数据安全智能解决方案（精选8篇）
数据安全智能解决方案 篇1
【人工智能怎么解决数据管理问题】
根据三星公司的调查，2016年全球互联网流量超过了1ZB，即10亿兆字节。这个数字是巨大的，但这个数据量与全球各企业正在存储的全部数据相比还相差甚远。
更重要的是，在大多数公司中，数据处在“管理之下”的这个用词有些不当。
数据管理挑战的关键领域是：
理解暗数据
数据保留
实现最佳分析结果的数据集成
数据访问
IT部门在这些领域进行艰苦努力的原因如下：
所有类型的输入数据流(其中大部分是非结构化的)太大，无法每天进行管理，因此最终将数据放在任何地方。
电子发现和行业法规对历史数据的法律和审计流程的要求使得业务决策者不愿放弃数据，最终用户并不喜欢在年度审查会议上讨论数据保留政策。
数据集成是IT部门面临的最困难的任务之一，像数据聚合这样的概念在分析中发挥更大的作用才会加强，因此看似不同的数据集合可以组合成可搜索的存储库，用于新型的业务查询。
快速访问数据是一种业务需求，但是高端存储在现场或云端的价格昂贵，因此一些数据必须归档到速度更慢，成本更低的存储空间中。为了解决这些问题，组织管理层将项目的人力物力主要放在了其他重要的目标上。
现在的问题是：机器学习、人工智能(AI)和分析学是否能在数据管理方面提供帮助，特别是对于大量非结构化数据?
以下是机器学习，人工智能和分析可以在以下几个方面提供帮助：
(1) 暗数据排序
每个企业系统和每个业务部门都有一些积累的数据，但是人们对此一无所知。通过使用机器学习并结合其功能与算法，可以解决如何排序和处理存储在服务器上的不同类型的电子邮件，文档，图像等文件，机器学习，人工智能(AI)和分析可以对这个未发布的数据进行处理，而经验丰富，知识渊博的工作人员可以查看和回顾自动化推荐的数据分类方案，调整并执行方案。该过程的一部分还可以解决数据保留问题，其分析将产生一组可能从文件中清除数据的建议。
(2) 决定丢弃哪些数据
机器学习，分析和人工智能(AI)可以客观地识别那些很少使用或从未使用过的数据，并建议工作人员将其丢弃，但它并不具备与工作人员相同的识别能力。例如，这些进程可以选择未访问五年以上的数据或记录，表明数据可能已过时。这样可以节省员工的时间来查找这个潜在的过时数据，因为现在他们需要做的只是确定是否有任何理由保留它。
(3) 汇总数据
当分析开发人员确定需要聚合查询的数据类型时，他们常常为应用程序生成一个存储库，然后从不同的源中提取各种类型的数据，以形成一个分析数据池。要做到这一点，他们必须开发集成方法来访问不同的数据源。机器学习可以通过自动开发数据源和应用程序的数据存储库之间的“映射”，使这种人工过程更加高效。这减少了集成和聚合时间。
(4) 组织数据存储以获得最佳访问
在过去的五年中，由于低成本固态存储的发展，数据存储供应商已经在自动化存储管理方面取得了重大进展。这些技术进步使IT部门能够使用“智能”存储引擎，使用机器学习来查看最常使用哪些类型的数据，哪些数据很少使用或从不使用。根据插入到机器算法中的业务规则，自动化能够以快速存储或慢速存储来自动存储数据。自动化可以让存储管理员不必人工解决存储优化问题。
数据管理是一个主要的IT挑战，在大多数组织中并没有很好的解决方案，这是因为随着数据的不断流入，数据管理将会变得更糟。
首席信息官，数据架构师，以及存储管理者需要向企业高管强调这个问题，但数据管理项目并不容易通过花费费用来解决。
然而，IT经理通过指出数据管理的分析时间，以及可以降低人力和存储成本的价值，至少在与企业管理者讨论如何提高战略敏捷性并降低运营成本的同时，这将成为一个至关重要的切入点。
数据安全智能解决方案 篇2
1.1 智能客户端的概念
智能客户端 (Smart Client) 是Microsoft在推出.NET战略过程中重点推广的一种新的网络应用软件结构, 结合了C/S和B/S结构的优点。既能像C/S结构一样提供丰富的用户体验, 又能像B/S结构一样方便地部署;既可以在线运行, 也可以离线运行。在Microsoft的大力推广下, 智能客户端技术引起了业界的广泛关注。一些评论员认为“智能客户端代表了一种新的软件开发模式”[1], 是“EPR技术创新的最佳切入点”[2]。
1.2 智能客户端的特点
根据Microsoft描述, 智能客户端具有利用本地资源 (Make use of local resources) 、利用网络资源 (Make use of network resources) 、支持偶尔连接的用户 (Support occasionally connected users) 、支持智能部署和更新 (Provide intelligent installation and update) 等特征。其中, 支持偶尔连接的用户是智能客户端最突出的一个特点。该特征使得用户可以在明确脱机、使用低带宽或高延迟网络、连接时断时续的情况下继续高效地工作。简言之, 智能客户端必须支持离线运行。
1.3 智能客户端架构
智能客户端本质上是一种分布式的应用程序, 运行时需要联机访问分布在Intranet或Internet上的资源, 同时还需要将业务逻辑和数据分发到各客户端上。
联机运行时, 智能客户端从服务端获取业务数据, 同时在本地缓存一个数据副本。当网络无法接通时, 直接读取本地缓存的数据, 执行业务操作后, 标记更改的数据, 待网络接通后再提交到数据库进行更新。
2 智能客户端本地数据安全需求分析
如前所述, 为了支持脱机运行及提高运行速度, 智能客户端需要将一部分业务逻辑和数据缓存到本地, 由此也引发了一系列的安全问题。确保这部分数据的安全, 也是构建安全智能客户端的关键。下面简要分析本地数据的安全需求。
(1) 机密性。机密性是指缓存的数据不能泄露给非授权的用户或实体。机密性一般可以通过访问控制或加密来实现。在智能客户端解决方案中, 因为数据是缓存在本地的, 入侵者可以很容易的绕过应用系统的访问控制机制而直接获取数据副本。因此, 机密性主要依靠加密来实现。另外, 加密结果直接存储在客户端, 还应防范攻击者获取副本后实施暴力破解。
(2) 完整性。完整性是指缓存的数据不能被非授权用户任意修改, 尤其是商业数据, 对一些关键数据的非法篡改可能导致不可估量的损失。完整性一般通过数字签名来实现。
(3) 可用性。可用性需要保证数据在需要服务的时候, 随时可用的特性, 实现可用性涉及网络、系统、应用程序、用户等多方面的要素。
在上述几个安全需求中, 机密性是首要需求, 是智能客户端的第一条安全防线。下面简要分析实现机密性的解决方案。
3 解决方案
3.1 对称加密
加密方法主要有对称加密和非对称加密两种类型。因为非对称加密速度慢, 不适合加密大量数据, 通常只用来加密密钥或用户口令。因此, 加密智能客户端本地数据, 主要使用对称加密方法。在具体算法上, 可以选择DES、Triple DES、RC2、Rijndael等。采用对称加密方案, 其优点是加解密速度快, 缺点是需要自行管理密钥。整个方案的保密性完全取决于密钥安全与否, 一旦密钥泄露, 整个安全体系都将受到威胁。其次, 对称加密方案不能有效防范离线暴力破解。
3.2 DPAPI加密
DPAPI (Data Protection API) 是Windows操作系统提供的一组用来对内存中字节数组以及存入磁盘中的字节数组进行保护的API。不需额外管理密钥, DPAPI会使用用户或计算机凭据来加密数据。如果加密时与当前Windows账户进行了关联, 则其他Windows账户无法解密数据;如果加密时与计算机进行了关联, 则该计算机上的所有Windows账户都可以解密数据。但无论采用何种方式, 解密只能在实施加密的计算机上进行。即使攻击者获得了加密数据副本, 也很难实施离线暴力破解。其次, 如果在加密过程中将用户口令作为附加数据参与运算, 则解密时还需要输入正确的用户口令。因此, DPAPI加密方案相当于提供了Windows、应用程序两个级别的双重保护。
DPAPI加密方案同样具有加解密速度快的优点, 最重要的是不需要管理密钥, 可以让开发人员专注于业务逻辑的实现;同时, 因为加密、解密必须在同一台计算机上完成, 可以较好地防范离线暴力破解。
3.3 DPAPI加密方法
DPAPI提供了两种加密机制, 一种是加密内存流 (由Protected Memory实现) , 二是加密硬盘数据 (由Protected Data实现) 。加密智能客户端本地数据主要使用Protected Data类。
Protected Data类提供了Protect () 、Un Protect () 两个方法用于加密和解密。函数声明如下:
//加密数据
Protect (byte[]user Data, byte[]optional Entropy, Data Protection Scope scope) ;
//解密数据
Unprotect (byte[]encrypted Data, byte[]optional Entropy, Data Protection Scope scope) ;
其中, 参数optional Entropy是一个附加的字节数组, 用来加密数据, 解密时必须提供相同的字节数组。参数scope用来指定数据保护范围, 取值Current User时加密与计算机及当前Windows用户关联, 取值Local Machine时仅与计算机关联。
4 DPAPI加密实例
某物流管理平台, 为了提高工作效率, 采用智能客户端解决方案, 在脱机状态下也能完成日常办公业务, 联网后再提交到服务器更新。
4.1 执行流程
系统运行后, 首先检测网络状况, 如果联网则对用户执行联机身份验证, 通过后从服务端获取必须的数据, 序列化后使用DPAPI加密, 结果保存在客户端程序目录下;如果脱机则对用户执行脱机身份验证, 通过后从客户端本地读取加密的数据, 使用DPAPI解密后呈现数据, 用户可执行相关的业务数据。
4.2 加密函数
函数Protect (byte[]plain Bytes, string file Path, string user Pwd) 实现加密, 参数plain Bytes为待加密的字节数组, file Path指定用于保存加密结果的文件路径, user Pwd传递用户口令, 该值转换为字节数组后将参与加密, 这样只有加密者才能解密数据。
protected void Protect (byte[]plain Bytes, string file Path, string user Pwd)
{byte[]optional Entropy=Encoding.UTF8.Get Bytes (user Pwd) ;
byte[]cipher Bytes=Protected Data.Protect (plain Bytes, optional Entropy, Data Protection Scope.Local Machine) ;
File Stream fs=new File Stream (file Path, File Mode.Create, File Access.Write) ;
fs.Write (cipher Bytes, 0, cipher Bytes.Length) ;
fs.Close () ;
}
4.3 解密函数
函数Un Protect (byte[]plain Bytes, string file Path, string user Pwd) 实现解密, 参数与加密函数Protect () 的参数相同, 只是plain Bytes用于存储解密后的结果。另外, user Pwd传递的用户口令必须与加密时所用的口令完全一致, 否则无法解密。
4.4 加密结果
以货源信息审核模块为例, 数据加密的结果如下图2所示。
DPAPI加密结果为二进制文件, 加密密钥由Windows操作系统管理, 解密需要在同一台计算机上实施。由于使用了用户口令作为附加数组参与加密, 解密时还需要输入用户口令。
参考文献
[1]智能客户端开发人员中心.智能客户端定义[DB/OL].http://msdn.microsoft.com/zh-cn/smartclient/bb313755.aspx, 2009
[2]Matthew MacDonald, Erik Johansson.C#数据安全手册[M].崔伟, 毛尧飞, 译.北京:清华大学出版社, 2003
数据安全智能解决方案 篇3
关键词：大数据；智能数据平台；社会治理服务
1.大数据背景下的智能数据平台
从字面上来看，大数据并不是一个晦涩的概念。一般来说，对大数据的概念界定会围绕三个层面的“大”展开。首先，大数据的容量巨大。区别传统的数据KB、MB的计量单位，大数据已经进入到了PB、ZB和YB等更大的计量单位。其次，大数据的数据类型范围大。区别于传统的字符串、数值型类型等格式，大数据的数据格式具有更大的宽度和灵活性。图片、录音、音乐、地理位置、语义、语法片段等新型数据格式均可以进入到大数据的涵盖范围中来。最后，大数据的组织格式更大。相对于传统数据而言，大数据的组织结构更宽泛和松散。可以说，以上三方面从大数据的计算特性上对其进行了界定。但同时，也隐含了对大数据社会属性的强调。在社会科学研究和社会组织服务中，大数据的社会特性更加重要。这种重要性使社会治理的研究内涵和外延都将有所嬗变。这样跨越式的嬗变将改变传统研究大多以样本数据推断和预测总体特质的方式。它将使得研究者能够直接着眼于人类总体，发现人类行为的具体规律，并能够提出更加切实可行的实践方案。当然，大数据带给社会治理的革新并非放弃一切的重来，它更多地是在研究范式基础上的拓展和进化。
但是，目前的学者围绕着大数据和社会治理的研究仍然过多地围绕着理论出发，进行建构和解析。目前少有研究者能够从满足实际需求的角度出发，切实地提出一系列有效使用大数据革新社会治理的系统化解决方案。虽然，目前有的城市已经设计出了社会治理的计算机系统，并应用于实践。但是这类系统在底层框架设计上仍然是相对较为传统的，仅针对社会治理工作的流程进行了网络化部署，并没有充分地利用大数据的特性，更不能行之有效的利用、筛选和引导收集到的数据。这种基于传统设计思维的软件构建仅围绕着管理者出发，并没有从社会治理的客体角度出发和思考问题。因此，其平台的“服务性”也自然无从谈起。因此，从现阶段来看，我国急需一套完整的智能数据平台，能够将社会治理的主体和客体连接在一起，并能够有效地利用起大数据“多屏一云”的多终端策略，时刻保证数据收集和整理的连续性。
2.大数据背景下社会治理的智能数据平台的建设
作为能够完整提升社会治理能力的智能数据平台，必须能有效地完成收集数据、分析数据和回馈结果等环节。
第一，智能数据平台将使社会治理相关数据的收集更加全面和多元。和传统数据收集有所区别的是，依靠大数据的智能数据平台在收集数据的手段和方式上会出现较大的革新。不同以往纸质问卷和口头询问的数据收集方式，智能数据平台将可以利用更多现代化的计算媒介，诸如PC、手机、平板等工具都可以成为数据收集的途径。此外，智能数据平台还可以根据新的技术手段进行革新，将虚拟现实（VR）、增强现实（AR）等新技术也引入到数据收集的接口中来。从社会治理的角度看，这种多终端的收集方式将保证对社会治理对象数据收集的完整性。而这种数据的完整性和全面性也将进一步地保证社会治理在政策制定和服务设定时的精准性。
第二，智能数据平台将能对社会治理中的问题进行智能分析和甄别。作为智能数据平台，必然充分利用大数据背后强大的计算能力。其中，智能数据平台可以在一些敏感性问题的数据收集上设置阈值，一旦数据收集中发现统计指标超过阈值后，便会弹出警告提示。同时，依靠分布式的运算能力，智能数据平台还可以有针对地提示超出阈值设定的详细信息，比如：时间、地点和统计效应等细节信息。另外，由于智能数据平台无时无刻都在利用不同的终端收集和社会治理有关的数据，因此管理人员也应该可以借助这个平台随时查看“瞬时”数据的统计结果，这种“瞬时”性的数据统计结果将能够真正的让政策制定者和社会组织管理者了解到社会舆情的发展和变化。
网络及数据安全整改方案. 篇4
随着计算机和互连网的普及，它的方便快捷高效已经成为现代企业一个非常重要的组成部分。但是也随之而来了许多不安全因素，如：计算机的软硬件问题；网络病毒的危害；员工的操守以及流动性，会给企业的机密带来不安全性。
此次我服务部应有限公司（以下都称甲）的计算机软硬件及网络、数据安全 保驾护航，尽量避免不必要的损失，将不安全的因素排除，将会做出如下的工作：
一 将甲的现有计算机全部配置做个详细的记录备案（各持一份）
二 应甲的要求将计算机的摆放位置做好调整并编号，将没客户机的系统和资料进行调整并备份。
三 调整网络，如图：
四 配置服务器： 硬件升级，因为甲要求服务器能自动备份数据，但现服务器的硬件不支持需加多一块阵列卡才能做到，此需甲同意才实施。
设置服务器
装好网络防火墙做好网络安全防护,定期检查是否有安全隐患。同时做好内部网络数据安全的设置，按甲方的要求设置所有放在服务器上的文件的访问有户及其权限,具体设置如下：
a 超级管理员用户一至两个(即公司管理者)，拥有所有权限，用于检查网络运行情况，查看所有数据，控制网络内所有计算机软硬件的安装和卸载等。
b 组管理员用户(即部门经理)。为每个部门设定一个只有本部门的员工才能访问的文件夹，所有本部门的资料全部放在此文件夹内，同时为每个组管理员用户设置一个只有指定的管理员用户才能访问的文件夹。
c 普通用户(即员工)。普通用户只有访问并修改本部门专属的文件夹内的文件其它的所有文件夹及文件只有在管理员授权的情况下才能才能拥有其它权限.d 共享文件夹。设置两个共享文件夹，一个文件夹内的文件所有员工都拥有访问和修改的权限，供大家做交流。另一个文件夹内的文件所有员工只有访问权限，是为了公司发布一些重要文件防止破坏。安装《网路岗》监控软件，甲方付费。每客户端218元，此软件按客户端数量收取费用，第一次安
咨询热线：020-61136292 87584242 87569708
业务传真：020-87582559
公司地址：龙口西路86号天龙大厦22F
装最少为10客户端，以后增加客户端按每次5客户端记数量未达到可保留。《网路岗》功能如下，功能的设置将根据甲的要求具体实施。
网路岗主要功能：
a、上网审计。
封堵QQ;限制上网网站、指定邮件服务器；过滤网页（如色情网）、过滤邮箱、过滤端口、Ip过滤、过滤色情关键词；规定上网和收发邮件时间；封堵网络游戏、股票软；
规定外发资料的最大尺寸；限制上网流量；IP白名单，IP黑名单。
b、监控员工日常网络活动-网络监控技术。如：上网网站、收发邮件、网上聊天内容（MSN/Yahoo Messenger）、QQ事件、FTP上传命令、TELNET远程登录命令等，以实现全面的网络行为监控。
c、多种网站过滤 库-网络监控过滤库。
系统同时提供多种过滤库，把包括：色情网址库、游戏网站库、聊天网站库、财经 股票库、游戏端口库等。
d、日志统计。
可统计员工的上网时间、网站排名、收发邮件数量、聊天、上网流量等。e、免费高速共享上网NAT。
可实现多台机器共享上网，代替市面上大多数代理服务器软件。f、绑定IP和MAC（单网段的情况）。监控网络中盗用IP地址的情况。g、邮件监控。
记录通过收发工具所收发的邮件,包括内容和附件，记录通过网站所发的邮件内容
和附件。
h、屏幕监控/信息探测。
截取被监控者的电脑屏幕，获取客户机器系统信息，操作客户硬盘，操作客户机注册表等。截屏功能可自动完成，供领导查阅。
i、十多种专业报表。
实现专业图形和文字报表，报表内容包括：访问网页时间统计、收发邮件统计、流量统计、聊天统计 等等。
五 全部设置好统一检验后由甲方负责人验收,签维护合同、付款。
甲方签字：
广州市翔扬计算机科技有限公司
——及时雨电脑服务部
服务电话：61136292 87584242 87569708
咨询热线：020-61136292 87584242 87569708
业务传真：020-87582559
智能出行大数据报告 篇5
《报告》覆盖全国重点城市，基于滴滴(含优步)平台全量数据解读中国城市出行，并通过智能出行情况反映城市交通、居民生活、热点事件及分享出行所带来的意义，具有极高的参考借鉴及深度分析价值。
三四线城市拥堵加剧 北京人均每年“堵”掉近9000元
拥堵是大家对交通最直接的感受之一，无论是“影响中国互联网发展30年”的后厂村路，还是“堵点网红”北京大山子路口，堵车总能引起人们的共鸣和吐槽。2016年，一线城市平均车速略有上升，三四线城市平均车速下降明显，从的26.2km/h降至2016年的25.3km/h。这一年中，平均车速增幅较大的前三个城市为大连、常州和青岛，而下降幅度最大的城市为丽江、嘉兴、三亚等。
根据高峰期拥堵延时指数，西安成为2016年堵城冠军，延时指数为1.79。20的拥堵冠军重庆今年位列第2位，而去年的亚军青岛2016年治堵效果显著，今年排名第9。受极寒天气、冰雪路面、市政建设等影响，哈尔滨也上榜十大堵城，位列第8位。
在此值得一提的是，尽管北京位列堵城第4名，但因“社会平均工资”较高，所以成了拥堵造成损失最高的城市，北京人每年损失8717元;在全国最堵的西安，人均拥堵成本为6960元，排名全国第3。
互联网行业工作时间长 京东下班最晚
在加班“重灾区”的互联网公司中，京东超越去年冠军奇虎360成为今年的“加班之王”，平均下班时间最晚，随后为360和阿里巴巴，看来这一年互联网行业中最拼命的还是电商公司。从年货节、美妆节、母婴节、双11到双12，节假日不够，电商造节来补，购物狂欢的背后也是无数员工加班加点的辛勤努力。在榜单前10名中，新浪、网易老牌门户网站也上榜，而今年的“网红公司”乐视位居第10，加班起来也很拼。
不仅加班多，互联网人群平均工作时间也偏长。相较于金融、传媒以及房地产等行业，互联网人群平均工作时间更长，每天超10小时，尤其是深圳码农，工作几乎占据了其一半的时间。而且码农们生活节奏更为固定，公司与家两点一线偏多。
媒体人异地奔波苦 金融从业者“朝七晚五”
《报告》中，有一部分内容对当下关注度较高的传媒业、金融业、教师等几个职业群体做了分析，通过出行连接着生活的方方面面，通勤、餐饮、购物等各种出行场景，出行大数据进一步可以关照现实，看生活的潮起潮落。
《报告》发现“隔行如隔山”，每个行业出行差异较大。传媒人工作随机性较大，处于随时待命状态，出行峰值曲线较为平缓;同时他们的出差相比最为频繁，往返机场火车站及酒店的出行量接近1/5，密集的出差节奏使得他们一般直接从家出发奔赴外地。
金融从业者上班早下班也早，“朝七晚五”是他们的工作特点，同时他们应酬多夜生活也丰富，20%的人下班后直接奔向餐饮娱乐场所，夜晚餐饮订单也超出平均水平40%。同时，他们偏爱高档购物中心，北京的三里屯太古里、上海的`国金中心、正大广场都是“金领一族”经常光顾的地方。
出行数据看城市性格：绵阳最温情大连最小资
《报告》还基于滴滴出行大数据平台的指数测算体系，发布D-Index榜单，从不同维度窥见不同城市的性格特点。
根据滴滴顺风车免单占比，十大最温情城市为绵阳、南宁、金华、昆明、湖州等地，上榜的多为三四线城市。小城故事多，充满喜和乐，顺风车把陌生人连接在一起，共走一程路，惊喜和温情的故事总在路上发生着。
从目的地为健身场馆的数据来看，山西太原城市最爱健身的城市，其次为福州、佛山，一线城市中只有广州上榜;十大最爱读书之城长沙位列榜首，其次为青岛，温州;最休闲也就是去往休闲娱乐场所占比最高的城市为，南宁、太原、大连等;最小资的城市为大连、绍兴和上海，那里的人去往咖啡厅、酒吧、电影院占比最高;《报告》同时显示，天津位列十大海鲜之城冠军，重庆居于十大火锅之城榜首。
杭州智能渗透率居榜首 贵阳发展前景可期
作为世界领先的移动出行平台，滴滴出行基于大数据的机器学习技术, 在中国超过400个城市为近4亿用户提供包括出租车、专快车、顺风车、公交、小巴、代驾、试驾、租车、企业级等多种出行服务。
从智能渗透率来看，一二线城市依然整体优势明显，杭州继续位居榜首。珠三角地区总体渗透率较高，在用户渗透率排名前10的城市中占据4席，分别是深圳、广州和东莞、珠海。
在各级城市月人均出行次数上，三四线城市与一二线城市相比仍有较大差距。月人均出行次数排名前五的城市依次是天津、青岛、北京、杭州、宁波。
面向中小企业智能数据处理工具 篇6
吴 坚 王家捷 张波摘要：
本文分析了目前国内企业MIS应用的的现状，分析了今后企业信息系统的应用需求，根据目前状况和需求介绍了一个商业智能工具软件的设计。
关键词：MIS DSS 商业智能 OLAP 数据仓库
一、企业MIS应用现状
随着国内企业改革的不断深入，企业管理也随之深化，企业领导、管理人员和专业技术人员都更加充分认识到了信息资源只有通过信息系统的加工处理，才能得到更有效的利用。信息系统的建设在社会经济活动中起着越来越重要的作用。经过几十年的探索与实践，我国各企事业信息系统的建设也由单项应用、小系统应用向大型化和网络化方向发展。
但是，我们也清楚地看到目前MIS的建设仍有许多不尽人意之处，如：许多MIS往往只限于对数据的统计分析，而真正涉及到预测、决策及优化方面的工作较少，结果是只能代替一部分繁重的手工劳动，并没有充分发挥MIS的效益。当前的MIS所必须解决的一些较普遍的问题有：
涉及的数据种类多、数据量大，而且数据往往分散在各业务部门，每个业务部门对信息的收集方式、分析方法、统计口径、报表输出形式等都有各自独特的处理要求。
具有明显的时变性。管理制度的不断改革和经济形式的不断变化，引起信息处理方法频繁变更，各业务口采集的数据，及对基础数据的分析统计方法，报表输出格式都会随着形势的发展而有新的变化和侧重。这些修改必须由专业程序员利用较长的时间才能完成，远远无法满足对系统数据灵活查询，随机查询的要求，浪费了宝贵的数据内在的价值。而且由于系统不停地被改动，稳定性也大大降低。
新、旧系统的继承与发展。有的企业原来就有MIS,但是旧的系统不能满足各业务部门自身的业务需求，而且早期的系统多采用单机环境，所采用的应用平台及数据库系统也各不相同。怎样将这些现有的、零散的、独立的信息继承起来，有效地利用，也是企业信息化建设的重要课题。
缺乏辅助决策支持功能。许多MIS往往只限于解决一些具体的业务处理问题，对数据的统计分析较少，而涉及到多维分析、决策支持及数据挖掘方面的工作则更少，使大量数据不能充分发挥效益。
二、企业通用管理软件现状
我国中小型企业占国内企业总数的94%,它们在市场中最具活力。在大型企业对计算机的需求已经趋于平稳的时候，中小型企业用户就显得格外的突出。中小型企业由于企业自身的规模有限，没有能力自己独立开发内部管理软件，而并不十分健全的内部经营体系又急需系统化的管理，这就为企业管理软件的发展打下了坚实的基础。
当前，建立竞争优势，提高市场竞争力已经成为企业管理的核心，而原有的管理软件已经越来越不能适应管理实践的要求，新的时代需要新一代的管理软件。我国企业管理软件的发展，在经历了单项管理系统、MRP/MRPⅡ应用之后，正朝着更先进的ERP模式发展。ERP（企业资源计划）是管理信息系统在九十年代的最新发展，近年来被引入到中国后，受到国内的广泛关注。ERP不仅集成了企业运营和管理的各主要部分（财务、分销、制造、人力资源、决策支持），更代表了先进的管理思想和管理方式。我们可以预见， ERP将作为管理现代化的重要工具，在我国企业等组织得到越来越广泛的应用。
但是，当前国内ERP 系统的数据分析能力大都不够强大，而ERP系统启动运行之后，其数据分析能力是决定性能的重要指标。面向ERP软件的数据分析功能被称为“商业智能”,其主要功能是对ERP系统积累的数据进行分析处理，形象地说就是帮助用户发现ERP系统积累的数据的潜在价值。可以这么说，普通的ERP 系统能够帮助用户规范企业的管理，而拥有强大数据分析功能的ERP 系统则能够使用户从这种规范的管理中获得更大的效益。因此，如果企业要采用ERP系统，一般需要一个强大的数据分析部件。这个数据分析部件能够与ERP系统集成，在ERP系统运行过程中采集数据进行分析，并能将样本数据和分析结果存入数据仓库以便用户查询采用。
三、企业信息系统应用需求
1、企业对数据仓库的需求
调查研究表明，大多数企业并不缺少数据，而是受阻于过量的冗余数据和数据不一致；而且它们变得越来越难于访问、管理和用于决策支持；其数据量正以成倍的速度增长。这样，信息中心面临着不断增长的决策支持的需求，但是，开发应用变得越来越复杂和耗费人力。那么怎样把大量的数据转换成可靠的、商用的信息以便于决策支持呢？数据仓库正广泛地被公认为是最好的解决方案。
数据仓库化是企业范围内数据的处理过程，它将企业内分散的原始操作数据和来自外部的数据汇集和整理在一起，为企业提供完整、及时、准确和明了的决策信息，使最终用户能够真正利用DSS工具直接从企业信息池中随机地提取、分析数据，有效地服务于企业的全方位决策。作为一个决策支持环境，DW（Data Warehouse）收集存储了各种不同数据源中的数据。通过数据的组织给决策支持者提供分布在整个企业内部跨平台的数据。
再下一步，现有的管理系统和现有的数据仓库将得到扩展，一是使数据仓库从一种局部的企业解决方案扩展到企业外部，扩展到企业的用户中去，使企业用户的数据仓库使用面更加广泛，这些可以通过Internet/Intranet的帮助来实现，这是数据仓库与电子商务相互融合的一点；二是使数据仓库从一种企业数据管理工具扩展到企业辅助决策工具，能够充分利用数据仓库中的数据资源，为企业的发展起到辅助决策的功能，使企业用户的数据仓库得到更加深入的使用，这些可以通过数据库厂商提供的工具来实现，也可以由其它软件公司提供的独立工具包来实现，这是数据仓库与商务智能相互融合的一点。
2、企业对Internet/Intranet的需求
企业决策系统与互联网的结合，正成为企业亟待解决的焦点问题之一。因为随着企业内部和企业间的信息交流量的增大，用户已不再满足于简单的文件共享方式，而是追求一种更灵活、更方便的数据共享策略，这便是大批企业用户将自身以数据库为核心的MIS系统从客户机/服务器计算模式向Internet/Intranet的系统架构转变。另外，发展到一定规模的企业，其自身的国际化已成为必然，一些分支机构可能是跨地区、跨国界的，因此，在数据传递、信息共享和发布时，Internet成为这些跨地域企业的必然选择；激烈的市场竞争，也要求企业对市场变化做出快速的反应，用户的需求也不再是对离散的单个信息做简单的查询，而是要求能够提供一种对企业大量数据做出汇总的、多层次的、多侧面的快速灵活的查询、分析及报表制作手段。因此，市场上最需求的是如何使数据库中的大量信息满足人们不断变化的业务需求，并能及时为管理决策支持提供服务。如何将企业决策支持系统与Internet/Intranet技术有机地结合起来，提供基于Web,集查询、报表、OLAP（On-Line Analytical Processing）分析及数据挖掘为一体的企业级决策支持解决方案，已经成为一个重要课题。
四、企业智能数据处理工具的设计
针对企业应用需求，我们分别在一九九五年和一九九七年开发出“科力MIS―多媒体MIS系统生成工具软件”DOS版和Windows版本，这个工具软件主要解决用户不写程序，通过可视化交互设计工具建立管理系统的需求，它还支持声音、图像和AVI活动图像的数据库存储和显示等的多媒体应用。经过几年来的实践，我们认为企业迫切需要一种智能化的数据处理工具，这类工具将解决如下问题：
建立在企业已有MIS系统或ERP系统的基础之上，利用已有的数据。现在有许多中小型企业已经有了一些MIS系统或ERP系统，但由于形势的变化，很快就会有进一步的需求，因此迫切需要新的软件，既能解决出现的问题，又能利用已有的数据。
为部分中型企业提供基于数据仓库的解决方案。对小型企业，出于各方面的考虑，一般都不采用基于数据仓库的解决方案，而对于中型企业，则应该给他们一个建立自己的数据仓库的机会。如果能建立数据仓库，就能更好地组织企业的数据，智能决策工具也能发挥更大的功效。
可以为小型企业提供通用MIS系统生成工具。对一些需求比较简单的小型企业，不用用户编程，就能通过可视化的方法实现一个MIS系统，再结合智能决策系统，将能实现更灵活、更强大的功能。
既可以实现传统的查询及统计报表功能，又可以实现多维数据分析、决策支持及数据发掘等高级功能。智能决策工具可以实现极为灵活的查询和报表，而且内嵌了部分分析功能，可以称之为交互式的查询和报表。另外，即使在较大型的MIS系统甚至ERP系统中，都很难找到多维数据分析、决策支持及数据发掘等高级功能，智能决策工具内却提供这些功能，这样就可以很好地利用原有的数据，大大加强原有系统的能力。
全面支持Internet/Intranet.绝大部分的输出都可以定向为HTML文件，这中间包括查询结果、报表、分析和数据挖掘的结果等；另外，还提供部分功能在基于浏览器的环境中实现，使用户可以通过浏览器来进行诸如查询数据、浏览报表、简单分析等功能。
五、系统的结构
系统分为两大部分分析设计部分和应用系统部分，分别面向企业IS（信息系统管理员）人员与企业管理人员，IS人员除了负责高级数据分析工作以外，还负责为管理人员设计具体应用系统，由于大部分具体的应用工作可以由管理人员来完成，所以从另一个方面缓解了信息人才缺乏的问题。应用系统部分的功能结构图见图一，设计部分功能结构图见图二。系统中最重要的是“描述层”的设计。
在一般的商业用户访问数据时，他们最担心的往往是复杂的数据库术语和繁复的数据库操作。如何才能赋予这些商业用户自主访问数据库和数据仓库中信息的能力，使他们可以把那些数据库术语和操作抛之脑后呢？我们在此使用了一种称为“描述层”的技术来解决这个问题。在使用了“描述层”技术后，不但解决了一般商业用户担心的问题，而且同时也提供了IS人员控制和管理数据访问所必须的工具。这一技术把复杂的`数据库结构描述成易于理解的业务术语，把商业用户同技术性的数据库术语以及复杂的SQL访问语言分离开来。它就像一个透镜，用户可以通过它来看数据仓库。这样最终用户无须具备计算机专业知识，更不必是数据库方面的专家，就能够自主地访问公共数据，分析信息，从而更好地理解企业发展的趋势，作出明智的决策。
“描述层”可以被称为一个覆盖在数据库内部数据对象之上的一个解释层，是用户和数据库之间的一个代码翻译层，也就是将数据库中比较凌乱、复杂的数据对象（例如：存储在数据表中的各个字段的记录）通过预先定义好的规则（“描述层”）过滤转换成实际使用的业务对象，例如：人员姓名、物资类型等等。同时，“描述层”的功能不仅仅在于过滤和映射，还可以对数据通过预先定义好的规则进行重组，例如在数据库中没有的高层数据（比如：通过价格和销售量在本地提取销售额），所以我们可以通过“描述层”给数据库增加一些不存在而又有实际意义的内容。另外，我们还可以利用“描述层”来增加数据库中数据所包含的信息量（比如：建立某一字段的分类规则，使数据库中的记录可以分属于不同的类别，具体的例子是，按销售业绩多少分为优、良、中、差，用户就可以直接用诸如 “销售业绩=优”之类的条件进行查询；类似的还有分层规则等其它许多规则）。最后，我们还可以在“描述层”中加入一些预定义的条件，在以后的查询或分析时，就可以直接从“描述层”中提取条件。使用“描述层”重组数据的实际意义在于：数据库内大量珍贵的数据资源不再是只有数据库开发人员才能理解的“天书”,通过“描述层”的解释和组织，大多数不具备计算机专业知识的业务人员，可以直接使用这些数据。
在这个部分，主要的工作就是两点，即“描述层”的定义与解释。在“描述层”的定义部分，要进行各种不同类型的定义，具体来说就是上一段提到的几种类型，然后将各个类型的定义作为元数据进行存储。在定义的过程中，必然要通过数据库连接工具来对数据库或数据仓库进行访问，再按照数据库的结构和内容来设计各个不同的“描述”.另外，在以后使用本系统的其它主体部分如查询、报表、分析和数据挖掘部分时，将用到“描述层”中定义的“描述”,这是就需要“描述层”的解释部分来进行解释，将“描述”语言翻译为数据库能够接受的语言。
本软件设计中的另一个重点是体现商业智能化的数据挖掘功能，随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，可是目前用于对这些数据进行分析处理的工具却很少。现在所能做到的只是对数据库中已有的数据进行由人驱动的分析，人们通过这些数据所获得的信息量仅仅是整个数据库所包含的信息量的一部分，隐藏在这些数据之后的更重要的信息是关于这些数据的整体特征的描述及对其发展趋势的预测，这些信息在决策生成的过程中具有重要的参考价值。
数据库中的知识发现（KDD）就是利用机器学习的方法从数据库中提取有价值知识的过程，是数据库技术和机器学习两个学科的交叉学科。数据库技术侧重于对数据存储处理的高效率方法的研究，而机器学习则侧重于设计新的方法从数据中提取知识。KDD利用数据库技术对数据进行前端处理，而利用机器学习方法则从处理后的数据中提取有用的知识。KDD与其他学科也有很强的联系，如统计学、数学和可视化技术等等。
在我们的系统中，将实现一个完整的KDD工具，也可以称为数据挖掘（Data Mining）工具。因为我们要面向广大商业用户，所以我们的系统特别注重对用户与数据库交互的支持，由用户根据数据库中的数据，选择一种模型，然后选择有关数据进行知识的挖掘，并不断对模型的数据进行调整优化。整个处理过程分为下面一些步骤：
数据发现：了解任务所涉及的原始数据的数据结构及数据所代表的意义，并从数据库中提取相关数据。
数据清理：对用户的数据进行清理以使其适于后续的数据处理。这需要用户的背景知识，同时也应该根据实际的任务确定清理规则。
模型的确定：通过对数据的分析选择一个初始的模型。模型定义一般分为三个步骤：数据分隔，模型选择和参数选择。在我们的系统中，主要引入了关联规则模型和分类模型。
数据分析：对选中的模型进行详细定义，确定模型的类型及有关属性；通过对相关数据的计算，计算模型的有关参数，得到模型的各属性值；通过测试数据对得到的模型进行测试和评价；根据评价结果对模型进行优化。
输出结果生成：数据分析的结果一般都比较复杂，很难被人理解，将结果以文档或图表形式表现出来则易于被人接受。
在KDD过程中，最重要的是其中的数据挖掘部分，即模型和相关属性的确定。我们计划采用其中应用最广泛的两个模型，分别是关联规则和分类规则，以下作详细的介绍。
关联规则是形式如下的一种规则，“在购买面包和黄油的顾客中，有90%的人同时也买了牛奶”（面包+黄油=>牛奶 ）。用于关联规则发现的主要对象是事务型数据库，其中最典型的应用则是售货数据，一个事务一般由如下几个部分组成：事务处理时间，一组顾客购买的物品，有时也有顾客标识号（如信用卡号）。如果对这些历史事务数据进行分析，则可对顾客的购买行为提供极有价值的信息。例如，可以帮助如何摆放货架上的商品（如把顾客经常同时买的商品放在一起），帮助如何规划市场（怎样相互搭配进货）。由此可见，从事务数据中发现关联规则，对于改进零售业等商业活动的决策非常重要。随着应用的推广，关联规则已经在许多领域发挥作用，成为最典型的数据挖掘应用。
分类也是数据挖掘中的一项非常重要的任务。分类的目的是学会一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别中的某一个。分类的应用实例也很多，比较典型的由保险公司的保费设置。保险公司成功的一个关键因素是在设置具有竞争力保费和覆盖风险之间选择一种平衡。保险市场竞争激烈，设置过高的保费意味着失去市场，而保费过低又会影响公司的赢利。保费通常是通过对一些主要的因素（如驾驶员的年龄、车辆的类型等）进行多种分析和直觉判断来确定。由于投资组合的数量很大，分析方法通常是粗略的。采用分类进行数据挖掘以后，就可以利用计算机处理海量数据的能力来进行合理的分类，定出合理的保费，使保险公司得到最大收益。
六、结束语
数据安全智能解决方案 篇7
数据中心的发展经历了三个阶段:其一是计算中心, 即数据存储和简单计算阶段, 出现于20世纪60年代;其二是信息中心, 即数据处理及业务应用阶段, 出现于20世纪80年代;其三是服务中心, 即服务性数据中心阶段, 出现于21世纪初。随着云计算的着陆, 第四代数据中心崭露头角, 模块化、可扩展、高效、智能、绿色节能、稳定和安全、虚拟化的数据中心, 可以在任何地方快捷地组建, 如当前的云计算数据中心。数据中心是各类服务器、网络交换设备以及存储设备等核心设备的互联中心, 任何一个物理信道或一个端口的故障均可能造成整个系统运行的不正常甚至中断, 因此数据中心布线系统的可靠性极其重要。在TIA 942标准要求与用户需求以及布线厂家技术进步这三方面因素的推动下, 数据中心布线技术以结构化、高密度、高带宽、易扩容、智能化、绿色化为核心的理念, 逐渐演化为整个布线行业的发展趋势, 将在今后很长时间内指导数据中心布线技术的可持续发展。
2 施耐德电气数据中心布线解决方案
目前, 建设大型数据中心已经成为一种趋势。这是因为, 一方面, 企业朝着更大规模的方向发展, 需要数据中心的支持;另一方面, 随着云计算服务模式的兴起, 很多企业开始把原有的数据中心进行外包, 同时建设更为大型的数据中心。企业业务对数据中心的依赖与日俱增, 对其性能也有更高的期待:拥有高速且稳定的数据传输性能、更高密度的设备安装、能够更安全的运行、让IT经理更高效的进行管理和维护、更加节能和环保。
针对企业的需求, 施耐德电气推出了新一代数据中心整体解决方案。在过去的四十年里, 施耐德电气在电力、制冷和控制领域以及能源管理和提高能源效率方面, 一直保持着领先的地位。如今, 施耐德电气通过其专业品牌, 简化了高密度、高效率、具有可预见性数据中心的过程。施耐德电气专门为数据中心开发了提高性能与优化成本的解决方案, 这些解决方案可以确保数据中心现在和将来都具有更高可用的、安全的基础设施。
2.1 主干布线
数据中心的主干系统指的是主配线区到水平配线区, 多个主配线区之间的骨干布线系统, 它好比数据中心的大动脉, 决定了数据中心的规模和扩容能力。主干系统在设计之初要留有一定的带宽余量, 为将来升级留足空间, 以保证最大限度的平滑升级。
推荐方案:万兆光缆+万兆铜缆解决方案。应用推荐主干光缆:万兆光缆解决方案。支持当前主流的10G以太网, 并考虑面向未来的40G/100G的应用, 建议采用激光优化OM3/OM4多模光缆或OS2零水峰单模光缆, 采用LC或MPO接口。
主干铜缆:万兆铜缆解决方案作为连接核心交换网络和汇聚交换网络的主干系统, 建议采用Cat.6A系统支持网络传输。
方案优势:可扩展的传输带宽, 为未来升级提供带宽余量;更长的传输距离, 确保大型数据中心的数据传输;更安全的传输, 光缆和Cat.6A FTP系统保障信号的传输安全;提供各种芯数光缆, 为数据中心提供更高的可选性。
2.2 主配线区与水平配线区
主配线区是数据中心的核心, 一般设置在机房的中心或接近核心的位置, 以尽量减少到各水平配线区的距离。在设计之初, 主配线区建议在有限的空间内尽量留出50%左右的空间为将来升级所用。并推荐光/铜配线架分开放置在不同的机柜里, 以便于管理。
推荐方案:高密度解决方案。
应用推荐:高密度MPO光缆解决方案。
由工厂端接并通过测试, 符合标准的模块式连接解决方案, 包括最高可在4U空间上实现288芯的光纤传输, 适用于主配线间的高密度光缆应用。
高密度铜缆解决方案:高密度铜缆配线架可以在1U空间内获得48个RJ45接口, 大大节省了机柜的占用空间, 同时也保持端口的可操作性和标识功能。
方案优势:高密度, 采用小封装连接器, 最高可在1U空间端接288芯光纤, 大大提高空间使用密度, 节约数据中心环境中的空间成本;即插即用, 无需现场端接, 大大降低安装成本, 提高效率;高可靠性, 端接后出厂, 并经过严格的性能测试, 端接质量逐步升级, 接近零损耗;高灵活性, 可根据现场需求订制预端接光缆长度。
2.3 水平配线区
水平布线采用星型拓扑结构, 每个设备配线区的连接端口应通过水平线缆连接到水平配线区或主配线区交叉连接配线模块。为了适应现今数据中心业务需求, 水平布线系统的规划和设计应尽量方便维护和避免今后设备的重新安装, 同时也应该适应未来的设备和服务变更。
推荐方案:万兆光缆+万兆铜缆解决方案。应用推荐水平光缆:万兆光缆解决方案。支持当前主流的10G以太网, 推荐采用激光优化OM3多模光缆或OS1单模光缆, 采用LC或MPO接口。
水平铜缆:万兆铜缆解决方案, 建议采用Cat.6A系统支持网络传输。
方案优势:可扩展的传输带宽, 为未来升级提供带宽余量;更长的传输距离, 确保大型数据中心的数据传输;更安全的传输, 光缆和Cat.6A FTP系统保障信号的传输安全;我们可提供各种芯数光缆, 为数据中心提供更高的可选性。
2.4 水平配线区与设备区
水平配线区是数据中心的水平管理区域, 一般位于每列机柜的一端或两端, 也常被称为列头柜。水平配线区包含局域网交换机、水平配线架等, 根据网络交换机与配线设备位置的不同, 列头柜可以设置于列头、列中, 网络设备也可以设置在机柜顶部等, 现以列中的方案为例, 为您推荐方案。
推荐方案:Multiplus解决方案+多彩跳线。
应用推荐:Multiplus解决方案。
19″Multiplus解决方案涵盖了可灵活互换的自由组合的模块和支架, 实现了光缆和铜缆可以混合在一个配线架上使用, 并且可以节约端口上的空间和资源。
方案优势:光铜混合在1U高度的配线架里, 利用多种颜色模块支架分别将各种铜缆模块和光纤模块安装在一起;安装便利MultiPlus配线架信息端口采用模块化设计, 所有维护和操作均在配线架前端完成, 既减少端口浪费又便于日后的维护变更;色彩管理提供多种颜色的模块支架, 能清楚方便地对端口进行识别。
3 典型案例
3.1 郑州商业银行数据中心
(1) 项目背景:郑州市商业银行成立于2000年, 是郑州市唯一一家具有独立法人资格的股份制商业银行。郑州商业银行总建筑面积5927m2, 地上29层, 地下3层, 总高度120m。其中含有一个3000m2的数据中心。作为银行来讲, 对于数据中心的要求往往高于其他行业, 所以该数据中心的最大需求就是高速的数据传输, 可靠的网络服务, 安全的信息保护, 高效的日常维护。
(2) 方案实施:在这个项目中, 施耐德电气正是基于对客户的深入理解, 对客户需求准确挖掘的同时, 结合商业银行的自身特点, 向客户提出了最适合客户需要的施耐德电气Actassi智能布线解决方案。Actassi智能布线方案包括Actassi ID-Tracer™电子配线架、ID-Tracer™控制软件、以及ID-Tracer™局域网控制器, 是一个带有实时远程管理功能的智能布线系统。在此项目解决方案中施耐德电气综合布线系统采用最具科技特色的ID-Tracer™智能电子配线架来实现对综合布线系统的管理需求。它可以实时检测配线架各端口的状态, 例如连接和中断的动态显示, 同时具有10万点的动态ID标识能力, IT管理人员可以通过一套软件在短短几秒钟内, 最多一次对240个端口进行维护和编辑, 这些可以减少IT维护人员至少30%的日常维护时间。而且该智能电子配线架具有搜索功能, 可以轻松找到想要找的信息点。它的休眠功能, 能够更加节约能源和减少视觉疲劳。
(3) 客户收益:结合施耐德电气智能布线管理系统, 使得数据中心中布线管理更加方便、快捷, 节省人力、物力以及时间成本, 完全满足数据中心高速可靠、灵活以及易管理的要求。
3.2 长春—汽大众机房
(1) 项目背景:长春一汽—大众汽车有限公司中心机房建于2000年, 是公司的销售和生产等核心应用关键支持平台, 但随着业务的不断发展, 使得机房容量和管理需求不断提升, 对于机房的关键——处于物理层的综合布线业务已经无法满足现有主要IT应用系统的正常运行。汽车的生产制造以及销售等整个流程都与信息系统息息相关, 一汽大众数据中心改造升级迫在眉睫。
(2) 方案实施:该项目选用施耐德电气Actassi智能布线解决方案, 为用户提供了高效且可靠的远程布线管理, 给数据中心网络传输提供了高速、安全可靠的保障。该系统中智能化的电子配线架结合局域网控制器和局域网控制软件的使用, 轻松胜任对各个配线架及其线缆的工作情况的管理和掌控, 从而大大提高了机房系统的可用性、安全性和可管理性, 减少了IT维护人员近30%的工作时间, 提升了工作效率。水平线缆采用了十字带尾翼结构6类双绞线, 有效降低了近端串扰, 对于垂直主干子系统采用了OM350/125 OFNR 12芯万兆多模光纤同时配合48口LC光纤配线架和多模尾纤以及光纤跳线的使用, 大大保证了传输的速率和传输的稳定性, 这样既防止了信息被干扰, 同时也具有较强的阻燃级别, 极大的保证了工作场所的人身安全。
从“大数据”到“智能数据” 篇8
等着要发掘的“金子”，指的是用于记录、存储和分析大量的数据，以及以合适的形式显示该结果的“大数据”新技术。现在最被人们广泛讨论的话题是用户购物、搜索或网购的数据，或利用全球金融和通信网络而产生的数据。还有银行、电信和保险业通过建立使用者信息与交易记录的分析模型，来增加利润和降低风险等等。大数据的时代，使我们能够探索人类的行为，探索人类本身的奥秘，这在以前在很大程度上是不可能的。我们经常使用的工具和终端，帮助我们获得和体验这方面的感受。
由于都想成为“掘金者”，从大数据挖掘价值，目前具有深入的分析、数学、统计、规划技能的数据分析师正炙手可热，已没有足够多的人才可满足需求。美国大型银行和联邦机构正在越来越多地聘请“首席数据官”（CDO）和数据分析师，以促进对于整个组织机构中的所有功能数据的收集、分析、分发和应用的战略思考。
大数据有所谓的3V特征：即“大量化”（Volume）、“多样化”（Variety）和“快速化”（Velocity）。然而，光是大量的数据采集是不够的，这些数据本身还需要有较高价值，即增加第四个V：Value（价值），成为4V。而经过“大数据”技术的处理（数据采集、数据分析、数据处理、数据显示等）之后更会产生较高的价值。
用智能数据建立智能系统
啤酒+尿布是值得挖掘的数据；而从工业设施、建筑物、能源系统和医院产生的比特和字节，含金量更高，更值得挖掘，因为它们可以用于建立起智能系统，这些比特和字节就是智能数据。我们来谈谈智能数据如何建立起一个智能系统。
终端通过连接、把它们管道化，对人们带来了极大的便利，大大提高了生产率。但是这些还不够，还需要体现“智能化”，实现智能系统。现在我们经常在提到智能手机、智能电表、智能电网、智能家居、智慧城市等等，都是希望人们使用的设备和终端能够根据人们的需要自动编程，实现自动化，尽量避免人工介入。
这样一种“智能化”，需要具备两个条件：首先是“管道化”（互联网思维的核心是“管道化思维”），就是把所有的终端或节点全部连接起来，互相之间能够有“沟通”（即发生交互作用）；另一个是各个终端本身具备一个“小电脑”，即带有处理器芯片，可以通过软件处理和产生“智能数据”。有了这两个基本条件，就可以体现出一定程度的智能。
以抽水马桶为例。抽水马桶是已经管道化的马桶，再加上上述第二个条件，就可以变成一个“智能马桶”。具体可以这样来实施：在马桶里装有一片微处理器芯片和一片生化芯片（Lab-on-Chip，LOC），对人们的排泄物自动提取和分析，然后把分析结果通过管道，如WiFi送到医生那里，医生把每天的分析数据与事先存储的数据进行对比，给这位坐过这个马桶的人发出营养指标提醒和生理指标提醒，如果必要的话则写处方，提醒他服用药物或到医院进一步检查。另一方面，根据这个马桶的软件分析结果，会得出缺少哪种营养的具体数据，然后通过无线通信的管道传送到超市，超市会根据这些数据选出合适的食品通过快递服务送达家中。
抽水马桶还可以包含其他各种传感器进行“管道连接”，如每次使用自动记录用水量；如有漏水，自动通知维修人员或物业管理处派人来检修；如有堵塞，就会自动通知管道维修人员来疏通；如水漕不进水，也会自动通知相关人员来处理等等，这些都会产生一定的数据量。
我们必须了解这些智能数据的量，以便正确地评估它；我们必须知道各种器件和设施是如何工作的，了解我们需要哪些传感器和测量技术来获得真正重要的智能数据。决定性的因素不一定是数据量大，而是有价值的内容。
这样的智能数据可以体现在各个领域。如对于一个大型燃气轮机，有几百个传感器每秒钟在测量温度、压力、流量、气体组成。如果人们很了解设施的物理特性，因此知道如何正确地分析这些数据，就可以给发电厂非常有用的建议，来提高电力的使用效率并减少污染。同样的措施可以用于风力发电、建筑物、钢铁厂和整个城市。所有这些领域里，必须不仅收集数据，而且还理解数据。处理的数据是智能数据，得出的结论用于将企业或城市变得更智能。
适合于评估这些智能数据的算法还需要开发。这些算法可以帮助人们更好地节省能源、更好地有利于环境、更多地节省成本，以及使设备运行得更可靠。
在未来，智能数据可以帮助我们了解一个智能系统每时每刻发生了什么，更能够告诉我们为什么会发生。甚至还可以告诉我们接下来会发生什么，以及我们应该如何应对。智能数据将改变企业的商业模式。例如一家跨国公司可以设立一个全球维修中心，全球各个分部的工厂都设有大量传感器并与网络相连，只需要在这个中心分析大量的远程智能数据，就可以进行远程诊断和处理，而不需要技术人员到现场。这样的商业模式，对于火车、船舶、发电厂、医疗器械等等都是极其有用的。例如，从一辆火车的运行中得到的测量数据，可以帮助火车驾驶者运行的更平稳、更节能。节省下来的资金，则可以在用户和智能数据提供者两者分成。这是双赢的局面，也是如何从数据山中掘金的一个很好例子。
大数据如何成为“智能数据”
数据只是“大”，并没有太大意义，关键是如何最佳地挖掘高价值的数据、使用这些数据，使这些数据成为“智能数据”。这有几个方法：先评估数据的价值和将会产生的价值；把数据和“智能化”相关联；把数据变成具有上下文意义的灵活的数据结构；随着时间的推移，根据这些收集了的大量数据，展现一幅绚丽多彩的智能数据图。到最后，也不会再去思考大数据与智能数据有何区别，因为所有的数据都已经成为智能数据。
西方2000多年前就已发明的“管道化”的马桶开了物联网的先河。基于互联网的物联网（IoT）的到来，预示了新的创新设备、新的网络形态、新的商业模式的不断涌现，也预示着智能数据的成千上百倍增长，智能化将体现在各种应用中。如按照今天所理解的大数据概念，是不充分的，大数据必须从3V演变为4V，大数据必须演变成智能数据，整个家庭乃至整个城市也正在向“智能化”大步演进，才会有更多的“掘金”机会。
（作者张臣雄，在世界500强企业之一的大型高科技公司任首席科学家）