關于加強軍人保障卡大數據建設的思考

武 林

內容提要：軍人保障卡大數據建設，是我軍大數據建設的重要組成部分，是建設現代化實戰化后勤的必然要求。加強軍人保障卡大數據建設，應著力抓好3個環節：一是強化數據采集來源規劃，二是深化數據融合技術研究，三是優化數據應用內容設置。

軍人保障卡大數據建設，是我軍大數據建設的重要組成部分，是建設現代化實戰化后勤的必然要求。按照中央軍委后勤保障部關于軍人保障卡深化運用實施的指導意見，要重新梳理軍隊改革中產生的新變化和新需求，協調建立與軍隊人力資源管理部門數據共享機制，構建形成全軍人員供應保障大系統，全面部署應用全軍人員基礎數據共享庫，利用大數據工具實時分析人員供應保障特點規律，建立為后勤政策制度優化改革提供決策支持的常態機制，實現軍人保障卡應用由“以管理為中心”模式向“以服務為中心”模式轉變。軍人保障卡大數據建設，核心內容是數據采集來源規劃、數據融合技術研究和數據應用內容設置3個部分。只有做到科學規劃數據采集來源，才可為軍人保障卡大數據建設提供可靠、多樣化的數據“原料”輸入，為進一步拓展保障卡應用領域，提升保障卡應用服務效能提供數據基礎。只有構建可用性強的數據融合技術，才可在海量數據中提取有效信息，提升大數據應用系統的運行效能。只有設置符合軍隊需求的數據應用內容，包括數據服務和數據產品，才能真正將數據資源轉化為輔助首長機關決策效能，從而提升部隊管理和軍事斗爭準備水平。

一、強化數據采集來源規劃

當前的軍人保障卡儲存的主要是軍隊單位和個人后勤供應保障方面的信息，支持作戰和人員特點分析的信息較少，隨著部隊訓練實戰化程度的提升和軍事政策制度改革的展開，需對現有數據采集來源作進一步規劃，將保障卡現有的保障功能同部隊的實戰需求相結合，建立與軍隊人力資源管理部門、軍隊訓練管理部門、軍隊作戰部門的數據共享機制，增添反映人員軍事訓練、作戰、軍事技能水平、軍事職業教育等軍事化屬性較強的字段，集成后勤保障、軍事技能培訓、作戰數據收集等功能，將軍人保障卡真正建設為“軍味濃”“戰味濃”的人員保障卡，并以軍人保障卡數據、軍人保障標識牌數據為基礎構建平戰一體的軍隊人員基礎數據庫，支撐我軍的實戰化訓練轉型和未來作戰?？煽紤]在基本屬性字段、人員軍事職業教育情況、人員任職資格屬性、訓練演習記錄、聯合作戰任職資質、實戰經歷、非戰爭軍事行動、軍官職業屬性字段8個領域新增數據項（詳見表1），充實軍人保障卡數據類型，增強軍人保障卡的軍事化實戰化屬性。

表1 軍人保障卡新增數據項

二、深化數據融合技術研究

隨著系統的不斷升級，軍人保障卡數據呈現表現形式多樣化、規模巨大化、業務復雜化的特點，對信息處理的及時性、準確性和可靠性的要求相較以往進一步提高。通過開發適應軍人保障卡數據特點的數據清洗與融合技術，對采集的多源軍人保障卡數據進行進一步的整理和優化，可使軍人保障卡數據資源信息結構更加合理、價值密度更高，對各類業務場景描述更加全面有效。一是開發數據清洗與融合技術相關工具。根據采集數據的類型、量級、特點確定數據采集的相關工具和技術。考慮到軍人保障卡數據涉及的密級較高，可通過在用戶端系統連接開源數據采集軟件采集數據，使用 Apache Flume、Fluentd、Logstash、Splunk Forwarder等開源工具采集數據，使用包括Kettle在內的各類開源ETL工具開發數據清洗技術。二是制定清洗與融合規則。利用Kettle設置數據轉換規則，根據采集數據的特點和不同業務場景特點設置最優融合規則。三是加強數據特征提取研究。對每個入庫的分析樣本進行分類，根據分析樣本的業務特點進行特征化描述，并以向量、矩陣、數組、數據框和列表的形式對上述描述結果予以量化，從而提取分析樣本的數據特征。四是加強融合算法研究。融合算法的研究，主要是對提取的多源數據特征進行特征級融合（基本技術途徑如圖1），根據提取的數據特征、采用不同的特征級融合方法進行融合（具體方法分類如圖2），從而使新形成的數據庫包含的信息更加有效、對分析樣本描述的準確性更高。

圖1 特征級融合基本技術途徑

圖2 特征融合方法分類

三、優化數據應用內容設置

根據我軍現有業務提升需求，以實戰化標準為牽引，圍繞軍人保障卡數據資源的應用內容設置，主要是聚焦軍事人員抽組配置、軍事教育資源與訓練任務分配、軍隊衛勤保障系統改進、軍隊軍需供應保障系統改進4個方面用功求效。

（一） 應用用戶畫像大數據優化軍事人員的抽組配置

可考慮采用面向軍人保障卡大數據的用戶畫像方法，為軍事行動的開展提供決策支持。隨著我軍事行動強度的加大和任務類型的拓展，臨時抽調人員執行任務的情境更多。同時，由于類似任務的突發性和急迫性，對抽調人員的專業特點和技術戰術水平有較高要求。在短時間內根據任務需求科學精準配置所需人員，在各任務方向形成合力，事關部隊作戰效能的發揮，對部隊戰斗力建設有重大意義，需依托軍人保障卡及其他人員基礎數據構建用戶畫像大數據分析模型（具體內容如圖3），匹配適合不同類型任務的作戰人員和單位，支撐任務部隊人員編組結構的優化，為戰時和緊急情況下向任務地區快速輸送合適作戰人員提供數據方法支撐和科學依據。用戶畫像大數據技術的實施途徑分為3步，建立數據挖掘庫，數據挖掘與建模，用戶畫像標簽體系構建。

圖3 面向軍人保障卡大數據的用戶畫像方法技術途徑

一是建立數據挖掘庫。建立數據挖掘庫，將人員、任務進行分類，并添加個性化標簽，從軍人保障卡數據分類體系中選取合適條目構建大數據分析模型。比如，可從人員履歷數據中選取訓練、教育、任職記錄等數據，基礎數據中的人員基本信息、單位基本信息等數據，單位編碼數據中的單位級別、部隊類別等數據構建一個基本作戰人員的屬性特征，作為數據挖掘庫中的一條基本記錄。

二是數據挖掘與建模。以用戶畫像和數據挖掘庫為基礎，進一步構建人員配置推薦系統，提升服務精準度?？梢圆捎玫乃惴ㄓ谢貧w、決策樹、支持向量機等，通過建模分析，進一步挖掘出部隊人員的群體特征和個性權重特征，從而完善人員任務的價值衡量。

三是用戶畫像標簽體系構建。利用用戶畫像構建數學模型，描述軍人保障卡和相關任務的業務知識體系，主要包括：標簽的分類、標簽的級別、標簽的命名、標簽的賦值、標簽的屬性。

（二）應用聚類分析大數據優化軍事教育資源與訓練任務分配

可考慮應用聚類分析方法支持軍事教育資源與訓練任務的分配計劃實施，實現資源的動態分配與優化（技術途徑如圖4）。以軍人保障卡履歷數據為基礎，將現有分析對象數據集劃分為若干個群體，根據不同群體特點調整軍事教育資源和訓練任務內容與強度，實現軍事教育資源和訓練任務的優化配置與分析，具體技術途徑包括數據分析模型構建，分析聚類結論和結果應用3個步驟。

圖4 基于聚類分析的軍事教育資源分配優化技術途徑

一是數據模型構建。首先，根據軍人保障卡業務邏輯推測和業務經驗判斷，梳理出可供模型使用的特征字段；隨后，對異常值進行刪除處理，考慮到聚類樣本數量有限，進一步篩選實際進入聚類分析模型的變量數量。在聚類分析之前，針對所有數值型變量進行相關性檢驗，對于高度線性相關的變量只保留一個進入聚類過程。

二是聚類結論分析。聚類模型將把所有數據樣本劃分為不同組，以不同組的用戶數量、占樣本總量的百分比、該組的RMSSTD（Root-Mean-Square Standard Deviation）、該組不同指標的均值為基礎，增加和軍人保障卡業務相關的其他變量進行特征描述，得到用戶群體分類（參見表2示例）。

表2 不同聚類群體分類示例

三是結果應用分析。根據上述群體特征，從參考數據中提取滿足上述特征閾值的潛在目標受眾，并進行相應的軍事教育資源配置優化。例如，對于機關業務軍官群體，在維持高級軍事指揮課程培訓的同時，增加基層軍事技能和裝備操作技能方面的培訓，提升軍官群體對基層作戰單位運作流程的理解。對于特定士官群體，適當增加軍事指揮、武器裝備發展、外語等知識型課程方面的培訓，提升對軍事科學的感性認識，提高同指揮軍官協作的默契程度。

（三）應用大數據技術改進軍隊衛勤保障系統

軍人保障卡衛生大數據涉及人員類別、身份類別、所在特殊地區、特殊勤務、特種人員、電子傷票、就醫、體檢、療養保障等信息，對掌握我軍人員身體健康水平，遏止各類多發病種的蔓延有重大意義。衛生數據還可支撐我軍衛勤工作的改進，為在戰時和緊急狀況下制定相應預案提供決策支持。基于上述分析思路，擬從兩個方面提升軍隊衛生工作的建設水平和效率。

一是構建疾病預防與控制模型，通過利用預測技術、聚類算法等數據挖掘手段，分析不同類型人員、不同類型疾病在不同時段、不同地區的分布情況，預測不同疾病的發展趨勢和發展規律，從而有針對性地制定疾病管控措施，遏止多發病種的蔓延，減少傷病率，鞏固我軍戰斗力。

二是構建健康醫療大數據模型，根據對不同類型人員就醫情況的分析，提供定制化的診療服務方案，包括干部群體、一線部隊人員、偏遠地區人員、特種人員、退休老干部群體，推送健康提示和建議，在掌握我軍重點群體健康醫療水平的同時體現人文關懷。

（四）應用大數據技術改進軍隊軍需供應保障系統

根據后勤保障部相關部門工作實施計劃，需進一步深化軍需供應保障應用，為被裝給養預結算、供應保障提供數據支撐。軍需數據包括被裝保障數據和給養保障數據，可利用大數據分析手段對軍需保障數據進行分析，對不同單位的被裝和給養需求進行預測，對軍需活動中出現的錯供、漏供、重供情況進行趨勢監控，實現對軍需保障活動的高效管理?；谏鲜龇治鏊悸?，擬從以下兩個方面提升軍隊軍需工作的質量效益。

一是利用馬爾科夫鏈和統計回歸技術構建軍需預測模型，根據人員數量、編制調整情況、演訓次數等影響因素構建面向不同單位的軍需預測模型，及時掌控部隊軍需種類和數量的可能變化。

二是通過數據分析梳理軍需活動中出現的錯供、漏供、重供情況，并根據梳理結果構建監控模型，及時發現問題，并采取有效措施加以解決。