本文介紹了大數據基本特征及國防大數據示范項目，并提出國防領域大數據擴大與發展過程中需要注意的事項。第一、大數據的應用必須夯實大量數據甄別/存儲、培養數據專業人才等基礎。第二、大數據的應用必須源于明確的、具體的目標。第三、大數據應用需能夠感知危險，并加以有效應對。

大數據應用的基本前提是大量數據的存儲。不過，在推進大數據應用項目的過程中，我們需優先考慮是否擁有支撐大數據分析的“優質的大量數據”。問題是大數據應用的后來居上者——公共部門并不是基于積累的數據來考慮如何嘗試大數據方法論，而是先大步追隨“大數據應用”的宣言口號，然后再去尋找相關數據。顯然，這是本末倒置，把主要的和次要的、本質的和非本質的關系弄顛倒了。在這種背景下，很多人錯誤地認為，大數據是體量大、結構單一的數據集合，不需對數據的性質、特性、數據的出處等進行深入研究，只要將盡可能多的數據整合到一起，就可以在較短時間內生成能夠獲取有意義結果的大數據。事實上，大數據的描述價值與數據規模并不呈正比例關系。數據分析中有“垃圾進，垃圾出(Garbage in, garbage out)”的說法，即無論數據的量有多大，只要輸入的數據 (in-put)是錯誤的，就只能得出錯誤的結果(out-put)。與此相反，即便數據的規模相對較小，只要積累的是優質數據，就能比無用的大量數據發揮更大的作用。

下面圍繞韓國國防部組織實施的大數據應用前期研究工作中的“軍營安全預測模型開發”項目展開分析。該項目的目的是基于國防研究院（KIDA）新兵人格調查(NMPI:New Military Personality Inventory)的調查數據、陸軍團行政信息系統中的生活信息、陸軍憲兵隊調查資料中的事故信息、調查本部國防幫助熱線的談話內容等，提供各部隊的各階段軍營安全指數，以此來防范重大惡性事故的發生。問題是對于這一預測模型的過度自信及對統計數據的濫用和誤用，有可能會帶來很多副作用。舉例來講，拿到軍營安全指數危險報告的部隊指揮官，有可能會將工作重點放在篩查危險人物上，從而忽略打仗這一部隊的根本職能。此外，為了歪曲和控制軍營安全指數，有可能對不適應軍營生活的新兵重新進行人格調查，或向團行政信息系統輸入與實際情況完全不同的生活信息。這種對數據的隨意歪曲和篡改，勢必會醞釀更大的事故或更大的災難。

圖1.大數據應用情景分析方向

此外，從分析技術層面來講，還能為“以當前技術能否進行分析、隨著數據增加能否提高預測準確度”等的判斷提供有效支持。對上述事項的決策結果，能夠使大數據應用分析的綜合情景具體化。可以講，大數據應用情景可保證項目的整個過程是一定的、具有持續方向性的，這對于結果的有效生成會起到重要作用。從圖1可以看出，大數據分析目的對大數據應用情景的決定過程產生重要影響。

大數據分析與應用的目的是項目各階段進行重要決策與狀況判斷的基本依據。首先，需根據“明確的大數據應用目的”來判斷數據庫中什么數據是有用的優質數據。隨著韓國國防領域計算機化、網絡化的加快推進，各種信息系統整體涌現，越來越多的數據在相應的數據庫中不斷積累。當然，這些數據在各自信息系統中運行是不會有什么大的問題。但是，從大數據綜合分析角度來看，有必要著眼于“能否生成有意義的結果、是否是可預測數據”的分析目的，重新進行評估判斷。若這一目的不明確，那么隨著大量異種數據的累加，分析的基礎將會徹底動搖。

大數據應用是否有副作用和危險？

我們還可以假設一下針對個別官兵危險性的預警預測模型。通常，這種預測模型準確度能達到90%，VPS租用 國內服務器，就可以認為是相當優秀。包括大數據在內的所有預測模型，預測實現100%的準確率是根本不可能的。被預警預測模型識別為事故隱患的個人，往往會因模型的準確性難以消除危險烙印，這反過來又可能會引發部隊內部新的矛盾或使矛盾加深。

大數據應用目的會對“數據的種類和質量是否適當、應選擇何種數據分析技術和數據分析模型”等產生重要影響。舉例來講，明確的大數據分析目的可以成為“以現有數據能否進行分析、是否有必要進一步收集數據”等的判斷基準。

當前，大數據的應用范圍正逐步擴大到自動翻譯、醫院診療、微塵預測/預防、氣象預測、提高電力網效率等各個領域。今天，大數據已超出單純的IT技術范疇，成為第4次工業革命的核心動力。正因為如此，許多國家的公共部門和民間企業對此進行了大量的投入。韓國也以2013年開放公共數據和啟動21個大數據示范項目為起點，從政府層面正式拉開大數據時代的帷幕。國防領域也積極適應這一發展趨勢，2013年開始著手大數據應用研究，并基于研究結果從2015年起推進國防大數據示范項目。隨著大數據熱潮席卷而來，在包括國防在內的所有公共領域，“大數據”和基于此的“第4次工業革命”正在成為最受關注的焦點。