從2018年開始，AI、AIoT、大數據、雲計算等概念就成為科技圈的熱詞，更是資本市場角逐的「戰場」。
將這些前沿技術落地應用最廣泛的場景，當屬安防行業，於是，整個安防行業被技術賦能後，產生海量的數據，也帶來技術與場景的「碰撞」，數據中臺的概念在安防行業逐漸興起。
9月14日下午，由全國安防協會合作互助聯盟、深圳市安全防範行業協會、CPS中安網主辦的「CSIEC2020-第三屆中國安防產業賦能大會」在深圳會展中心6樓茉莉廳召開。
大華股份大數據研究院首席架構師江文龍，在會議上作了《安防新基建之行業化數據中臺》的主題分享，詳細介紹了在新基建的推動下，安防行業的數據中臺建設情況以及面臨的機遇和挑戰。
1、通用數據中臺的特點
2018年，政府提出「新基建」概念，2020年，開始加快新基建的建設和部署。
江文龍認為，新基建的本質是為了支撐傳統產業向數位化、網絡化、智能化發展。而數據中臺的本質則是大數據的延伸，是打通數據孤島、實現數據互通，以及實現數據智能化必備的手段。數據中臺也將成為這個行業下一輪建設的新趨勢。
在數位化轉型時代，數據無處不在，利用數據驅動的思想和理念也業界已經形成了共識，而數據的價值在這個行業也得到了非常普遍的驗證。
那麼，如何從數據當中獲取價值，就需要由數據智能來進行驅動。
打個比方，假如把數據比作石油，那麼數據智能就是煉油廠，負責從數據當中分析、提取價值，以實現將原始的數據轉變成知識和信息，以支撐業務決策和行動。
結合數據智能的發展歷程，站在業務的角度去看，已經經歷了收集、監測、洞察、決策這四個階段，數據的價值也得到大幅度的提升，未來數據智能將向人機協同的重塑階段發展。
數據中臺是實現數據智能化的核心載體。
數據智能本身是實現預測和決策的，在這個過程中必須有一個強有力的平臺以支撐調動一系列的數據，以及調動相關的業務模型和面向各種場景的分析處理的能力。
對於數據中臺而言，本質要解決兩個問題，第一個是幫助企業「看現在」，另外一個是幫助企業「看未來」。
「看現在」，是指對現有的數據進行治理，形成資產。
「看未來」，是指對數據進行分析提煉，以支撐業務的決策。
數據中臺將要形成高能力級別的復用平臺，以實現對業務的支撐，實現敏捷的迭代。
但是目前關於數據中臺的理解和建設，也存在一些誤區，主要有兩點：
第一個誤區，是認為建設了一些Hadoop大數據的組件就完成了大數據的建設。但是從現在來看，所謂的大數據必須從業務來看，比如數據的採集、治理、存儲，面向各行業的分析引擎，以及上層的一系列數據管理開發工具集；
第二個誤區，是認為通用的數據平臺可以賦能千行百業。數據中臺在某個行業裡面取得了成功，並不代表能在另外一個行業可以直接複製利用。
因為每個行業具備不同的業務屬性、業務流程，以及相關規範，而且數據類的項目又普遍存在一些定製化的屬性在裡面，所以必須要先理解業務，由業務進行驅動軟體功能的改進，以實現對數據的高效治理，以及對相關模型的構建，從而有效地提升數據的價值，支撐行業的應用。
2、安防行業數據中臺的特色和架構
對於安防行業來說，隨著高畫質化、智能化以及物聯網的快速發展，已經積累了海量的數據。
有這麼多海量數據，但是普遍存在因為數據價值挖掘不充分的問題，導致數據價值密度普遍偏低，這個問題也成為了客戶的一大難題。
對客戶而言，希望通過大數據分析提升數據的成效，另外根據各個部委的政策和相關預算的增加，推行了這塊業務的發展。
簡單來說，由於客戶業務的驅動，以及在對應領域的布局，並隨著對業務的理解和技術的積累，從而實現利用中臺的技術，形成相應的產品和解決方案，來支撐業務的訴求。
通過數據中臺，將有效地實現數據的治理以及價值的提取。
大華認為，行業的數據中臺，不應該是一個通用的技術中臺，只提供通用的技術組件和技術能力，而不對業務結果負責。
數據中臺必須要理解業務，要以業務的成功作為數據中臺建設成功關鍵的評價標準。因為只有貼近業務，數據中臺才能真正地發揮價值。
從數據鏈路上來看，業務會產生數據，數據最終需要對中臺進行接入和整合，而在這個過程中必須要理解業務，才能有效地實現數據資產的落地。
數據經過梳理形成資產，通過數據服務進行發布，並且進行重新結算，這個過程中必須要實現對業務的理解，從而才能有效地提供相應的處理流程，以及對應的處理引擎，最後業務是利用價值的數據進行重新的應用，將會產生新的數據，從而對數據中臺進行新的數據補充。
從業務的數據流來看，只有對業務的理解，以支撐業務的成功，這個數據中臺才能真正地服務於業務。
對安防行業來說，有很大一塊數據量是不可忽略的，它就是以視頻圖像為主的感知數據。
而在實際客戶的場景應用中，系統之間存在數據割裂、數據融合不充分等問題。
對於行業在建設數據資源池的時候，不僅僅是需要從一些信息系統裡面去拉取數據，同時還需要考慮以建設感知數據為主的數據資源池。
感知數據為主的資源池有一個特點，它具備豐富的時空屬性以及具備海量的動態數據，從而能夠有效實現對業務的創新，同時通過統一的、融合的數據資源池的構建，將有效解決數據孤島、數據融合的問題，提升數據的應用價值。
所謂的數據融合，不是簡單地將現有系統裡面的數據全量拉到中臺內部，而是要從業務價值的角度去考慮。
比如以公安系統現有的已經建設的視頻智能系統為例，數據不可能全量地搬進去，對於建設的成本，以及現有業務的衝擊挑戰都是非常大的，所以需要從現有的業務角度出發，不僅需要具備數據匯聚的能力，還要有數據連接的能力。
數據連接的能力是對現有建設的視頻圖象數據能夠通過邏輯管理的方式，使中臺提供統一的數據服務能力。
中臺同時還需要具備能力復用的方式，將現有的視頻能力、智能能力整合進中臺裡面，使中臺在解決原有的結構化數據能力之上，同時還能提供視頻圖像智能化處理的能力。
在構建這樣的行業數據中臺的時候，需要考慮的是，充分地從業務的現狀出發，整合已有的系統，復用現有的數據和能力，從而構建一個物理分散、邏輯集中的全融合數據中臺。
中臺有很大一塊業務就是治理，所謂的治理，不僅是針對一些信息系統的靜態數據做通識的處理、智能的轉換等等業務邏輯，同時還需要深入到感知設備，理解感知數據，知道這些數據如何治理。
因為感知數據具備點位的經緯度信息、時間信息，這些信息的錯誤將嚴重影響到數據實戰的效果。比如說公安做一個防護的業務，如果點位的錯誤，出現一條誤報，將出現警力的佔用問題。
所以，行業的數據中臺在進行業務應用的時候，需要深入行業業務，沉底行業化的數據治理方法，構建全域數據治理能力，從而有效攔截錯誤的數據，形成糾正機制，提升數據的質量，從而提升數據的實戰價值。
業務有成效，離不開平臺的支撐，平臺作為數據開發的工作平臺，起到至關重要的作用。
首先，平臺是需要沉澱對業務的理解，成為數據開發人員的「好幫手」。
所謂「好幫手」，包括承接行業的數據標準、業務處理流程，加快數據治理、數據開發等過程中的效率。
同時還平臺需要具備一個高效的計算能力。
高效計算能力不止是針對數據提供面向各種場景的分析引擎，同時還需要理解業務的計算過程，比如說針對時空數據的計算，可以通過如何減少數據搬遷的方式來提升計算的效率，正是這樣對業務不斷地理解，從而使平臺成為行業特色化的平臺，這樣能夠有效地承接業務的理解，以及提升計算效率。
有平臺、有數據，數據要麼形成資產被應用，要麼被重新計算，在這個過程中，離不開算法的支撐。
從數據進來到被管好的過程中，算法在一系列的場景中都有出現，包括數據進來的時候，進行一些文本的處理、欄位的自動映射等等。
平臺內部沉澱了各種各樣的數據，平臺必須要能夠沉澱對應的算法處理的能力，比如說時空的算法、數據挖掘、機器學習等等一些算法能力，以支撐從各類數據當中提取數據的關聯關係，挖掘多維數據關係，從而最大程度地獲取數據的價值。
因此，多維體系算法，也是實現數據驅動業務智能化發展的靈魂。
企業面向客戶不止是提供一個平臺解決採、管、用的問題，同時還需要解決客戶的痛點，解決數據的孤島，實現數據的融合，形成統一的資源池。而在這個過程中，對平臺提出了新的要求，需要具備共享和開放的能力。
所謂共享和開放的能力，是指能支撐多廠商基於統一的平臺而進行開發，而在開發的過程中，需要保護數據廠商之間的數據資產，這就需要利用到多項目管理的方式。而在項目之間進行數據的共享，就需要利用到數據的隔離和安全審批的機制，實現數據在項目組之間有效地、安全地進行共享訪問。
通過多廠商協同開發，通過數據服務發布數據資產和服務能力，共同支撐各行業的數據應用，只有在滿足客戶的訴求，理解業務的需求，實現對數據價值的保護，才能構建有效的數據服務，建立開放的數據生態環境。
行業的數據中臺，必須由業務能力、數據能力、平臺能力去構成。
業務能力，不是指中臺需要做更多行業的應用，而是要理解業務的處理流程、業務的計算過程，以對業務實現更好的閉環的支撐。
數據能力，是由數據治理服務和多維算法體系構成，光有平臺，業務是落不了地的，數據的能力是承上啟下的環節，以支撐業務的閉環。
平臺能力，是有一個高效的大數據計算底座和一系列的數據管理和開發工具集構成，平臺內部需要沉澱數據的處理標準、業務的處理流程、業務的訴求，以及數據服務要滿足行業化應用的特點。
只有構建這樣一個行業化的數據中臺，才能有效地實現對這個行業業務有力的支撐。
大華行業化數據中臺在全國多個地市落地，其中在某地市的公安系統建設的數據中臺，大華建設的是以感知數據為主的資源池，感知數據佔了大頭，超過3000多億感知數據。
從建設成效來看，除了大華之外，仍然還有其它兩個數據廠商基於大華的數據中臺開發，實現500多個治理任務，日均接近4億的數據，以及面向20多個數據應用廠商提供數據服務能力。
大華通過數據中臺，面向客戶實現多警種的數據共享，以及通過數據整合，有效消除了數據壁壘，並且通過模型大幅度提升各警種的業務實戰能力。
3、行業數據中臺的趨勢
第一個趨勢是，未來，數據和業務將進一步融合，並且相互促進、相互迭代，加快感知數倉在行業的落地。
在數位化轉型和大數據建設深化的階段，業務的共識將會隨著業務成效的提升，以及底層相關政策的指引，加速數據的融合，並且在這個行業當中將形成以感知數倉為主的數據資源池落地。
通過感知數倉落地帶來兩個影響，第一是對現有的視頻物聯繫統裡面的數據質量，以及通過數據質量的治理、糾正，將有效地實現業務實戰價值的支撐。第二個是由於感知數倉具備豐富的鮮活的數據，比如說動態軌跡、關係軌跡等等，將有助於實現業務的創新。
第二個趨勢是，人工智慧使能數據分析，強化數據驅動業務智能。
數據中臺加上人工智慧，將使數據中臺插上新的翅膀，將成為數據中臺新的發展方向，提供一個新的動能，將強有力地實現利用數據驅動業務智能化的發展。
在數據中臺的各個過程當中，都可以加載智能的能力，有非常多的場景，比如說在數據治理的過程中自動形成智能化數據標準，在構建數據資產的時候，自動進行數據資產的相關分析，質量追溯。
大華結合公安的樣板數據，通過機器訓練的方式，實現業務數據自動打標，比如說構建同行人、套牌車等等相關的模型，通過數據中臺加上人工智慧，將支撐業務在降本增效、業務創新，以及面向業務的快速響應，提供強有力的支撐，將強化數據驅動業務智能化的發展。