论文部分内容阅读
摘 要：随着"互联网+"时代的来临，"大数据"在各个方面的应用也越来越广泛。深入研究大数据环境下器材管理的新变化，思考并探索如何让器材管理工作迅速适应大数据环境，并有效利用"大数据"技术提高器材管理水平。提出了大数据背景下采用"数据驱动决策"理念，构建基于"评估与预测"器材管理系统。
关键词：大数据;器材管理;数据驱动决策;评估预测
1.引言
"提高自主创新能力，建设创新型国家"是我国国家未来发展战略的核心思想，党中央明确提出了"实施创新驱动发展战略"的伟大构想，如何在器材管理上实施创新是摆在器材管理人员面前的一个崭新课题。随着二维码的广泛应用和管理自动化程度的提高，"大数据"在器材管理方面起的作用越来越大。与此同时，器材的采购，损耗分析，派发，质量控制对数据的依赖性有增无减。如何在器材管理系统中合理有效的采用"大数据"技术。
2."数据驱动决策"的应用
器材数据评估与预测模型围绕双向决策中的"数据驱动决策"展开，管理者首先要对现有数据进行分析，通过数据分析结果进行决策。一般而言，"数据驱动决策"面向具体的数据对象，在大数据环境下，通过数据采集、加工与分析计算等步骤，将数据转化为可供管理者决策目标支持的有效知识或观点。具体运用在器材管理工作中，"数据驱动决策"模型则通过有目的的对过往的大量器材管理数据进行挖掘，筛选，从而达到评估器材管理状态，预测需采购器材的数量，判定器材更新的时间节点，降低器材损耗，提高器材使用效率。作为器材管理者可以清楚的了解各个请领单位器材正常的消耗的数量，对于不正常的消耗可以提出警示。总而言之，器材的采购，定价，分配，儲存，请领，消耗，从器材需求到器材消耗整个过程中，数据决定决策的制定。
3."大数据"环境下器材管理系统数据采集
器材管理系统数据采集主要包含以下部分：
（1）历年来器材采购数据，包括器材种类，规格，数量，质量等级，储存年限，有效期，用途，单位使用量，价格，生产厂家。
（2）历年来器材使用数据，包含使用单位，对应的种类，规格，数量，质量等级，请领的时间节点和时间间隔。
（3）现有器材生产厂家的相关信息，包含供应能力，技术水平，生产经营情况，是否有外资背景，主要生产设备和原材料是否需要进口，是否具备保密资质。
（4）替代厂家的相关信息，包含供应能力，技术水平，生产经营情况，是否有外资背景，主要生产设备和原材料是否需要进口，是否具备保密资质。
（5）新装备器材需求情况，包含器材基数的确定，储存要求，有效期，新装备配备的速度，数量以及时限。
（6）新装备器材的使用情况，使用中存在的问题，实际使用中与理论情况存在的差异情况。
（7）老旧装备配属器材的补充情况，老旧装备数量的减少情况，原器材生产厂家是否继续生产，可有替代厂家。
这些数据量大，时间跨度大，采集准确度跟各单位装备管理水平息息相关，只有有一支过硬的器材管理力量才能得到准确的信息。
4. "大数据"环境下器材管理系统数据分析原则
数据分析主要基于以下原则：
（1）重点分析三年以内的数据，三年以内的数据可以更好的反映实际使用器材情况。
（2）重点跟踪新装备器材数据。新装备配属器材，种类多，数量大，专用性强，生产厂家有限，随着新装备的陆续下发，器材也会出现井喷式需求，提前做好准备，使器材不再成为新装备形成战斗力的瓶径。
（3）以提高战斗力为目的，对关键装设备配属器材数据进行重点分析。关键装设备是形成战斗力的着力点，只有维护使用好关键装备的配属器材，使关键装备始终处于良好状态。
5. 器材管理监测与预警
器材管理监测与预警以数据为驱动，首先就表现在"自组织动态实时监测"模块的构建。通过规则的建立与基于半监督学习的算法训练，形成专注于"数据"本身的实时监测模型。在剔出无效数据，实现数据向信息的有效转化之后，一方面，监测数据分析结果中的"孤立点"，及时发现异常数据并分析推演其背后原因;另一方面，基于有效的大数据分析结果，聚焦并解决决策目标的具体问题。值得一提的是，在监测与预警模型中，"基础工具与技术"与"分析理论与方法"两部分的部分理论方法是互通的，可以在实际的应用过程中，根据需求进行有效地选择与应用。
6.结束语
2013 年被称为"大数据元年"，经过长期的积淀与迅速的发酵，"大数据环境"已扩展到经济社会的各个层面与领域，并从技术问题上升到了国家战略的最高层。如前所述，如何让器材管理管理工作迅速适应大数据环境，并有效利用大数据环境产生的空前机遇与挑战，是摆在我们面前的一个实际问题，本文对"大数据"背景下的器材管理系统进行了初步的研究，提出了"大数据"背景下的器材管理系统的一些基本准则，器材管理需要不断的跟上时代的发展，才能更好的提高管理水平和效率。
参考文献：
[1]李国杰. 大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J]. 中国科学院院刊，2012，27（6）：647-657
[2]Weiss R，Zgorski L. Obama Administration Unveils 'Big Data'Initiative：Announces $200 Million In New R&D Investments[R/OL]. [2012-03-29]. Washington：Office of Science and Technology Policy，Executive Office of the President，White Househttp：//www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf
[3]Manyika，J，Chui M，Brown J，et al. Big Data：The Next Frontier for Innovation，Competition and Productivity[R].McKinsey Global Institute，2011
作者简介：
康克成（1981.04-）河北昌黎人，本科，工程师，中国人民解放军92819部队，研究方向：信息与通信工程;
隋维纲（1981.12-）辽宁大连人，本科，工程师，中国人民解放军92819部队，研究方向：管理科学与工程;
燕军（1972.05-）江苏徐州人，本科，工程师，中国人民解放军92819部队，研究方向：管理科学与工程;
胡海森（1979.06-）河北磁县人，本科，工程师，中国人民解放军92819部队，研究方向：信息与通信工程。
关键词：大数据;器材管理;数据驱动决策;评估预测
1.引言
"提高自主创新能力，建设创新型国家"是我国国家未来发展战略的核心思想，党中央明确提出了"实施创新驱动发展战略"的伟大构想，如何在器材管理上实施创新是摆在器材管理人员面前的一个崭新课题。随着二维码的广泛应用和管理自动化程度的提高，"大数据"在器材管理方面起的作用越来越大。与此同时，器材的采购，损耗分析，派发，质量控制对数据的依赖性有增无减。如何在器材管理系统中合理有效的采用"大数据"技术。
2."数据驱动决策"的应用
器材数据评估与预测模型围绕双向决策中的"数据驱动决策"展开，管理者首先要对现有数据进行分析，通过数据分析结果进行决策。一般而言，"数据驱动决策"面向具体的数据对象，在大数据环境下，通过数据采集、加工与分析计算等步骤，将数据转化为可供管理者决策目标支持的有效知识或观点。具体运用在器材管理工作中，"数据驱动决策"模型则通过有目的的对过往的大量器材管理数据进行挖掘，筛选，从而达到评估器材管理状态，预测需采购器材的数量，判定器材更新的时间节点，降低器材损耗，提高器材使用效率。作为器材管理者可以清楚的了解各个请领单位器材正常的消耗的数量，对于不正常的消耗可以提出警示。总而言之，器材的采购，定价，分配，儲存，请领，消耗，从器材需求到器材消耗整个过程中，数据决定决策的制定。
3."大数据"环境下器材管理系统数据采集
器材管理系统数据采集主要包含以下部分：
（1）历年来器材采购数据，包括器材种类，规格，数量，质量等级，储存年限，有效期，用途，单位使用量，价格，生产厂家。
（2）历年来器材使用数据，包含使用单位，对应的种类，规格，数量，质量等级，请领的时间节点和时间间隔。
（3）现有器材生产厂家的相关信息，包含供应能力，技术水平，生产经营情况，是否有外资背景，主要生产设备和原材料是否需要进口，是否具备保密资质。
（4）替代厂家的相关信息，包含供应能力，技术水平，生产经营情况，是否有外资背景，主要生产设备和原材料是否需要进口，是否具备保密资质。
（5）新装备器材需求情况，包含器材基数的确定，储存要求，有效期，新装备配备的速度，数量以及时限。
（6）新装备器材的使用情况，使用中存在的问题，实际使用中与理论情况存在的差异情况。
（7）老旧装备配属器材的补充情况，老旧装备数量的减少情况，原器材生产厂家是否继续生产，可有替代厂家。
这些数据量大，时间跨度大，采集准确度跟各单位装备管理水平息息相关，只有有一支过硬的器材管理力量才能得到准确的信息。
4. "大数据"环境下器材管理系统数据分析原则
数据分析主要基于以下原则：
（1）重点分析三年以内的数据，三年以内的数据可以更好的反映实际使用器材情况。
（2）重点跟踪新装备器材数据。新装备配属器材，种类多，数量大，专用性强，生产厂家有限，随着新装备的陆续下发，器材也会出现井喷式需求，提前做好准备，使器材不再成为新装备形成战斗力的瓶径。
（3）以提高战斗力为目的，对关键装设备配属器材数据进行重点分析。关键装设备是形成战斗力的着力点，只有维护使用好关键装备的配属器材，使关键装备始终处于良好状态。
5. 器材管理监测与预警
器材管理监测与预警以数据为驱动，首先就表现在"自组织动态实时监测"模块的构建。通过规则的建立与基于半监督学习的算法训练，形成专注于"数据"本身的实时监测模型。在剔出无效数据，实现数据向信息的有效转化之后，一方面，监测数据分析结果中的"孤立点"，及时发现异常数据并分析推演其背后原因;另一方面，基于有效的大数据分析结果，聚焦并解决决策目标的具体问题。值得一提的是，在监测与预警模型中，"基础工具与技术"与"分析理论与方法"两部分的部分理论方法是互通的，可以在实际的应用过程中，根据需求进行有效地选择与应用。
6.结束语
2013 年被称为"大数据元年"，经过长期的积淀与迅速的发酵，"大数据环境"已扩展到经济社会的各个层面与领域，并从技术问题上升到了国家战略的最高层。如前所述，如何让器材管理管理工作迅速适应大数据环境，并有效利用大数据环境产生的空前机遇与挑战，是摆在我们面前的一个实际问题，本文对"大数据"背景下的器材管理系统进行了初步的研究，提出了"大数据"背景下的器材管理系统的一些基本准则，器材管理需要不断的跟上时代的发展，才能更好的提高管理水平和效率。
参考文献：
[1]李国杰. 大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J]. 中国科学院院刊，2012，27（6）：647-657
[2]Weiss R，Zgorski L. Obama Administration Unveils 'Big Data'Initiative：Announces $200 Million In New R&D Investments[R/OL]. [2012-03-29]. Washington：Office of Science and Technology Policy，Executive Office of the President，White Househttp：//www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf
[3]Manyika，J，Chui M，Brown J，et al. Big Data：The Next Frontier for Innovation，Competition and Productivity[R].McKinsey Global Institute，2011
作者简介：
康克成（1981.04-）河北昌黎人，本科，工程师，中国人民解放军92819部队，研究方向：信息与通信工程;
隋维纲（1981.12-）辽宁大连人，本科，工程师，中国人民解放军92819部队，研究方向：管理科学与工程;
燕军（1972.05-）江苏徐州人，本科，工程师，中国人民解放军92819部队，研究方向：管理科学与工程;
胡海森（1979.06-）河北磁县人，本科，工程师，中国人民解放军92819部队，研究方向：信息与通信工程。