一提到美国空军，首先想到的是美国大片，当然，这支部队可不是靠脸活着的。在信息技术最发达的美国，这支先进的部队当然也是用大数据武装起来的。美国空军车队主管在讨论大数据时在说什么，确切的说，一个一年3亿美元采购预算的部门，怎样通过大数据来管理车队调度、规划预算、节约成本等复杂任务。

一、美国空军车队

美国空军车队支持美国空军在天空、太空和虚拟空间内执行飞行以及战斗任务。在全球无数的任务中，要求配备各种车辆组成的车队，包括公车、特种、以及军用车辆以完成复杂的任务。

作为美国的第四大联邦政府车队，车队资产超过70亿美金，驻扎在美国以及全球各地的基地。

美国空军在本土以及海外的基地就像一个“自己自足”的城市，需要配置各种车辆，从轿车到铲雪车、消防车到加油车等等。目前，获得授权使用的车辆类型超过500种。

美国空军车队的管理机构为美国空军车辆和设备管理保障办公室（Air Force Element Vehicle and Equipment Management Support Office），负责制定车辆管理条例、补贴、维修计划、优先度计划、制定预算等，总部位于弗吉尼亚州的兰利。

该机构提供集中的车辆管理，保障11个主要作战司令部、307个基地，拥有6100名技工，每年的采购计划预算高达3亿美金。作为管理机构，他们提出通过连续以及严密的流程再造，以高效的方式保障各种行动。

其中，其车队管理涵盖各个方面，如规定、预算、资产管理、维护和维修、能源管理和条例制定等。

二、美国空军全球战斗支援系统数据服务

自2001年起，美国空军不断扩展企业级数据仓库，主要应用了Teradata动态企业数据仓库平台6690，目前已经拓展到6个节点，存储量高达95.8T.同时，他们还辅助部署了Informatica PowerCenter以及Business Objects的相关产品。

从美国空军的数据分析演进过程看，在2007年之前侧重分析师视图，最初的版本只关注一架飞机及其维修流程。从2007年到2013年，实现了企业视图到企业互操作的快速演进。在2009年支持新增资产查询视图，将解决方案延展至车辆、装备和军需品，并且在2013年拓展更多的流程管理，如库存跟踪、供给和运输环节等。

其中，车辆视图应用的核心组成分为两部分：一是规划组件，包括授权验证、预算计划、优先采购模式；二是运营组件，包括领导视图、快速查询、保留成本、高性能以及交易请求工具。

在授权验证中，美国空军基地的每一个标识都要进行验证，如车辆类型、使用机构、使用代码等，而且每个需求都会在三年内进行反复确认。工作流程也是非常繁琐。要为决定性需求的目的创建问题和条例；调查也是为每个基础生成的；而且管理者要快速回答调查问题；该调查结果，将作为规则处理引擎，洞察对车辆需求进行计算。

面对以上情况，美国空军对管理进行变革。例如通过在库存中队当下需要授权的车辆进行计算对比，对于每个不同的车辆和设备管理保障办公室的用户采取行动，进行批准或撤销申请的操作。

在改变后的总结分析报告中可以看到，统计涵盖了授权增加和减少的数量，以及自动和人工授权的不同数量等。最终的结果显示，这种性能和方法有助于效率的大幅提升和费用的节省。据统计，通过授权验证，在过去三年美国空军共计节约了3.09亿美元的开支！

在预算计划中，我们对空军自身现有装备和美国总务管理局租用车辆实现了统一视图，采用了自动生成的空军车辆预算编制流程。

其中，在美国空军现有装备模型变量中，是通过对基本配置设置（如装备生命周期成本因素、高利用率因素、间接成本、培训预算等）、调整和通货膨胀（如生活成本通货膨胀因素、车辆预算增加或者减少、所有组织层级中资金的盈余和减少等）、支付（如按比例分配资金能力等）、自定义差异（如人力资源分配、寒冷的天气环境、高度腐蚀性/热带环境等）等进行预算规划。

而在美国总务管理局租用车辆方面，是对基本配置设置（如美国总务管理局每月附加费等）、调整和通货膨胀（如空军附加费、附加设备数量、生活成本通货膨胀因素、租用车辆预算增加或者减少、所有组织层级中资金的盈余和减少等）、分配（如按比例分配资金的能力等）进行预算规划。

在优先采购模式中，优先采购模式部署了美国空军车辆替换策略算法，高效计划未来一年的车辆采购。如计算每辆车预计的生命周期，优先考虑每辆车更换，拨款给不同车辆类型以平衡车队，假设场景模拟资金调整，车队分配指标分析，为即将到来的财政年度生成车辆购买清单等。

在具体计算中，车辆的生命周期结束就是当维护和运行成本大于折旧价值时，即判定该车辆到达使用年限。相同车辆类型的每个流动资产是按优先顺序替换的。资金是车辆的类型来决定的，每个车辆类型在一个类别中获得平均分配资金，以此来帮助车队的平衡分配。车辆的更换资格是用户指定年限内（通常是3年）来计算车辆生命周期的终结，而且没有车辆分配来取代它。之后进行采购数量的计算，具体车辆的更换是基于优先级的分配。还可让用户创建假设的场景看到预算调整对模型结果的影响，如预算增加和预算消减。车辆分配良好的指标是在生命周期结束时不更换车辆，使用结构化的逻辑方法去测量未来的影响。

最终的结果显示，在第一年的模型和车辆生命周期结束结构中，空军车辆采购需求减少了150万美元。

在领导视图中，关键因素是识别/来源任务能力的车辆去支持自然灾害，例如飓风桑迪。同时需要从概括性的探索到越来越低层次的详细数据，如深入到主要司令部、基地、资产、视图车辆中哪一个没有任务能力，以及预估返回到服务的日期等。

在车队态势中，查看车辆授权包括车辆细节和空缺率。用户选择从68个属性查看、过滤和排序。

在装备费用中，要考虑当前和历史车辆的维护成本。

如此看来，美国空军车队的性能如此强大：不仅提供了维护车队使用状态维修的方法（CBM）；促进了可维护性和可靠性分析；而且数据用于审查/比较当前预防性维护措施和政策效率的机会；同时使用数据对比车队与行业标准，帮助建立一个基准的预防性维护措施。

例如，车队使用Teradata地理空间功能就是用来计算在基地间的距离的。Teradata公司的地理空间解决方案通过把地理空间信息集成到企业级数据仓库中，充分利用Teradata强大的数据库内分析能力，提供快速、精准的地理空间数据处理分析服务，同时，地理空间数据和数据仓库内的其它业务数据进行整合后，为用户带来了全新的数据分析功能。

为此，美国空军车队被《政府车队杂志》评为“最佳车队100强”，荣获2014年是绿色车队的荣誉；同时在过去的24个月，9次获得 A4/7年度和季度奖，3次获得A4L奖以及“美国联邦车队主管15强”等奖项。

展望下一步发展，美国空军车队希望未来能够提供采购代表或项目经理的视图，部署移动端应用程序，提高任务能力指标等方面获得突破，通过数据分析能力强化美国空军的战斗和运行能力。