大數據下的情報

『壹』 大數據如何作用於」輿情「

大數據如何作用於」輿情「
隨著互聯網技術的迅速發展，信息量大、類型繁多、價值密度低、速度快、時效高的大數據吸引了越來越多的關注目光，大數據帶來的信息風暴正在改變我們的生活、工作和思維。毋庸諱言，輿情服務在進行行業規范和整合的同時，正面臨著大數據的挑戰。
大數據時代，對信息的「加工」是基礎。據 互聯網專家介紹，大數據體量巨大，非結構化數據的超大規模和增長分別占總數據量的80％至90％，比結構化數據增長快10到50倍。從輿情產品服務的角度 看，濃縮海量信息，抵抗「數據爆炸」已成輿情工作基本要求。故此，掌握數據抓取能力與輿情解讀能力，通過「加工」實現數據的「增值」，將是未來輿情分析的 必備技能。目前，國內很多輿情服務機構甚至沒有專門的數據管理、分析部門和專業分析團隊，分析人員對信息的鑒別力、萃取力、掌控力仍有待提高。在信息廣度 上大作文章的同時，未來需要一批有較高學習能力、分析能力、知識水平的數據從業人員占據輿情服務重鎮。
大數據時代，對數據的解釋是關鍵。目 前，數據的可獲得度已經空前提高，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，實現真正的大數據挖掘和分析。數據的海量、 及時、動態、開放，有利於我們完善分析的效度和深度。同時，大數據也有價值密度低、傳播速度快等特點，數據分析的模式是否科學，這將直接影響數據分析的質 量。大數據的異構和多樣性，需要輿情分析人員對一些危機事件進行高質量的數據解釋。基於數據分析，能否提煉出獨到、高質量的觀點，在凌亂紛繁的數據背後找 到更符合客戶要求的輿情產品和服務，並進行針對性的調整和優化，這是大數據時代輿情最大的變數。
大數據時代，對趨勢的研判是目標。大 數據的核心和目標就是預測，具體到輿情服務，輿情工作人員從互聯網浩如煙海的數據中挖掘信息、判斷趨勢、提高效益，雖然獲得廣泛且實際的應用，但還遠遠不 夠。輿情分析人員要不斷增強關聯輿情信息的分析和預測，把服務的重點從單純的收集有效數據向對輿情的深入研判拓展，跟蹤關聯輿情，不再局限於危機解決，還 要輔之以決策參考，從注重「靜態收集」向注重「動態跟蹤」拓展，從致力「反映問題」向致力「解決問題」拓展，使輿情產品和服務「更高、更快、更強」（視點 高、預警快、處置強）。
大數據時代，分眾服務是方向。數 據的互通互聯，改變了資料庫、應用軟體和用戶界面等系統之間的「孤島」狀態。輿情服務機構應樹立大輿情觀念，對數據進行生產、分析和解讀，探索一條為用戶 提供分眾化服務的信息增值之路，使輿情服務的主體和邊界形成一條完整的「輿情閉環」。在這個認識基礎上，輿情服務機構需把握未來幾年大數據在公共及企業管 理領域發展的重要方向：橫向看，將服務主體延伸至政府、企業和社會的各領域，通過搭建關聯領域的資料庫、輿情基礎資料庫等，充分整合政府和企業的數據資 產；縱向看，將產品內容延伸至包括輿情抓取、預警到決策、評估等在內的各環節，協助客戶豐富和完善決策參考體系。
大 輿情，強調大數據的關聯性。發展和利用好數據資源，充分反映數據爆發背景下的數據處理與應用需求，這是大數據時代最大的輿情變革。目前，國內經濟社會轉型 發展環境壓力加大，社會周期結構性突發輿情因素增多，輿情工作者尤其需要樹立前瞻意識，提高媒介素養，加強互聯網「大數據」分析研判，獲取情報，抓住機 遇，為長遠發展打下良好的基礎。

『貳』 大數據和情報的區別

大數據(Big Data)和情報搭畝(Intelligence)是兩個相關但不同的概念。它們在數據處理、分析和應用方面有一定的重疊，但擾洞各自關注領域和目標有所不同。
大數據：大數據是指規模龐大、類型繁多、處理速度快的數據集合。這些數據通常來自各種來源，包括互聯網、社交媒體、感測器等。大數據的核心挑戰在於如何有效地收集、存儲、處理和分析這些數據，以便從中提取有價值的信息和洞察。大數據技術，如分布式計算、數據挖掘和機器學習等，可以幫助我們更好地理解和利用這些數據。
情報：情報是指從各種途徑收集、分析和評估的信息，旨在為決策者提供有關國家安全、經濟、社會等方面的有用見解。情報可能來自多種來源，包括人員間諜活動、公開來源的信息、商業競爭等。情報分析的目的是發現緩枝枯潛在的威脅、機會和其他重要信息，以支持政策制定和戰略規劃。情報分析通常涉及對數據的深入挖掘、模式識別和預測等技術。
總之，大數據主要關注數據的規模、速度和多樣性，而情報則關注從各種來源收集、分析和評估信息的過程。盡管兩者在某些方面有重疊，但它們的目標和方法有所不同。

『叄』 為破局而生，情報分析師決勝大數據

大數據時代，誰擁有數據，誰也就擁有財富。

數據服務產業的發展，提高數據的應用水平，所離不開的關鍵核心都是專業的情報分析師。

通常所說的大數據分為三種，企業數據、公權機構數據和開源網路數據。前兩種可供挖掘和應用的價值有限，目前世界上各國所重視的都是開源網路數據。

挖掘大數據價值，獲取目標對象（人物、事件、機構、項目等）精確可靠的信息，需要經由情報分析師充分利用自身的技術、方法、經驗和手段，建立和理清調查任務內在的邏輯關系，通過綜合研判，才能從紛繁冗餘的數據中找出價值。

大數據是座挖不完的「鑽石礦」，隨著科學技術的發展，每個人的生活都與大數據息息相關，同時隨著國家政策對於大數據等前沿技術的愈發重視，大數據行業已逐步形成了一個萬億級別的市場。

截至2018年底，致力於打造「中國數谷」的貴州省會貴陽正推動大數據與相關領域深度融合，全國人大代表、貴陽市市長陳晏表示，貴陽建成大數據產業園10個，大數據企業1632家，全年企業主營業務收入1000億元人民幣。在推動大數據與實體經濟、社會治理等方面，貴陽市「融」出了新動能、新前景、新生活、新效率。貴陽市政府數據已實現100%共享交換，向社會免費開放618餘萬條數據。

基於大數據對各個行業的深入影響，近幾年，美國、歐盟、日本等主要發達經濟體都積極推進各自的大數據戰略。2009年，美國科學家委員會(NSTC)就發布了《開發數字數據的威力》報告，初步提出發展大數據的框架，奧巴馬政府亦對大數據行業大力支持，幫助美國取得世界領先地位。參考《大數據白皮書(2016)》，2016年全球大數據核心產業規模約為300億美元，預計2020年有望達到近600億美元。

中國亦將大數據視為新經濟的重要支撐。2014年「大數據」首次出現在《政府工作報告》，奠定了行業快速發展的政策基礎。2017 年，工信部印發了《大數據產業發展規劃(2016-2020 年)》，全面部署「十三五」時期大數據產業發展工作。發改委、工信部及農業部、運輸部等部委先後頒布相關後續政策，推動大數據產業發展。預計未來將有更多部門出台相應具體政策，推動大數據行業的發展。

根據中國信通院數據顯示，2017年中國大數據產業規模(包括數據資源建設、大數據軟硬體產品的開發、銷售和租賃活動，以及相關信息技術服務)為4700億元人民幣，同比增長30%，且預計2020年這一規模有望趕超1萬億，年均復合增速近30%。其中，大數據核心產業規模2017年為234億元，同比增長39%，預計2018年為329億元。

目前中國金融數據體量位居全球第一，其中金融行業數據量是數據的重要貢獻和使用機構，互聯網金融占據相當大的比重，活躍的交易賬戶和交易事項為金融領域貢獻了大量可供挖掘的有價數據。

受互聯網金融的影響，金融行業大數據也迎來了迅速發展，大數據在金融行業正實現全面普及應用。大數據在金融行業的應用，除了傳統的風險管理、運營管理及業務創新外，近年金融行業大數據應用呈現新的趨勢，主要包括高頻金融交易、小額信貸、P2P放款審核、客戶管理、精準營銷等。

隨著大數據發展和應用的持續推進，未來金融大數據行業中的機構和企業將圍繞建立新的金融環境而競爭，主要表現在圍繞生態圈、戰略和產品三個層面的競爭，並由此確定金融行業企業的市場地位及競爭力。因此，金融機構、互聯網企業都不會局限於某一個層面的發展，更傾向於多維度、多層面的布局。

此外，A股上市公司在大數據產業的各個領域布局廣泛，目前A股大數據概念板塊中，有118個標的，但是在各個子版塊中有較強變現能力的龍頭企業的數量卻很少，對於一些概念炒作，沒有核心技術能力的公司，很容易因為一些市場環境的變化，產生大幅下跌，讓投資者蒙受損失。

由此可見，大數據進一步發展急切需要綜合解決方案提供商，專注於利用當代最先進的IT技術推動企業和政府部門在管理和商業模式上的創新發展，提供綜合解決方案，包括運營支撐、大數據、移動互聯網解決方案等。最終形成電信+政府+金融的大數據全面布局。

內生外延布局金融大數據，業務協同發展。在公共安全、運營商等傳統大數據業務將大數據平台和應用技術研發落地，繼而可將經驗快速復制到金融、農業等其他領域。形成強協同效用。

大數據是未來的發展趨勢，現今人人也都可以談一點大數據，任何行業都可以直接間接的與大數據相關聯，但是真正專業應用大數據技術的公司卻也屈指可數，更難辨別出真正具有大數據業務變現能力的企業。

身處信息爆炸的時代，要想透過大數據去發現背後的真相，也並不是一件易事。

術業有專攻，作為企業方需要有意識培養大數據技術和情報分析師等專業人才，而作為個人也要有意識培養情報分析師思維，如此才能真正將大數據為己所用，如此也才能在未來市場的角逐中不被淘汰出局。

未來，每一個人都離不開對於數據的分析。

『肆』 大數據時代如何貫徹情報主導警務

大數據時代通過情報貫徹情報主導警務。情報主導國家安全我國正處於發展與改革的深水區及攻堅階段，境內外針對我國的暴力恐怖等破壞國家安全的重大事件時有發生。要想從根本上打擊、防範針對國慧哪家安全的恐怖活動，就必須重視、發揮公安情報的前森碼作用。安情報分析響應速度必須符春御合秒級定律，要求在秒級范圍內給出分析結果，時間過長將失去情報。

『伍』 如何用大數據做威脅情報

通過信息採集技術可以實現。

信息採集的特點概括為：

♦ 對目標網站進行信息自動抓取，支持HTML頁面內各種數據的採集，如文本信息，URL，數字，日期，圖片等
♦ 用戶對每類信息自定義來源與分類
♦ 可以下載圖片與各類文件
♦ 支持用戶名與密碼自動登錄
♦ 支持命令行格式，可以Windows任務計劃器配合，定期抽取目標網站
♦ 支持記錄唯一索引，避免相同信息重復入庫
♦ 支持智能替換功能，可以將內容中嵌入的所有的無關部分如廣告去除
♦ 支持多頁面文章內容自動抽取與合並
♦ 支持下一頁自動瀏覽功能
♦ 支持直接提交表單
♦ 支持模擬提交表單
♦ 支持動作腳本
♦ 支持從一個頁面中抽取多個數據表
♦ 支持數據的多種後期處理方式
♦ 數據直接進入資料庫而不是文件中，因此與利用這些數據的網站程序或者桌面程序之間沒有任何耦合
♦ 支持資料庫表結構完全自定義，充分利用現有系統
♦ 支持多個欄目的信息採集可用同一配置一對多處理
♦ 保證信息的完整性與准確性，絕不會出現亂碼
♦ 支持所有主流資料庫：MS SQL Server, Oracle, DB2, MySQL, Sybase, Interbase, MS Access等

『陸』 大數據時代的技術資源物聯網雲計算可視化會對景物情報工作產生哪些影響

雲歲殲襲計算並不是一種新型的科學技術！雲計算就是讓用戶通過互聯網去使用在雲端的應用、數據，或服務。資源的整合，軟體化分配！有利於提高效率。人們開發軟體或者使用硬體、享受某種服務都變得很簡單！

大數據的存在讓淘寶、廣告、信息流等的推薦更加演算法化。數據可以去猜人的喜好、洞悉用戶的方方面乎兄面，人們作為個體在大數據面前沒有秘密。大數據對市場的把控、疫病的分析、經濟的解讀等各方面存在影響。

物聯網，顧名改侍思義，萬物物聯。人們可以控製冰冷的機器設備，一切都變得智能化起來，車可以自動駕駛，空調可以用手機打開，燈光可以語音調節等等。

人工智慧是給機器賦予了機器「語言」，深度學習，通過編程讓機器有了類似「人」的功能。比如通過代碼的輸入，機器可以和人進行簡單的語言交流，替人類工作等等

『柒』 如何在大數據時代的背景下將高新科技與情報信息工作相結合

隨著學科的深入交叉融合及社會發展、經濟發展與科技發展一體化程度的增強，情報研究正從單一領域分析向全領域分析的方向發展。
首先，表現在各領域中的情報研究從視角、方法上的相互借鑒。從方法上看，社交網路分析方法、空間信息分析等其他學科的分析方法，廣泛應用於軍事情報、科技情報等領域，心理學等領域的理論也用於情報分析的認知過程，以指導情報分析及其工具的研發。同時，情報學中的引文分析等文獻計量方法也被借鑒用於網站影響力評估。從技術上看，可視化、數據挖掘等計算機領域的技術，為情報研究提供了有力的技術視角，情報研究獲得的知識反過來又給予其他技術領域的發展以引導。可見，無論從思想上、方法上、技術上，各領域之間的交叉點越來越多，雖然這種相互借鑒早就存在，但現在意識更強、手段更為綜合。 其次是分析內容的擴展，這也是最為重要和顯著的變化。在情報研究過程中，不僅僅局限於就本領域問題的分析而分析，而將所分析的內容置於一個更大的情景下做通盤考慮，從而得出更為嚴謹的結論。聯合國的創新倡議項目GlobalPulse在其白皮書「BigDataforDevelopment：Opportunities&Challenges」［7］中指出，情境是關鍵，基於沒有代表性樣本而獲得的結論是缺乏外部合法性的，即不能反映真實的世界。在情報研究領域，一些數據往往因為一些不可抗力的原因而不完整，如早期的科技數據，可能由於國際形勢等外部因素，導致一些國家的科技信息無法獲取，基於這樣缺失的分析樣本來評估該國的科技影響力，如果僅就數據論數據，無疑是會得「正確」的錯誤結論，這時應針對這樣的異常情況，將研究問題放置在當時的時代背景下，揭示背後的原因，從其他方面收集信息來補充，才能得出符合實際的結論。也就是說，必須要考察不同時間戳下的相關信息，再對分析內容加以擴充，這實質是一種基於時間軸的擴展。另外，將內容擴展至本領域的上下游則是一種更為重要的擴展。例如，考察某項技術的發展前景，如果僅就該技術本身來討論，可能會得出正面的結論，但如果結合特定地區人們對該技術的態度、當地的技術水平、物理條件、發展定位等，卻可能會得出相反的結論。這就說明，在很多領域中，環境不同，發展程度不同，要解決的問題也就不同。一些地區當前關注的問題不一定就是其他地區要關注的問題，某些欠發達地區當前不一定就必須照搬另一些所謂發達地區的當前做法。這需要通盤考察，分析相關思想、觀點和方法產生的土壤、使用的條件，結合當前環境再做出判斷，否則可能會對決策者產生誤導。

『捌』 為什麼要考慮大數據環境下企業競爭情報研究的機遇和挑戰

市場競爭大要考慮大數據環境下企業競爭情報研究的機遇和挑戰。在解析失數據的基本內涵和多元價值基礎上，從數據的屬性角度剖析大數據給企業競爭情報工作帶來的機遇。

『玖』 大數據背景下的信息安全問題探討

大數據背景下的信息安全問題探討
大數據具有體量巨大、類型繁雜、處理速度快、價值密度低四大特點，因此，對於個人來說，難以處理極其龐大的數據，只有國家和大型企業等組織或集團才有可能獲取到各種敏感信息；大數據所搜集提取的個人信息可能連本人都不完全知曉，比如個人的行為特徵、語言風格、愛好興趣等。在大數據時代如何保護個人敏感信息或隱私，必將成為高難度的世界課題。
2013年6月，美國前中情局雇員斯諾登曝光了始於2007年小布希時期美國國家安全局和聯邦調查局啟動的代號為「棱鏡」的秘密項目。美國國家安全局通過接入雅虎、谷歌、微軟、蘋果等9家美國互聯網公司中心伺服器，對郵件、圖片、視頻、電話等10類數據進行監控，以搜集情報，監視民眾的網路活動。「棱鏡」項目緣於2004年美國政府的「星風」監視計劃。但是，當時小布希政府由於法律程序等敏感問題而做出讓步，美國本土的監聽項目有所縮減。為了「星風」計劃的繼續進行，小布希政府通過司法程序將「星風」監視計劃分拆成由國家安全局執行的4個監視計劃，包括「棱鏡」、「主幹道」、「碼頭」和「核子」，均交由美國家安全局執掌。「棱鏡」項目用於監視互聯網個人信息。「主幹道」和「碼頭」項目負責存儲和分析通信和互聯網上數以億兆計的「元數據」。元數據主要指通話或通信的時間、地點、使用設備、參與者等，不包括電話或郵件等的內容。「核子」項目負責內容信息的獲取，截獲電話通話者對話內容及關鍵詞，通過攔截通話以及通話者所提及的地點，來實現日常的監控。由此可見，斯諾登不僅揭露了美國的大規模竊聽計劃，更揭示了大數據時代國家信息安全保護問題。大數據的分析與使用，無論對個人（如跟蹤健康狀況防範疾病）、對企業（如了解市場偏好以有效安排產品設計生產營銷）乃至對國家（如防範疫情或恐怖主義）顯然都有巨大的好處，從商業用途來說，谷歌、微軟、雅虎等互聯網公司，完全可以通過它們掌握到的數以百萬計、千萬計甚至億萬計的數據，經由「超級計算」，准確推斷消費者的愛好及習慣、商品的銷售額、疾病疫情的發展趨勢。商業如此，在政治、經濟、軍事等方面亦存在諸多的用途和潛在利益。像「棱鏡」計劃里涉及的谷歌、雅虎、蘋果、微軟等大網站，人們每天由於各種業務需要，會把大量個人信息輸入其中，但常常並不被事先告知數據的用途。而這些數據會被企業或政府用來進行一些特殊的計算或分析，如通過對大數據的分析預測來對人們尚未實施的行為進行懲罰。比如「大數據之父」舍恩伯格曾披露過一個例子：在美國有一個計劃名為「預測式配警」，通過對大數據分析來預測美國某個城市的某條街道的某個時段是犯罪高峰時段，然後在那個位置部署更多的警力。從此該地區居民將長時間被監控，這是一種變相的侵犯或懲罰。他們不是因為做錯事，而是因為某個計算機的演算法預測他們可能做錯事而被懲罰了，顯然這是不公平的。美國國安局擁有的正是類似的一套基於「大數據」的新型情報收集系統，這套名為「無界爆料」的系統，以30天為周期，從全球網路系統中接收到970億條訊息，再通過比對信用卡或者通訊記錄等方式，能幾近真實地還原個人的實時狀況。當然，像谷歌這樣的商業組織也有可能掌握同樣量級的信息而進行商業預測分析。因此，必須建立一套規則予以規范和約束對大數據的收集和使用。第一，雖然這些信息儲存在不同的伺服器上，但這些數據是用戶的資產，擁有權屬於用戶自己而不是這些公司，這是必須明確的，就像財產所有權一樣，個人隱私數據也應該有所有權。第二，利用大數據、雲計算技術給用戶提供信息服務的公司或企業，需要把收集到的用戶數據進行安全存儲和傳輸，這是企業的責任和義務。第三，如果企業或政府要使用用戶的信息，一定要讓用戶有知情權和選擇權，泄露用戶數據甚至牟利，不僅要被視作不道德的行為，而且是非法行為。大數據時代的數據存儲和應用方式是跨地域甚至是跨國界的。作為國家層面要將大數據上升為國家戰略，奧巴馬政府在2012年3月將「大數據戰略」上升為最高國策，像陸權、海權、空權一樣，將對數據的佔有和控製作為重要的國家核心能力。我國也應從國家高度重視大數據，在對其進行安全保護、政策制定需要重視三個方面：一是要正視數據霸權，要清醒認識到我國在網路控制權、關鍵技術和高端設備等方面，還受制於西方。二是要明確主權，數據作為一種重要的戰略資源，無論是個人擁有還是國家擁有，都要納入到主權范圍裡面來考慮。三是要有治權，因為有主權不一定能夠管治。比如：數據存到國外，雲計算跨越國境，可能不在你的主權范圍之內。要區別對待不同的數據，對確需保護的數據，必須有切實可靠的手段進行有效管理。如果做不到對數據的有效管理，大數據就必然面臨失控的危險。政策界定安全責任問題。大數據的安全問題涉及政府、相關企業、網路運營商、服務提供者，以及數據產生者、使用者等方方面面，必須對各自的安全責任有明晰的政策界定。信息安全風險存在於數據的全生命周期之中，從技術思路、產品開發、用戶使用、服務管理，各個環節均要分擔相應的安全責任。監管保障基礎設施安全問題。大數據的發展離不開電信網路甚至工控系統等關鍵基礎設施，其安全可靠同樣依賴於這些基礎設施，受供應鏈全球化、產業私有化的影響，網路與關鍵基礎設施間的安全日趨復雜，一國的大數據可能存放在別國的網路中，一國的基礎設施可能同時服務於多個國家，高度的全球相互依賴性，挑戰著原有的國家主權觀念。所以，關鍵基礎設施的安全監管體系十分重要，我國需要盡快確立對供應鏈的實質性國家安全審查和對基礎網路的常態化安全監管。
網路空間沖突管理問題。大數據的資源價值越來越高，圍繞大數據的爭奪和沖突就越來越激烈。大數據的生成、處理和利用方式，將極大改變各種沖突的表現方式和破壞烈度。通過立法與國際合作應對包括知識產權的保護、網路犯罪的處置、網路破壞活動特別是網路恐怖主義的打擊以及網路戰爭的威脅。

『拾』 大數據在軍事領域有哪些應用

在軍事上，用小數據時代的理念和技術，很難與大數據時代的思維和技能相對抗。面對大數據時代的軍事機遇和挑戰，要麼主動進擊，要麼被動跟進，難以置之度 外。其間的取捨與成敗，首先有賴於思維變革，其要求全體軍事人員尤其是指揮員，更加具備基於體系作戰的系統思維、基於數據模型的精確思維及基於對戰爭進行 科學預設的前瞻思維。
大數據創新了軍事管理方法，且這種創新是全方位的--除了可以提高包含閱兵在內的軍事訓練水平，還可以：
1.提高軍事管理水平
管理大師戴明與德魯克都曾提出：「不會量化就無法管理」。數據的根本價值之一，就是可作為管理依據。大數據應用的特點是強調分析與某事物相關的總體數據， 而不是抽取少量的數據樣本；大數據關注事物的混雜性，而不追求事物的精確性；大數據注重事物的相關關系，而不探求其間的因果關系。
將大數據應用於軍事領域，意味著軍事管理將更加剛性，基本不受人為因素的影響，且更加自動化。所以說，大數據強軍的內涵，本質上是軍事管理科學化程度的提 高，即與小數據比起來，由於有了大數據，軍事管理活動量化程度更高了，工具更加先進了，邊界更加寬廣了，管理質量、效率會隨之更高。
2.豐富軍事科研方法
通常人們研究戰爭機理、找尋戰爭規律的方法有三種，又稱為三大範式：實驗科學範式，在戰前通過反復的實兵對抗演習來論證和改進作戰方案；理論科學範式，採用數學公式描述交戰的過程，如經隱段典的蘭徹斯特方程；計算科學範式，基於計算機開發出模擬系統來模擬不同作戰單元之間的交戰場景。
但是，上述研究範式只能使人們感知交戰的過程和結果，並未有效提高對海量數據的管理、存儲和分析能力。
以大數據為核心技術的辯攜拿數據挖掘模式被稱為第四戰爭研究範式。人 們可以有效利用大數據，探尋信息化戰爭的內在規律，而不是被淹沒在海量數據中一籌莫展。大數據研究範式由軟體處理各種感測器或模擬實驗產生的大量數據，將 得到的信息或知識存儲在計算機中，基於數據而非已有規則編寫程序，再利用包括量子計算機在內的各種高性能計算機對海量信息進行挖掘，由計算機智能化尋找隱 藏在數據中的關聯，從而發現未知規律，捕獲有價值的情報信息。
例如，在第一次海灣戰爭前，美軍就利用改進的「兵棋」，對戰爭進程、結果及傷亡人數進行了推演，推演結果與戰爭的實際結果基本一致。而在伊拉克戰爭前，美 軍利用計算機兵棋系統進行演攜搭習，推演「打擊伊拉克」作戰預案。隨後美軍現實中進攻伊拉克並取得勝利的行動，也和兵棋推演的結果幾乎完全一致。
作戰模擬早已經從人工模式轉變為計算機模式，再加上大數據，戰前的模擬推演，從武器使用、戰爭打法到指揮手段，都可以清晰地顯現，是非常好的戰時決策依據。一旦發現作戰計劃有問題，可以及時調整，以確保實戰傷亡最小並取得勝利。
3.加速型武器裝備面世
大數據在武器裝備上的廣泛應用，意味著武器裝備建設將從重視研發信息系統到重視數據處理與應用的轉變，從注重信息系統的互聯互通到注重信息系統的透明性互 操作的轉變。當前武器裝備的信息化程度越來越高，裝備體系內各個節點之間的信息共享也越來越方便、可靠，但由此也帶來了一些突出問題，如原始信息規模過 大、價值不夠高、直接提取所需信息的難度增加等，從而使得武器裝備體系在信息獲取效率上大打折扣。在這種背景下產生的大數據為解決上述問題提供了有效方 法。
需要說明的是：大數據應用不僅意味著人們要以創新方式使用海量數據，還意味著人們要採用人工智慧技術來處理自然文本和進行知識表述，以替代目前依賴專家和技術人員昂貴而又耗時的信息處理方式。
大數據與人工智慧是一而二、二而一的關系。受益於大數據技術，武器裝備體系將從戰場上的信息使用者升級為高度智能化和自主化的系統。其具體流程為：經 過智能處理後的高價值信息進入戰場網路鏈路後，與戰場網路融為一體的武器裝備體系能實時自動感知面臨的有關威脅，各裝備節點自動感知包括我情和敵情在內的 戰場態勢，在作戰人員的有限參與下高度自主地分解作戰任務，確定作戰目標和行動方案，經過適當的審批流程後執行相關的作戰行動。
在這方面走在前列的仍然是美軍。美軍大數據研究的第一個重要目標是通過大數據創建真正能自主決策、自主行動的無人系統。這一點已在無人機領域實現。美軍希 望無人機可以完全擺脫人的控制而實現自主行動。美軍2013年試飛的X-47B就是這一系統的代表，它已經可以在完全無人干預的情況下自動在航母上完成起 降並執行作戰任務。
4.提升情報分析能力
19世紀初，軍事戰略家克勞塞維茨以人的認知局限為由，提出了「戰爭迷霧」概念。顯然，「戰爭迷霧」即「數據迷霧」。信息戰首先得消除「戰爭迷霧」。信息 戰是體系對體系的戰爭，而這一體系是一個超級復雜的巨大系統，僅諸軍兵種龐雜的武器裝備和作戰環境數據，就足以大到使普通的信息處理能力捉襟見肘；而敵我 對抗的復雜化，更是讓數據量呈爆炸式增長，從而帶來比傳統戰爭更多的「數據迷霧」。可以說，信息化戰爭的機制深藏在「數據迷霧」中。
消除「戰爭迷霧」會提高指揮員的情報分析與軍情預測能力。過去，由於可以掌握的數據不足，戰爭的不確定性很高，指揮員很容易陷在「戰爭迷霧」之中。而大數據最重要的價值之一是預測，即把數據演算法運用到海量的數據上來預測事情發生的可能性。
具體而言，未來完全可能依託大數據分析處理技術和建構模型，通過數據挖掘模式，從海量數據中挖掘出有價值的信息，及時准確掌握敵方的戰略企圖、作戰規律和 兵力配置，真正做到「知己知彼」，使戰場變得清晰透明，從而撥開「戰爭迷霧」，達成運籌於帷幄之中、決勝於千里之外的作戰目的。
對此趨勢，很多國家及其軍隊都極為看重。例如，美軍明確提出，要通過大數據將其情報分析能力提高100倍以上。如果這一目標實現，那麼在這一領域其他國家 與美軍的差距，將難以用簡單的「代差」來描述。美軍通過多年的發展，已擁有全球最先進的情報偵察系統，因為對海量情報數據的分析，曾是美軍情報偵察能力的 瓶頸，而大數據正好能夠幫助美軍突破這一瓶頸。
大數據時代，往往不要求准確知道每一個精確的細節，只需了解事物的概略全貌即可。通過相關數據信息的大量積累，而不是對某個具體數據的精確分析，大數據技 術可以為我們提煉出事物運行的規律，並判斷其發展趨勢。例如，2011年美軍擊斃本·拉登的「海神之矛」行動，就有賴上千名數據分析員長達10年數據積累 的支撐。換言之，是大數據抓住了本·拉登。
5.引領指揮決策方式變革
管理的核心是決策。大數據帶來的重要變革之一，是決策的思維、模式和方法的變革。建立在小數據時代基於經驗的決策，將讓位於大數據時代基於全樣本數據的決策。
決策是進行數據分析、行動方案設計並最終選擇行動方案的過程。軍事決策建立在對敵情的正確分析預測之上，其目的是通過合理分配兵力兵器，優選打擊目標，設計完成任務的最佳行動方法與步驟。
以往的戰爭，做出作戰決策時缺少足夠數據支持，甚至數據本身的真實性、准確性也難以保證。目前信息化條件下的戰爭，各種條件都變成了數據，這就要求指揮人 員必須掌握分析海量數據的工具和能力。以往，指揮人員更多的是依靠經驗進行相對概略或粗放式決策。大數據的出現必將要求指揮人員以全新的數據思維來進行指 揮決策。這種決策將有幾個特點：
一是准確。只要提供的數據量足夠龐大真實，通過數據挖掘模式，就可以較為准確地把握敵方指揮員的思維規律，預測對手的作戰行動，掌控戰場態勢的發展變化等。
二是迅速。大數據相關技術所提供的高速計算能力有助於指揮員更加迅速地設計行動方案。
三是自動化。針對特定的作戰對手和作戰環境，大數據系統可以自動對己方成千上萬、功能互補的作戰單 元或平台進行模塊化編組，從而實現整體作戰能力的最優化；面對眾多性質不同、防護力不同且威脅度各異的打擊目標，大數據系統可以自動對有限數量、有限強度 和有限精度的火力進行分配，以收獲最大作戰效益。
在大數據時代的戰爭中，軍事專家、技術專家的光芒會因為統計學家、數據分析家的參與而變暗，因為後者不受舊觀念的影響，能夠聆聽數據發出的「聲音」。
總之，基於數據的定量決策將和基於經驗的定性決策同樣重要，基於經驗的決策將很大程度上讓位給全樣本決策，基於大數據的決策手段將從輔助決策的次要地位上升到支撐決策的重要地位。
對此，美軍的認識是最到位的。美軍發布的《2013-2017年國防部科學技術投資優先項目》就將「從數據到決策」項目排在了第一位，凸顯了大數據對其指揮決策方式的巨大影響。
6.優化作戰指揮流程
網路日益普及的情況下，信息的流通與共享已不是難題，人們開始關注對信息的認識，及將信息轉化為知識的能力。
與之相適應，軍事信息技術也從關注「T」（Technology）的階段，向關注「I」（Information）的階段轉變；從建設指揮自動化系統 （C4ISR），即指揮、控制、通信、計算機、情報及監視與偵察等信息系統，整體管理「戰場信息的獲取、傳遞、處理和分發」的全信息流程；發展至重視大數 據處理應用，綜合集成數據採集、處理平台和分析系統，統一優化管理「戰場數據採集、傳遞、分析和應用」的全數據流程。即通過對海量數據進行開發處理，大幅 度提高從中提取高價值情報的能力，從而實現對戰場綜合態勢的實時感知、同步認知，進一步壓縮「包以德循環」（OODA Loop），即觀察-調整-決策-行動的指揮周期，縮短「知謀定行」時間，提高快速反應能力。
隨著數據挖掘技術、大規模並行演算法及人工智慧技術的不斷完善並廣泛應用在軍事上，情報、決策與作戰一體化將取得快速進展。在武器裝備上，將特別注重各作戰 平台的系統融合和無縫鏈接，以保證戰場信息的實時快速流轉，縮短從「感測器到射手」的時間差，實現「發現即摧毀」的作戰目標。
比如近幾年迅速發展的無人機作戰平台，其本質就是一個智能系統。其可以成建制地對實時捕獲的重要目標進行「發現即摧毀」式的精確打擊，還能通過融合情報的 前端和後端，使數據流程與作戰流程無縫鏈接並相互驅動，構建全方位遂行聯合作戰的「偵打一體」體系，從而實現了體系化的「從感測器到射手」的重大突破。
7.推動戰爭形態的演變
大數據可以改變未來的戰爭形態。美軍一直追求從感測器到平台的實時打擊能力，追求零傷亡。
由大數據支撐的擁有自主能力的無人作戰平台，將使得這些追求成為可能。例如，目前全世界最先進的無人偵察機「全球鷹」，能連續監視運動目標，准確識別地面 的各種飛機、導彈和車輛的類型，甚至能清晰分辨出汽車輪胎的類型。現今，美空軍的無人機數量已經超過了有人駕駛的飛機，或許不久的將來，美軍將向以自主無 人系統為主的，對網路依賴度逐漸降低的「數據中心戰」邁進。
無人機能否做到實時地對圖像進行傳輸非常關鍵。
目前，美國正使用新一代極高頻的通訊衛星作為大數據平台的支撐。未來，無人機甚至有可能擺脫人的控制實現完全的自主行動。美軍試驗型無人戰斗機X-47B就是這一趨勢的代表，它已經可以在完全無人干預的情況下，自動在航母上完成起降並執行作戰任務。
總之，基於大數據的實時、無人化作戰，將徹底改變人類幾千年來以有生力量為主的戰爭形態。
8.引導軍事組織形式變革
大數據即大融合，它有望打破軍種之間的壁壘，解決軍隊跨軍種、跨部門協作的問題，真正實現一體化作戰。
就組織形態而言，扁平結構、層次簡捷、高度集成、體系融合應該更符合大數據時代的要求。軍事方面的相關趨勢有：
（1）網狀化。軍隊的指揮體系逐步發展為「指揮網」，原先的「樹狀結構」變為 「網狀結構」。一個師的指揮系統一旦被打垮，師以下各級可通過「網」與上級或其他作戰單元聯系。這就改變了傳統軍事指揮體系由「樹干、樹枝、樹葉」編成的 組織形態，避免了機械化戰爭時期「打斷一枝、癱瘓一片」的指揮弊端，有效提高了局部戰爭中的指揮效能。
（2）小型化。發達國家的陸軍多由軍、師、團、營體制向軍、旅、營制轉變，使作戰集團更加輕便靈活，機動性更強。 根據部隊的不同功能優化組合，基本作戰單位不需要加強補充就能實施多種作戰，從而全面提高應對多種安全威脅，完成多樣化軍事任務的能力。將營作為基本戰術 「模塊」，將旅作為基本合成單位，以搭積木方式進行編組，戰時根據需要臨時編組，看迅速生成擔負不同作戰任務的部隊。
世界各主要國家都非常重視軍隊組織形態變革，並致力於發展新興軍兵種，及時設計和建設新型部隊。
2009年，美國國防部宣布組建網路戰司令部。2013年3月，美國網路戰司令部司令亞力山大宣布，美國將增加40支網路戰部隊。美國、俄羅斯等國都在積極籌劃或正在建設能在太空進行作戰的「天軍」部隊、「機器人」部隊。
隨著新興軍兵種的建立，軍隊的組織形態將出現新面貌，未來戰爭的觸角不斷延伸，網路、電磁頻譜領域的爭奪方興未艾，太空不再是寂寞世界，天戰也不再遙遠。
（3）一體化。軍隊信息化必然要求一體化，信息化程度越高，一體化特徵越明顯。適應新形勢下強軍目標的要求，我軍必須對戰鬥力要素進行一體化整合，推進武裝力量一體化、軍隊編成一體化、指揮控制一體化、作戰要素一體化，提高整體效益。
9.大數據將使體系作戰能力大幅提升
從作戰手段角度看，大數據及其支撐的新型武器裝備的應用，將豐富軍隊的作戰體系；從作戰效能角度看，大數據下的作戰行動循環（包以德循環）所耗時間將大為縮短，更符合「未來戰爭不是大吃小，而是快吃慢」的制勝規律。相關變革的結果，將是軍隊體系作戰能力大幅提升。
10.提升軍隊的信息化建設水平
大數據給了各國軍隊（尤其是像我軍這樣的信息化發展水平參差不齊的軍隊）一個契機，可以牽引、拉動自身的信息化建設向更高層次發展，同時拉齊整體水平，因為大數據意味著「整體」。
具體來說，應以提高決策速度、反應速度和聯合作戰能力為目標，以數據為中心，以搜索分析處理數據為中樞架構，自上而下建設軍事「數據網路」；加快組建雲計 算中心，把對大數據分析處理作為軍事信息化建設的重中之重，努力建構精確分析處理大數據的硬體系統、軟體模型，實現大數據「從數據轉化為決策」的智能化和 瞬時化。
同時，也要抓好末端的單兵及單件武器裝備的數據採集、存儲設備設計，從而為海量數據的挖掘和整合奠定基