连续”的问题较为普遍。应以军人保障标识牌为核心,加大可穿戴智能设备研发力度,实现对官兵生理、心理等数据的实时采集。要依托北斗卫星定位、导航和通信技术,完善官兵个人终端通讯和指控功能,全面实现基于位置服务的官兵态势的实时采集和接入。特别要加速推进物的互连,以嵌入式微系统运用为核心,构建军民融合、军地兼容的集物资识别、感知和数据上传于一体的后勤物联网,真正将大数据的理论技术和方法运用到后勤信息化建设中。
让数据开放流动起来
互连解决了连接手段问题,在线却能够实现实时访问。今年,国务院《关于积极推进“互联网+”行动的指导意见》中,“在线”共出现19次,覆盖面之广、频率之高十分罕见,这说明在线已经成为国家发展战略,成为时代的鲜明特征和总体趋势。通过在线,数据被网络上的有权用户和计算机访问,数据规模和种类随之增长,奠定了大数据的形成基础。
后勤大数据建设过程中,在线意味着物理世界的人或物资、环境等与网络空间的“自我”是一一对应、实时互动的。而一般来讲,后勤数据随军需、物资、油料等勤务活动的展开而产生,数据行业壁垒分明,这使得大数据的理念、技术和方法难以得到运用。笔者以为,破解在线难题的出路,一方面要以数据运用需求为牵引,将传统“条”数据转变为跨界的“块”数据,让数据开放流动起来,逐步建立愿意在线、主动在线的后勤数据建设新思维,为后勤大数据技术运用创造条件;另一方面,要加快数据开放与在线技术瓶颈难题攻关,推进“碎片化”安全保密技术,丰富战术互联网络方式方法,为官兵在线、物资在线和环境在线创造良好的技术手段和条件。
使大数据价值倍增
数据从产生伊始便有明确的从属性和清晰的“界”。如果说互连和实时在线催生壮大了大数据,那么大数据身上天然的跨界基因则使各行各业的数据得以汇聚,使大数据的价值得以发现和倍增。
然而,后勤数据建设受传统观念、现实利益和技术羁绊的影响,目前尚难以实现跨界。军事后勤大数据建设唯有打破利益之界、观念之界,才有可能创造出全新的后勤保障模式。一方面要系统规划数据应用服务体系,以作战需求为牵引,坚持顶层设计,以指挥信息系统、军事物流信息系统等综合型系统部署运用为契机,体系化建构数据应用服务,在军需、物资、油料、营房、卫勤等专业之间搭建数据流动桥梁,明确数据开放的责任与义务,强势推进后勤数据共享开放,突破后勤各个勤务专业领域的行业之界、利益之界;另一方面要加速军地兼容物联网基础设施建设,通过国民经济动员、军地物联网等军地深度融合的信息系统,在军地关键基础设施、主要保障物资和设备之间实现数据连通。
互连、在线和跨界,是大数据产生、发展到引发变革过程中由浅入深、依次递进的3个成长阶段,唯有实现互连、在线和跨界,后勤小数据才能汇成大数据、变成活数据,实现数字世界对物理、精神和观念的全面映射和变革引领,从而抓住大数据带来的机遇,推进军事后勤信息化建设实现跨越式发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15