作战大数据建设的困境与出路_数据分析师
编者按:当前,军事强国借助大数据争夺信息制高点的战略正在全面升级。面对日新月异的信息技术变革潮流,迎接打赢信息化战争的挑战,我们必须反思如何善用数据说话,如何立足实际培育信息文化,在破解作战数据建设的重重困境中,努力探寻大数据融入军事实践的途径。
大数据建设困境主要源于信息系统三大支柱发展不平衡
计算机硬件、作战软件和作战数据并称为指挥信息系统的三大支柱,作战数据流是指挥信息系统的“血液”,它将计算机硬件和作战软件有机连接在一起。近年来,我军指挥信息系统的硬件和软件建设获得快速发展,但作战数据建设在一些部队却始终在较低层次徘徊,已成为基于信息系统体系作战能力提升的瓶颈。这种困境的形成有着深层原因:
指挥信息系统三大支柱建设的涉及面不同。由于所需技术和材料的原因,计算机硬件建设往往只是少数机构和专家的“专利”,涉及面最小。作战软件虽然需要紧密结合部队实际,但一般经部分使用单位试用完善后即可配发全军,其建设过程涉及面不大。而作战数据建设不仅涉及战略性作战行动至单兵作战行动的全部领域,且不同军兵种、不同层次的作战单位所产生的数据差异很大,具有强烈的不可替代性。甚至同一部队在相同作战环境下采用相同的战法与相同作战对手多次对抗,其产生的数据也不会完全相同,为确定具有代表性的范本数据值,上述重复性对抗必须多次进行。为了准确收集各级各类海量作战数据,其涉及面程度之广可想而知,这使作战数据建设成为一项极为庞大的系统工程。
指挥信息系统三大支柱建设的客观条件不同。计算机硬件的军民通用性极强,且极少涉及保密问题,“拿来主义”使其容易与国外先进技术同步发展,因此发展最为迅速。作战软件仅在部分核心功能上涉及保密问题,但整体架构可实现技术军民通用。在军民融合式发展浪潮中,甚至可以将非涉密部分外包,而军内仅需自主研发少部分涉密的核心功能,因此也获得较好发展。但作战数据无论在任何国家均是重大军事机密,作战数据的需求论证、采集方法、处理程序及利用模式等众多环节,都不可能借鉴国外,甚至国内成功企业的先进做法也由于涉及核心商业秘密而难以窥其全貌。受客观条件所限,作战数据建设“主要靠自己摸索”的模式很难被打破。
指挥信息系统三大支柱建设受重视程度不同。计算机硬件性能具有明显的可比性,孰优孰劣一目了然,一旦取得成绩则可名扬四海,无形中激励出“领先世界”的努力。至于因某些功能的超常提升而对其他性能和使用寿命带来的负面影响,则少有人问津。作战软件的优劣虽然不具有明显的可比性,但其运行在指挥信息系统前台,最易被人感知,故也可获得较高的重视。而作战数据始终默默无闻地在指挥信息系统的后台运行,其建设成效目前也无明确的评判标准,易被人忽视。但指挥信息系统的核心功能是精确决策,精确决策必须基于准确全面的作战数据,上述重视程度的显著差异将导致指挥信息系统的核心功能极大弱化。
指挥信息系统三大支柱建设的管理体制不同。一般而言,部队仅是软硬件系统的使用者,软硬件系统的具体生产过程由相关科研部门负责,这种关系简单,易于管理,建设效益高。但部队既是作战数据的使用者,又是作战数据的生产者,只是限于条件,部队很难对作战数据做到自产自用。而且信息化战场上几乎所有级别的作战部队都有数据共享的需求,如果只进行一对一的数据交换,将使数据管理陷入极其盲目和混乱的局面。这种复杂关系在缺少明确主管部门和科学管理体制情况下面临多种困境。作战数据采集难、验证难、查询难、共享难问题长期未能得到有效解决。
多手段破解作战大数据建设的现实瓶颈
在发达国家军事组织纷纷推行大数据战略背景下,我们应清醒意识到“数据制胜”的信息化战争发展趋势,更应立足我军实际,正视数据浪费与数据缺乏的矛盾已严重制约基于信息系统的体系作战能力,探寻破解作战数据建设困境的途径。
健全管理机构,在顶层统一筹划作战数据跨领域联合建设。为解决大数据多领域联合建设问题,美军规定,指挥信息系统的规划、开发、使用与管理全部由首席信息官办公室集中负责。美军不仅在国防部实施首席信息官制度,而且在军种部队和战区也建立了该项制度。这种集中统一的管理方式可以有效破解硬件、软件和数据建设相互割裂的弊端,确保三者相对协调一致地发展。客观地讲,健全定位准确、责任明确的管理机构,是实现作战数据建设良性发展的组织保证。根据我军指挥体制的实际,应依托现行军事训练和信息化管理体制,自上而下地设置跨部门、跨军兵种的作战数据建设管理部门和作战数据军官,建立全军统一的作战数据建设制度体系,破解作战数据建设长期没有明确主管部门的弊端。
推行数据化训练,使作战数据建设植根于最广泛的实践之中。数据化训练是指在军事训练中以生成、采集、处理和利用作战数据为途径,揭示信息化战争深层规律,并用以指导信息化战争实践的训练模式,其根本目的是提高基于信息系统的体系作战能力。训练过程数据化,在以基地实兵对抗演习为主的部队训练全过程,开展分工明确的作战数据采集工作。军事训练是作战数据生成的最丰富土壤,也是获得接近实战数据的最佳环境。切实推行训练过程数据化,才能从根本上解决作战数据缺乏的困境。指挥训练数据化,利用先进成熟的数据挖掘和人工智能技术,开发符合我军作战数据标准并具备一定自主决策功能的指挥训练系统,促使“以经验为中心”的决策方式向“以数据为中心”转变。训练手段数据化,基于实兵对抗演习数据,进一步完善和开发以训练软件和兵棋系统为代表的各级各类训练模拟器材,努力提高部队信息化训练水平。
建立实验部队,使其成为以数据为中心的前沿阵地和示范基地。在大数据引领信息化战争发展方向的今天,我们不可能永远将作战数据定位于保障层次。考虑到我军实际,虽然当务之急是提高各军兵种部队的整体数据化水平,但还应适情建立少量实验部队,使其成为作战数据建设跨越式发展的前沿阵地,努力探索以数据为中心的新技术、新装备和新战法,为未来我军向大数据战略过渡预留接口。事实上,实验部队建设是未来作战方式变革的“试金石”。我军如果不走开这条路子,可能将始终处于追赶先进的被动境地。
培养专业人才,从根源上突破作战数据建设面临的重重困境。作战数据专业人才培养涉及军事学、统计学、计算机科学与技术、管理学和系统科学等多学科多专业的交叉融合。由于我军院校建设规模和学科设置等原因,作战数据建设专业人才培养的供需矛盾十分突出。为解决专业人才的巨大缺口,首先应向地方拓展人才培养渠道,创建军民融合的作战数据人才联合培养机制。可借鉴地方先进企业在数据管理领域的成功经验,成立数据管理实践基地,或委托地方高校及科研院所招收相关专业国防生、进行在职军官培训。转变人才选拔模式,推行作战数据工程师资格认证制度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩稳定, ...
2025-02-26在数据分析工作中,你可能经常遇到这样的问题: 从浏览到消费的转化率一直很低,那到底该优化哪里呢? 如果你要投放广告该怎么 ...
2025-02-25近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的,尤 ...
2025-02-25挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-25在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-25以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-25“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-25在数据分析中,地图是一种非常直观的可视化工具,能够帮助我们更好地理解数据在地理空间上的分布情况。无论是展示销售数据、人口 ...
2025-02-25春风拂面,金三银四的求职季如期而至。谁都想在这场竞争里拿下心仪offer。 一份亮眼简历是求职敲门砖,面试紧张则可能让机会溜 ...
2025-02-24当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04