加強武警院校學員數據素養培育提升大數據時代戰斗力

燕杰

（武警工程大學，陜西 西安 710086）

科學技術是第一生產力，21世紀的競爭歸根結底是人才的競爭，武警部隊除了掌握傳統學科知識外，還要具備對數據的敏感性，以及對數據的收集能力，數據的分析、處理能力，利用數據進行決策的能力、品質、素養以及有關數據批判性思維。即使未來信息化戰爭開展，人總是在戰斗系統中最活躍的主導因素。信息社會的發展要求人們在新的時代，在傳統認知的基礎上，對數據素質的拓寬和提升進一步加強。武警院校以人才培養為基礎，以為武警部隊培養合格的指揮官和專業技術人才為核心，以完成執勤、處突、反恐怖、海上維權、搶險救援及防衛作戰等使命任務，并擴大國家主權和國家安全，為了適應發展和挑戰并存的時代，對武警部隊生長干部學員的數據素養訓練就顯得更為關鍵。

一、武警院校學員數據素養培育的必要性

習主席強調，要提高我軍信息化條件的威懾力和實戰能力。在互聯網時代，基于信息的作戰行動已經愈演愈烈。邏輯炸彈，網絡病毒和黑客攻擊等網絡戰武器已迅速進入實際應用領域。”制網絡權”已成為”制信息權”的核心。毛主席深刻指出，武器是戰爭的重要因素，但它們不是決定性因素。決定因素是人不是東西。在云計算之后，大數據時代即將到來。在未來的信息戰對抗中，人的素養，特別是每一名戰士的對數據的掌握和把控的能力，對戰爭的走向也起到了關鍵性的影響。因此，有必要跟上時代的步伐。作為維護國家安全的專業人士，數據素養的培養必須以實踐的方式落到實處，必須不斷探索新的領域，以保持新時代的新戰斗力。只有官兵具有優秀的信息素養，網絡翅膀更加雄健，信息羽翼更加豐滿，才是一支強有力的信息化部隊所必須的，才是占據和捍衛信息化作戰核心所必須的，在”第六維戰場”中開疆拓土、戰無不勝。

發達國家數據的收集，管理，分析，開放和共享一直受到高度重視，大量的社會資源也在推動其不斷進步。岡特（G.A.Gunter）早在2007年就開始研究數據素養并發現其具有重大的戰略意義，指出學生應該發展數據素養，提高他們在21世紀的基本思維技能，并提出發展數據素養的培養戰略。近年來，各類研究機構和研究基金也在美國的數據素養培養方面投入大量人力物力財力，并且已從理論研究階段逐漸步入實踐落地階段。

聯合國曾發布題為”大數據對發展中國家的機遇和挑戰”的報告，在2013年2月，中國科學技術部提出的國家重點基礎研究發展規劃中明確指出：重點是支持信息科學領域大數據計算的基礎研究。武警部隊院校的信息化建設一直是軍隊信息化建設的重要組成部分，但起步較晚，投入較少，整體信息化水平還處于奠基階段。因此，加強數據素養的培養，為未來奠定理論和實踐基礎就顯得尤為重要。

二、大數據時代武警院校數據素養的著力點

大數據時代應著重于數據的收集、存儲、傳輸以及處理。利用大數據的處理結果，優化和引導工作的實施與開展，可以方便地實現信息化建設的高層次的跨越，主要的發力點如下所介紹:

（一）運用最新技術手段獲取足夠的數據

大數據的一個重要特征是單位數據所蘊含的信息量相比傳統數據而言較少，如果數據量維持在較小的水平，發現數據背后所蘊含的價值也是一件困難的事。在實際操作過程中,丟失的每一個數據都是價值損失，尤其是部隊院校的數據，具有價值密度高、易于挖掘其內涵等特點。因此，武警學院的信息化建設應投入到數據采集過程中，應注意利用最新技術獲取各類或復雜或簡單的數據，如物聯網，智能課堂、智能校園、電子書包等相關技術，獲取校園設施，設備和建設運營數據，例如利用移動互聯網相關技術，獲取學生和教師數據，利用課堂視頻拍攝分析技術獲取實時課堂數據等，為學院的發展決策和教育水平的提高提供量化決策支持。

（二）建立大量數據的使用規范、模型

大數據的價值主要體現在使用，例如使用在特定工作系統，使用在機構的綜合決策、教學效果的評估，使用在教學中，使用在受教中，這樣才能真正反映大數據的價值。使用大數據的基礎在于數據使用的規范和模型。只需擴展業務應用系統構建規范，系統建模，接口標準化，系統架構和數據的可操作性強，數據易于使用，數據才能得到充分利用。因此，武警學院的信息化建設應該在數據使用規范和模型上加大力度。同時，要注意系統模型和接口規范的建立，注重各系統之間的信息共享，互通和集成，為使用數據奠定基礎。

（三）構建高度可擴展的數據存儲和處理平臺

大數據的基礎來自于數據的處理和存放。在武警部隊高校信息化建設過程中，數據存儲和處理將以應用系統的需求為主要目標，所以存儲和處理數據的能力也應當基于應用程序系統中的數據量、用戶量等。在大數據中，應用系統生成的應用數據量通常很少，運行過程中的產生的數據量才是很大的，這種現象很容易導致數據存儲和處理能力的低下，且并不能滿足大數據時代的需要，所以需要在投入和產出之間的做出平衡。對平衡來說，可擴展性的提升是至關重要的，信息化建設的進程中，各類院校在搭建數據存儲中心和數據分析平臺中，應提前考慮好未來的可擴展性，確保未來的中心和平臺能夠進行平滑地過度到更先進的運作模式，并且不會提高成品或者產生使用上的斷層，而且不會浪費當前的存儲和處理能力。例如，常見的網絡結構 SAN(Storage Area Network)和 NAS(Network Attached Storage)相比，NAS的可擴展性要優于SAN，因此也更適合高校信息化建設中數據存儲平臺的建設。為了保證高校信息化建設中投入與產出性能的平衡，與大數據時代的特點相匹配，應特別注意建立數據存儲和處理平臺的過程中的擴展，使信息化建設的投入產出比達到最高。