编者按： 大数据的发展对现代社会各行各业产生重大深远的影响，数据驱动的创新呈现出爆炸式增长。美军认为要跟上大数据发展的步伐，更好地利用庞大且不断增长的数据资源，数据科学是达成目标的重要利器。为确保能运用海量数据持有远见并获取更好的洞察力，美国国防部、海军部、空军情报、监视和侦察部、国防技术信息中心陆续发布有关数据科学、数据管理、数据建设、数据分析等方面的政策规划和战略文件，从不同层面规范军事范畴的数据治理、共享和数据建设、分析优化等活动，促进军事部门在激烈的竞争和对抗中提升数据处理与应用能力，获取数据优势，提高战斗力。我国情报界亦应重视数据建设问题，关注开展军事数据的相关基础研究。为此，本刊特组织策划军事数据的专题研究，针对军事数据的发展战略，军事数据的概念内涵，军事数据学科建设，军事数据的治理、分析与可视化，数据驱动的科技情报研究等开展研究讨论。
美国军事数据发展战略演进研究
● 汤珊红1，游宏梁1，高 强1，程佳军1，秦小平2
(1.军事科学院军事科学信息研究中心，北京 100142；2.北京大学信息管理系，北京 100871)
摘 要： 在不同历史时期，美军战略决策制定者对军事数据关注的侧重点有所不同。文章系统梳理了美国军事数据发展战略的演进过程，认为大致经历了注重以资源为中心的数据管理、以网络为中心的数据共享和以智能为中心的数据分析三个阶段。在此基础上，重点阐述了面对大数据的发展，美国军事数据战略当前聚焦和关切的重点问题，并对美军做出战略调整的原因进行了分析，最后对我国军事数据发展提出初步思考。
关键词： 美国；军事数据；数据战略；数据科学；数据分析
世界新军事革命正在悄然推进，其内在动因是以数字化、网络化、智能化为特征的信息技术变革的纵深推进。数据正全面融入军事领域，成为军事科研的驱动力量、军队管理的核心要素、战争制胜的重要资源。美军认为要跟上大数据技术发展的步伐，更好地利用庞大且不断增长的数据资源，数据科学是解决这一问题的重要利器。为确保能运用海量数据持有远见并获取更好的洞察力，美国国防部、海军部、空军情报、监视和侦察部、国防技术信息中心陆续发布有关数据科学、数据管理、数据建设、数据分析等方面的政策规划和战略文件，从不同层面规范军事范畴的数据治理、共享和数据建设、分析优化等活动，促进军事部门在激烈的竞争和对抗中提升数据处理与应用能力，可以看出美军历来坚持的由确保信息优势从而确保情报优势进而确保决策和军事行动优势的战略意图一直未变。美军将军事数据与数据科学紧密联系，希望通过数据获得更好的洞察，其实质是情报感知在数据任务情境下的表现，开展军事数据研究，意义深远，军事数据研究是情报学术在新时期的表现形式之一[1]。
1 美国军事数据发展战略演进
美军从20世纪50年代就开始对数据进行规范管理，直到20世纪90年代，为加强数据管理，建立了国防部首席信息官(CIO)制度，全面负责美军的数据管理、开发和利用，直接参与高层的决策管理。美军数据管理不是一成不变的，其政策、目标和方式随着信息技术的发展和作战环境的变化不断进行调整。在不同历史时期，美军战略决策制定者关注的侧重点有所不同，大致发生了三次转变，如图1所示。
此次会议历时虽短，但主题鲜明，内容丰富充实，大会报告和分组报告涵盖了少数民族数学教育的多个热点问题，刻画了中国少数民族数学教育的发展趋势，与会者从中得到诸多启示，受益良多．2020年ICME-14少数民族数学教育卫星会议是中、外民族数学教育研究者相互交流与学习的绝佳机会．致力于中国少数民族数学教育的专家学者们应立足本国多民族的国情，探析中国少数民族数学教育中存在的突出问题，研究相应的对策，在学习国外民族数学教育研究经验的同时，淡化形式、注重实质[7]，因地制宜，借鉴义务教育改革与发展的中国模式[8]，探索具有中国特色的少数民族数学教育发展模式，推动中国少数民族数学教育发展．
图1 美国国防部数据发展战略演进
1 .1 侧重以资源为中心的数据管理时期
这一阶段主要是指美军大规模开展网络建设之前相当长的一段时期，美国国防部根据联邦政府颁布的一系列法规政策，建立和完善了国防部内部有关数据建设的法规体系、管理体系和业务体系，将战略重点放在对数据本身的开发利用上，其主要目标是实现对国防部范围内所有数据进行有序管理和有效访问。
美军在战略中将数据与分析提升到战略运营资产的高度来对待，认为“数据”是对事实、概念或指令的形式化表示，“分析”用于支持循证决策。在全球竞争中，美军急需从数据中展望未来，窥见更多真知灼见。在商业领域，数据驱动创新呈爆炸式增长，这为美军提供了完成其使命的绝佳机会。美军必须跟上技术进步的步伐，迅速采取行动，培养数据驱动型创新文化，出台合适的政策并组建人员队伍，更好地利用军方庞大且不断增长的数据资源，以最短的时间部署、运营创新产品。为实现这一目标，战略中提到两条具体的实施措施，一是建议采用通用数据管理框架，认为改善数据管理的关键一步，是军方采用国家信息交换模式以便再利用和共享数据模型。二是学习开源技术，产业界和学术界越来越多地通过开源标准、工具、方法来实现创新。虽然开源标准可能无法为军方每一种情况都提供最好的解决方案，但是，需要对开源技术进行学习和理解，以明白最先进技术和知识能为所用的地方。
1 .2 侧重以网络为中心的数据共享时期
随着美国国防部数据不断增长和信息系统的快速发展，国防部数据建设的战略也发生了改变，其重点由资源转向网络，通过加强网络建设，消除“信息孤岛”，实现各信息系统之间的互联互通与资源共享。
美军自20世纪50年代开始建设综合性军事信息系统，大部分由各军种、各部门负责，没有全军性的顶层设计，因而建成的系统烟囱林立，互不相通。美军意识到，建设全军性综合信息网络系统需要军队乃至国家高层领导从战略全局出发，进行总体筹划。因此将数据管理与建设的重点由分散化、电子化向一体化、网络化方向发展。2003年，时任美国国防部长助理兼国防部首席信息官签发了《国防部以网络为中心的数据战略》，实现以网络为中心的管理目标。相继推出《2010联合构想》《2020联合构想》《国防部首席信息官信息资源管理战略规划》《美国国防部信息体系战略规划》等计划和项目,从谋求信息优势发展到谋求决策优势。这一系列举动，核心是强调在信息时代，国防部应充分利用信息技术和数据建立一个安全、有保障、实施企业化管理的基础设施，实现“以网络为中心”的运营管理[2]，促进国防部向现代化转型，在政策、规章和安全制度允许范围内，所有用户可以在任何时候、以任何方式来获取所需数据，在应对信息战、恐怖袭击和犯罪行为方面，所有数据都是安全和可恢复的。并确保在作战和业务管理中实现以用户为中心的数据共享、数据融合、态势感知分析与决策等，从而达到“获得数据优势，提高联合作战能力，加速决策过程”的目的[3]。
传统数字出版服务商普遍提供框式检索、高级检索、专业检索等服务，可以按资源结构化力度（按章节、观点、知识元、药物、书等）提供检索，也提供全部检索。
1 .3 侧重以智能为中心的数据分析时期
2017年初，美国国防科技信息计划的参与制定者，国防科技信息工作的业务指导与总体牵头单位国防技术信息中心(DTIC)颁布《2017—2021战略规划》[8]，战略的核心思想是加强数据融合和数据分析方面的工作，聚合和融合科技数据，迅速、准确、可靠地提供知识，满足确保国家安全的下一代技术所需。
人们对现实世界的认知,总是遵循由近及远,由易到难,由简单到复杂,由已知到未知,由具体到抽象的思维规律;遵循由直接到间接,由关联性较多到关联性较少,由关联很强逐渐过渡到关联很弱的逻辑顺序和认知规律。
2016年1月，美国空军情报监视和侦察计划副参谋长发布《数据科学白皮书》[7]，认为当今大量情报源、产品和服务与快速发展的物联网和大数据技术紧密联系，白皮书主要研究大数据的影响，情报界信息技术的变化，以及它们使空军情报界采取数据科学方法的必要性。认为数据科学是空军情报界适应大数据环境和重塑全球情报目标环境的最佳选择，空军应如何将数据科学整合到他们的业务操作中。
海量信息数据不断激增和军队信息化深度发展带来了美国国防部数据建设战略的又一次改变，对大规模数据的有效管理和科学利用成为新的关注点。其主要目标就是从海量数据中进行数据挖掘，实现智能化的数据分析与决策支持[4]。2011年4月，美国国防部长签署了一份有关国防部优先发展的科学技术备忘录，其中有7项科学技术被作为优先的战略投入，数据到决策(Data to Decision，D2D)排在首位[5]。美国DARPA于2014年初启动的“大机理”项目，重点开发基于大数据的智能化计算分析、推理演算和信息提取等技术，为作战行动方案生成提供支撑；在2015财年“全球定量分析”项目中，提出开发“网络—社会—经济—环境”数据模型，通过研发自然语言处理、社交网络分析、社会科学计算等大数据技术，对全球和区域经济数据、社交网络数据以及开源媒体进行分析，预测军事或国家安全态势[6]。
美军认为，最优化使用数据资产，把握战略态势，获得竞争优势，组织需要采用协作的方式。在这一过程中，需要正确和科学地评估和改进数据管理工作，数据管理成熟度(Data Management Maturity，DMM)模型能很好地完成这项工作。DMM模型由能力成熟度模型集成(Capability Maturity Model Integration，CMMI)研究所开发，是多个行业数据管理专家历时三年半时间的研究成果。DMM模型是以CMMI的各项基础原则为基础开发的。DMM模型以增量方式逐步引入变化，明确地定义了5个不同的“成熟度”等级，一个组织可按一系列小的改良性步骤向更高的成熟度等级前进。成熟度模型等级共分为5级，具体见图3。
2 美国军事数据战略聚焦的重点问题
2 .1 数据科学是破解军事数据发展和应用的关键
美海军在数据分析与优化战略中使用DMM的5个成熟度水平和结果作为渐进式改进的参考要素。表1呈现了基于DMM的美国海军数据与分析战略优化路线图的概要，包含5个成熟度级别，并对每个成熟度的成果、达到每个成熟度所需的操作或“产出”进行描述。通过使用DMM模型，确保数据资产的及时性、高品质、可分享性以及与用户需求目的的适配性，确保能强化、良好地管理并更好地运用关键数据资产，实现既定的战略目标。
图2 数据科学流程中的数据流
2 .2 数据与分析是军方重要的战略运营资产
1964年，美国国防部颁布《数据元素和数据代码标准大纲》，由国防部对数据元素和代码实施统一管理，实现了数据元素和代码标准化。1980年，美国国会颁布了加强信息电子化管理的《文书削减法》，要求政府各部门对数据资源采取更为高效、经济的管理方法，加强对以往文本信息的电子化处理。1991年，国防部颁布《国防部数据管理》，由国防部、业务领域和军兵种各级设立的管理机构对数据元素与模型实施集中管理，统一构建通用数据资源，实现数据元素和模型标准化。1996年颁布了《联邦信息技术管理改革法》，倡导通过信息技术的有效使用，实现数据建设由无序化、手工化向有序化、电子化方向发展，要求各政府部门包括国防部及其下属部门都设立首席信息官，一方面加强信息系统建设，另一方面加强数据的有效共享与传递。2002年美国国会重新颁布《电子政务法》，进一步要求推动有关信息的电子化、透明化、高效化。国防部根据这一系列的法规政策，对国防部内部数据建设进行了战略规划与组织实施。首先是加强了法规政策建设，以国防部发布的一系列DODD(国防部指令)和DODI(国防部指示)文件以及军兵种数据管理政策为主要内容，形成了较为完整的国防部数据管理政策体系。其次是建立起高效的组织管理与业务实施体系，美国国防部以各种指令、指示、备忘录等政策文件形式明确规定了国防部各部门和机构在数据建设中的职能和任务，如美国国防部3200.12号指令《国防部科学技术信息计划》(STIP)，就明确了国防部长办公厅、主管职能部门、国防技术信息中心(DTIC)、军兵种科技信息办公室，信息分析中心，承研承制机构等在科技数据管理中的具体职责，从而确保了对科技数据的有效管理与利用。
2 .3 采用数据成熟度模型改进优化战略的实现情况
2017年9月15日，美国海军部发布《数据与分析优化战略》[9]，标志着美国海军部进入数据与分析领域的话语、发现、学习及变革的起点，战略中将数据视为生存的关键，希望海军部门能安全利用相关机构的数据与分析资产，增强自身战斗力，提高运行效率，并提升快速循证决策的能力。
图3 DMM模型的成熟度能力等级
清代史书和方志纂修中的这一普遍做法，在强化人物道德范式的同时，在一定程度上削弱了史料的真实性，更极大地牺牲了古代散文中人物传记的艺术个性，这是在历史文献研究和文学史研究中应该引起注意的重要问题。
2 .4 军事数据领域急需培育数据科学家
在战略文件中，美军强调随着技术的发展，无论是情报界还是军事部门，加速数据科学和情报分析的整合，促进大规模军事数据挖掘和分析，培养数据科学家是大势所趋。这种呼声反映了目前非专业人员在军事数据领域开展数据科学的局限性，军方开始接受大数据分析、数据科学、情报分析、知识管理和传统情报研究之间存在专业差异和相同之处。美军认为数据分析师(与情报分析师相近)与数据科学家发挥的作用是不同的，比如，在一个给定的目标区，军事传感器收集了对手空中活动的大量数据，数据科学家则是要研发一款应用程序，将现有分散独立的数据进行整合统一。数据分析师是利用此应用程序，对活动进行评估，并提出预见性的意见。为了共同的目标，虽然数据分析人员会与数据科学家一起合作，但他们的数据分析功能与数据科学家的数据开发功能截然不同。战略中提出各部门应积极扩展数据科学的功能，吸收来自计算机科学(数据挖掘、计算机编程)、数学、运筹学、统计学、信息理论领域的专家，采取外部引进和内部培养两种方法培育数据科学家。
表1 数据战略优化路线图
美军认为数据科学是解决目前军事数据发展和应用的关键，是美军适应不断变化的环境，快速重塑全球目标环境的重中之重。但数据科学是一门综合学科，包含多个领域的知识，涉及应用统计学、数据挖掘、数据管理、数据融合和运筹学等多个学科，数据科学不仅仅是当今和未来军事数据建设的理论指导，更是理论指导和技术应用的结合。美军认为在军事数据领域融入数据科学，设置数据工程师、数据科学家等新兴岗位和职业，可以整合不同的数据集，实现实时的数据流分析，使得美军可以史无前例地在大规模数据中实时决策。各战略文件都提到军事各部门对数据科学的应用已形成刚性需求，需要将数据清洗、整合、汇聚成更易理解和分析的数据集。图2是美军推出的数据科学流程中的数据流示意图。
3 美国军事数据战略变化的背景原因分析
3 .1 应对环境变化的需要
当今数据源、数据产品和数据服务与快速发展的物联网和大数据结合，美国军方迎来了新的挑战和机遇。从多种来源的分散数据集中筛选和组织信息，曾经是数据分析的重要特点，然而，这种情况发生了翻天覆地的变化，潜在的数据源呈指数级增长，对数据分析人员要求提高，数据分析技术也出现了变化。虽然新一代的工具能使数据融合达到全新水平，但在如何采用新方式利用数据提出更有深度的意见方面仍有研究空间。在这种背景下，认为数据科学是解锁军事数据应用的关键，可以对广泛来源的数据进行无缝融合，快速开展多源或全源分析，可以将决策优势快速传递到作战人员和国家决策者。
3 .2 创新决策模式的需要
面对复杂、动态、不确定的环境，决策模式是提高决策能力的关键。以往决策模式主要是依靠人的经验加智慧做出决策判断，存在一定的主观性和片面性等缺陷，影响了决策的水平和能力。美国国防部推出D2D等计划，目的是通过将感知、认知和决策支持相结合，建立自治式系统，对来自各种渠道的动态影像数据、静态影像数据和文本数据进行融合分析，独立完成操控并进行自主决策，先于其他国家军队掌握和应用新一代海量数据智能分析的核心技术，大幅度提高从海量数据提取高价值情报的能力，从根本上改变决策模式，提高快速反应能力。
通过BIM技术更早和更精确地进行可视化设计，避免低级错误的发生，随时生成与模型一致的二维施工图。各专业之间相互协作，降低图纸错误，提高设计质量。
然而，在湘西题材小说中或多或少都暗藏着城市文明的“入侵”，但作者并未明确表明对这种“文明”的态度，例如在《媚金、豹子与那羊》的结尾，对于媚金和豹子殉情的事，“白脸苗的女人，如今是再无这种热情的种子了。他们也仍然是能原谅男子，也仍然常常为男子牺牲，也仍然能用口唱出动人灵魂的歌，但都不能作媚金的行为了！”究竟都市文化带给了乡村怎样的变化？这就牵涉到了沈从文对乡村与城市的选择和态度。
3 .3 提升作战行动能力的需要
信息化条件下作战，战场态势感知数据来源种类多、数据量巨大、更新快，已经成为作战信息系统不可缺少的重要组成。随着战争形态的演进和信息系统在作战体系中核心地位的确立，战场态势数据从幕后走向前台，从辅助因素成为主导因素。美国防部开展的“多尺度异常检测”(ADAMS)项目，重点研究海量网络流量的异常检测和特征化技术，其初步成果已用于检测网络活动中的内部威胁，可以提升战场态势数据的感知、获取和分析能力，将大规模态势数据转化成可操作的情报，为快速提供战场解决方案提供有效支撑，从而提高作战行动能力，获取战场优势。
3 .4 创建数据驱动科研范式的需要
以数据共建、共享、共用为核心的科研信息化，成为驱动美军科技创新的重要力量。DTIC通过完整配套的数据引接、融合、共享使用机制，将美国国防部投入产生的科技数据集中存放和管理，并与军外同行联盟，架起国防部采办界、科技界、各部局实验室及作战人员之间的桥梁，形成数据驱动的军事科研新格局，加速国防技术的传递，使美国能持续保持国防科技的领先优势。
4 我军事数据发展的初浅思考
大数据对我军事数据发展提出了新要求，需要审时度势，抓住机遇，跟踪大数据技术发展轨迹，及时掌握世界大数据先进技术水平和研发策略，结合军队建设重点，大力发展新型数据建设和高端数据处理技术，为把握军事数据建设方向，找准未来发展定位提供及时有效的指导。
开展军事数据基础问题研究，打造军事数据理论体系。着眼发挥数据驱动和引领作用，开展军事数据基础理论和应用理论研究，重点开展军事数据需求体系、军事数据体系、军事数据技术体系及标准规范体系研究，形成特色鲜明的军事数据理论体系。
拓展数据获取渠道，形成数据体系优势。需要站在全军数据战略全局高度，按照开放共享、内外联合的基本思路，采取平行引接、系统引进、数据交换、嵌入业务采集数据、网络下载等多种方式，构建覆盖全面、数据类型完整、数据规模适度的军事数据体系。
NaCl（常州市海拓化工有限公司）；AgNO3（赫邦化工有限公司）；NaOH（赫邦化工化工有限公司）；K2Cr2O7（南京化学试剂股份有限公司）；浓HCl（沈阳晟达化工有限公司）；以上试剂均为分析纯。
强化技术手段建设，形成技术体系优势。以实验室建设为龙头和牵引，采用联合项目、开放基金、技术论坛、技术竞赛等方式，吸纳军内外优秀技术力量合作开展关键技术攻关等工作，重点在数据感知与融合、数据分析研判、数据智能服务等关键技术上下工夫，形成技术体系优势。
参考文献
[1] 王延飞，赵柯然，陈美华，刘记.情报感知的研究解析[J].情报理论与实践，2018(8)：1-4.
[2] Sharing data,information,and Information Technology (IT) Services in the Department of Defense[EB/OL].[2013-08-15].http://www.dod.gov/.
[3] 深度剖析互联网“大数据”的特点[EB/OL].[2012-06-12].http://b2b.toocle.com/.
[4] 大数据时代即将到来[EB/OL].[2012-04-23].http:// mrbigdata.com/.
[5] Obama administration unveils “Big Data” initiative:announces $200 million in new R&D investments[EB/OL].[2012-03-29].http：//www.whitehouse.gov/sites/default/files/microsites/ostp/.
[6] NSF leads federal efforts in big data[EB/OL].[2014-05-06].http://www.nsf.gov/news/.
[7] Data science and the USAF ISR enterprise[EB/OL].[2016-03-01].http://airforce.com/.
[8] DTIC strategic 2017-2021 excellence in action[EB/OL].[2017-01-18].http://www.dtic.mil/.
[9] Department of Navy Strategy for data and analytics optimization[EB/OL].[2017-09-15].http://navy.com/.
Research on the Evolution of America Military Data Development Strategy
Abstract : In different historical periods,U.S.military strategic makers have different focuses on military data.This paper systematically describes the evolution of the U.S.military data development strategy,and believes that it has gone through three stages.They are resource-centric data management,network-centric data sharing and intelligence-centric data analysis.On this basis,the paper mainly elaborates the key issues of the U.S.military data strategy in the face of the development of big data,and analyzes the reasons for military strategic adjustment.Finally,it makes suggestions on the development of China’s military data.
Keywords :USA;military data;data strategy;data science;data analysis
DOI: 10.16353/j.cnki.1000-7490.2019.06.001
作者简介： 汤珊红 ，女，1973年生，博士，副研究员，硕士生导师。研究方向：军事数据理论与方法。游宏梁 ，男，1971年生，硕士，研究员，硕士生导师。研究方向：军事数据分析与应用。高强 ，男，1987年生，硕士，助理研究员。程佳军 ，男，1990年生，博士，助理研究员。秦小平 ，男，1984年生，硕士生。
录用日期： 2019-01-28
标签：美国论文; 军事数据论文; 数据战略论文; 数据科学论文; 数据分析论文; 军事科学院军事科学信息研究中心论文; 北京大学信息管理系论文;