加强武警院校学员数据素养培育提升大数据时代战斗力

燕杰

（武警工程大学，陕西 西安 710086）

科学技术是第一生产力，21世纪的竞争归根结底是人才的竞争，武警部队除了掌握传统学科知识外，还要具备对数据的敏感性，以及对数据的收集能力，数据的分析、处理能力，利用数据进行决策的能力、品质、素养以及有关数据批判性思维。即使未来信息化战争开展，人总是在战斗系统中最活跃的主导因素。信息社会的发展要求人们在新的时代，在传统认知的基础上，对数据素质的拓宽和提升进一步加强。武警院校以人才培养为基础，以为武警部队培养合格的指挥官和专业技术人才为核心，以完成执勤、处突、反恐怖、海上维权、抢险救援及防卫作战等使命任务，并扩大国家主权和国家安全，为了适应发展和挑战并存的时代，对武警部队生长干部学员的数据素养训练就显得更为关键。

一、武警院校学员数据素养培育的必要性

习主席强调，要提高我军信息化条件的威慑力和实战能力。在互联网时代，基于信息的作战行动已经愈演愈烈。逻辑炸弹，网络病毒和黑客攻击等网络战武器已迅速进入实际应用领域。”制网络权”已成为”制信息权”的核心。毛主席深刻指出，武器是战争的重要因素，但它们不是决定性因素。决定因素是人不是东西。在云计算之后，大数据时代即将到来。在未来的信息战对抗中，人的素养，特别是每一名战士的对数据的掌握和把控的能力，对战争的走向也起到了关键性的影响。因此，有必要跟上时代的步伐。作为维护国家安全的专业人士，数据素养的培养必须以实践的方式落到实处，必须不断探索新的领域，以保持新时代的新战斗力。只有官兵具有优秀的信息素养，网络翅膀更加雄健，信息羽翼更加丰满，才是一支强有力的信息化部队所必须的，才是占据和捍卫信息化作战核心所必须的，在”第六维战场”中开疆拓土、战无不胜。

发达国家数据的收集，管理，分析，开放和共享一直受到高度重视，大量的社会资源也在推动其不断进步。冈特（G.A.Gunter）早在2007年就开始研究数据素养并发现其具有重大的战略意义，指出学生应该发展数据素养，提高他们在21世纪的基本思维技能，并提出发展数据素养的培养战略。近年来，各类研究机构和研究基金也在美国的数据素养培养方面投入大量人力物力财力，并且已从理论研究阶段逐渐步入实践落地阶段。

联合国曾发布题为”大数据对发展中国家的机遇和挑战”的报告，在2013年2月，中国科学技术部提出的国家重点基础研究发展规划中明确指出：重点是支持信息科学领域大数据计算的基础研究。武警部队院校的信息化建设一直是军队信息化建设的重要组成部分，但起步较晚，投入较少，整体信息化水平还处于奠基阶段。因此，加强数据素养的培养，为未来奠定理论和实践基础就显得尤为重要。

二、大数据时代武警院校数据素养的着力点

大数据时代应着重于数据的收集、存储、传输以及处理。利用大数据的处理结果，优化和引导工作的实施与开展，可以方便地实现信息化建设的高层次的跨越，主要的发力点如下所介绍:

（一）运用最新技术手段获取足够的数据

大数据的一个重要特征是单位数据所蕴含的信息量相比传统数据而言较少，如果数据量维持在较小的水平，发现数据背后所蕴含的价值也是一件困难的事。在实际操作过程中,丢失的每一个数据都是价值损失，尤其是部队院校的数据，具有价值密度高、易于挖掘其内涵等特点。因此，武警学院的信息化建设应投入到数据采集过程中，应注意利用最新技术获取各类或复杂或简单的数据，如物联网，智能课堂、智能校园、电子书包等相关技术，获取校园设施，设备和建设运营数据，例如利用移动互联网相关技术，获取学生和教师数据，利用课堂视频拍摄分析技术获取实时课堂数据等，为学院的发展决策和教育水平的提高提供量化决策支持。

（二）建立大量数据的使用规范、模型

大数据的价值主要体现在使用，例如使用在特定工作系统，使用在机构的综合决策、教学效果的评估，使用在教学中，使用在受教中，这样才能真正反映大数据的价值。使用大数据的基础在于数据使用的规范和模型。只需扩展业务应用系统构建规范，系统建模，接口标准化，系统架构和数据的可操作性强，数据易于使用，数据才能得到充分利用。因此，武警学院的信息化建设应该在数据使用规范和模型上加大力度。同时，要注意系统模型和接口规范的建立，注重各系统之间的信息共享，互通和集成，为使用数据奠定基础。

（三）构建高度可扩展的数据存储和处理平台

大数据的基础来自于数据的处理和存放。在武警部队高校信息化建设过程中，数据存储和处理将以应用系统的需求为主要目标，所以存储和处理数据的能力也应当基于应用程序系统中的数据量、用户量等。在大数据中，应用系统生成的应用数据量通常很少，运行过程中的产生的数据量才是很大的，这种现象很容易导致数据存储和处理能力的低下，且并不能满足大数据时代的需要，所以需要在投入和产出之间的做出平衡。对平衡来说，可扩展性的提升是至关重要的，信息化建设的进程中，各类院校在搭建数据存储中心和数据分析平台中，应提前考虑好未来的可扩展性，确保未来的中心和平台能够进行平滑地过度到更先进的运作模式，并且不会提高成品或者产生使用上的断层，而且不会浪费当前的存储和处理能力。例如，常见的网络结构 SAN(Storage Area Network)和 NAS(Network Attached Storage)相比，NAS的可扩展性要优于SAN，因此也更适合高校信息化建设中数据存储平台的建设。为了保证高校信息化建设中投入与产出性能的平衡，与大数据时代的特点相匹配，应特别注意建立数据存储和处理平台的过程中的扩展，使信息化建设的投入产出比达到最高。