最近在微信圈流行的段子:一(yī)個客戶撥打了披薩店(diàn)的電(diàn)話(huà),還沒說要什麽披薩,僅僅告知(zhī)了他的會員(yuán)卡号,店(diàn)員(yuán)從系統中(zhōng)就知(zhī)道了他所有個人信息。包括地址、電(diàn)話(huà)、身高體(tǐ)重、醫療記錄、過敏史、家裏幾口人、家裏人的健康狀态、房貸、個人信用,最後還包括他現在騎着摩托車(chē)撥打電(diàn)話(huà)的GPS定位。并針對他目前這些信息定向推銷店(diàn)内減肥的、低糖的、夠他家庭6人份的披薩,還指出他最好用現金支付,因爲他信用卡已經超支。
以上這些信息我(wǒ)們都知(zhī)道,是我(wǒ)們在工(gōng)作、生(shēng)活中(zhōng)一(yī)個一(yī)個産生(shēng)的,但是是存儲在餐飲、醫療、電(diàn)信、交通、金融等各種領域服務器中(zhōng),相互不會聯通。這個段子的寓意在于告訴我(wǒ)們,如果這些數據之間聯通了,我(wǒ)們要怎樣去(qù)面對?就工(gōng)作來說,披薩店(diàn)工(gōng)作效率提高了、針對性提高了、效益也提高了;對顧客來說,不能亂花錢了、減少浪費(fèi)了、錢用的合理了、健康指标也提高了。當然,我(wǒ)們也會預想一(yī)些關于個人隐私被赤裸裸展現的負面影響,基本沒有隐私了。
在大(dà)數據信息時代下(xià),這些信息以及之間的關聯性将會對我(wǒ)們工(gōng)作、生(shēng)活還有思維方式帶來怎樣的改變?
一(yī)、什麽是大(dà)數據?
我(wǒ)們都知(zhī)道,目前工(gōng)作、生(shēng)活接觸數據最多的是結構化數據和非結構化數據。結構化數據就是能用數字和統一(yī)結構來表示的,例如一(yī)份文字報告、一(yī)份銀行賬單;非結構化數據就包括圖像、聲音等。數據量的大(dà)小(xiǎo)也從剛開(kāi)始用的1KB、1MB、1GB、1TB到現在的1PB、1EB、1ZB、1YB。他們之間都是1024倍的關系。而大(dà)數據就是從1PB開(kāi)始算的。這個級别關系是什麽概念?我(wǒ)舉簡單的例子:1PB相當于50%的全美學術研究圖書(shū)館藏書(shū)信息内容;5EB相當于至今全世界人類所講過的話(huà)語;1ZB如同全世界海灘上的沙子數量總和;1YB相當于7000位人類體(tǐ)内的微細胞總和。而現在我(wǒ)們這個數據爆炸的時代每分(fēn)鍾有多少數據?每分(fēn)鍾蘋果網站13000多個應用被下(xià)載、微博上發布98000信息、6600張新照片上傳到flickr網站、全球發出1.68億條Email、69.5萬條新狀态在Facebook上更新、淘寶網站10680個新訂單、1840多張票(piào)從12306網站生(shēng)成。
二、大(dà)數據的特點
維克托?邁爾-舍恩伯格和肯尼斯?克耶編寫的《大(dà)數據時代》中(zhōng)提出:“大(dà)數據”的4V特點:Volume(數據量大(dà))、Velocity(輸入和處理速度快)、Variety(數據多樣性)、Value(價值密度低)。自此後,凡提到“大(dà)數據”特點的文章,基本上采用了這4個特點。
(一(yī))數據體(tǐ)量巨大(dà)(Volume):從TB級别,躍升到PB級别乃至EB級别;到目前爲止,人類生(shēng)産的所有印刷材料的數據量是200PB,而曆史上全人類說過的所有的話(huà)的數據量大(dà)約是5EB。現在我(wǒ)們每分(fēn)鍾數據量是多少呢?每分(fēn)鍾有13000+個iPhone應用下(xià)載、Skype上37萬+分(fēn)鍾的語音通話(huà)、微博上發布98000+新微博、上傳6600張新照片到flickr、發出1.68億+條Email、Facebook上更新69.5萬+條新狀态、YouTube上上傳600+新視頻(pín)、淘寶光棍節10680+個新訂單、12306出票(piào)1840+張。
(二)數據類型繁多(Variety):大(dà)數據不僅局限于結構型數據,也包括非結構型數據,比如:文字,圖像,音頻(pín),視頻(pín),記錄,遙感。這種類型的多樣性也讓數據被分(fēn)爲結構化數據、半結構化和非結構化數據。相對于以往便于存儲的以文本爲主的結構化數據,越來越多的非結構化數據的産生(shēng)給數據處理提出了更高的要求。數據來源多:企業内部多個應用系統的數據、互聯網和物(wù)聯網的興起,帶來了微博、社交網站、傳感器等多種來源。數據類型多:保存在關系數據庫中(zhōng)的結構化數據隻占少數,70~80%的數據是如圖片、音頻(pín)、視頻(pín)、模型、連接信息、文檔等非結構化和半結構化數據。關聯性強:數據之間頻(pín)繁交互,比如遊客在旅行途中(zhōng)上傳的圖片和日志(zhì),就與遊客的位置、行程等信息有了很強的關聯性。
(三)價值密度低(Value):以視頻(pín)爲例,連續不間斷監控過程中(zhōng),可能有用的數據僅僅有一(yī)兩秒。價值密度的高低與數據總量的大(dà)小(xiǎo)成反比。如何通過強大(dà)的機器算法更迅速地完成數據的價值“提純”是目前大(dà)數據洶湧背景下(xià)亟待解決的難題。挖掘大(dà)數據的價值類似沙裏淘金,從海量數據中(zhōng)挖掘稀疏但珍貴的信息;價值密度低,是大(dà)數據的一(yī)個典型特征。
(四)處理速度快(Velocity):1秒定律。大(dà)數據是時間敏感的,必須快速識别和快速響應才能适應業務需求這是大(dà)數據區分(fēn)于傳統數據挖掘技術最顯著的本質特征。在2020年全球數據使用量将會達到35.2ZB,如此海量的數據面前,處理數據的效率就是計算機發展的生(shēng)命。實時數據流處理的要求,是區别大(dà)數據引用和傳統數據倉庫技術,BI技術的關鍵差别之一(yī);1s是臨界點,對于大(dà)數據應用而言,必須要在1秒鍾内形成答案,否則處理結果就是過時和無效的。
三、爲什麽現在才提出大(dà)數據?
盡管“大(dà)數據”這個詞直到最近才受到人們的高度關注,但早在1980年,著名未來學家托夫勒在其所著的《第三次浪潮》中(zhōng)就熱情地将“大(dà)數據”稱頌爲“第三次浪潮的華彩樂章”。《自然》雜(zá)志(zhì)在2008年9月推出了名爲“大(dà)數據”的封面專欄。從2009年開(kāi)始“大(dà)數據”才成爲互聯網技術行業中(zhōng)的熱門詞彙。世界著名的管理咨詢公司麥肯錫公司通過各種網絡平台記錄的個人海量信息看到了商(shāng)業價值,于是投入大(dà)量人力物(wù)力進行調研,在2011年6月發布了關于“大(dà)數據”的報告,該報告對“大(dà)數據”的影響、關鍵技術和應用領域等都進行了詳盡的分(fēn)析。麥肯錫的報告得到了金融界的高度重視,而後逐漸受到了各行各業關注。這也是最早将大(dà)數據進行應用的公司。
爲什麽現在才提出大(dà)數據呢?還有一(yī)個主要原因是大(dà)數據本身在突破兩個限制條件方面的發展。一(yī)是存儲本身的發展。從針孔、到軟盤、再到硬盤。存儲設備越來越小(xiǎo),容量越來越大(dà)。單塊硬盤已經能夠達到6TB,卻隻有錢包大(dà)小(xiǎo)。相繼的發展就是目前的雲存儲,隻要有硬盤,想要多大(dà)就多大(dà)。二是計算的發展。CPU處理器由原先的5000次每秒到現在33.86千萬億次每秒的天河二号計算機。但是不是每個企業、行業都能買得起這種宇宙級的計算機。現在的發展是雲計算。自從有了雲計算服務器,“大(dà)數據”才有了可以運行的軌道,才可以實現其真正的價值。有人就形象地将各種“大(dà)數據”的應用比作一(yī)輛輛“汽車(chē)”,支撐起這些“汽車(chē)”運行的“高速公路”就是雲計算。最著名的實例就是Google搜索引擎。面對海量Web數據,Google于2006年首先提出雲計算的概念。支撐Google内部各種“大(dà)數據”應用的,正是Google公司自行研發的雲計算服務器。在分(fēn)布式雲計算出現之後“大(dà)數據”才凸顯其真正價值。
爲什麽大(dà)數據必須和雲計算要捆綁?舉個簡單的例子。現在我(wǒ)們看自己的個人銀行賬單。隻能看到1年内的。因爲超過1年的賬單不是找不到了,而是傳統計算機服務器需要花1天的時間從數據庫中(zhōng)将數據計算出來。而我(wǒ)們在電(diàn)腦前連1分(fēn)鍾都不想等。
四、目前大(dà)數據在全球的發展情況
2012年3月,美國政府啓動“大(dà)數據研究和發展倡議”計劃。這是繼“信息高速公路”後的又(yòu)一(yī)重大(dà)科技戰略部署。美國政府将大(dà)數據視爲“未來的新石油”并将對其研究上升爲國家意志(zhì)。2010年1月,英國政府的數據開(kāi)放(fàng)網站正式出台,2010年5月卡梅倫上台之後正式提出“數據權”的概念,2011年4月主要部門宣布“我(wǒ)的數據”新項目,旨在落實和強化數據權。繼美英之後,國際上德國、法國、日本、加拿大(dà)和新西蘭等國家也開(kāi)始了各自國家的大(dà)數據發展戰略規劃。
中(zhōng)國,在2015年8月31日,國務院下(xià)發了《關于印發促進大(dà)數據發展行動綱要》國發〔2015〕50号,從國家戰略層面已經開(kāi)始新的部署和建設。目前,我(wǒ)國互聯網、移動互聯網用戶規模居全球第一(yī),擁有豐富的數據資(zī)源和應用市場優勢,大(dà)數據部分(fēn)關鍵技術研發取得突破,湧現出一(yī)批互聯網創新企業和創新應用,一(yī)些地方政府已啓動大(dà)數據相關工(gōng)作。2014年,江蘇省經信委下(xià)發《關于印發江蘇省雲計算與大(dà)數據發展行動計劃的通知(zhī)》蘇經信軟件〔2014〕328号;2016年初,江蘇省政府辦公廳下(xià)發《關于開(kāi)展消防大(dà)數據平台建設應用的通知(zhī)》蘇政辦發〔2016〕2号,标志(zhì)着江蘇大(dà)數據建設将涉及消防安全領域。
五、大(dà)數據在各個行業系統内的發展
(一(yī))在國家政府方面:典型的就是決策用數據說話(huà),告别了“拍腦袋”方式。荷蘭的阿姆斯特丹共有40多萬戶家庭,二氧化碳排放(fàng)量占全國的三分(fēn)之一(yī)。爲了改善環境問題,該市啓動了WestOrange和Geuzenveld兩個項目,通過節能智慧化技術,降低二氧化碳排放(fàng)量和能量消耗。啓動智能大(dà)廈項目,在未給大(dà)廈的辦公和住宿功能帶來負面影響的前提下(xià),将能源消耗減小(xiǎo)到最低程度,同時在大(dà)樓能源使用的具體(tǐ)數據分(fēn)析的基礎上,使電(diàn)力系統更有效地運行。在國内,安徽蕪湖整合了77個政府部門10.8億數據,将100多項審批流程化。辦事大(dà)廳的窗口由8—10個減少到2—3個,減少審批程序的時間,提高了辦事效率,減少了排隊等候的情況。同時結合人臉聲紋識别技術,民衆隻需帶身份證就可以辦理業務。在社會管理信息化方面,移動電(diàn)信等大(dà)數據分(fēn)析可以進行人流監控,能提前預知(zhī)人流情況,并根據數據變化啓動相應管理預案,從而避免如外(wài)灘踩踏之類的事件發生(shēng)。在佛山,通過産業雲平台,可在統一(yī)設計标準的同時節省整個産業鏈的成本,以幫助中(zhōng)小(xiǎo)企業降低運營成本,使其投資(zī)能集中(zhōng)在核心制造優勢上,而不是花費(fèi)在采購等環節上。
(二)在醫療方面:蘋果教父喬布斯是世界上第一(yī)個對自身所有DNA和腫瘤DNA進行排序的人。爲此,他支付了高達幾十萬美元的費(fèi)用。他得到的不是樣本,而是包括整個基因的數據文檔。醫生(shēng)按照所有基因按需下(xià)藥,喬布斯開(kāi)玩笑說:“我(wǒ)要麽是第一(yī)個通過這種方式戰勝癌症的人,要麽就是最後一(yī)個因爲這種方式死于癌症的人。”雖然他的願望都沒有實現,但是這種獲得所有數據而不僅是樣本的方法還是将他的生(shēng)命延長了好幾年。在加拿大(dà)多倫多的一(yī)家醫院,針對早産嬰兒,每秒鍾有超過3000次的數據讀取。通過這些數據分(fēn)析,醫院能夠提前知(zhī)道哪些早産兒出現問題并且有針對性地采取措施,避免早産嬰兒夭折。這是大(dà)數據在基因方面的發展,将來在疾病預防、嬰兒出生(shēng)、罕見病治療、遠程診治等方面會有更深的發展,也許将來給你看病和動手術的就是一(yī)台超級計算機了。
(三)在能源方面:智能電(diàn)網現在歐洲已經做到了終端,也就是所謂的智能電(diàn)表。在德國,爲了鼓勵利用太陽能,會在家庭安裝太陽能,除了賣電(diàn)給你,當你的太陽能有多餘電(diàn)的時候還可以買回來。通過電(diàn)網收集每隔五分(fēn)鍾或十分(fēn)鍾收集一(yī)次數據,收集來的這些數據可以用來預測客戶的用電(diàn)習慣等,從而推斷出在未來2~3個月時間裏,整個電(diàn)網大(dà)概需要多少電(diàn)。有了這個預測後,就可以向發電(diàn)或者供電(diàn)企業購買一(yī)定數量的電(diàn)。因爲電(diàn)有點像期貨一(yī)樣,如果提前買就會比較便宜,買現貨就比較貴。通過這個預測後,可以降低采購成本。根據全國風力、潮汐數據,可以更高效的計算出在哪裏放(fàng)置的風力發電(diàn)機和潮汐發電(diàn)機最好。
(四)在零售業方面:銷售公司通過從Twitter和Facebook上收集社交信息,向客戶提供差異化服務,保留兩類有價值的客戶:高消費(fèi)者和高影響者。企業也根據監控情況分(fēn)析,銷售哪些商(shāng)品、貨品擺放(fàng)位置、以及何時調整售價,此類方法已經幫助某領先零售企業減少了17%的存貨,同時在保持市場份額的前提下(xià),增加了高利潤率自有品牌商(shāng)品的比例。并通過接受免費(fèi)服務,讓用戶進行口碑宣傳,這是交易數據與交互數據的完美結合,使業務服務更具有目标性,減少運營成本,提高收益。
(五)在電(diàn)視媒體(tǐ)行業:例如對于體(tǐ)育愛好者,追蹤電(diàn)視播放(fàng)的最新運動賽事幾乎是一(yī)件不可能的事情,因爲有超過上百個賽事在8000多個電(diàn)視頻(pín)道播出。雖然,現在移動iOS和Android設備快速發展,但如果廣告商(shāng)将巨額廣告投放(fàng)在沒人看的頻(pín)道也是浪費(fèi)。現在可以根據追蹤所有運動賽事的應用程序RUWT,不斷地分(fēn)析運動數據流來讓球迷知(zhī)道他們應該轉換成哪個台看到想看的節目,在電(diàn)視的哪個頻(pín)道上找到,并讓他們在比賽中(zhōng)進行投票(piào)。
(六)在體(tǐ)育方面:現在美國NBA職業籃球賽,專業籃球隊會通過搜集大(dà)量數據來分(fēn)析賽事情況,然而他們還在爲這些數據的整理和實際意義而發愁。通過分(fēn)析這些數據,可否找到兩三個制勝法寶,或者至少能保證球隊獲得高分(fēn)?在每場比賽過後,教練隻需要上傳比賽視頻(pín)。接下(xià)來,來自Krossover公司團隊的大(dà)學生(shēng)将會對其分(fēn)解。等到第二天教練再看昨晚的比賽時,他隻需檢查任何他想要的——數據統計、比賽中(zhōng)的個人表現、比賽反應等等。通過分(fēn)析比賽視頻(pín),毫不誇張地分(fēn)析所有的可量化的數據。
(七)在公路交通方面:目前洛杉矶政府在I-10和I-110州際公路上建立了一(yī)條收費(fèi)的快速通道。施樂公司統計,如果司機支付給收費(fèi)站錢,他必須保證車(chē)速每小(xiǎo)時45英裏左右。如果交通開(kāi)始擁堵,私家汽車(chē)的支付價格将上升,以減少他們進入,而将車(chē)道用于高占用率的車(chē)輛,例如公共汽車(chē)和大(dà)巴車(chē)。另一(yī)個項目ExpressPark,目标是告訴人們離(lí)開(kāi)房子時,在哪能找到停車(chē)場和花費(fèi)金額。這樣政府可通過大(dà)數據引導駕駛人員(yuán)在該通道上的行駛情況,保證交通暢通,并将停車(chē)場車(chē)輛吞吐量告知(zhī)用戶。
目前,大(dà)數據應用在行業系統中(zhōng)應用的比例,最多的行業是零售(24%)、金融(17%)、城市(14%)、醫療(8%)、體(tǐ)育(6%)、教育(4%)、電(diàn)信(4%),當然還有航空制造業、社交娛樂、影視、農業等(其他)領域。2014年麥肯錫統計美國醫療行業通過大(dà)數據就獲得潛在價值超3000億美元,歐洲政府利用大(dà)數據節省開(kāi)支超1000億歐元,未來在全球的交通運輸、電(diàn)力、醫療健康等7大(dà)領域,大(dà)數據将會撬動超過3萬億美元的經濟價值。2014年IDC預測,未來全球大(dà)數據市場将以每年超過30%的速度在增長,而我(wǒ)國更快,預計将超過50%。堅持創新驅動發展,加快大(dà)數據部署,深化大(dà)數據應用,已成爲穩增長、促改革、調結構、惠民生(shēng)和推動政府治理能力現代化的内在需要和必然選擇。
六、大(dà)數據給我(wǒ)們工(gōng)作和生(shēng)活帶來的變革
我(wǒ)們常聽(tīng)到“啤酒與尿布”理論。原因是沃爾瑪超市分(fēn)析發現,男顧客在購買嬰兒尿片時,常常會順便搭配幾瓶啤酒來犒勞自己,于是推出了啤酒和尿布捆綁促銷手段。這說明,将來我(wǒ)們去(qù)商(shāng)店(diàn)買東西的時候,會越來越被捆綁的東西所打動,而不是在超市中(zhōng)從東到西全部逛一(yī)遍。
在美國明尼蘇達州一(yī)家塔吉特門店(diàn),通過分(fēn)析顧客購買孕前需要的一(yī)些産品,分(fēn)析出一(yī)個高中(zhōng)生(shēng)已經懷孕,并向她住所寄去(qù)嬰兒産品優惠券。而這個高中(zhōng)生(shēng)老爸卻跑到他們店(diàn)面投訴,一(yī)番解釋後,老爸回家了解了情況,果然女兒懷孕,并打了電(diàn)話(huà)道歉。也許将來我(wǒ)們在家會收到越來越多我(wǒ)們需要的廣告業務,而且有可能我(wǒ)們看的電(diàn)視廣告、網絡視頻(pín)和網站廣告都是爲我(wǒ)們量身定制的。當你收到嬰兒用品廣告的同時,而你的隔壁鄰居卻收到殡葬業的服務廣告。
而在國内,電(diàn)商(shāng)玩得更科幻,“看人下(xià)刀”。電(diàn)商(shāng)網站可以根據你平時常購品牌、退貨率、接受價格區間、講價次數、投訴率等分(fēn)析,給你假貨你能接受不。如果你同類産品消費(fèi)傾向絕對大(dà)部分(fēn)在100~200元品牌,系統就判定你沒用過大(dà)牌真品,在後台将你備注:低風險,發的貨有30%幾率是高仿貨。如果在你購買記錄裏多次購買品牌,就自動分(fēn)配真品。
2009年,Google通過分(fēn)析5000萬條美國人最頻(pín)繁檢索的詞彙,将之和美國疾病中(zhōng)心在2003年到2008年間季節性流感傳播時期的數據進行比較,并建立一(yī)個特定的數學模型。最終google成功預測了2009冬季流感的傳播甚至可以具體(tǐ)到特定的地區和州。這是最早使用大(dà)數據分(fēn)析的案例,而現在我(wǒ)們已經可以通過更多數據和方式分(fēn)析這個冬天會發生(shēng)什麽。今年冬天,各位再去(qù)買羽絨服的時候就會發現,今年的羽絨服會比以前厚,顔色比以前深。因爲今年氣象大(dà)數據顯示是寒冬,所以羽絨服廠家産品定位也進行了改變。
七、大(dà)數據對消防行業帶來什麽樣的變革
(一(yī))火(huǒ)災預防方面:在美國紐約,目前是最早将大(dà)數據應用在消防方面的。據統計,紐約大(dà)約有100萬棟建築物(wù),平均每年約有3000棟會發生(shēng)嚴重的火(huǒ)災。紐約消防部門将可能導緻房屋起火(huǒ)的因素細分(fēn)爲60個,諸如是否是貧窮、低收入家庭的住房,房屋建築年代是否久遠,建築物(wù)是否有電(diàn)梯等。除去(qù)危害性較小(xiǎo)的小(xiǎo)型獨棟别墅或聯排别墅,分(fēn)析人員(yuán)通過特定算法,對城市中(zhōng)33萬棟需要檢驗的建築物(wù)單獨進行打分(fēn),計算火(huǒ)災危險指數,劃分(fēn)出重點監測和檢查對象。目前數據監測項目擴大(dà)到2400餘項,諸如學校、圖書(shū)館等人口密集度高的場所也涵蓋了。盡管公衆對數據分(fēn)析和防範措施的有效性之間的關系心存疑慮,但是火(huǒ)災數量确實下(xià)降了。
因爲火(huǒ)災和犯罪一(yī)樣,是結果性數據。就是說,你可能采取了能想到的預防措施,并一(yī)直實時監控,他還是會發生(shēng)火(huǒ)災和爆炸。将火(huǒ)災和醫療對比,我(wǒ)們天天體(tǐ)檢,也不可能防止癌症發生(shēng),而且目前大(dà)數據顯示,我(wǒ)們每年兩次的體(tǐ)檢和降低癌症發病率、死亡率沒有任何關系。但是,我(wǒ)們能通過體(tǐ)檢提前發現我(wǒ)們不舒服的地方是否有其他病變。如果是,我(wǒ)們可以提前治療這些小(xiǎo)病、延長生(shēng)命,防止良性腫瘤變成惡性腫瘤。
消防工(gōng)作也是一(yī)樣。根據海恩法則,每一(yī)起嚴重事故的背後,必然有29次輕微事故和300起未遂先兆以及1000起事故隐患。當然,這是國外(wài)統計數據,和我(wǒ)國國情、我(wǒ)國數據會有差異。
我(wǒ)們常說的火(huǒ)災事故,主要有兩個方面。一(yī)是火(huǒ)災的發生(shēng)。這個是我(wǒ)們常說的不能預防的,從火(huǒ)災調查情況來看,能看到火(huǒ)災原因有各種各樣,這是我(wǒ)們防都防不過來的。如果我(wǒ)們将來通過大(dà)數據運算将火(huǒ)災原因逐漸量化,并更深入的分(fēn)析,也許能逐漸減少和預防部分(fēn)起火(huǒ)因素。至少目前的防雷措施已經減少很大(dà)一(yī)部分(fēn)雷擊發生(shēng)火(huǒ)災的概率。在這個起火(huǒ)原因方面需要很長時間的發展,也許會像避雷針的發展一(yī)樣,經曆了250年。當然将來的科技可能将時間縮短到25年。其中(zhōng)最值得發展的是電(diàn)氣火(huǒ)災預防,可能将來我(wǒ)們的漏電(diàn)保護能夠檢測到每個線路的溫度變化,并在發生(shēng)短路前就斷電(diàn),防止火(huǒ)災。而另一(yī)個方面就是火(huǒ)災發生(shēng)後造成的損失。能夠引起我(wǒ)們重視的火(huǒ)災都是人員(yuán)傷亡多、過火(huǒ)面積大(dà)、财物(wù)損失大(dà)和難以短時間撲滅的火(huǒ)災。這個方面的預防,是我(wǒ)們從人類誕生(shēng),會使用火(huǒ)的時候,就開(kāi)始了。發展到現在,我(wǒ)們從建築結構、人員(yuán)密集程度、易燃易爆物(wù)存放(fàng)、管理制度等各個方面,都進行了越來越細化的發展。隻要采取了越來越有效的措施,就能把火(huǒ)災發生(shēng)後的損失降到最低。而這個方向,就是我(wǒ)們消防大(dà)數據火(huǒ)災預防所主攻的方向。将來能夠和紐約一(yī)樣,知(zhī)道哪些單位危險等級高,哪些轄區需要經常檢查。還有将系統對外(wài)開(kāi)放(fàng)後,公衆和企業可以進行自我(wǒ)改良,降低危險等級。更多我(wǒ)們沒有監管過的單位進入系統後,也會使數據結果越來越準确,對全社會的促進也越來越大(dà)。
(二)滅火(huǒ)救援方面:在滅火(huǒ)救援、隊伍管理、提升工(gōng)作質效方面都有顯著應用。當建築發生(shēng)火(huǒ)災後,建築内的人可以根據手機APP應用或接受到消防逃生(shēng)短信第一(yī)時間逃離(lí)災害現場,而各個消防救援力量第一(yī)時間可以快速集結,最近的消防巡邏車(chē)輛、醫療人員(yuán)會快速抵達,而且沒有交通擁堵的限制。指揮員(yuán)還可以根據現場情況對危化品、放(fàng)射性物(wù)質進行快速分(fēn)析,确定當時風向,火(huǒ)災發展趨勢,避開(kāi)密集人群,計算調用現有的水源和用水量,并在救援過程中(zhōng)發生(shēng)坍塌和爆炸前撤離(lí),而且有可能在指揮員(yuán)到達現場前就将以上信息掌握,成竹在胸,将高效救援和低損失做到極緻。
(三)執勤訓練方面:我(wǒ)們也可以利用大(dà)數據在軍事訓練和考評考核進行應用。通過提取消防指戰員(yuán)生(shēng)理數據,科學規劃膳食、睡眠、訓練等,提高訓練針對性和效率,有效減少訓練受傷情況發生(shēng)。通過建立合理的人才儲備數據應用平台,将各個部門和個人管理變得抽象化數據化,完善績效考核制度、合理制定人才資(zī)源發展方向,合理制定工(gōng)作目标。
大(dà)數據越來越發展,對我(wǒ)們的工(gōng)作、生(shēng)活和思維方式也逐漸改變,制度也會越來越完善。未來憧憬很美好,現在消防大(dà)數據,我(wǒ)們才剛剛起步。