京公网安备 11010802034615号
经营许可证编号:京B2-20210330
风来了:贵州大数据产业空间巨大 安防乘势
大数据开启了一次重大的时代转型,一个大规模生产、分享和应用数据的时代正在改变我们的思维模式、认知体系和生活方式。6月17日,习总到贵阳市大数据广场考察,见证了贵州大数据产业的发展成果。
贵州,一个以省为单位的庞大的大数据产业正在形成。当其他城市还在以城市或小区域范围为视频监控系统联网单位时,贵州已实现了城市与城市之间的互联互通。而其中,贵州全省大联网电子监察系统中的视频监控系统的建立也成为安防另一个先锋典范。
2009年,作为贵州省大数据战略的计划之一,贵州省电子监察系统视频监控项目开始启动。它涉及的面非常之广,涉及9个地级市、88个区县,2014年该项目启动联网视频,2014年年底全部投入使用。这种以省为单位构建的视频监察系统在全国来说是极为少有的。很难想象,这样一个跨地域、跨部门、跨系统的大型复杂电子监察视频监控系统究竟是怎样炼成的?
NO.1:为什么是贵州?
传统观点认为,互联网等高新行业适合在发达地区建设,但大数据产业并非如此,视频监控系统的大联网建立尤为如此。负责贵州全省电子监察系统的集成商深圳太极软件巩总对表示,贵州能建起这样庞大的视频监控联网系统有几大原因。
一是,这几年,贵州省大力推广大数据战略,并且把这种大数据当作产业来建设,首先政府带头开放数据,提高老百姓办事的效率;另一个原因,发达地区的视频监控系统是陆陆续续在建设,作为信息口来说,是条条块块的,它们要全部联网,技术上比较难实现,成本也很大。原来虽然相对落后一点,但重新建设反而更容易;此外,贵州省各级主管部门领导重视,这是其诞生的基础。
NO.2:系统建设难度有多大?
在巩总看来,这个跨地域、跨部门、跨系统的大型复杂的电子监察系统在系统构建上有相当大的难度,除了全省近百个地级市、区县的视频监控点建设,每个地区的每个点都有很多窗口,建设规模巨大。最主要的难度是,跨系统得建立相应的接口标准,还有行业各个主管部门的协调,全省整个系统的联网非常不容易。
NO.3:什么样的安防产品和平台担此大任?
据了解,贵州省整个电子监察系统视频监控项目最终选用了华安泰公司VIKOR品牌的视频监控产品和平台,主要考虑到VIKOR监控及安防综合管理平台的兼容性和稳定性非常好,能承载大型联网系统的高要求。经历了近5年时间的建设,VIKOR监控平台将贵州省所有的服务中心、资源中心进行了无缝对接,实现了整个省所有行政点的互联互通大联网。
在整个系统建设中,VIKOR品牌以“智能应用”的定位非常好的诠释在该项目上,全景高清摄像机和高清云存储综合管理平台得到了极致的应用。VIKOR高清云存储综合管理平台可集成千兆网络接口、24个SATA硬盘接口,每个硬盘容量可达4000GB,适合存储时长要求非常高的场合,以实现海量存储。另外,多台NVR可组成多个监控中心进行级联构建大规模的网络视频监控系统,系统可分级管理,也可以按地理位置组成物理域或按业务划分组成逻辑域进行管理。
贵州全省视频监控平台将原有监控系统也纳入其中,为全省行政服务中心提供服务,是市、州、县、省视频联网的三级联网结构,VIKOR平台从网络、硬件、软件三个方面解决现有统一管理难题,对无法提供二次开发包和硬件系统老旧的中心,统一采用编解码的方式,进行统一管理,为管理者提供统一管理服务。
NO.4:大数据改变了什么?
依托监察局和政务服务中心的行政审批及电子监察系统,实现了省、市、县三级系统的数据交换和监察数据的全省汇总。这是贵州省建设完成的第一个覆盖全省3级(部分地区延伸到乡镇)政府全业务部门并纳入监察的庞大系统。
视频监控系统主要是在全省各级政府办事大厅和审批部门办事窗口等审批现场设置相关网络及视频监控点,在各级行政许可电子监控中心进行远程视频图像的监控,通过VIKOR监控平台和系统可实现对相关审批人员作风、服务态度和办事效率的有效监督和服务,并及时处理行政审批现场可能发生的问题,提高电子监察的整体效果,真正做到“看得见,管得住”。同时对现场办公情况进行录像和录音,为行政监管部门提供后期的事实依据。
据悉,到2017年,贵州将实现数据服务产业集群化发展,提供较为全面和专业的大数据存储、分析、挖掘、组织和管理等服务,建设成为全国领先的大数据资源中心和大数据应用服务示范基地。大数据产业将会对政府治理模式,对企业的决策、组织、业务流程和商业模式,对个人生活方式等都将产生巨大的影响。
以贵州为样板,大数据产业将产生巨大的市场空间,这也意味着,安防也正迎来新的风口。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18