近年來互聯網產業蓬勃發展，數據量猛增，云計算、大數據等信息技術熱詞如火如荼，大數據帶來的信息風暴正在變革我們的生活工作和思維。

2012年3月奧巴馬政府公布了“大數據研究與開發計劃”，提高政府從海量復雜數據中獲取知識和遠見的能力，該計劃得到了美國國家科學基金會、國家衛生研究院、國防部、能源部、國防部高級研究計劃局、地質勘探局等6個聯邦部門的支持。一貫從事SQL關系型數據庫業務的Oracle公司推出了NOSQL（Not Only SQL）數據庫服務器，迎接非結構化大數據的挑戰。谷歌Map Reduce、開源Hadoop分布式架構等新興技術為大數據平臺搭建及大數據處理分析提供了實現途徑。

在這樣的時代背景下，如何借鑒大數據浪潮帶來的思維與技術，采取切實可行的措施，加快實現公益性地質調查成果社會共享，挖掘地質數據在未來國民經濟和社會發展過程中的應用價值，滿足社會各界對地質信息日益增長的需求，是地質信息化建設值得思考的問題。

 

古今中外數據分析

1、黃仁宇的“數目字管理”

黃仁宇是美籍華人歷史學教授，他在著名的《萬歷十五年》一書中提到“數目字管理”概念，其實就是今天所說的“基于數據統計的管理”。黃教授提到，明代官員們不注重數據，加之那時朝廷與地方之間的數據交流不多，導致朝廷在制定政策時無法顧及地方需求，所出臺的政策無法施行。黃教授反復強調，“倘若能實現數目字上的管理，中國就有希望了”。

2、美國的“數據化轟炸”

曾經擔任美國國防部長的羅伯特·麥克納馬拉，是哈佛商學院高材生。他在二次大戰時曾經受雇于五角大樓，負責制定空軍作戰計劃。那時，他運用數據統計方法，評估和改進轟炸機的使用效率，獲得極大成功，成為數據科學在軍事方面的典范性運用，至今被各國軍事專家所稱道。老美的很多新科技研究都是發端于軍事需求。

3、日本新職業“數據浪人”

我國安全部門經常破獲“日本間諜案”。這些被抓獲的日本男女或為日本人干活的“中國漢奸”，扛著全站儀，掛著望遠鏡，“迎著朝陽出發，披著晚霞凱旋”，儼然是“光榮的地質隊員”。他們是接受日本有關機構或企業的資助，在我國土地上搜集數據的。與抗日戰爭爆發前后來到中國惹是生非的日本浪人相對應，現在抓住的日本間諜更像是“數據浪人”。

4、鞍鋼礦業之“五品聯動”

鞍鋼礦業集團公司創立的“五品聯動”礦冶工程管理模式，就是礦業大數據的一次成功應用。其宗旨是以實現經濟和社會整體效益最大化為目標，打破采、選、冶等系統分割優化定式，建立“品位-成本邊際指數”和“品位-效益活躍指數”，將勘查工程、采礦工程、配礦工程、選礦工程、冶煉工程集成構建為一個協同聯動的礦業大數據系統。統籌分析、動態優化地質品位、采出品位、入選品位、精礦品位、入爐品位，建立“大區域開采、網絡化配礦、差異化分選”工程組織方式，攻克了貧赤鐵礦規模化采選這一世界性工程技術難題，目前已在國內外10余個鐵礦山推廣應用，經濟和社會效益非常顯著。鞍鋼礦業集團公司在礦業大數據應用方面取得的成就，拿到國際上也是響當當的。

發掘數據價值　

大數據不僅指海量數據，還代表著對大規模數據進行采集、存儲、處理、分析的技術能力，更體現著對數據資源的重視及未來戰略的把握，因為信息技術革新的重點正從技術轉向信息，數據的價值正在發生革命性變化，數據有望成為不斷增值的潛在財富，大量創新將在此基礎上建立，發掘數據價值、實現智能型信息服務正在成為業界的未來趨向。　　

隨著不同比例尺區域地質調查及環境地質調查工作的不斷鋪展，以及各種新型探測技術與數據采集技術的投入施用，地質數據存有量一直呈快速上升趨勢，但數據再利用率并不高，多限于項目組或內部使用，數據應用方式也比較單一，交叉綜合利用率也不高。因此需要借鑒大數據思維，探索數據基本用途外的潛在作用，使數據在首要價值實現后仍能不斷產生潛在價值，實現數據價值的最大化。

數據潛在價值最常見的釋放方式包括：　　

1. 數據再利用：以業務驅動或用戶需求為核心，開發數據應用模式，讓數據進入可再利用的循環，同時關注數據循環過程中產生的新數據，讓數據能在循環利用過程中不斷增值。　　
2. 數據整合：探索數據集之間的關聯價值，開發2個或多個數據集的組合方式，使不同類型數據的結合能釋放新的數據價值，讓多源數據組合價值總和大于單一數據集價值的堆砌。　　
3. 數據開放：建立信息公開制度，創建良好的數據生態環境，在保障國家安全、個人隱私與數據知識產權的同時，將數據公開范圍從學術象牙塔擴展到政府部門、企業單位乃至社會公共服務領域，讓盡可能多的人能合法獲取數據并利用數據攜帶的信息，在應用領域創造價值。

數據向社會開放是實現數據價值的最直接途徑，同時也是迄今的最大障礙。一方面，在數據內涵價值不確定的情況下，其安全級別與開放程度有時很難界定，甚至極具爭議性；另一方面，基于產業發展、商業目的或特殊應用需求，第３方企業單位或社會機構具有更強的洞察力和創新性，能有目標、有計劃地挖掘并利用數據的潛在價值。因此，權衡利弊、嘗試數據逐步開放是實現數據潛在價值的首要任務。美國聯邦政府大數據網站（data.gov）的數據開放過程是：2009年上線時“看上去很美，但數據有限”；2012年3周年時，170多個機構參與發布40余萬原始數據集和地理空間數據集；2012年底data.gov走向開源（Open Government Platform），其中所采用的方針政策、技術手段以及政府與研究機構的科學務實態度均值得借鑒和學習。此外，英國政府大數據網站（data.gov.uk）在開放數據產業的成功經驗也值得借鑒。

 

突破固有思維

1、數字化、數據化與信息化　　

目前數字地球、數字海洋、數字城市等一系列信息化建設項目正在開展過程中，這些項目的標題很容易讓人誤解為信息化就是數字化，從而影響信息化建設的工作導向。　

實際上，數字化只是通過采樣、量化、編碼將模擬數據轉換成計算機可讀數據的過程。數字化的目的并非讓計算機存儲設施成為數據的終結地；從大數據層面看，數字化的目的是數據化，數據化后的數據才可以檢索、分析、重組，才可以通過數學模型挖掘用戶需要的信息。因此，信息化應是數據與信息技術的集成，即數據與技術相結合，最終驅動數據從存儲地走向信息服務領域的過程。　　

2、大數據分析思維　　

地質數據涉及基礎地理、地形地貌、構造地質、礦產資源、環境地質、地球化學、地球物理等專題類型，其應用價值和綜合利用潛力難以低估，但因多源異構，類型紛雜，交叉綜合利用難度大，需要突破思維模式，技術創新。《大數據時代》作者認為，大數據時代的信息分析思維方式將有3大轉變：

1. 樣本等于總體的全數據模式：由于可獲取數據量及信息處理能力大增，數據分析將不再依賴隨機取樣，而是使用全部數據；
2. 大趨勢正確前提下的效率高于精度模式：由于數據量大增、數據類型紛雜使得錯誤難以避免，因此，數據分析將不再一味追求精確性，精確計算往往需要以時效為代價，快速獲取脈絡趨勢比嚴格的精確性重要得多；
3. 著眼于實際應用的數據相關分析模式：數據分析將不再熱衷于尋找因果關系，經由數據相關關系分析的結果探索成為主流。其中大數據思維的效率高于精度模式對海洋地質數據算法技術的開發具有重要指導意義。谷歌公司專家曾在“數據非理性效果”一文中提出，“大數據基礎上的簡單算法比小數據基礎上的復雜算法更加有效”，貫徹該技術策略，谷歌地圖、谷歌翻譯等網絡應用業務取得了成功。以谷歌地圖投影算法為例，谷歌地圖選擇公共可視化偽墨卡托投影（Web Mercator）作為地圖投影方式，該投影實際上是基于橢球面的球面墨卡托投影，或稱近似墨卡托投影，不適合量測應用，但投影算法簡單，能滿足快速高效的地圖Web可視化服務，該算法策略為地圖業務的后期發展奠定了良好的數學基礎。　

地質信息化建設擬以用戶需求為出發點，借鑒大數據思維，重新認識地質數據資源之間的相互關系，有針對性地開發多源、復雜結構、海量數據的存儲、整合、管理、挖掘、分析、利用與展示技術，創造數據的長期與綜合利用價值。

 

重視軟性建設　

1、開發數據應用工具　　

大數據興起，基礎架構和平臺又一次被熱炒，但這一次信息技術革新的聚光燈轉向了信息“Ⅰ”。基礎架構和平臺只是大數據環境的承載者，平臺之上的數據應用工具（應用程序APP、應用程序界面API等）才是創造數據長期價值的未來核心。美國聯邦政府大數據網站（data.gov）按原始數據、地理空間數據和數據工具3大類組織，說明了數據工具與大數據的整合關系以及數據應用工具的重要性。　

縱觀地質信息化發展歷程，重硬件投入輕軟性建設是普遍現象。目前，地質數據的采集、存儲能力不斷增強，但從數據中提取價值的能力仍然不高，核心技術仍然缺乏。因此，需要根據地質數據特點，以用戶業務需求為驅動，開發數據應用模式，創建數據挖掘模型，把握數據、信息與工具的業務命脈，創造數據的持續可利用價值。　　

2、提高可視化與可視分析技術水平　　

數據可視化是通過圖形方式整合、濃縮、傳遞與表達信息的過程，是詮釋復雜數據的重要工具。一方面，將復雜數據映射到易于理解的視圖中，有助于非專業人員充分理解數據所表達的信息；另一方面，可視化也是洞察大數據內在規律、探索未知信息、預測發展趨勢的有效手段和途徑。

數據可視化與可視分析技術水平以及信息可視化表達能力，體現著信息化建設成果的先進性和有效性。為此，地質信息化建設應重視地質數據可視化技術的研究，關注海量、多源地質數據的動態、快速、有效的可視化技術，研制面向不同用戶群的信息圖形表達方式與視覺效果，體現數據的信息之美；其次，可結合數據挖掘探索數據隱含信息的可視分析技術，發掘地質大數據的潛在價值，為智能型信息服務奠定基礎。

 

礦業大數據的八個應用場景

1、在礦山可研及設計階段

準確、及時的大數據分析可以幫助加快從預可行性到可行性研究、一直到設計階段的速度，減少這個過程中關鍵性失誤的發生。

有很多新的礦山基建和改擴建項目都面臨著成本失控問題，可說是礦業 “頑癥”。這個問題之所以不斷困擾我們，很大一部分原因是初始數據不準確，或者可用數據太少，以至于制訂建設投資計劃時可靠的信息不足。這里所說的信息，不僅是地質數據，而且包括當地勞動力成本、設備要求、基礎設施投資信息，甚至還包括當地勞資關系、法律等許多方面的人文數據信息。

例如，中信泰富澳洲鐵礦項目遇到重大挫折，主要原因就是地質勘探數據不足且不準確、對當地法律環境信息了解不足等。

2、在礦山基建施工階段

系統、人員和設備的準備就緒程度是保證項目實施順利進行的關鍵。項目一旦啟動,就會給企業帶來重大影響。掌握承包商的實際建設能力對于準確計算投資回報是重要的。掌握供應商和現有資產運營能力的信息可以幫助準確地評估礦山生產能力，更準確地估算凈現值。

3、在礦山生產階段

指揮調度中心與現場的雙向實時信息數據的有效溝通，對于提高效率、降低成本、安全生產的作用極大。

例如，跟蹤記錄運礦卡車每天的運輸路線，就會發現，某一個運輸路線在某一天的生產效率最高（燃料消耗最少，輪胎磨損最小，運輸量最大，所用時間最短），而其它日期由于生產作業調度計劃的改變，卸礦點的變化，或任何其他因素的變化，對生產效率產生了影響。有時同一個班次中生產效率都有可能產生變化。這些實時生產數據如果只是像過去那樣每月才分析一次，那么很多有用信息將被忽略，甚至在分析時就已經過時了。但是如果能夠做到現場快速分析，就可以發現提高生產效率的辦法并馬上采用。

4、礦山資產全生命周期管理

對于礦山項目來說至關重要。在過去礦業繁榮時期，礦山企業的注意力都集中在提高生產效率方面，重視資本支出，以至于忽視了資產設施管理等重要問題。

然而，值此礦業不景氣之時，業界開始重視資產全生命周期信息管理在降低運營成本中的作用，并開始在這方面進行投入。資產管理人員如果能夠清楚地掌握設備可靠性、可用性、生產能力和全生命周期成本，而不僅僅是簡單的一次性使用成本和生產能力，則會大大節省礦山全生命周期費用。因此，對礦山資產進行摸底性調查和數據采集工作，建立虛擬化全維數據模型，并進行全生命周期管理，將會極大降低礦山生產平均成本，從而起到增加生產利潤空間的作用。

5、最大限度地發揮礦山自動化作用

自動化采礦、無人采礦不再是夢想。現在，有些礦山企業的某些生產環節的自動化項目已經進行一些時間了，可以更容易地在自動化設備或過程中進行數據自動采集，采用成功的智能工具分析企業的關鍵數據。通過分析礦石產量、生產效率、能力、維修間隔時間或其他海量數據，可以發現設備運行過程中的問題，并及時解決，可以大大節約成本、提高生產力。

6、職業培訓、健康和安全分析

礦山生產數據還可以用于職業培訓、健康和安全分析，用于找出問題環節，甚至可以追溯到安全事故的具體責任人。由此可以通過職業培訓和關鍵技能拓展提高雇員素質，還可以找到生產現場的不安全因素，并通過嚴格執法和適當的安全培訓，把不安全因素降到最低。

7、知識共享與數據互通

過去由于企業內部信息不透明，知識復用率很低。由于企業內部沒有互聯互通的數據庫和知識庫，在某一個作業地點所發現的重要的節省成本的秘訣不為其他地點所知曉。但是，如果實施大數據分析策略，那么企業數據整合系統將會使數據在企業內部自由流通，因此每一個人最終就會從其他人的“發現”或失誤中獲得教益。

此外，業主和承包商、設備制造商之間的數據外部互通共享也很重要。誰是數據的擁有者，誰是數據的使用者，這是大數據應用首先要搞清楚的問題，然后設法實現數據流通。現實情況往往是，數據擁有者和數據使用者之間的溝通機制缺如。例如，礦業公司一般掌握運礦卡車的油料消耗數據。如果礦業公司通過信息管理系統授權油料公司或油料管理軟件公司使用這些數據提供咨詢服務，那么就會幫助礦業公司找到節省油料的合理措施。大數據的業界各方采取開放的心態，和企業內外各方充分合作，那么大家都會從大數據分析中受益。

 

8、節約采購費用

礦山企業的采購量巨大，可以節約的空間也很大。上規模的礦業公司往往擁有地理分布很廣的下屬基層作業地點；每一個地方的任一種供應物品，往往都有很多可用的供貨商供選擇。這里涉及到的浪費以及采購經手人的權力尋租空間太大了。由于商業關系、技術特點、貨源本地化、信息不通等原因，礦業公司往往在不同的作業地點使用不同的供貨商，采購價格千差萬別，質量變數也很大。

由于礦業公司在大宗物品采購上沒有和供貨市場大數據進行有效連接，無法對各個基層單位進行合理的合同談判管理，致使采購費用高企。有些集團企業開始注意到了這個問題，著手對公司采購建立有效的大數據管理，極大地節約了采購費用。

結論

從美國政府“大數據研究與開發計劃”看，自然科學研究、環境保護、國家安全等基礎科學研究領域的大數據技術突破將是未來的重點。地質信息化建設應擺脫單純以“數據量”論成效的價值觀，重視數據的信息服務價值，創建數據有效增值模式，實現數據的再利用價值；同時，借鑒大數據思維，探索地質大數據挖掘與可視化技術，提升信息價值洞察力，增強地質信息化軟實力，實現數據價值的最大化。

來源：整理自網絡

---

地一眼公開征稿！

我們希望您在這里表達關于“地質+互聯網”、地勘行業轉型的觀點、想法和思考！我們將為您提供具有影響力的新媒體矩陣平臺，傳遞地質人的聲音！

稿件要求：

1、文章必須原創首發，如若發現抄襲、洗稿等現象，后果自負，并追究原作者相關責任；

2、題材包括但不限于“地質+互聯網”、地勘行業轉型，文體不限；

3、來稿請請加微信：dkkjxiaoyou