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。在Teradata天睿公司举办的全球用户大会（Teradata Partners）上，美国空军车队主管Robert Uren做了一场演讲，让我们来看看，当美国空军在讨论大数据时，他们在说什么，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。

以下是演讲实录：

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，以最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。

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。

您能读到这里真是受累了！以下的内容会很轻松！

以上演讲来自全球大数据和数据分析领导企业Teradata天睿公司（纽交所上市公司，2007年从母公司 NCR 公司剥离独立）每年举办一次全球用户大会（Teradata Partners）。我们讨论大数据不过三五年的事情，但是这场业内规模最大的数据分析峰会已经开了30年了。你能想到想不到的最资深的行业、商业智能、数据仓库和大数据专家，而且全球大名鼎鼎的数据驱动型企业的用户代表也都在这儿了。

会议间隙，我采访了Teradata天睿公司首席执行官兼总裁Mike Koehler、首席技术官Stephen Brobst，以及大中华区首席执行官辛儿伦（Aaron Hsin），他们从不同方面分享了大数据是怎样改变和即将改变我们的生活，尤其是商业生活。

CE：中国公司已经开始从大数据中获得立竿见影的商业收益吗？

辛儿伦：其实，不管是立竿见影，还是潜移默化，就像本届大会的主题Breaking Big所阐述的一样，我们要积极拥抱大数据，在应用中要“打破束缚和限制”，不管是企业还是个人应该探索和追求“创新、差异化、勇气、重大进展和卓越表现。”

所以，企业要在大数据上获得收益，就必须坚持创新和追求创新，不管在技术上寻找突破，还是从业务流程、组织架构、企业的分析文化上，都要进行积极的创新。在国内，有十多个行业的客户选择Teradata做了很多创新的项目，包含政府与公共服务、地铁、交通运输、航空、通信行业、银行、保险、证券、物流、快递行业、制造行业、汽车、零售、电子商务、电力能源等行业。

比如在国内的快递行业，我们帮助一家领先的快递公司建立其数据收集和分析系统，协助完善其业务流程。通过找到它们业务流程中的“跑冒滴漏”环节，将业务环节的各种数据，例如扫描数据、车队的运营数据等跨部门的数据整合起来，改善计费流程系统，实现关联分析等高级分析功能，杜绝了以前流失的收入。据这家快递公司测算，在项目结束的第一年，如果假设部署Teradata解决方案和服务的费用为1块钱，那客户由此带来的收益就达到80块钱，这就是非常显著的改变。

在保险行业，大部分保险公司都以为客户会在周末查询有关保险的相关信息，所以投放网络广告都选择周末时段。其实，通过我们的大数据分析证明，其实应该是周一！就是大家最忙的工作日的第一天。所以，通过大数据分析，将广告资源投放在适合的时间、适合的人群就是帮助企业获得真正的受益。

针对营销方面，我们经常会接到各种“骚扰”的推销电话，其实这就是在不正确的时间、不正确的地点、用不正确的方式来提供给不恰当的人。企业应该基于客户的数据分析，用更加智能的方式来服务，我认为这种不精确的服务应该会越来越少。

其实，不管是已经在驾驭大数据中受益的企业，还是那些刚刚开始征程的组织，很多企业曾经面对大数据项目的投资时都出现过犹豫、徘徊。当然，这就需要更大的勇气支持。Teradata以及广大客户的调查已经看到，我们是时候积极行动了。我们也理解，文化上的转变可能比技术和分析流程上的转变历时更久，但是我们一直强调，大数据从小做起，相信企业也能很快看到大数据的价值，看到数据分析在商业变革中带来的不可替代的驱动力。

CE：大数据在技术层面的发展已经有了很大的突破，到底有哪些因素影响到大数据的技术进步真正投入到应用当中去？

Stephen Brobst：人们只是假装热爱技术进步，哈哈！实际上，人类希望看到的是一步步的改变，而不是翻天覆地的变化。

比如，像无人驾驶汽车技术早已存在，但是，现在直接让大众接受无人驾驶还是困难的，改变将会是循序渐进的。现在的汽车已经实现了自动泊车功能，这就是迈出了无人驾驶的第一步。无人驾驶更多是因为法规、监管、保险公司、律师之间存在的问题，现在还没有很快大规模应用。

另外，尽管人的生命非常珍贵，但你的汽车上的传感器数量比人身上的可穿戴传感器多的多。通过佩戴传感器，大数据可以提供很多健康方面的数据分析。例如根据你个人的基因状况，提供个性化的药物和治疗方案。这也是未来的一个发展趋势。但是很多人害怕，因为个人隐私的原因，不希望把自己的基因组数据放在大数据库里面。

在大数据领域，目前发展非常迅速而且想象前景最为丰富可能是物联网数据。Teradata公司认为大数据分析的未来图景就是“万物皆可分析”（Analytics of Everything）。此外，在Gartner公司的分析预测中，发布了2016 年可能影响企业的十大技术趋势，其中万物信息化以及物联网等技术入选。

其实，这些预测正是技术发展现实的写照。实现万物皆联网或者万物皆可分析，最主要的是靠传感器技术。在我们目前生活的时代，传感器技术结合大规模并行处理能力，使我们能够测量并整体分析几乎所有现象。先进的仪器使我们能够跟踪万物的变化，例如天气变化模式、汽车驾驶习惯、乃至快餐店冰箱的温度、医院里（或家里）病人的生命体征。将这些数据采集至数据库，并运用广泛的统计、分析及可视化工具对这些数据进行细致的分析。

正是由于这些传感器，我们的生活、工作中产生了新的数据源。例如，通过射频识别读取器，我们能够进行零售库存跟踪与控制、医疗测试采样跟踪、预防欺诈行为等；通过GPS定位跟踪器，能够进行车队管理和交通运输和货运管理；通过数据采集传感器，我们就能在制造业、环境保护、交通运输系统中采集到实时的数据用于分析。

但是，物联网之所以没有快速发展起来主要有三个原因：第一，我们还需要更加廉价的传感器。第二，物联网需要一个统一的标准，这点非常关键。例如，针对物联网数据的分析，我们发布了Teradata Listener软件，就是为了解决数据规格和实时分析的难度。第三，安全因素。物和物之间的联网涉及安全，如果有不良数据传送，比如说飞机、汽车、油泵等被黑掉就会造成事故，必须慎重。

CE：在您看来，五年之后大数据会让我们的日常生活发生哪些改变？

Mike Koehler：根据IDC最新的报告，全球联网设备的数量在2014年是103亿，发展到2020年将会增长到295亿。这将带来社会和人类生活的巨大变化。我们不会像分析师一样去预测未来，但是可以分享几个大数据应用的非常实在的例子。

未来五年，虽然有很多东西已经实现了互联，但是将还有更多的物品被连接到一起，导致新的大数据源不断涌现，同时带来新的洞察和前所未有的机遇。例如，在农业领域，大数据可以帮助葡萄酒庄酒庄，让他们自动控制给葡萄浇水、施肥的时间，甚至进行针对性的管理。

我们的每架飞机、每列火车和地铁、每辆车辆、甚至骑行的自行车等，都能够通过传感器实现互联，我们可以实时地了解到知道它们潜在的问题在哪里，解决方案是什么，怎样去进行维修等。

对当前和未来发展，大家虽然都认识到大数据的价值或者带来的改变，但是我更要强调大数据分析的价值！在一定程度上说，只是拥有数据并不能成为企业真正的竞争力，只拥有数据并不能给你的日常生活带来太多便利。Teradata公司的客户，美国全国保险公司客户管理副总裁Kathy Koontz 女士指出：'重要的不是数据，而是如何使用数据。企业必须改变它们的经营方式，学会从数据中洞察事实并做出反应，否则数据整理得再有条理，也没什么价值。'

通用电气公司首席执行官Jeff Immelt曾说，“今天，数据分析时代已经来临，数据分析不再是未来愿景。每家实业公司都将围绕数据与分析技术以某种方式进行变革。”所以，我们可以看出，数据和分析正在彻底改变各个行业，彻底改变消费者，并带来新的竞争对手，但更重要的是，数据和数据分析使得我们的社会开始了前所未有的转型。