1980年，著名未来学家阿尔文·托夫勒在他的著作《第三次浪潮》中，就明确提出：“数据就是财富”，并且，将大数据称为“第三次浪潮的华彩乐章”。这些年，大数据作为一个时髦概念，出现频率很高，关注度也很高。对于很多人来说，当他第一次听到“大数据”这个词，会自然而然从字面上去理解——认为大数据就是大量的数据，大数据技术就是大量数据的存储技术。但是，事实并非如此。大数据比想象中复杂,它不只是一项数据存储技术，而是一系列和海量数据相关的抽取、集成、管理、分析、解释技术，是一个庞大的框架系统。更进一步来说，大数据是一种全新的思维方式和商业模式。现如今人类社会已经进入到大数据时代，方方面面都会感受到大数据技术应用的机遇和挑战，会给包括军事等众多领域带来许多颠覆性变革，需要我们认真研究他的产生机理，深入思考他的演化规律，及时转换思维模式，充分推动实践应用，将大数据与云计算、物联网、人工智能等高新技术深度融合，全面提升部队综合战斗力，争取未来战场主动权，决胜未来信息化战争。
一、大数据的定义及特点
到目前为止为对大数据没有标准的定义，认识的角度不同定义也就不相一致，大体上有个基本轮廓。从广义上讲，大数据是指物理世界到数字世界的映射和提炼，通过发现其中的数据特征，从而做出提升效率的决策行为，有点哲学味道。狭义的定义，大数据是通过获取、存储、分析，从大容量数据中挖掘价值的一种全新的技术架构，是从纯技术角度去定位大数据。大数据的要点就是：
做什么？——获取数据、存储数据、分析数据
对谁做？——大容量数据
一般而言，大数据技术有以下几大特点:
第一，数据海量性（Volume）。当前伴随着计算机网络技术的迅速发展和互联网的高速普及，信息数据量已由TB级升至PB、EB（、ZB级，并仍在呈爆炸式地增长。据悉，全球在2010 年正式进入ZB 时代，2012 年全球数据量达到5.2ZB，预计到2020年，全球将总共拥有35ZB 的数据量。有一个形象的比喻可以帮助人们理解这些数据的规模，如果把35ZB的数据全部刻录到容量为9GB的光盘上，其叠加的高度将达到233万公里，相当于在地球与月球之间往返三次。早在2010年，最大的跨国零售商沃尔玛的年管理数据总量已达到2500TB。现今，以PB为存储单位的企业大数据集合的例子十分常见，国际互联网搜索巨头谷歌的月处理数据已超过400PB，这种企业数据以TB、PB为存储单位的现象足以说明大数据技术的海量性。只是看这几个字母的话，貌似不是很直观，我们来举个例子形象说明一下。1TB，只需要一块硬盘可以存储，容量大约是20万张照片或20万首MP3音乐，或者是671部《红楼梦》小说。阿富汗战争期间，美军为打击一小股恐怖分子，其部署在太空、空中和地面的全方位情报侦察监视系统，24小时内产生的数据就有53T。1PB，需要大约2个机柜的存储设备，容量大约是2亿张照片或2亿首MP3音乐。如果一个人不停地听这些音乐，可以听1900年。1EB，需要大约2000个机柜的存储设备，如果并排放这些机柜，可以连绵1.2公里那么长。如果摆放在机房里，需要21个标准篮球场那么大的机房，才能放得下。而到2020年，全球电子设备存储的数据，将达到35ZB。如果建一个机房来存储这些数据，那么，这个机房的面积将比42个鸟巢体育场还大。
第二，数据多样性（Variety）。与传统数据固定信息交流格式相比，大数据表现出多样化的数据模式。数据的形式是多种多样的，包括数字（价格、交易数据、体重、人数等）、文本（邮件、网页等）、图像、音频、视频、位置信息（经纬度、海拔等），等等。数据分为结构化数据和非结构化数据，结构化数据，是指可以用预先定义的数据模型表述，可以存入关系型数据库的数据。例如，一个班级所有人的年龄、一个超市所有商品的价格，这些都是结构化数据。而网页文章、邮件内容、图像、音频、视频等，都属于非结构化数据。在互联网领域里，非结构化数据的占比已经超过整个数据量的80%。大数据，就符合这样的特点，数据形式多样化，且非结构化数据占比高。
第三，数据高速性（Velocity）。由于通讯技术的发展和计算机技术的普及，信息交流呈现高速化的发展趋势，雄厚的通讯基础、完善的硬件设备以及社会发展的实际需求刺激了数据的产生与交流，同时，市场对数据采集处理和分析的要求也越来越高。大数据的高速性表示从数据的生成到消耗，时间窗口非常小，数据的变化速率，还有处理过程越来越快。例如变化速率，从以前的按天变化，变成现在的按秒甚至毫秒变化，我们用一组数字来表示：
就在刚刚过去的这一分钟，数据世界里发生了什么？
Google：200万次搜索请求被提交
怎么样？是不是瞬息万变？
5G通讯技术、云计算、人工智能等新兴技术也侧面反映了大数据高速性的特点。
第四，数据价值密度低（Value）。大数据的数据量很大，但随之带来的，就是价值密度很低，数据中真正有价值的，只是其中的很少一部分。例如通过监控视频寻找犯罪分子的相貌，也许几TB的视频文件，真正有价值的，只有几秒钟。2014年美国波士顿爆炸案，现场调取了10TB的监控数据（包括移动基站的通讯记录，附近商店、加油站、报摊的监控录像以及志愿者提供的影像资料），最终找到了嫌疑犯的一张照片。伊拉克战争爆发当日，美军驻卡塔尔和科威特前进指挥所由于无法处理保障机构提供的海量数据，不得不关闭设备，从而造成指挥所与部分突击方向的通信联系几乎中断。
二、大数据的核心和本质
首先看一下，为什么现在会提到“大数据”，而不是在移动互联网之前？这其中就与互联网技术的发展有密切的关系。现在手机普及率基本饱和，可以说是人手一部，而且花销在手机上的时间也日益增长，其实我们是每时每刻都在生产数据，基本是一个人一天产生1G的数据。这仅仅是一部手机产生的数据。如果随着物联网的到来，数据将会几何增长。因此“大数据”的产生背景与技术的发展是密不可分。
回过头我们再看看互联网的发展史，最早是新浪、网易、搜狐三大门户网站；再到是天涯、贴吧等BBS论坛；再到是博客、微博等新媒体；再到是移动端的微信等社交媒体、今日头条等自媒体；但现在最火爆的应该是视频直播。这与大数据有什么关系？（有人的地方就有江湖，有江湖的地方就有数据。）你会发现最开始都是格式化的文本数据（新闻），到个人社交数据（出现屌丝，吃翔等新名词）；到微博的图文时代，再到如今的视频数据。其中数据的形式发生了变化，因此在技术上处理数据也会发生变化。比如文本查重和视频查重，使用的大数据技术是完全不同的。
大数据为什么现在叫大数据，是因为现代互联网技术，可以把不同结构类型的所有数据都能搜集到，形成全数据，并且随着大数据技术的深度发展，这些复杂结构类型的全数据，会被自动分类比较统计，所以称为大数据。
大数据首先必须具有海量的数据积累。大数据的海量性是前提，但同时还应具有多维性、完备性和及时性。大数据的多维性，可以理解为针对单一“个体”（人/物/事件等）不同角度的数据。比如收集全国所有人的出生年月，单收集这一项，数据单一缺乏意义，但如果再加入收入、所属地区、受教育程度等等多维的信息，那数据本身就变得有意义了。我们可以从数据中分析人口的地域分布、经济分布、教育分布等并在此基础上给出宏观的资源调控计划。大数据的完备性，则可以理解为数据的全面性。比如2012年一位名叫内德·斯威尔的年轻人，利用大数据成功预测了美国51个州的大选结果。他其实就是在投票前利用互联网尽可能的搜集当年的大选数据（如地方媒体数据、社交网络留言、朋友间评论等），从而最大可能的知道每个人对大选的态度，并按照州进行分类整理，最终成功预测了当年的大选结果。大数据如果缺少多维性则会让数据承载的信息片面，进而导致数据本身的利用价值大大下降；缺乏完备性的数据则会由于缺乏“完备样本”的支撑，也会使得获取的信息具有局限性。大数据最好还应具有“及时性”，但及时性却并不是其必备条件，只是有了“及时性”的大数据，会实现一些过去无法做到的事情。大数据的及时性，可以理解为数据收集的时效性，新鲜的数据能更快速的反应当前社会的一些情况。比如使用百度地图导航的时候，它能根据数据库中人们当前的（及时的数据）车辆出行地点，和即将要去的地方大概估算出此人的行程规划，并通过众多数据的整合估算出某一路段可能的堵塞情况，进而在导航的时候给出“避免拥堵”的导航建议。
第二，大数据的意义在于驱动决策。一是帮助企业了解用户。大数据通过相关性分析，将客户和产品、服务进行关系串联，对用户的偏好进行定位，从而提供更精准、更有导向性的产品和服务，提升销售业绩。典型的例子就是电商。像阿里淘宝这样的电子商务平台，积累了大量的用户购买数据。在早期的时候，这些数据都是累赘和负担，存储它们需要大量的硬件成本。但是，现在这些数据都是阿里最宝贵的财富。通过这些数据，可以分析用户行为，精准定位目标客群的消费特点、品牌偏好、地域分布，从而引导商家的运营管理、品牌定位、推广营销等。大数据可以对业绩产生直接影响。它的效率和准确性，远远超过传统的用户调研。除了电商，包括能源、影视、证券、金融、农业、工业、交通运输、公共事业等，都是大数据的用武之地。二是帮助企业了解自己。除了帮助了解用户之外，大数据还能帮助了解自己。企业生产经营需要大量的资源，大数据可以分析和锁定资源的具体情况，例如储量分布和需求趋势。这些资源的可视化，可以帮助企业管理者更直观地了解企业的运作状态，更快地发现问题，及时调整运营策略，降低经营风险。总而言之，“知己知彼，百战百胜”。说到底大数据，就是为决策服务的。
第三，大数据的核心在于大数据思维。网络的诞生给世界带来了大量的数据积累和信息流通，并带来了一次“大数据思维”的思想变革。机械思维时代，由于数据收集的局限性，科学家们只能在有限的样本下“大胆假设小心求证”，然而受限于人类大脑的“创造力”，所谓的“大胆假设”也并不是真的“大胆”；随着互联网时代的到来，“数据”不再成为问题，当大量数据堆积在一起时，就产生了“质”的变化。
互联网时代的人们逐渐发现，世界其实是不确定的，一方面世界的本质就是不确定的（比如原子核中的电子时刻都在做着无规则的运动）；另一方面影响世界本身的变量太多，我们没办法用简单的公式将他们全部囊括进来，只能尽可能的利用随机事件来处理，利用概率来解释。与此同时，伴随着数据的大量积累和统计数学的发展，人们惊喜的发现，在数据量达到一定程度的时候，数据和数据之间的关联可以反映出某些意想不到的结果。于是大数据思维就诞生了，世界本身是不确定的，利用大数据可以尽可能的消除这种不确定性，因果关系可以利用数据间的相关关系进行代替。大数据思维，也有人将其成为“信息论”，其本质就是：一是利用不确定性看待世界，然后利用大数据来尽可能的消除这种不确定性；二是利用具有多维度特征的大数据，数据之间的相关关系来代替机械思维时代的因果关系，帮助我们在“创造”难以掌控的情况下，发现意想不到的结论。
事例1：现在比较时髦挺流行的基因检测预测疾病风险，就是利用大数据和基因检测技术，对检测者患病风险进行预测。研究人员首先从大规模全基因组关联研究中收集数据，以确定相关的基因变异。对于每种疾病，他们应用一种计算算法将来自所有变异体的信息（其中大部分变异体单独对风险的影响非常小）组合成一个单一的数字，即多基因风险评分。这个数字可以用来根据一个人的基因组预测他（她）的患病几率。现在能够比较准确的识别出患严重常见病的高风险人群，主要包括冠状动脉疾病、心房颤动、2型糖尿病、炎症性肠病或乳腺癌。（安吉丽娜·朱莉切除乳腺以防乳腺癌）
事例2：如医院通过对某个病人病史、生活习惯、衣食住行、工作娱乐情况等进行全方位分析，便可以准确了解病人的生活情况与生活环境，精确地指出症结引起原因所在，只要建议病人针对引起病源的因素做出调整或进行医学干预，便可以了，避免了对病人过多的用药与过大范围的盲目干预。
事例3：银行通过分析某一申请人的家庭情况、消费历史、生活习惯、财务习惯、网页浏览记录等各方面的数据，便可以清晰了解此申请人各方面的情况，甚至可推测其内心的真实想法与将要采取的做法，从而判断申请人的贷款申请资格，决定该不该授信，授信多少等内容，所有的信息在大数据时代，几分钟便能全部收集完成。相比以前，申请人申请后，银行得派出两名客户经理进行面对面访问、调查、收集电信、征信等多方面的信息（部分信息可能未必能收集到，或者未必收集到准确的内容），再进行人工分析、鉴别等过程，少说也得几天吧？耗费的时间多不说，风险也相对更高：一是收集到的信息准确度需要考究，二是收集到的只是部分信息，大量有关的其他可能是弱相关的信息，没有收集，增加了信息噪音，降低了结论的精确度，给银行业务带来风险。
大数据思维与三个重大的思维转变有关：首先，要分析与某事物相关的所有数据，而不再依靠分析少量的样本；其次，乐于接受数据的纷繁复杂，而不再追求精确度；最后，我们的思维不再探求难以捉摸的因果关系，转而关注事物的相关关系。这就是用“数据的相关性”取代“因果关系”，也就是知其然，可以不知其所以然。
“大数据”的本质应该是什么样的？大数据到底是什么、为什么、干什么？很多人可能现在仍然是一头雾水，从科学的角度看，一门科学并不是应该为了处理每天产生的海量数据，实现商业价值而存在。真正的科学的意义在于：使用严谨的科学方法和技巧来攻克宇宙中永恒存在的重大问题。
我们不妨从一个黑客事件来思考下大数据的本质。2017年，国外黑客利用俄罗斯影子经纪人曝光的美国国家安全局（NSA）若干利用smb协议（445端口）漏洞而制作的勒索软件，席卷全球并把国内许多大学的大四毕业生论文给加密了。该勒索软件实际是一种蠕虫病毒，它首先利用邮件附件等方式感染一台主机，然后它会自动扫描局域网内开放了445端口的主机，一旦发现，就利用内置的ms17010（俗称“永恒之蓝”）的漏洞，把这些机子也感染。紧接着将所有的文档资料用特殊算法加密，是之无法正常打开，只有按要求提供赎金，黑客才会远程解密该电脑。
我们在这里并不讨论勒索软件的技术原理，而是从一个很有意思的现象说起。就在病毒暴发几天前（2017年5月10日）比特币的价格突然暴涨，而这次的勒索软件需要通过比特币来支付赎金，将比特币的突然暴涨和这次勒索软件席卷全球联系到一起，可以推测勒索软件团伙买入大量比特币，将比特币的市场价格迅速提高，从而通过勒索软件迫使受害者用更高的市场价格买入比特币，使他们可以攫取更多经济利益。这其实就是大数据思维，也是大数据本质。
大数据的本质和意义到底是什么？大数据的本质就是对历史数据进行碰撞，挖掘出看似违背常理，其实情理之中的一些潜在的规则和规律。他的意义就是利用潜在的规则和规律预测到人类预测不到的、未来一定会发生的事情。
说起大数据预测，它就是高级智能的最充分的体现，人类也是运用的很多的一种智能技能，平时我们对一个小孩说，“我看准了这个孩子，他一定会有成就，会有出息”，或者“我看准了你，你一定没出息”，这其实就是人类的一种预测，人类凭什么去预测其他人的未来，凭借的就是对其他人以前行为的一种分析、总结、提炼，最后预测。人类也是最喜欢使用“假如”、“如果”这种词语的物种，也表明人类是善于使用预测的。
而互联网时代，计算机能够利用大量的信息与数据，类似于人类的方式，对这些信息和数据进行碰撞、提炼，总结出一些从所未有的规则，就像前面提到的，比特币价格暴涨竟然和勒索软件风靡有关，还比如最经典的案例，超市里纸尿裤竟然和啤酒销量惊人一致是因为孩子父亲买了纸尿裤都会买再买瓶啤酒这种预料之外而又情理之中的关联规则。作家刘慈欣的作品《镜子》就是讲了一个关于利用大数据预测人类社会发展进程的科幻故事。
一旦大数据挖掘走上这条发展之路，那么预测社会未来的发展规则将不是梦想，统计学升级版就是大数据预测。
大数据的真正意义应该在于：我们究竟从数据中能够“学习到”什么，简单说就是分析、预测、模拟、重现。从这一点来说，数据科学可能就是未来五十年里面所有学科共同关注的发展方向。
三、大数据在军事领域的应用
随着大数据时代到来，数据已经成为继物质、能源之后，各国竞相争夺的第三大战略资源。特别是在军事领域，大数据的应用正在前所未有地激发创新活力、助推转型发展，成为主要国家构筑军事优势的“造血增智”工程。在2016年召开的上，习主席提出要深化信息化以推进现代化建设，要加强网络安全建设以保证国家信息安全。建立健全国家网络安全监管体系，制定国家信息化发展战略势在必行。积极促进大数据等信息技术在军事领域的应用，对我国实现强军之梦、实现中华民族的伟大复兴具有十分积极的意义。为深入贯彻习主席“审时度势精心谋划超前布局力争主动，实施国家大数据战略，加强建设数字中国”决策部署，加快推进军事智能化建设步伐，中国人民解放军军事科学院于2018、2019年举办了两届“军事大数据论坛”，论坛以“军事大数据推动军事智能化发展”为主题，围绕军事大数据发展的前沿、共性、热点问题展开研究讨论，深入持续推进了军事大数据建设发展、积极探索了军事大数据发展方向、大力挖掘了军事大数据发展潜力、加快推动了军事智能化前进步伐。事实上，作为一种对数据高效开发和全面利用的技术，大数据对国防和军事的影响是革命性的，已经被视为新的发力点，推动当前正在进行的新军事革命向更加深入的方向发展。
1、推动战争形态的演变
大数据可以改变未来的战争形态。美军一直追求从传感器到平台的实时打击能力，追求零伤亡。由大数据支撑的拥有自主能力的无人作战平台，将使得这些追求成为可能。例如，目前全世界最先进的无人侦察机“全球鹰”，能连续监视运动目标，准确识别地面的各种飞机、导弹和车辆的类型，甚至能清晰分辨出汽车轮胎的类型。现今，美空军的无人机数量已经超过了有人驾驶的飞机，或许不久的将来，美军将向以自主无人系统为主的，对网络依赖度逐渐降低的“数据中心战”迈进。无人机能否做到实时地对图像进行传输非常关键，目前，美国正使用新一代极高频的通讯卫星作为大数据平台的支撑，未来，无人机可以摆脱人的控制实现完全的自主行动。
美军的无人机集群战法，美国国防高等研究计划署(DARPA)目前正在积极推进所谓的“小精灵”(Gremlins)项目，打造飞行航母战队，并在近期开始试飞验证。他们计划打造可重复使用，并从C-130运输机起飞的小型无人机。这些新型无人机可以飞到远达483公里外的空域，分头执行监视任务，或攻击目标后，再返回飞行基地加油或补充弹药。同时，美国AeroVironment公司正在与通用动力陆地系统公司合作，加强其无人驾驶航空系统(UAS)与GDLS作战车辆的集成。这种整合将使装甲部队能够在行动中使用小型无人机和游荡武器。增加自动化和减少工作量，将使小型无人机和导弹系统的部署由车辆内部的更少的操作员来完成。这就是美军最新公布的斯特莱克装甲车的改进型号，也是美军转型的关键装备之一，一辆装甲车控制十多架无人机用以控制战场歼灭敌人。
总之，基于大数据的实时、无人化作战，将彻底改变人类几千年来以有生力量为主的战争形态。
2、引领指挥决策方式变革
管理的核心是决策，大数据带来的重要变革之一，是决策的思维、模式和方法的变革。建立在小数据时代基于经验的决策，将让位于大数据时代基于全样本数据的决策。决策是进行数据分析、行动方案设计并最终选择行动方案的过程。军事决策建立在对敌情的正确分析预测之上，其目的是通过合理分配兵力兵器，优选打击目标，设计完成任务的最佳行动方法与步骤。
以往的战争，做出作战决策时缺少足够数据支持，甚至数据本身的真实性、准确性也难以保证。目前信息化条件下的战争，各种条件都变成了数据，这就要求指挥人员必须掌握分析海量数据的工具和能力。以往，指挥人员更多的是依靠经验进行相对概略或粗放式决策。大数据的出现必将要求指挥人员以全新的数据思维来进行指挥决策。这种决策将有几个特点：
一是准确。只要提供的数据量足够庞大真实，通过数据挖掘模式，就可以较为准确地把握敌方指挥员的思维规律，预测对手的作战行动，掌控战场态势的发展变化等。
二是迅速。大数据相关技术所提供的高速计算能力有助于指挥员更加迅速地设计行动方案。
三是自动化。针对特定的作战对手和作战环境，大数据系统可以自动对己方成千上万、功能互补的作战单元或平台进行模块化编组，从而实现整体作战能力的最优化；面对众多性质不同、防护力不同且威胁度各异的打击目标，大数据系统可以自动对有限数量、有限强度和有限精度的火力进行分配，以收获最大作战效益。
在大数据时代的战争中，军事专家、技术专家的光芒会因为统计学家、数据分析家的参与而变暗，因为后者不受旧观念的影响，能够聆听数据发出的“声音”。
总之，基于数据的定量决策将和基于经验的定性决策同样重要，基于经验的决策将很大程度上让位给全样本决策，基于大数据的决策手段将从辅助决策的次要地位上升到支撑决策的重要地位。（美军发布的《2013—2017年国防部科学技术投资优先项目》就将“从数据到决策”项目排在了第一位，凸显了大数据对其指挥决策方式的巨大影响。）
网络日益普及的情况下，信息的流通与共享已不是难题，人们开始关注对信息的认识，及将信息转化为知识的能力。与之相适应，军事信息技术也从关注“T”（Technology）的阶段，向关注“I”（Information）的阶段转变；从建设指挥自动化系统（C4ISR），即指挥、控制、通信、计算机、情报及监视与侦察等信息系统，整体管理“战场信息的获取、传递、处理和分发”的全信息流程；发展至重视大数据处理应用，综合集成数据采集、处理平台和分析系统，统一优化管理“战场数据采集、传递、分析和应用”的全数据流程。即通过对海量数据进行开发处理，大幅度提高从中提取高价值情报的能力，从而实现对战场综合态势的实时感知、同步认知，进一步压缩“包以德循环”（OODALoop），即观察—调整—决策—行动的指挥周期，缩短“知谋定行”时间，提高快速反应能力。
随着数据挖掘技术、大规模并行算法及人工智能技术的不断完善并广泛应用在军事上，情报、决策与作战一体化将取得快速进展。在武器装备上，将特别注重各作战平台的系统融合和无缝链接，以保证战场信息的实时快速流转，缩短从“传感器到射手”的时间差，实现“发现即摧毁”的作战目标。
比如近几年迅速发展的无人机作战平台，其本质就是一个智能系统。其可以成建制地对实时捕获的重要目标进行“发现即摧毁”式的精确打击，还能通过融合情报的前端和后端，使数据流程与作战流程无缝链接并相互驱动，构建全方位遂行联合作战的“侦打一体”体系，从而实现了体系化的“从传感器到射手”的重大突破。
通常人们研究战争机理、找寻战争规律的方法有三种，又称为三大范式：实验科学范式，在战前通过反复的实兵对抗演习来论证和改进作战方案；理论科学范式，采用数学公式描述交战的过程，如经典的兰彻斯特方程；计算科学范式，基于计算机开发出模拟系统来模拟不同作战单元之间的交战场景。但是，上述研究范式只能使人们感知交战的过程和结果，并未有效提高对海量数据的管理、存储和分析能力。以大数据为核心技术的数据挖掘模式被称为第四战争研究范式。人们可以有效利用大数据，探寻信息化战争的内在规律，而不是被淹没在海量数据中一筹莫展。大数据研究范式由软件处理各种传感器或模拟实验产生的大量数据，将得到的信息或知识存储在计算机中，基于数据而非已有规则编写程序，再利用包括量子计算机在内的各种高性能计算机对海量信息进行挖掘，由计算机智能化寻找隐藏在数据中的关联，从而发现未知规律，捕获有价值的情报信息。例如，在第一次海湾战争前，美军就利用改进的“兵棋”，对战争进程、结果及伤亡人数进行了推演，推演结果与战争的实际结果基本一致。而在伊拉克战争前，美军利用计算机兵棋系统进行演习，推演“打击伊拉克”作战预案。随后美军现实中进攻伊拉克并取得胜利的行动，也和兵棋推演的结果几乎完全一致。
作战模拟早已经从人工模式转变为计算机模式，再加上大数据，战前的模拟推演，从武器使用、战争打法到指挥手段，都可以清晰地显现，是非常好的战时决策依据。一旦发现作战计划有问题，可以及时调整，以确保实战伤亡最小并取得胜利。
5、加速新型武器装备面世
大数据在武器装备上的广泛应用，意味着武器装备建设将从重视研发信息系统到重视数据处理与应用的转变，从注重信息系统的互联互通到注重信息系统的透明性互操作的转变。当前武器装备的信息化程度越来越高，装备体系内各个节点之间的信息共享也越来越方便、可靠，但由此也带来了一些突出问题，如原始信息规模过大、价值不够高、直接提取所需信息的难度增加等，从而使得武器装备体系在信息获取效率上大打折扣。在这种背景下产生的大数据为解决上述问题提供了有效方法。需要说明的是，大数据应用不仅意味着人们要以创新方式使用海量数据，还意味着人们要采用人工智能技术来处理自然文本和进行知识表述，以替代目前依赖专家和技术人员昂贵而又耗时的信息处理方式。
大数据与人工智能是相辅相成、相得益彰的关系。受益于大数据技术，武器装备体系将从战场上的信息使用者升级为高度智能化和自主化的系统。其具体流程为：经过智能处理后的高价值信息进入战场网络链路后，与战场网络融为一体的武器装备体系能实时自动感知面临的有关威胁，各装备节点自动感知包括我情和敌情在内的战场态势，在作战人员的有限参与下高度自主地分解作战任务，确定作战目标和行动方案，经过适当的审批流程后执行相关的作战行动。
以美军为例，美军大数据研究的第一个重要目标是通过大数据创建真正能自主决策、自主行动的无人系统，这一点已在无人机领域实现，美军希望无人机可以完全摆脱人的控制而实现自主行动。美军2013年试飞的X-47B就是这一系统的代表，它已经可以在完全无人干预的情况下自动在航母上完成起降并执行作战任务。
19世纪初，军事战略家克劳塞维茨以人的认知局限为由，提出了“战争迷雾”概念。显然，“战争迷雾”即“数据迷雾”。信息战首先得消除“战争迷雾”，信息战是体系对体系的战争，而这一体系是一个超级复杂的巨大系统，仅诸军兵种庞杂的武器装备和作战环境数据，就足以大到使普通的信息处理能力捉襟见肘；而敌我对抗的复杂化，更是让数据量呈爆炸式增长，从而带来比传统战争更多的“数据迷雾”。可以说，信息化战争的机制深藏在“数据迷雾”中。消除“战争迷雾”会提高指挥员的情报分析与军情预测能力。过去，由于可以掌握的数据不足，战争的不确定性很高，指挥员很容易陷在“战争迷雾”之中。而大数据最重要的价值之一是预测，即把数据算法运用到海量的数据上来预测事情发生的可能性。具体而言，未来完全可能依托大数据分析处理技术和建构模型，通过数据挖掘模式，从海量数据中挖掘出有价值的信息，及时准确掌握敌方的战略企图、作战规律和兵力配置，真正做到“知己知彼”，使战场变得清晰透明，从而拨开“战争迷雾”，达成运筹于帷幄之中、决胜于千里之外的作战目的。
对此趋势，很多国家及其军队都极为看重。例如，美军明确提出，要通过大数据将其情报分析能力提高100倍以上。如果这一目标实现，那么在这一领域其他国家与美军的差距，将难以用简单的“代差”来描述。美军通过多年的发展，已拥有全球最先进的情报侦察系统，因为对海量情报数据的分析，曾是美军情报侦察能力的瓶颈，而大数据正好能够帮助美军突破这一瓶颈。
大数据时代，往往不要求准确知道每一个精确的细节，只需了解事物的概略全貌即可。通过相关数据信息的大量积累，而不是对某个具体数据的精确分析，大数据技术可以为我们提炼出事物运行的规律，并判断其发展趋势。例如，2011年美军击毙本·拉登的“海神之矛”行动，就有赖上千名数据分析员长达10年数据积累的支撑。换言之，是大数据抓住了本·拉登。
7、引导军事组织形式变革
大数据即大融合，它有望打破军种之间的壁垒，解决军队跨军种、跨部门协作的问题，真正实现一体化作战。就组织形态而言，扁平结构、层次简捷、高度集成、体系融合更符合大数据时代的要求。
（1）网状化。军队的指挥体系逐步发展为“指挥网”，原先的“树状结构”变为“网状结构”。一个师的指挥系统一旦被打垮，师以下各级可通过“网”与上级或其他作战单元联系。这就改变了传统军事指挥体系由“树干、树枝、树叶”编成的组织形态，避免了机械化战争时期“打断一枝、瘫痪一片”的指挥弊端，有效提高了局部战争中的指挥效能。
（2）小型化。发达国家的陆军多由军、师、团、营体制向军、旅、营制转变，使作战集团更加轻便灵活，机动性更强。根据部队的不同功能优化组合，基本作战单位不需要加强补充就能实施多种作战，从而全面提高应对多种安全威胁，完成多样化军事任务的能力。将营作为基本战术“模块”，将旅作为基本合成单位，以搭积木方式进行编组，战时根据需要临时编组，迅速生成担负不同作战任务的部队。
世界各主要国家都非常重视军队组织形态变革，并致力于发展新兴军兵种，及时设计和建设新型部队。
2009年，美国国防部宣布组建网络战司令部。2013年3月，美国网络战司令部司令亚力山大宣布，美国将增加40支网络战部队。美国、俄罗斯等国都在积极筹划或正在建设能在太空进行作战的“天军”部队、“机器人”部队。
随着新兴军兵种的建立，军队的组织形态将出现新面貌，未来战争的触角不断延伸，网络、电磁频谱领域的争夺方兴未艾，太空不再是寂寞世界，天战也不再遥远。
（3）一体化。军队信息化必然要求一体化，信息化程度越高，一体化特征越明显。适应新形势下强军目标的要求，我军必须对战斗力要素进行一体化整合，推进武装力量一体化、军队编成一体化、指挥控制一体化、作战要素一体化，提高整体效益。
管理大师德鲁克与戴明都曾提出：“不会量化就无法管理”（在管理学中分为各种各样的流派，以德鲁克为代表的目标管理流派和以戴明为代表的过程管理流派成为了受众最多的两大主流）。数据的根本价值之一，就是可作为管理依据。大数据应用的特点是强调分析与某事物相关的总体数据，而不是抽取少量的数据样本；大数据关注事物的混杂性，而不追求事物的精确性；大数据注重事物的相关关系，而不探求其间的因果关系。将大数据应用于军事领域，意味着军事管理将更加刚性，基本不受人为因素的影响，且更加自动化。所以说，大数据强军的内涵，本质上是军事管理科学化程度的提高，即与小数据比起来，由于有了大数据，军事管理活动量化程度更高了，工具更加先进了，边界更加宽广了，管理质量、效率会随之更高。
9、大数据将使体系作战能力大幅提升
从作战手段角度看，大数据及其支撑的新型武器装备的应用，将丰富军队的作战体系；从作战效能角度看，大数据下的作战行动循环（包以德循环）所耗时间将大为缩短，更符合“未来战争不是大吃小，而是快吃慢”的制胜规律。相关变革的结果，将是军队体系作战能力大幅提升。
10、提升军队的信息化建设水平
大数据给了各国军队（尤其是像我军这样的信息化发展水平参差不齐的军队）一个契机，可以牵引、拉动自身的信息化建设向更高层次发展，同时拉齐整体水平，因为大数据意味着“整体”。
具体来说，应以提高决策速度、反应速度和联合作战能力为目标，以数据为中心，以搜索分析处理数据为中枢架构，自上而下建设军事“数据网络”；加快组建云计算中心，把对大数据分析处理作为军事信息化建设的重中之重，努力建构精确分析处理大数据的硬件系统、软件模型，实现大数据“从数据转化为决策”的智能化和瞬时化。同时，也要抓好末端的单兵及单件武器装备的数据采集、存储设备设计，从而为海量数据的挖掘和整合奠定基础。
从上世纪八十年代提出大数据到现在，大数据在军事领域的发展有了一定应用基础，取得了相当的成果，技术上也是不断获得突破，发展前景可以说是越来越好。但正如金子越擦越亮一般，随着大数据在军事领域应用日趋广泛，对大数据的需求更是水涨船高，与日益增长的需求相比大数据在军事领域的发展受到成本、技术、安全等方面的制约，甚至是一些挑战，必须要需要采取有效措施加以克服和解决。一是保密性。军事数据中含有涉及天文、地理、社会、政治、经济、科技、文化、民族特性等方面。由于关乎国防安全，因此其需要更全面、更可靠、更有效的安全保障，保密性要求也远超民用大数据。二是准确性。军事大数据中含有大量不公开非合作数据，这些数据的真实性对决策过程和结果影响巨大，需要研究数据伪装、数据欺骗的机理与方法，识别不公开非合作数据中的数据伪装与数据欺骗，从伪装数据中探测获取真实数据。虽然当前获取数据的渠道极大地拓宽了，但同时也带来了数据数量庞杂、冗余增大、分析不足等新问题。如何集成并融合多源多样化的数据，如何从海量数据中提炼出有价值的情报并预知变化，如何让机器像人一样掌握知识并深入理解情报数据，如何存储和管理以及有效分析和理解等，都是目前军事大数据应用面临的挑战。三是融合性。军为民用，民为军需。在军民融合的大环境下，军需和民用成为拉动创新的两驾马车，军事大数据也期望从民用中寻找到突破口。从商业大数据的处理经验看，数据智能的迭代需要相应的数据智能生产装备，需要敏捷的开发前台、服务化数据中台、分布式全功能计算基础设施，组建数据部队，并选择自主可控、自主领先、有稳定商业模式的长期技术供应。四是安全性。数据是资产，也是隐私。没有人愿意自己的隐私被暴露，所以，人们对自己的隐私保护越来越重视。政府也在不断加强对公民隐私权的保护，出台了很多法律。欧盟在2018年出台了有史以来最严厉的GDPR（《一般数据保护法案》），把网络数据保护上升到前所未有的高度。在这种情况下，获取用户数据，就需要慎重考虑，是否符合伦理和法律。一旦违法，将付出极为沉重的代价。此外，即使合法获取数据，也要担心是否会被恶意攻击和窃取，这里面的风险也是不容忽视的。
此外大数据还要面临能耗等方面的问题，换言之，如果不能很好地保护和利用手里的大数据，那么它就是一个烫手的山芋，有还不如没有。
大数据泛指通过新模式处理数据使其具有高度商业价值的一种信息资产。随着我国经济发展和综合国力不断提升，大数据技术正被广泛应用于社会各个领域，极大促进各个产业的发展，取得了显著的经济效益。大数据技术具有海量性、高速性、多样性、精确性等四方面主要特点。随着我军信息化建设的不断推进，大数据技术将会被应用于推动军事创新、制定军事战略规划、进行现代化作战研究、提高信息化作战能力等诸多方面。鉴于其目前积极的应用效果以及巨大的发展前景，大数据技术一定会在实现我国强军之路上发挥越来越重要的作用。
