京公网安备 11010802034615号
经营许可证编号:京B2-20210330
美军把大数据分析引入作战(1)_数据分析师
信息技术带给现实世界的最大变化之一就是万物皆可数据化,这使人们更加坚信“世界的本质是数据”“数据将会改变世界”,大数据标志着信息社会终于名副其实。大数据时代的到来会深刻地改变整个世界,也会改变人类的思维方式,同样也会改变战争。
机器人、自治系统、小型化、大数据和三维技术将是未来海上作战重点发展领域。美国海军既注重与传统的武器制造商如洛克希德·马丁公司紧密合作,同时也在寻求与谷歌等商业公司的合作,以提高未来海上作战的能力。近年来,美国海军与洛克希德·马丁公司、高校以及谷歌和IBM等IT企业合作,从而引领海军技术进入大数据时代。大数据来源众多,以惊人的速度、数量和种类发展,这就使得使用现有技术分析非常困难,特别是借助iPhone等现代触屏科技产品将产生新的大量数据,并可智能操控、无人操控。美国军方一些高级研发人员表示,他们尤其对海军舰艇的控制台感到不满,对于平均年龄18岁,在成长过程中一直伴随着iPhone和iPad等现代触屏科技产品的水兵而言,这些控制台的操作并不直观。他们建议,海军习惯于对那些从小就学会使用iPhone的新兵说“忘了iPhone吧,我要教你如何使用操纵杆”,试图用新兵所熟悉的现代科技(包括大数据、云计算等)来取代操纵杆式的陈规旧习。长期以来,美国海军舰载传感器、飞机和其他平台产生大量的数据,但是这些数据没有被有效地利用,需要大量的人力。美国海军通过整合这些类型的信息支持战术作战的能力非常有限。美国海军研究局(ONR)称,目前,机载、舰载和其他部署的系统产生了大量数据,想要在作战环境中利用全部数据已经变得很困难。
战场数据集成是大数据技术军事领域运用的关键,随着云计算、通信、媒体和移动计算的快速发展和深入应用,战场的数据量还将快速增长。大数据时代最大的亮点就是人和社会的计算,越来越多的问题都将通过计算得到解决。大数据是指人类有前所未有的能力来使用海量的数据,在其中发现新知识、创新新价值,从而为社会带来“大知识”“大科技”“大变革”和“大智能”等发展机遇。大数据时代通常具有四大特征:一是数据量大,数据量级已从TB发展至PB乃至ZB,可称海量、巨量乃至超量。二是多样化,数据类型繁多,多为网页、图片、视频、图像与位置等半结构化和非结构化数据信息。数据品类将极其混杂,关联度一般极低,而且在相当长的时期内非结构化数据会占据大数据的主体。三是处理快速化,数据流往往为高速实时数据流,而且往往需要快速、持续的实时处理;处理工具亦在快速演进,软件工程及人工智能等均可能介入。四是价值高和密度低,大数据往往意味着极高的价值,但同其体量一样,正是因为极小价值的海量汇合,才形成了大数据的高价值。现在随着各项创新技术的汇集,大数据展现出了大量的新机会,特别是军事领域的运用。这些趋势决定着最重要的战场需要,可视化战场要求军队数据处理高速化、精准化以保持战斗力,武器装备信息整合要求在数据合并后能成功地集成。
美国奥巴马政府在获得连任后不久就宣布投资2亿美元拉动大数据相关产业的发展,将“大数据战略”上升为国家意志。美国政府和军方都明确表示,国家拥有数据的规模、活性及解释和运用将成为综合国力的重要组成部分,对数据的占有和控制甚至将成为海权、空权、陆权之外的另一种核心资产。因此,未来战争与其说是石油战争不如说是大数据战争。美国海军通过采用突破性的分析工具建立海军大数据生态系统来解决此问题。美国海军希望寻求利用大数据增强作战能力的方法,通过整合IT系统数据和作战系统传感器获得实时结果,利用云计算和大数据技术发展作战工具。例如,允许指挥官在船上查看仪表盘,能够实时跟踪任务中发生的一切,掌握预期的变化情况,并推测可能的结果。
目前,美国海军主要集中在两个领域即反潜作战和一体化防空反导系统,来提升大数据对作战的效果和能力,寻求增强威胁评估预警、作战识别、一体化作战和任务计划以及执行能力。美国海军主要在以下四个方面开展研究:建立海军数据科学通用的基础体系架构,用于不同机构间数据表征和共享;引入数据源并建立索引,通过海军的云环境利用大量的数据集合;进行海军作战分析,开发先进的分析工具支持作战,特别是反潜作战和防空反导作战;利用云计算的安全性和完整性,增强海军防御能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21