大數據：美國國防部第三次抵消戰略的基石

（本文翻譯自美國諮詢公司Govini所起草的2017財年美國國防部人工智慧、大數據和雲計算分類標準文件，大數據部分）

人工智慧只能像其「消化的」數據一樣聰明，這就是美國國防部的數據收集和處理（Data Collection＆Processing）子分類中，數據處理和健康（Hygiene）方面成為支出增長最多項的一個原因。

數據的質量在大多數大數據項目中經常被忽視，它有可能損害結果並導致錯誤的決策。有效查詢異構數據源，然後對一個或多個數據模型進行提取、轉換和載入數據，也會對整體數據質量產生很大影響。

儘管如此，僅有數據的收集還很不夠。如果沒有正確的標準化、規範化、刪除重複數據、驗證和豐富的數據，人工智慧就無法正常工作，而其中驗證和豐富數據是讓數據變得有用的最關鍵步驟。如果沒有人工智慧，第三次抵消戰略將遠遠無法達到擴大美國與潛在對手之間的軍事能力差距並加強常規威懾的預期目標。

Govini已將Data Collection＆Processing分類為以下四個細分市場：

數據收集-系統地收集信息的過程

提取轉換和載入（ETL）以及數據處理-三種功能用於將數據從中間資料庫中提取出來並放入生產資料庫中

數據健康-確保數據不存在錯誤、處於可用格式的過程

數據健康軟體-檢測和糾正損壞或不準確記錄的軟體

集成商是持續釋放AI和大數據的潛在分析價值的關鍵

數字世界正在以前所未有的速度增長。預計到2020年世界將產生44ZB，到2025年將產生將近163ZB的數據；而2013年僅產生了4.7ZB。視頻和圖像佔據了數字數據的很大一部分，對於國防部而言尤其如此，因為它與實施第三次抵消戰略息息相關。

儘管有大量的數據，但只有一小部分被用於分析其價值。到2020年，估計只有33％的數字世界將包含具有分析價值的信息。在這個充滿信息的世界中，數據處理和數據健康對於確定數據的價值和釋放人工智慧和大數據的潛力至關重要。

在最近的財政年度，美國國防部優先處理ETL和數據處理，支出增長87.2％，達到2.436億美元。2017財年中大部分增加的財政支出被用於系統集成商：包括General Dynamics、Raytheon、EHR Total Solutions、Booz Allen Hamilton、GeoNorth Information Systems和約翰霍普金斯應用物理實驗室。

數據健康支出在2017財年也大幅增加53.6％至1.515億美元。Lockheed Martin和Leidos領導的市場佔總投資的32.5％，Northrop Grumman和Raytheon分別佔2017財年支出的6.5％和4.8％。

大數據和AI的融合為美國國防部創造巨大價值

雖然很多人工智慧技術已經存在了幾十年，但現在才有足夠大小的數據集可供利用，並提供有意義的學習和結果。大部分的功勞歸功於大數據技術公司；如果沒有它們，輕易地訪問大量數據和處理大數據規模能是不可能的。

大數據技術的進步無疑對人工智慧有所幫助，並拓展了第三次抵消戰略。但是在將來，AI可能會幫助大數據技術進一步發展，從而實現大數據和人工智慧協同工作，在利用邏輯樹的同時進行決策自動化。

Govini已將大數據技術分為以下三個細分市場：

數據倉庫-來自一個或多個不同來源的集成數據存儲庫，這些數據源被常規性操作和處理

分散式處理軟體-用於管理數據處理、標準化和規範化的共享資源的軟體

數據架構和建模-收集數據的收集策略、模型、規則和標準以及如何存儲、安排、集成並將其放入數據架構和系統中

美國國防部對數據質量的投資有助於為大數據和人工智慧融合鋪平道路

美國國防部正在比過去更加重視數據質量，主要原因是該部門發現數據質量通常比數據數量更重要。2015財年作為一個轉折點，國防部開始將數據質量放優先於數據收集的位置上。

數據質量下相關的兩個最小的細分領域——數據架構和建模以及分散式處理軟體的年度支出在過去五年增幅最大，分別增長了6.8％和2.7％。

由於美國國防部在數據架構和建模方面的投入增加，使得Northrop Grumman、Raytheon、Deloitte、Leidos以及Booz Allen Hamilton等系統集成商受益最多。Northrop和Raytheon的大部分業務都來自導彈防禦局，而Deloitte則為美國國防部衛生署（DHA）開展工作。Leidos最大的客戶是AFLCMC（美國空軍生命周期管理中心），Booz Allen Hamilton主要為海軍工作。目前，這些公司已經具有能力，通過將大數據技術與決策作戰原則相結合，來推動第三次抵消戰略的實施。

分散式處理軟體是大數據技術之一。市場領導者Insight Public Sector將其產品主要銷售給AFLCMC、陸軍、海軍和NETCOM。集成商還向美國國防部出售分散式處理軟體。Lockheed Martin、Booz Allen Hamilton以及Northrop Grumman是排名前十的分散式處理軟體銷售商。

分析是最大的分類標準類別，支出正在不斷增長

分析有可能幾乎立刻從數據中獲得答案——這是人機團隊協作的重要方面。但是，分析與傳統分析方法不同的是它提供的速度和效率，人工智慧有望增強這種能力。

人工智慧和大數據的融合使速度和效率達到全新的水平，預計這將完全改變商業分析、智能開發和數據分析以及相關軟體等現有方法。在這種情況發生之前，人類將與機器組隊，一起利用先進的數據科學工具來充分利用大數據，通過分析來獲得結果以用於決定性行動決策。

美國國防部支出數據趨勢揭示了這一現實。傳統的情報方法和業務分析是自2012財年以來支出最大的兩個子類別，佔總類別支出的72.7％。其中一個子類別業務，業務分析在過去五年中的支出增長率最高，達到7.9％。

Govini已將Analytics（分析）分為以下四個子部分：

情報開發（Intelligence Exploitation）-數據方法，如翻譯、評估和將原始情報數據和信息轉化為有用的形式。

業務分析（Business Analytics）–通過數據技能、技術和實踐獲取洞察力。

數據分析-檢查大型數據集以便在專業系統和軟體的幫助下地得出更多的結論

數據可視化軟體-以綱要（schematic）形式提取數據並組織可視化表示的軟體

技術工程承包商在集成AI大數據方面發揮關鍵作用

與其他分類標準相比，美國國防部對分析的支出一年比一年穩定。2013財年，雖然總體消費略有下降，但在2017財年迅速恢復至最高水平，達到24億美元。

有能力提供技術數據解決方案的服務公司已從穩定支出中受益，特別是那些提供情報開發和業務分析的公司。然而，第三次抵消戰略要求大多數任務工作在人工操作員的指導下自動完成。

AASKI技術獲得了15.6％的情報開發支出，這是支持美國陸軍的承包商中最大的份額。BAE Systems緊隨其後，以支持其數字電子戰系統（DEWS）為主，佔據13.4％的份額。雖然處理、開發和傳播（PED）服務可能在可預見的未來作戰原則中發揮關鍵作用，那些利用尖端技術來使能自動化而非手動人工分析的公司將最能取得成功。這種人機合作過程不僅會最終提供更有效的解決方案，而且還會揭示AI可以輕鬆實施的領域。

業務分析與情報開發沒有多大區別，專業服務公司可以通過訪問更廣泛的數據，並組織實時分析和高保真分析，從而在轉型市場中獲得份額。Leidos主要從其地理空間研究，集成，開發、支持（GRIDS II）計劃的工作中獲得7.5％的業務分析支出。

【敬請關注該報告的後續譯文】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！