部隊大數據建設與應用

陸軍勤務學院 郭 楊 趙 翔 張 鎮

新冠病毒疫情在全球快速蔓延，在考驗各國對特大突發公共衛生事件應急能力的同時，將大數據技術帶入到各國政府和公眾視野中[1，2]。面對疫情，習近平總書記將人民群眾的生命安全和身體健康放在首位，明確指出要讓人工智能、大數據等技術在疫情防控監測及資源調配中發揮重要的支撐作用。

一、大數據建設的重要性

大數據是國家重要的基礎性和戰略性技術。在疫情防控期間，大數據成為疫情防控的重要防疫武器，幫助各個地區提升了基層防控能力，提高了指揮決策水平，為打贏這場疫情阻擊戰奠定了堅實基礎。大數據技術助力疫情防控主要體現在以下3個方面：

一是利用大數據技術追蹤病毒傳播路徑，構建疫情發展模型。通過追蹤感染者移動路徑，縱向串聯不同時間段內感染者的位置數據，建立個體感染關系圖譜，快速精準地確定其密切接觸人員，第一時間開展隔離、治療等防控措施，從而控制疫情傳播范圍。同時，國內外研究團隊基于大數據技術，搭建了多個新冠病毒傳播模型，通過分析已感染病例、感染患者增速、感染區域、區域交通網格等多個影響因素，對病毒的傳染源、傳播速度、傳播路徑、傳播風險等進行了科學評估、預測和預警。

二是利用大數據技術優化各地資源配置，輔助多方協同抗疫。疫情初期，由于醫療物資的分散化導致短時間內疫情重災區的資源短缺，且難以在各地間進行有效調配。利用大數據技術，通過數據抓取等技術建立醫療資源對接平臺，將已公布的資源需求信息快速整合，從而有利于調配機構與捐贈者及時、精準地獲取需求信息，提升資源配置效率；同時，通過對歷史短缺數據進行歸集模擬，以及對資源對接時效性進行統計分析，可幫助調配機構預測未來資源的需求趨勢，科學合理地安排下階段資源籌措、供應及調配工作。

三是利用大數據技術助力企業復工復產，組建返工人員出行數據大網絡。各省市推出的健康碼是利用大數據技術進行疫情防控的創新與應用，在企業復工復產方面發揮了積極的作用。返工返崗人員自行網上申報，經審核通過后，既可獲得當地的二維碼通行證。同時，在火車站、機場等人群密集區域，5G熱成像技術可快速完成大量人員的體溫監控工作，并將數據準確實時回傳，為疫情防控筑起一道防線。

二、部隊大數據建設與應用存在的問題

當前，從軍事強國看，大數據已經成為構筑軍事優勢的“造血增智”工程。美國軍方實行“腦之眼”“洞察力計劃”，以大數據支撐聯合作戰和反恐行動；俄羅斯軍方積極構建“統一信息空間”，提升整體作戰效能。當今全球處于科技大變革時代，要想打贏未來信息化戰爭，必須用好大數據這一利器，鼓勵部隊上下分析利用好數據，用數據說話，營造良好數據文化氛圍，探尋部隊大數據建設與應用的最佳途徑。

從部隊現階段的大數據技術發展來看，數據建設與應用還處于初級階段，部隊研究人員在數據意識、數據建設、數據運用等方面還有待提升，研發的數據庫普遍“小、散、弱”，數據與應用無法深度融合，跨領域、跨部門的服務保障能力不足，距離大數據基本目標及軍事應用要求還有較大的差距。部隊大數據建設與應用主要存下以下4個方面的問題。

（一）數據碎片化與數據割據

現階段部隊各部門、各崗位分別根據自身的具體需求收集整理數據，各系統之間形成了“信息孤島”，沒有形成統一的數據規劃和數據來源，導致信息對接效率降低，數據碎片化嚴重，數據質量低下，數據共通共用共享的程度較低。同時，眾多的信息系統也導致部隊登記統計紛繁雜亂、數據處理多頭重復，增加了部隊數據處理的工作負擔[3，4]。就目前來看，部隊的數據技術還基本停留在表面層次的查詢階段，交互應用的價值較低。大數據要完成從信息化到智能化的運用轉變，最迫切的就是打破各個部門及系統之間的數據藩籬。

（二）大數據建設與應用存在脫節

當前部隊在用的信息系統種類頗多，在一定程度上給日常工作帶來了便利，但是由于數據量龐大繁雜，“需要采集哪些數據”“采集的數據能創造多少價值”成為困擾著數據研究人員的首要問題。同時，信息系統經過常年的使用與積累，沉淀了豐富且具有較高價值的數據，但用戶往往停留在數據錄入、查詢匯總、統計報表，或作為檔案留存等層面，缺乏對這些數據進行提煉分析，以為指揮決策、領導管理、日常管控、應急管理、重大事件研判及預測等提供科學支持。

（三）大數據建設思路有待調整

目前，部隊大數據建設沿用的還是固有的信息化建設模式，自上而下，與“金字塔”式垂直管理組織結構相匹配，從部隊機關、大數據中心開始向下推進。由于涉及的業務部門、用戶崗位眾多，部隊大數據對接協調效率低下，且各類業務相對獨立等因素，導致數據冗余度增大的同時，部隊數據填報負擔也頗為繁重。實際上，基層部隊是機關所有分項業務管理工作的數據源，基于主數據標準進行全面的數據清查能保證數據源的唯一性、完整性與準確性，因此，為適應大數據建設的本質特點，應調整當前的建設思路，自下而上，先從基層部隊已有數據入手，依靠大數據專用技術工具對數據進行清洗、轉換、加工，真正地對大數據價值進行高效的挖掘與應用。

（四）大數據專業人才匱乏

部隊大數據專業人才的培養涉及到多學科領域的交叉融合，如軍事學、計算機科學、統計學和管理學等。但是，我軍院校在辦學規模及學科建設特點等方面與地方院校存在較大差別，使得軍隊體系內大數據專業人才數量稀少，進而對推進大數據建設與應用工作產生較大的影響[5，6]。

三、部隊大數據建設與應用的幾點思考

（一）學好地方成果、用好地方力量

通過軍民協同創新發展，加快部隊大數據建設。部隊大數據建設需要結合自身軍事需求來利用地方企業和科研院校研發出的豐碩成果，同時加強軍隊大數據平臺與地方大數據平臺的對接，以便及時獲取如交通、地質水文、物資儲備等數據信息，進一步補充并完善部隊大數據平臺。

（二）加快修訂相關數據標準和主數據

部隊大數據建設人員要盡快推動一些數據標準及主數據的修訂工作，例如，裝備器材戰備標準、設施建設標準、戰儲限額標準、單位編碼標準、裝備編碼標準等。在數據資源總量大幅增加、數據質量大幅提高后，結合修訂后的數據標準與主數據，才能確定一線需求申報是否準確、人員是否存在違規、管理是否存在漏洞、裝備性能是否存在異常，并在裝備器材儲備調整、部隊裝備編配，裝備器材體系建設、作戰方向保障方案設計、保障能力與需求評估等方面提供決策支撐。

（三）強化信息采集和數據匯聚

在信息采集和數據匯聚方面，部隊要加強數據歸集清洗，通過云數據、云存儲，提高數據的利用率；采用精細化管理方式，深度挖掘數據資源，進一步發揮數據潛在價值，不斷促進部隊大數據系統建設。

（四）重視數據分析和實踐應用

數據建設的最終目標是實現對數據的高效運用。部隊在數據積累方面較為薄弱，應在收集各類有效數據的同時強化對數據的運用，在明確數據運用具體需求（如方案模擬、分析評估、結果預測）后，制定運行、反饋、激勵機制，通過滿足數據應用需求，達到牽引數據建設的效果，從而促進數據建設與應用的有機融合，形成良性循環。

（五）培養數據管理與應用的專業化人才

科技的發展與運用都離不開人的作用。在部隊大數據建設與應用過程中，必須重視專業化人才的培養，要把人才作為大數據體系的關鍵要素，不斷吸引優秀的人才，建立一支大數據技術支撐團隊，使人才和技術發揮合力，促使部隊大數據系統發揮最大效益。加快培養“ 大數據+業務”的復合型人才，加快打造專業突出、高效精干的復合型高素質人才隊伍和專業力量，培養數據管理與應用的專業化人才，為部隊大數據的持續發展夯實基礎。