兵民是胜利之本。

中国IDC圈4月11日报道,淮海战役中,543万民工,动用各种运输车88万辆,筹运粮食9.6亿斤,生动诠释了动员支前的强大威力。然而,时过境迁,当年的“小推车”已然不能适应现代战争的需要,信息化条件下的人民战争呼唤创新发展。

当前,人类社会正迈入大数据时代,“智慧地球”“智慧城市”建设飞速发展,“智慧”理念已经深入人心,可以说网络无处不在、信息无时不在、服务无所不在。反观我们的国防动员领域,在一定程度上还囿于固有思维,陷于传统手段,以致效能不高。积极应对大数据时代的机遇与挑战,加快推进国防动员改革创新,开启“智慧动员”建设新模式,已经势在必行。

现实之忧

●信息滞后,保鲜保真难

●自成系统,兼容共享难

●功能单一,精准调控难

两年前,广东某市组织一场国防动员演练。过境部队一辆装甲车零件损坏,请求该市国动委支援。市有关部门几经辗转,才在100多公里外的一家仓库找到配件,险些误了事。演练复盘发现,近在十几公里处的一家企业就有该型号配件,因信息不共享、资源不集约,导致跑了冤枉路。

“动员手段落后尤为明显,有的同志习惯于翻‘老皇历’、凭‘老经验’,对瞬息变幻的信息时代缺乏研判和应对。”广东省军区领导现场指出,近年来,虽然国防动员系统结合任务需求进行了探索,建立了数据库、开发了信息系统,但思想观念、顶层设计、运行机制等方面的问题仍然存在。

信息化抓了多年,问题到底出在哪里?记者梳理了几个比较典型的案例。

2014年11月,广东省四会市人武部接到山林火灾情况通报,第一时间集结民兵应急分队,依据指挥信息系统规划的路线前进。队伍行进至山脚,发现前方被一大片带围栏的养殖场阻断,根本无法通行,只好临时调整路线。

“一年前的数据拿到现在用,倍增器不变成绊脚石才怪。”市人武部部长李华感叹,在建设发展日新月异的情况下,预定地域内的数据信息也会发生变化,若不及时采集、更新数据,就有可能贻误战机。

目前,大多以离线方式采集潜力数据,效率低、易出错,周期长、更新慢,难以满足动员决策的需要。广东省国动委经济动员办公室负责人介绍,按照规定,潜力数据调查由国动委办事机构来承办,地方统计部门等相关单位配合。但经常出现的情况是,地方提供的数据不能满足国防动员潜力数据标准和要求,而国动委又没有足够专业力量去完成调查统计工作。

除信息滞后外,国防动员信息系统“烟囱林立”的现象也比较突出。记者调查了解到,目前仅人民武装动员相关信息系统就有9个,涵盖了日常业务方方面面的内容,从单个业务线条上看,基本满足了需要。但由于这些系统研发单位不同、软件编写不统一等原因,各类系统自成体系,“军地不联、上下不通”比较普遍,信息资源融合共享、综合运用不够。

“我们内部的人员、装备管理都有较为完善的系统,但没有把预编兵员纳入进来,由此带来诸多不便。”某预备役团团长肖新生介绍,每次集训、演练时,往往还是“靠打电话核对、发传真下任务”。

不光是“烟囱林立”,有的系统功能单一、智能化程度低,难以满足国防动员指挥决策、精准调控的需要。一次,广东某县接受上级国防动员检验评估,急征大批装备、物资,因对最新资源数据分析运用不够,导致征用调拨方案不合理,使得动员效果大打折扣。总结的时候,一位领导感叹道:“简单的数据登记、统计和上报功能远远不够,必须开发校验核对、数据纠错、数据分析等功能。”

对此,广东省征兵办的同志也颇有感触:就像征兵任务的分配,每个地区的人口结构都在发生变化,按照地区人口比例来计划分配,经常出现有的地区很吃力,有的地区指标不够用。能不能进一步开发功能,对每个地区人员结构、数量、学历等数据加以分析,然后合理赋予指标任务?

“信息时代,无信息则失聪,无网络而不胜。”广东省国动委一位领导告诉记者,在新军事变革的奔涌浪潮中,法规制度不够健全、技术人才相对不足、信息安全压力增大、重复建设造成浪费,等等,都是制约国防动员信息化建设的难题,也是工作中思考的重点方向。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2022-01-05 14:33:48
大数据资讯 2022中国数据安全十大发展趋势预测
以数据安全评估为抓手,构建数据安全组织体系、制度体系、技术体系、运营体系等为核心的数据安全治理服务将成为数据安全重点工程 <详情>
2021-10-19 11:09:16
国内资讯 节能与智能运维成为我国数据中心新趋势
未来企业需要怎样的数据中心?传统的数据中心如何改建? <详情>
2021-04-15 14:09:05
大数据资讯 大数据的时代已经全面来临?
大数据时代的来临,为企业收益管理工作的开展提供了更加广阔的空间。需求预测、细分市场和敏感度分析对数据需求量很大,而传统的数据分析大多采集的是企业自身的历史数据来 <详情>