分析大数据导向 云技术铸就智慧城市

随着云端运算及物联网等科技的不断发展，大数据(Big Data)在智慧城市扮演的角色也越来越重要。但事实上，数据本来就是城市治理非常重要的依据，尤其是与城市安防的相关业务，举凡人口统计、犯罪率、交通流量等数据，政府治理单位本来就会定时蒐集并加以分析，作为施政的参考，如果不能先了解大数据与传统数据的差别，掌握大数据的分析与工具的特性，就算拥有大数据，也可能只是「入宝山空手而回」，无法将数据转换成价值，自然也无法对城市安防产生贡献。

了解大数据才能有效运用

相较於传统数据，大数据至少具有三个差异极大的特性。首先是数据量(Volume)，如果换算成数位数据单位，基本单位通常已经是TB、PB等级，不但要考量收集及储存成本，如何迅速传递这麽庞大的数据，也是大数据应用必须思考的重点;其次是时效性(Velocity)，即使是这麽大的数据量，仍然要在最短的时间内产生分析结果，如传统的年报统计，往往是在今年收集去年的数据，却在隔年才出版，旷日废时的结果，往往会让数据分析结果失真。

PredPol应用大数据分析技术，预测出犯罪机率高甚至下一次可能发生犯罪情况的区域，并於地图上标示出一块块500平方英尺的区域，供警察参考。

最後也是最大的差别，就是数据的多样性(Variety)，传统的数据通常有明确的结构性，选项也比较少，如年龄、性别、等级等，但大数据可能会有各种形式，包括文字、影音、图像、网页等，不但没有明显的结构，而且大数据还常常出现形式交错的现象，如Youtube上的影片除了有点击数外，同时还有留言讨论。

由此可知，传统的数据收集方式，显然已经不能满足城市安防对於大数据的需求，所幸在物联网(Internet of Things;IoT)、云端运算及4G无线宽频等技术的发展下，要取得物与物、物与人、人与人的互联互通数据，技术上已不是问题，但必须得先迅速建构起收集、传递及储存大数据的基础建设，才有可能建立全面感知的能力，成为城市安防决策的最佳後盾。

但只是从感知层获取资讯是不够的，因为想要做好大数据深度分析，就必须要有能力针对复杂且开放式的问题寻找答案，并藉由视觉化分析工具，透过连续性的筛选和抽象化，才能洞悉重要资讯。然而大数据具有的超大量半结构化/非结构化数据的特性，往往会造成传统关联式数据库管理系统(RDBMS)的运作瓶颈，必须要导入全新的大数据分析工具，方能真正灵活运用大数据。

来源：机房监控 机房环境监控 机房监控系统  http://www.create-china.com.cn