京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代如何探寻其安防商业价值
今日视点 “大数据”是近来一个热点话题,从华尔街到国内资本市场,大数据概念股持续走强。马云在5月10日的卸任演讲中也提道:“很多人还没搞清楚什么是PC互联网,移动互联网来了;我们还没搞清楚移动互联网的时候,大数据又来了。”
什么是“大数据”
大数据(bigdata)又称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理,并整理成为帮助企业经营决策更积极目的的资讯。这里的“大”有几层含义,它可以形容组织的大小,而更重要的是它界定了企业中IT基础设施的规模,业内对大数据应用寄予了无限的期望,商业信息积累的越多价值也越大。因此大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
对于安防行业来讲,在平安城市、智能交通管理、环境保护、危化品运输监控、食品安全监控,或是政府机构、大企业工作场所等的与网络连接的设备系统将最有可能成为最大的数据资源。随着平安城市、智慧城市等工程的推进,监控摄像头已经遍布大街小巷,安防监控对高清化、智能化、网络化、数字化的要求越来越高,数据量自然也不断地迅速增加。
“大数据”带来的存储与管理难题
对于视频监控行业产生的大数据来说,深圳市中瀛鑫科技股份有限公司董事长兼总裁陈文明表示,中瀛鑫在2012年11月底研发出了国内首款1080P高清网络摄像机,速度能够达到每秒60帧,这样的摄像机一个月产生的视频文件就达1.8T,如果摄像头数量较多或多系统集成造成数据类型较多,长时间存储的负担一般企业难以承担。存储压力剧增,一方面对于存储服务器的承载能力要求很高,除了有能力存储大量的数据之外,还要面对更多的数据类型,这些数据的来源包括网上交易、网络社交活动、自动传感器、移动设备以及科学仪器等等。另一方面对于数据管理尤为重要,数据永远都在增长之中,当有需求去寻找某一段监控片段的时,必须与智能检索与智能分析技术相结合,才能更有效的攫取,成本也会相应提高很多。
“大数据“除了数据规模巨大之外,还意味着拥有庞大的文件数量。那么如何管理文件系统层累积的元数据是一个难题,处理不当的话会影响到系统的扩展能力和性能,而传统的NAS系统就存在这一瓶颈。所幸的是,基于对象的存储架构就不存在这个问题,它可以在一个系统中管理十亿级别的文件数量,而且还不会像传统存储一样遭遇元数据管理的困扰,基于对象的存储系统还具有广域扩展能力,可以在多个不同的地点部署并组成一个跨区域的大型存储基础架构。
寻求安防商业价值
大数据虽然在互联网上是热门的应用之一,但是在安防行业,由于其自身的业务特点和行业内的厂家受研发方向限制,导致“大数据“技术没有在安防行业深入应用,那么逐步挖掘出大数据在安防项目中的应用与发展方向对于大多数安企来说是绝佳的机遇之一。
面对超大规模的监控应用,作为数据的存储系统,在保障数据安全性、可靠性和稳定性的同时,应保证应用性能,如多路视频并发写入、文件检索、视频回放、数据管理等等。大数据的分析与挖掘作为智慧城市与智慧安防之间的共同支撑点之一,建立于大数据深度挖掘基础之上的城市综合性管理平台,才能打破传统行业信息孤岛的壁垒。
在信息时代,数据是一种重要的生产要素,如同资本、劳动力和原材料等其他要素一样,并且作为一种普遍需求,它也不再局限于某些特殊行业的应用。各行业的公司都在收集并利用大量的数据分析结果,尽可能的降低成本,提高产品质量、提高生产效率以及创造新的产品。通过分析直接从产品测试现场收集的数据,不仅能够帮助企业改进设计,还能通过深入分析客户行为,然后对比大量的市场数据,可以超越他的竞争对手。
目前有许多企业认识到大数据分析应用的潜在价值,将更多的数据集纳入系统进行比较,同时让更多的人分享并使用这些数据,综合分析那些来自不同平台下的多种数据对象,包括全局文件系统在内的存储基础设施就能够帮助用户解决数据访问的问题,全局文件系统允许多个主机上的多个用户并发访问文件数据,而这些数据则可能存储在多个地点的多种不同类型的存储设备上,以便创造更多的商业价值。
小结
正如马云所讲的那样,信息化时代的脚步非常快,中国互联网络信息中心(CNNIC)发布《第28次中国互联网络发展状况统计报告》中,截止2012年6月,手机网民在总体网民中的比例达65.5%,成为中国网民的重要组成部分,移动互联网速度非常惊人,那么大数据时代的悄然来临,必然会在各行业内掀起商业风云,安防也不例外。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27