大数据分析在作战指挥中的困局与对策

刘敬学

摘 要：当前，大数据分析在作战指挥中的作用越来越突出。然而，大数据分析有时也会对作战指挥产生不利影响。该文针对大数据分析的特点和作战指挥对大数据分析的需求，对大数据分析在作战指挥中可能存在的困局进行了简要分析，并提出了破解困局相应的对策。

关键词：大数据分析  作战指挥  困局  对策

中图分类号：G64          文献标识码：A 文章编号：1674-098X（2015）10（c）-0029-02

目前，很多国家已把大数据上升到国家战略加以推动，夺取“数据主导权”的重要性日益突出。未来影响、决定军事行动的核心是数据。在信息化战场上，不同侦察平台搜集的情报、作战指挥中心的各条指令、作战力量的实时反馈信息等，都是以数据的形式存在并发挥作用，这些数据不仅量很大，而且类型多样，来自多源，且以实时、迭代的方式来实现[1]。正因为如此，数据的积累、数据存储能力、数据分析和处理能力无疑将成为获取战场优势的决定性因素。因此，大数据分析已成作战指挥的核心要素之一。但是，正如条形码的应用存在缺陷一样，最新的大数据分析也可能导致误入歧途[2]。

1 作战指挥中大数据分析的特点与作用

一般来说，大数据具有数据类型多样、数据处理高速、数据规模海量和数据价值密度低等特点[3]。在作战指挥中，从数据到决策的时效性要求高，要求在规定的时限内挖掘出高价值的辅助决策信息，这对其大数据分析提出了严峻挑战。

作战决策是作战指挥的核心，大数据之所以引起作战指挥领域的高度重视，其重要原因在于大数据直接瞄准作战指挥的核心。作战决策过去是科学技术较难渗透的领域，基于指挥员直觉和经验判断的决策模式一直占据主导地位，这也被一些人认为是作战指挥的“软肋”。大数据分析通过创新式挖掘海量数据，形成从数据到决策的快速反应链路，从而构建以诸军兵种、战场环境间数据共享为基础的自主式决策支持系统，化数据优势为决策优势，以技术驱动指挥决策模式的变革。目前，在作战指挥领域，针对作战数据的分析处理能力还很薄弱，加强大数据分析不仅能为作战指挥提供有价值的决策信息，而且有助于快速建立从数据到决策的指挥链路、有效解决指挥信息流通的一些“瓶颈”问题，以确保夺取作战的“数据主导权”。

2 大数据分析在作战指挥中可能存在的困局

在信息化战场上，事物之间的关联性越来越普遍;但许多关联隐藏很深，仅靠直觉和经验判断难以发现。相关关系是大数据分析的核心。一般来说，两种数据的相关关系可通过当一种数据产生变化时引起另一种数据的变化程度来衡量，变化程度越高，说明这两种数据的关联度就越高。大数据分析通过识别有用的关联物来进行分析，关联物数量越多，种类越丰富，分析的综合程度就越高，判断预测的准确性也就越高。在作战指挥领域，大数据分析主要通过对战场大量的、相互关联的终端产生的数据进行相关关系的分析，进而形成判断、得出结论，并做出预测。

然而，在作战指挥中，由于从数据到决策的高时效性和高对抗性，大数据分析可能存在以下困局：

由于全样本数据需要更多的时间去分析，采用全样本数据分析有时难以满足作战决策的高时效性要求[4];此外，作战数据难免会包含一些不良信息;因此，如何动态地组织数据样本既使其数据价值密度提升又使其分析能满足作战决策的时效性要求是一个十分棘手的问题。

大数据样本不仅耗费更多的时间去分析，它们往往还包含所含个体的许多不同信息，从统计学的角度讲，这意味着这些样本是“高维的”，而更多的维度增加了获得欺骗性关联的风险。在作战指挥中，一旦大数据分析得出的分析结论包含了欺骗性关联的信息，可能给作战决策造成严重的不利影响，而发现欺骗性关联绝非易事。因此，防范欺骗性关联是作战指挥中大数据分析面临的一个难点问题。

上述兩个问题是作战指挥中大数据分析迫切需要解决的问题，否则作战指挥中大数据分析的可靠性难免将遭受质疑。

3 破解作战指挥中大数据分析困局的对策

作战指挥产生大量、异质结构的数据集，为了提高大数据分析的时效性，应在作战决策知识情景库的引导下动态地组织样本数据集。作战决策知识情景库应该包含战场态势的框架性信息。一般来说，为便于激活数据关联，作战决策知识情景库包括主题关键词表、子主题关键词表和配属关键词表。一个主题关键词代表战场情况的一个重要方面，它对应若干子主题关键词，而一个子主题关键词又对应若干配属关键词，配属关键词通常代表局部的细节。对作战决策来说，一条高价值的预测结论通常有一个主题，并且还与其它主题相关;因此，用于分析的样本数据集应包含与所涉及主题所有配属关键词相关的数据，并过滤掉失效或虚假的信息。作战决策知识情景库既是动态组织样本数据集的牵引，也为样本数据集的数据挖掘提供了导向性信息[5]。利用作战决策知识情景库动态组织样本数据集提高了数据质量和整体一致性，避免了无关数据的干扰，无疑使数据分析更有针对性，也更有效率。

在作战指挥的大数据分析中，为了避免分析结论包含欺骗性关联的情况发生，需要对分析结论进行检验，以证实结论中每一项关联的真实性。竞争假设分析法是一个有效的证伪方法，它将结论中每一项关联看作一个假设，平等地对待各个假设，通过寻找证据反驳假设的方法来识别假设，只有不能被驳倒的假设才被接受是真实的。竞争假设分析比较适合用于对分析结论进行检验[5]。客观地说，利用竞争假设分析法对大数据分析结论进行检验需要建立相应的评判标准、规则和知识库，并设计相应的数据挖掘算法;这本身就是一项具有挑战性的工作。值得强调的是，对分析结论中的关联进行识别不仅能有效防范因数据的多维度产生欺骗性关联的风险，而且能避免因过度关注某一类数据（如最新的数据）而陷入“一维”视角。对作战指挥的大数据分析而言，对分析结论进行检验无疑会提高其质量，也是其不可缺少的一部分。

4 结语

在信息化战争中，指挥人员可以有效利用大数据探寻信息化战争的内在规律，而不是“淹没”在海量数据中一筹莫展。因此，大数据分析在作战指挥中的作用越来越突出。为了快速为作战决策提供高价值的情报，大数据分析必须解决动态组织样本数据和对分析结论进行检验的难题。当前，作战指挥领域大数据分析的研究方兴未艾，有许多难题尚待解决。面对诸多困难与挑战，只有调动多方力量，充分吸收并借鉴各相关领域研究的方法或成果，勇于探索和创新，才能实现大数据分析有效服务于作战指挥的目标。

参考文献

[1] 张元涛，郭武君.大数据与作战指挥发展[J].国防大学学报.2014（8）：68-70.

[2] David Meer.跳出大数据分析误区[J].董事会，2013（1）：91-92.

[3] 张春磊，杨小牛.大数据分析（BDA）及其在情报领域的应用[J].中国电子科学研究院学报，2013，8（1）：18-22.

[4] 王本胜，殷阶，朱旭.指挥信息系统大数据技术发展趋势[J].指挥信息系统与技术，2014，5（3）：12-16.

[5] Jing-Xue Liu， Yun-Yao Yi. Research for All Around Battlefield Situation Assessment [C]. 2011 3rd International Asia Conference on Informatics in Control， Automation and Robotics，2011：569-575.