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
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22