基于大数据的后勤信息服务平台研究

侯哲威　杨岭　王伟亮

摘要：本文通过对大数据应用的发展现状及后勤信息服务需求的分析，提出了建设基于大数据的后勤信息服务平台的体系架构、主要功能及工作流程，并对其在未来后勤信息服务及后勤信息化建设中的应用进行了深入分析，将有利于推动建设向信息化转型的后勤，实现由经验分析模式向数据决策模式、由单纯数据管理向数据产品生产、由辅助决策资源向后勤战略资产管理的转变。

关键词：大数据 后勤 信息服务 平台

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2016）06-0000-00

近年来大数据已经成为社会各界关注的热点话题[1]。大数据的特点主要包括：一是数据体量巨大，通常指10TB规模以上的数据量；二是数据种类繁多，除传统的关系型数据还包括以网页、视频、音频、电子邮件、文档等形式存在的未加工的、半结构化和非结构化的数据；三是数据流动速度快，形成流式数据；四是价值密度低，数据量呈指数增长，但数据中的有用信息并未同比增长，获取其中有用信息的难度加大。大数据的分析任务将更加复杂，更须追求速度、注重实效[2]。

当前，大数据的研究和应用已成为各行业数据研究的重点。在后勤信息服务领域，随着各类后勤信息服务系统、保障态势视频监控数据呈井喷式增长，已显现出大数据的典型特征。如何对如此大规模的数据进行智能、高效的组织管理和分析处理，在海量信息中提取有用信息，挖掘后勤保障相关的各种行为特征，实现后勤保障的针对性、精确性以及决策的正确性等，已成为当前后勤信息化建设急需解决的难题。针对这些难题，急需转变数据处理模式，构建基于大数据技术的后勤信息服务平台。

1大数据应用技术及后勤信息服务现状分析

大数据是一个涵盖多种技术的概念，涉及计算机、应用数学、统计等众多学科领域，包括数据分析、数据挖掘、数据处理、数据管理、数据可视化等技术。其中，数据分析技术是包括机器学习等人工智能、商业智能技术，涉及关联规则挖掘、聚类分析、遗传算法、神经网络、关联规则学习等。数据挖掘技术是采用结合数据库管理的统计和机器学习方法，从大数据集合中提取其规律模式的技术。数据处理技术通常包括内存计算技术、流处理技术、分布式计算技术等。数据管理技术包括数据库技术；数据抽取、清洗、过滤技术；数据融合技术等。数据可视化技术信息流展现技术、历史流回放技术等。此外，还包括贯穿大数据平台建设始终的数据安全技术。目前，国内主流的大数据信息服务平台是通常采用基于并行数据库和MapReduce的混合架构，基于虚拟化管理技术和Hadoop平台构建动态可伸缩的海量数据处理平台。应用业务领域涵盖：情报信息数据挖掘、企业运行数据分析、海量电网数据处理等等。

后勤业务领域中的保障态势数据、各业务系统实时产生的数据呈爆发性增长趋势，具有非常典型的大数据特征。面对后勤业务大数据，后勤信息服务平台面临一下难题：1）如何对海量态势视频类大数据进行高效组织和智能分析处理？2）如何从海量专业和外围数据中获取支持各后勤业务的关联特征？3）如何应用大数据来辅助后勤人员研判各类保障需求、进行指挥决策并快速开展后勤保障行动？同时，如何发掘现有的信息资源价值，提高后勤大数据的利用率也是当前后勤大数据应用关注的重点问题。结合以上需求分析，针对后勤领域视频、图像数据规模大、数据关联性强等特点，亟需基于大数据技术研究构建后勤信息服务平台。

2基于大数据的后勤信息服务平台构想

针对后勤领域实际业务中快速开展大数据分析处理的应用需求，以及视频、图像等非结构化数据所具有的容量大、多样性、非结构化、冗余度大等特点，应构建横向扩展，具有分布、并行、高效特点的后勤大数据信息服务平台。

后勤大数据服务平台在逻辑上表现为一种层次架构，自上而下包括基础数据、应用层、应用数据处理层、数据存储层、中间件层和资源层。其中贯穿所有层次还包括相应的安全机制、规范和标准。系统结构及关系示意图如图1所示。

2.1基础数据层

基础数据层是后勤大数据服务平台的基础，位于整个框架结构的最底层，其作用是提供量海量、丰富、全面的基础数据。结合后勤业务数据来源渠道，将其分为核心数据和外部数据。

核心数据库的主体是后勤业务内部各部门建设的专项数据库，涵盖了分散在各个后勤业务系统的各类信息资源，是实现后勤专业信息服务的基础。外部数据是基础数据层的主要组成部分，源自网络、媒体、相关院校或研究机构公开发表的文献材料，内容覆盖了研究对象的政治、经济、外交、文化、宗教、科技、教育、卫生和地理等领域，从中提取出与后勤业务相关联的数据信息。这类信息获取门槛低，技术简单，但来源广、种类多、数量大。

2.2数据处理层

该层是应用层和基础数据库层的中间层，是后勤大数据的翻译器、中转站和缓存。其主要功能是将基础数据层的各类原始资源信息进行加工处理，根据用户层的信息需求，对进行抽取、筛选、暂存，形成应用数据，为后续应用提供数据支撑，同时也为快速的数据调用提供支撑。数据处理层由一系列数据连接池组成，具体连接池内容的分配，则根据应用数据层的需求以及基础数据来源、种类和处理特点来确定。

2.3数据服务层

数据服务层是后勤大数据服务平台的核心。其主要功能是利用大数据技术对处理层汇集的大数据进行快速筛选和处理，形成面向各专业、各层级用户的针对性和预见性的信息服务产品。数据服务层有5项主要功能：分别是服务生成、服务发布、服务查看、服务定制和服务管理，具体任务的分配根据用户需求、应用数据种类、数据处理算法和处理特点确定。

2.4用户层

用户层是后勤大数据服务平台的后勤业务决策者和专业人员，他们是服务需求的提出者和服务产品的使用者。该层的主要功能是：根据不同角色、专业的用户需求，设计属于用户自己的页面，为不同用户提供个性化的精准服务。

3基于大数据的后勤信息服务平台潜在应用价值

基于大数据的后勤信息服务平台将承载以下应用：

第一，为后勤信息化建设提供了强大的技术支撑。在大数据条件下，涵盖需求和供给，行动任务与后勤保障的海量信息，利用数据挖掘、大数据并行算法等的大数据核心处理技术，实现跨时间和空间的海量数据的自动搜索，获得有价值的信息，挖掘后勤需求和保障中的规律，从而有效消除由需求和供给的不确定性而导致的重复申请、重复采购、库存积压、无效运输和保障效率低下等问题，实现“需求实时可知、资源全程可控”。可见，数据技术打破了数据壁垒，实现全数据的融合共享、实时感知、全样本分析和深度挖掘，为后勤信息化建设提供了更好的环境、条件和技术方法。

第二，为后勤科学管理和决策提供了辅助手段。在信息化时代，不能再依靠经验和直觉作出各类决策，取而代之的是通过对全样本数据的挖掘与分析，实现样本的决策向给全样本决策的转变，经验决策将向实证决策转变，确保决策更加及时而准确。因此，大数据不但可以改变后勤保障方法的认知方式，更重要的是可以为后勤科学管理和决策提供辅助手段。可见，大数据预测技术与传统数据分析技术的有机结合，将极大后勤管理和决策的预测精度、效率和时效性。

第三，为后勤信息化建设提供了全新的思维模式。大数据带来的不仅是技术上的变革，更是思维模式和方法的变革。这种变革，正如迈尔·舍恩伯格教授所指出的，大数据要求人们改变对因果关系的追问，转而追求相关关系这种思维的转变将是革命性的，大数据带来的这种创新思维模式对后勤信息化建设的推动作用甚至于会超过大数据本身。

4结语

大数据是创新、竞争和生产力的新前沿，是切切实实可以用来服务于各类企业或广大用户的新颖技术。本文针对目前后勤信息服务的建设需求，提出了基于大数据的后勤信息服务平台的关键技术、体系架构和系统流程，实现了对各类后勤数据进行收集、转换、综合和管理，对所有的信息接入、信息应用等活动实施控制，并提供相应的辅助决策支撑。但是现阶段，距离实现支撑大数据的融合、各种各样的复杂查询与分析挖掘以及人人都能从中挖掘出新的价值的愿景还有很大距离，还有很多的内容有待进一步研究。

参考文献

[1]James Manyika， Michael Chui. Big data：The next frontier for innovation[J]. competition and productivity，2011.

[2]维克托·迈尔 —舍恩伯格，肯尼思·库克耶（著）.盛杨燕，周涛（译）.大数据时代：生活、工作与思维的大变革[M].浙江人民出版社，2012（12）.

[3]邬贺铨.大数据时代的机遇与挑战[J].信息安全与通信保密，2013（3）：9-10.

收稿日期：2016-03-15

作者简介：侯哲威（1979—），女，汉族，吉林松原人，研究生，研究方向 ：大数据 信息化。