軍官信息能力培養中的大數據思維培養研究

姚俊萍 李曉軍 李琳琳

【摘要】大數據是移動互聯網、云計算、物聯網等新技術發展的必然趨勢，將大數據技術應用到軍事領域具有重要的意義，院校教育是人才培養的主渠道。文章首次明確給出大數據思維的概念及特點，論述了大數據在軍事領域應用的價值及挑戰，最后針對問題給出了對策及建議。

【關鍵詞】大數據思維；軍官信息能力培養；應用價值；對策

信息能力，是指指揮員及其指揮機關基于信息系統實現信息共享、信息流程優化、信息優勢等過程中表現出來的對信息有效利用能力的總和，它集中反映了人員能動作用、有效利用信息、處理信息、提高作戰效益、完成作戰目標的能力素質。全球已經由“IT”時代跨入“DT”時代，在信息時代的一體化聯合作戰背景下，大數據思維能力是軍官信息能力的一個重要組成部分。

目前，依靠經驗直覺進行作戰指揮的優勢正在急劇下降，大多數軍事強國已經認識到將大數據技術應用在軍事領域的意義，將大數據技術作為國防科技發展的重要方向。美軍投入巨額資金，確定了“數據支持決策、彈性系統設計、網絡空間戰、電子戰與電子防護、反大規模殺傷性武器、自主系統和人工系統”等重點研究領域。對于我國來說，加強軍事數據的發展建設刻不容緩。充分利用軍事大數據的潛在價值，培養大數據思維，完善制度機制，加強數據專業技術人才培養，構建大數據決策支持系統，對推動我國國防和軍隊建設具有重要的戰略意義。

一、軍事領域大數據應用價值及挑戰

（一）大數據技術在軍事領域的應用價值

對于“大數據”這一概念，目前沒有權威性的定義，較為普遍的解釋是“難以用常規的軟件工具在容許的時間內對其內容進行抓取、管理和處理的數據集合”。大數據的“大”首先體現在其規模和容量遠遠超出傳統數據的測量尺度，目前的數據規模已經從TB級升級至ZB級，一般的軟件工具難以捕捉、存儲、管理和分析。同時，大數據之“大”還表現在其采集范圍和內容的豐富多變，能存入數據庫的不僅包含各種具有規律性的結構化數據，而且包括各種如圖片、視頻、聲音等非結構化數據。大數據技術的核心就是在海量數據中找出關聯，發現規律，驗證趨勢。大數據時代，“行動即數據”，個體任何一項微小的行動（比如點擊鼠標、刷卡等）都會被編碼，這些編碼乍看之下雜亂無章，而結合編碼的時間、地點、頻率等數據，通過特定的復雜運算之后，其意義便能體現出來。

在數據日益開源的情況下，將大數據分析技術應用到軍事領域具有重大意義。首先，大數據是制訂軍事戰略計劃的基礎，構建軍事大數據技術平臺，是科學制定國家戰略的重要環節。大數據的重要特點之一是整體性，而不是樣本性，建立軍事大數據倉庫，可以詳細記錄和獲取軍事領域所需要的全部數據，避免出現以偏概全的情況。通過對大量多源數據的采集、分析、處理和配置，結合人工智能、計算分析等方法來關聯挖掘分析，可以發現有價值的規律，完成科學的預測，幫助制訂合理有效的國防戰略規劃。其次，大數據是進行信息化戰爭研究的重要手段，在戰場情報獲取、作戰指揮決策等方面能夠發揮重要作用。對戰爭的傳統研究模式可以感知交戰過程和作戰結果，卻無法模擬復雜多變的戰場態勢，無法呈現戰爭內在的關聯和規律。運用大數據分析技術可以對各渠道得來的海量信息進行實時化、智能化處理和仿真模擬，更加科學地分配兵力兵器，形成高效的打擊方案。再次，大數據是打破體系內壁壘的有效方法。我軍剛剛進行了一體化聯合作戰的改革，很多體制機制還不健全，原有的各軍兵種之間的差異和壁壘很大。此前，各軍兵種之間各自為戰，各自擁有自主的指揮平臺，沒有實現互聯互通，數據規模不等，格式不一，質量各異，無法實現共享。通過大數據加強一體化指揮作戰平臺的建設和數據共享，增強各基層部隊搜集數據、存儲數據、共享數據的意識，可大大提高體系作戰能力。

（二）大數據在軍事領域面臨的主要問題

一是缺乏應用大數據的思想意識，不能用大數據解決問題。大數據思維是決策方式的變革，決策依靠數據分析而不是直覺經驗。思維決定成敗，思維決定命運，這正是軍事指揮打仗所必需的。發展國防大數據應用的一項阻礙因素，就在于軍內人員對于運用大數據技術的觀念較為淡薄。無論是在作戰指揮、裝備保障還是用人管理方面，軍隊管理者還是習慣于憑借經驗進行主觀臆斷做出決策，基本沒有應用大數據的思想意識，更談不上主動搜集數據，存儲數據，共享數據。

二是缺乏大數據處理技術專業人才，不會用大數據關聯分析。在一體化聯合作戰的大形勢下，現代戰場的突發性、嚴酷性、毀傷性、立體性、多維交錯性大大增強，信息化、網絡化、智能化、太空化特點日益突出。在這個過程中，戰場的數據量呈現出爆炸式增長的態勢。因此，對戰場數據進行全面開發，高效集成和充分利用，成為掌握數據優勢，把握戰場主動權的關鍵。步入大數據時代，最大的亮點就是數據分析和計算，將大數據分析的方法應用于信息化戰爭和國防軍隊的現代化建設，對于推動國防跨越式發展具有至關重要的作用。但目前軍內很多人認為大數據是熱點概念炒作，認為大數據與軍隊建設沒有什么關系，忽視大數據的技術內核。

三是缺乏上層建筑總體設計，不敢用大數據解決現實矛盾。在部隊體制層面上，由于體系內各部門相對隔離脫節，缺乏信息數據共享的平臺和機遇，導致信息化建設過程中大量數據遭到棄置，難以實現體系內各軍種之間數據的共享。具體而言，一方面，各軍兵種使用的信息操作平臺并未得到統一，數據存儲以及數據的操作方式有較大差別，數據的規模量級、質量格式等都沒有在同一水準之上，導致了信息數據天生的隔離現象；另一方面，受到組織體制的影響，軍兵種之間嚴明的劃分使得橫向之間產生數據交流交換的抵觸心態，制約了大數據的廣泛普及和發展。

綜上所述，“不能用、不敢用、不會用、不夠用”成為大數據在當前軍隊應用的真實情況。

二、大數據思維概念及其特征

從大數據產生的動態成因和概念來看，我們認為，大數據思維是指建立在全數據分析基礎上的思維方式，是運用大數據技術對問題進行分析、研判、預見、謀劃的過程。具體而言，大數據思維具有以下特征。

第一，整體性而非樣本性。人的思維方式與所獲信息數據有直接聯系。根據互聯網數據中心預測，全球新產生的數據年增40%，全球信息總量每兩年就可以翻番。基于這樣的大背景，人們可以從多個渠道獲得整體數據。正如舍恩伯格所說的：“我們總是習慣把統計抽樣看作文明得以建立的牢固基石，就如同幾何學定理和萬有引力定律一樣。但是，統計抽樣其實只是為了在技術受限的特定時期，解決當時存在的一些特定問題而產生的，其歷史不足一百年。如今，技術環境已經有了很大的改善。在大數據時代進行抽樣分析就像是在汽車時代騎馬一樣。在某些特定的情況下，我們依然可以使用樣本分析法，但這不再是我們分析數據的主要方式。”這充分說明了整體性思維已成為全面、系統認識客觀事物的主要思維方式。

第二，多源性而非單一性。2013年全球新產生的數據達到4.1ZB，到2020年將達到40ZB。在ZB級龐大的數據中，只有5%是結構化數據，另外95%為非結構化數據。以往，由于獲得信息數據的能力有限，人們只能對結構化的信息數據進行收集和分析。大數據時代的到來，使人們有能力在獲取和處理結構化信息數據的同時，獲取和處理半結構化和非結構化的信息數據。大數據思維的多源性主要體現在信息數據源的多樣性。由于一個數據集中的信息數據來自不同的數據源，如網站、微博、論壇、微信等渠道，其形式有文本、圖片、音頻、視頻等，有結構化數據、半結構化數據、非結構化數據等，其思維方式必須考慮如何將從不同信息數據源挖掘的不同結構的信息數據聚合在一起，形成統一著錄或標引形式并能夠方便使用的數據集，還要考慮多源數據集在揭示某一事物或實現某一目標時客觀完整地反映事物或目標的本來狀態。

第三，關聯性而非因果性。關聯性是大數據思維的一個重要特征。舍恩伯格對關聯性的思維方式有深刻的理解，他指出：“大數據的出現讓人們放棄了對因果關系的渴求，轉而關注相關關系，人們只需知道是什么，而不用知道為什么。我們不必知道事物或現象背后的復雜深層原因，而只需要通過大數據分析獲知是什么就意義非凡，這會給我們提供非常新穎且有價值的觀點、信息和知識。”這就清楚地描述了思維方式已不再追求從原因、條件的分析、思考推導出結論的固有方式，而是從海量信息數據挖掘、整合過程中直接獲得結果。從因果關系轉變到相關關系的思維方式是人們思維方式的一次革命，它對于準確預測事物未來的發展、變化具有極其重要的作用。2008年“谷歌預測流感”就是使用了大數據思維中的相關思維。通過對“咳嗽”“發燒”等關鍵詞的監測以及對相關地區的關注，研究人員發現搜索流感信息的人數與實際患病人數之間存在密切關聯。相應的關鍵詞密度越高，出現越頻繁，該地區爆發流感的可能性就越大。因此，2009年，谷歌較為準確地預測了甲型H1N1流感的爆發，比美國疾病預防控制中心還要早1—2周的時間。

三、大數據思維培養的對策及建議

（一）結合專業能力發展，有意識地培養大數據思維

一直以來，大數據技術并沒有得到軍隊的重視，整治思想上的弊病，要從根本上重視大數據專業化發展做起。大數據作為一項新興技術，需要大量優質的人力資源作為順利發展的保障。大數據人才培養具有核心奠基石的作用，我們必須要從人才培養抓起，制訂人才培養方案，為未來大數據發展打下人才基礎。從人才培養計劃來看，數據技術人才應該系統地掌握數據分析的相關技能，主要包括數學、統計學、數據分析、自然語言處理等，要具有較寬的知識面，具有獨立獲取知識的能力，具有較強的實踐能力和創新意識。大數據人才培養可以分成兩大類：一類是學位培養，包括以學術型人才培養為主的研究生教育，以及以基礎型人才培養為主的本科教育，培養過程具有體系化、系統性的特點；另一類是任職培訓，以掌握某種大數據相關技能和掌握某些大數據實用工具產品或開源軟件為主，培養過程具有快速化、針對性的特點。

一是針對學位培養。在大學本科階段，針對全校生長干部學員，開設數據文化漫談、大數據技術（Hardoop或Spark）、Pathon基礎教程等網絡公共選修課；針對計算機專業學員在已經學習過概率論與數理統計、線性代數、計算機操作系統、算法和數據結構、數據庫系統原理課程的基礎上，再開設機器學習、數據挖掘、數據可視化、非結構化大數據分析等數據類課程，并在大四學員的綜合演練基礎上，開設數據獲取、數據存儲、數據檢索等數據工程類實踐課，使學員具有扎實的數據分析素質，能滿足軍隊對數據人才的需求。

二是針對任職培訓。通過短時間、高強度、系統化地講授數據科學知識，緊急彌補軍隊對高端數據人才的缺口。在具體制定課程體系時，以掌握某種大數據具體相關技能和掌握某些大數據實用工具產品或開源軟件為主，增強課程講授的針對性。面向在職人員的大數據技能培訓將成為后期大數據人才培養的重點。

（二）統一制定數據標準，推動一體化聯合作戰數據平臺建設

在有大數據方向人才培養基石的基礎上，在軍隊人員具有初步大數據思維的推動下，借鑒外軍的先進做法，結合我軍實際制定戰略性發展規劃，做好上層設計。克服體系內各軍種單位之間條塊分割、各自為戰的體制弊端，搭建大數據的硬件支持平臺，統一各軍種之間的數據管理標準，保證大數據在交流互通過程中的流暢性，形成數據共享的一體化聯合作戰指揮平臺。外軍，尤其是美軍，非常重視借鑒當代科技的頂尖研究成果，將其利用至全面優化和提升軍事力量當中。以美軍的C4ISR的情報系統為例，就是提高以大數據分析技術為基礎的情報系統集成能力，提高各種情報支援系統的橫向兼容與縱向互通能力，從而達成情報、信息的共享互通，實現“從傳感器到射手”的快速精確打擊。

（三）以實際應用為牽引，挖掘大數據思維的價值

1990年，美國情報分析家首次提出“互聯網公開來源情報資料搜集”的概念。和平時期，情報中有95%是來自公開來源物。比如美國海軍戰爭學院、海軍分析中心、布魯金斯學會、日本防衛研究所等各類智庫專家正在通過我國公開的數據，開展對我國國防信息的分析研究。例如，美國海軍戰爭學院肯尼斯·艾倫教授根據《解放軍報》《中國國防生》等媒體著作，經過數據清洗和整合分析，分散獲得了中國所有國防院校的招生計劃，對國防生的招生數量和專攻領域、國防生后續的分配及訓練項目等都有了全面而系統的認識，并通過表格形式予以公開。在反恐維穩行動中，豐富的開源數據為情報分析提供了更加有力的決策支持，提高了反恐情報的綜合分析能力。2002年，阿富汗境內的大毒梟準備為基地組織等恐怖分子提供資金時，美軍的情報分析人員通過數據挖掘，把作戰方案庫里的數據與有關基地組織情況庫里的資金數據進行實時、自主關聯，從而指導了美軍先敵一步采取行動。基于這種實際情況，就要利用大數據技術對開源數據實施分級管理，首先要對開源數據的等級進行甄別，這就需要系統性地提高大數據分析能力。在國外智庫對我國開源信息進行大數據篩選和分析之前，我們必須首先對自己的數據了如指掌。通過對分散數據的統計分析，建立開源數據管理體系，對數據會泄露我國國防信息的風險等級進行標識處理，做到能公開的謹慎公開，不能公開的嚴禁公開。同時加強對大數據軟件技術的開發，軟件開發是大數據預測的核心，挖掘數據與數據之間的相關關系，最終提供數據預測，完成決策參考。

四、結束語

數據思維以泰勒模式在100年前統御了美國企業與產業管理之道，在美國的政治、經濟、軍事領域起到了關鍵作用，促使美國成為全球第一大經濟體；也在半個世紀前以戴明模式契合并提高了日本企業全球競爭的能力，從而促進了日本的崛起。是否追求科技與精準是發達國家與發展中國家的顯著文化區別。而精準核心是數據，沒有數據意識就沒有現代科技的進步。強國必先強軍，在軍隊中普及數據文化，提升數據素養，培養大數據思維，對信息化時代下的國防建設具有舉足輕重的作用。

【參考文獻】

[1]維克托·邁爾-舍恩伯格.大數據時代[M].杭州：浙江人民出版社，2012：3.

[2]前瞻研究院.2014-2018年中國大數據產業發展前景與投資戰略規劃分析報告[R].北京： 清華大學，2014.

[3]胡琦民.未來戰爭形態將改變，軍事大數據決定戰爭主動權[DB/OL].（2014-08-01）[2018-11-20].http：//tech.southcn.com/t/2014-08/01/content_105664455.htm.

[4]潘云鶴，宗宇偉，張紹華，等.大數據產業發展總體戰略研究[M].上海：上海科學技術出版社，2017.

[5]涂子沛.數據之巔[M].北京：中信出版社，2017.

[6]陳軍君.中國大數據應用發展報告[R].北京：社會科學文獻出版社，2017.

[7]沈浩，黃曉蘭.大數據助力科學研究：挑戰與創新[J].現代傳播，2013（08）：13-18.

[8]馮文全，馬星光，張倩.論我國教育研究范式的轉變——基于大數據的視角[J].教書育人（教師新概念），2016（12）：4-6.