大数据背景下的实验室建设探索

马莉 张勇

摘要：近年来，随着大数据技术的高速发展，大数据的处理模式和管理理念被很多领域的优秀人员借鉴使用。针对现在很多实验室存在数据规模小、管理模式落后等问题，可以将大数据的先进技术手段引入，通过整合数据、资源共享、平台管理等进行优化，提高工作效率，建设一个技术先进、数据丰富、不断创新的实验室环境。

关键词：大数据;策略;实验室建设

中图分类号：G647 文献标识码：A 文章编号：1674-9324（2020）21-0384-02

随着我国综合实力的增强，各类实验室的研究也随之深入，但是实验室所涉及的知识十分复杂，仅以人类的思维水平很难达到理想效果。而大数据作为互联网时代的产物，具有种类多、容量大、真实性、可利用价值高等特点，所以在大数据的背景下进行实验室建设是必要的，本文在大数据背景下研究探索了关于实验室建设的诸多问题。

一、大数据

（一）大数据的含义

大数据一般指无法在一定时间内用常规软件工具进行捕捉、管理和处理的数据集合，是需要用新的处理模式才能具有更多能力的多样化信息资产。根据研究表明，大数据具有大量、高速、多样、低价值密度、真实性等特征，这些特征在技术的加持下在诸多领域都有所体现。随着计算机技术的发展，数据经过长达数年的累积，大数据的迅猛发展已经呈现出几何式增长趋势，就如同阿里巴巴创始人在演讲中说的：“未来不再是IT时代，而是DT时代。”DT代表的是数据技术，这也就表明阿里巴巴对于大数据的看重，也说明了未来生活中大数据的重要性。

（二）大数据的特征

大数据具有大量、高速、多样、低价值密度、真实性的特征。这些特征具体指的是什么呢？

大量：说明大数据需要包含从最小的基本单位bit到最大的基本单位DB之间的数据，甚至要保证在传输过程中不会出现错误从而确保数据的完整性、可靠性与精准性。

高速：说明大数据在一定的时间限制下需要高速准确地进行数据处理。通常大数据的信息规模比较庞大，所以需要安全与高效的网络通信。

多样：大数据包含了结构化、半结构化和非结构化的数据，这是大数据多样性的一种表现，多样性的数据可能会产生冲突，所以在管理数据时要将加强对各类数据的管理能力。

低价值密度：这里的低价值不是说大数据的价值低，而是指在利用大数据处理问题时，可以做到用低成本得到高价值的一种特征。例如，通过海量的数据分析与数据处理可以做出疾病预防、生活娱乐、节目制作等有益于日常生活的事情。

真实：大数据的获取途径多由计算机获取的数据为准，这就可以保证数据获取的真实性，利用获取的数据可以利用数据挖掘技术规避诈骗行为。

二、实验室存在的问题

（一）知识分散，缺少整合

我国对于实验室的研究一直保持探索状态，因此很多大学等组织建立了实验室以更好地发展空中事业。但是实验室涉及的知识种类过于烦琐，很多实验知识与理论知识过于分散，导致知识衔接困难，例如当让学生进行管制模拟系统训练时，管制规则记忆等方面的知识会耗费学生的大部分精力，使他们忘记前面所学的知识，而重新学习又会耗费学生的精力，因而最终造成训练效率不高、效果不好等负面影响，这就是学习知识分散、缺少整合造成的不良后果。

（二）管理体制滞后

很多实验室的运行主要依托于其他大型教学科研实验平台，这种依托其他平台独立进行实验的模式会导致实验室建设资金减少、实验室设置重复等问题，单位在组织实验室建设时会存在教育资源不均，相同体制实验室竞争的问题。这些问题究其原因是实验室管理体制的滞后，所以在建设实验室时要设立相应的奖惩制度与考核手段以便于将实验室的资源、设备和场所高效地利用起来。

（三）缺乏协同训练培养

目前的实验室多在高校建立，高校为了更好地发展空管事业，对学生的针对性训练做的很多，理论知识的传授方面也做得很好，但是每个学校都在致力于自己学校实验室的建设，导致数据共享资源相对匮乏，造成了不能协同训练培养优秀人才的问题。例如2012年中国民航大学管理类实验室首次尝试自主研发塔台以达到雷达模拟管制设备的联网协同目的，期间取得了很多好的经验，但是由于缺乏数据管理支持，这种尝试仍然处于初步阶段。所以缺乏协同训练培养是现在空管实验室建设的一大难题。

（四）缺乏优秀人才

科研事业的优秀人才指的是：具备丰富的理论知识、掌握现代设备使用与维修技术的能够在实验室建设和服务上做出常人无法掌握的创新性技术人才。目前的实验室课程教学有重理论轻实践的倾向，在这种模式下实验室的管理人员会跟不上时代与科学发展的变化，不能为实验室工作提供准确无误的服务。科研团队想要取得成就需要获取更多的优秀人才并将其培养成为专业的核心人才，只有这样实验室建设事业才会在国际的科研竞争上取得一席之地。

（五）资源获取困难

目前实验室的实践模式过于单一，实验室需要的知识可能涉及很多学科领域，但是获得知识的渠道缺乏广泛性，这就导致实验人员进行科研时会遇到难题无法解决，花费时间较长和实验效果不佳等问题。

三、大数据背景下对实验室建设的优化建议

（一）學科整合，系统学习

我们身处大数据云时代，进行专业化知识学习要以大数据技术为手段，进行学科整合并系统地学习。实验室所需要的学科种类繁多，通过大数据背景下的“云处理”方式搭建数据处理平台将学科知识系统的综合，让学员在不花费大量精力的前提下有效地学习知识。

（二）加强管理，优化资源

针对大数据的多样性特征，通过大规模并行处理数据库技术为高校实验室提供有效数据，减少因依附大型实验室造成的资金分散、数据缺乏等问题，令实验室的设备、资源有效地被利用。在研究实验室存在的问题中提道：实验室缺乏管理制度与管理手段，通过大数据背景下的数据分析技术可以将实验室的数据进行准确分析，从而达到公平公正和资源优化的效果。

（三）资源共享，协同发展

实验室面临着数据资源短缺的问题，利用大数据背景下的分布式处理技术搭建大数据科研交流平台，将理论知识、实践感受和学习心得分享在上面可以拓宽各个实验室的眼界并积累经验，达到各部门实验室协同发展的效果，对实验室的建设起到促进的作用。

（四）提高科研水平，培养优秀人才

现阶段，实验室需要大量具有丰富理论知识的实用型优秀人才，利用大数据技术精准获取人才培养需要的理论知识，以实验室转型和发展为目标，探索实验室整合、资金重组和新型服务模式的整体实践方案，为实验室建设培养出能够提高科研水平的实践能力强的优秀人才。

（五）改变资源获取渠道，提高效率

实验室实践模式单一、获取知识途径缺乏是亟待解决的问题。在大数据背景下利用数据挖掘技术将实验室所需要的知识发掘并进行储备，为科研人员提供智力支持，由于实验室涉及很多类型的数据以及复杂的相关关系，使得查询速度低，获取数据慢，利用大数据技术带来的云搜索和数据库技术可以快速地将所需要分析的数据进行解析，这就大大提高了数据管理、查询的效率。

结束语：

大数据时代的到来是我们意料之中的事情，大数据技术的发展是我们喜出望外的结果。当今世界实验室的发展是每个国家的必然需求，虽然现存实验室仍然存在很多问题，但在大数据的背景下，研究实验室的建设会更加便利、高效。本文以实验室存在的问题为主要研究内容，提出了大数据背景下实验室建设的一些建议，希望可以为研究该领域的学者提供参考。

参考文献：

[1]周铎，贾兰，赵光，孙婷.面对大学生的开放性实验室建设的构想[J].辽宁工业大学学报（社会科学版），2017，19（01）：136-138.

[2]張彬，赵景惠.大数据时代下数据分析理念的辨析[J].明日风尚，2017，（08）：357.

[3]蔺伟.高校创新创业实验室建设路径探讨[J]. 实验技术与管理，2017，34（2）：238-241.

Abstract： In recent years， with the rapid development of big data technology， the processing mode and management concept of big data have been used for reference by excellent personnel in many fields. In view of the problems of small data scale and backward management mode in many laboratories， advanced technologies of big data can be introduced to optimize work efficiency through data integration， resource sharing and platform management， so as to build a laboratory environment with advanced technology， abundant data and continuous innovation.

Key words： big data; strategy; laboratory construction