摘要：在安防行業(yè)，大數(shù)據(jù)的相關(guān)技術(shù)正在不斷滲入，同時(shí)也涌現(xiàn)了一些大數(shù)據(jù)相關(guān)的應(yīng)用及產(chǎn)品，這預(yù)示著安防行業(yè)的大數(shù)據(jù)時(shí)代將逐漸拉開帷幕。總體來看，當(dāng)前安防行業(yè)的大數(shù)據(jù)還處于起步階段，面臨著包括技術(shù)、業(yè)務(wù)、體制、標(biāo)準(zhǔn)化等方面的諸多問題，在未來的發(fā)展中，需要逐步解決這些問題，才能使大數(shù)據(jù)的優(yōu)勢體現(xiàn)得越來越明顯，才能使大數(shù)據(jù)發(fā)揮更大的價(jià)值，使安防行業(yè)的競爭力得到質(zhì)的提升。
    關(guān)鍵詞：大數(shù)據(jù) 智能分析

一、什么是大數(shù)據(jù)？
    關(guān)于大數(shù)據(jù)的定義，當(dāng)前不同的行業(yè)有不同的聲音。有人說，大數(shù)據(jù)是量特別大的數(shù)據(jù)，以前是TB級別，現(xiàn)在是PB級別；也有人說，大數(shù)據(jù)是以Hadoop為代表的新技術(shù)，它能夠處理海量的數(shù)據(jù)。這幾種說法都顯得有些片面，一個(gè)強(qiáng)調(diào)數(shù)據(jù)，一個(gè)強(qiáng)調(diào)技術(shù)。麥肯錫對大數(shù)據(jù)定義了“4V”特征，同時(shí)對大數(shù)據(jù)作出定義：“大數(shù)據(jù)是指數(shù)據(jù)集的大小超過了現(xiàn)有典型的數(shù)據(jù)庫軟件和工具的處理能力，與此同時(shí)，及時(shí)捕捉、存儲(chǔ)、聚合、管理這些大數(shù)據(jù)以及對數(shù)據(jù)的深度分析的新技術(shù)和新能力，正在快速增長，就像預(yù)測計(jì)算芯片增長速度的摩爾定律一樣�！丙溈襄a的定義涵蓋了數(shù)據(jù)和技術(shù)，然而，隨著大數(shù)據(jù)的發(fā)展，這樣的定義也無法完全詮釋大數(shù)據(jù)的內(nèi)涵。我們說，大數(shù)據(jù)不僅有數(shù)據(jù)，有技術(shù)，更重要的是它能夠提供更好的服務(wù)。大數(shù)據(jù)能夠?qū)�海量的�?shù)據(jù)進(jìn)行深度關(guān)聯(lián)分析，進(jìn)而對事物的發(fā)展趨勢作出預(yù)測，這也是大數(shù)據(jù)的核心所在，大數(shù)據(jù)能夠?qū)��?shù)學(xué)算法運(yùn)用到海量的數(shù)據(jù)上來預(yù)測事情發(fā)生的可能性。
《大數(shù)據(jù)時(shí)代》一書指出：大數(shù)據(jù)的精髓在于我們分析數(shù)據(jù)時(shí)的三個(gè)轉(zhuǎn)變，這些轉(zhuǎn)變將有助于我們對大數(shù)據(jù)的深入理解。
    一、在大數(shù)據(jù)時(shí)代，我們可以分析數(shù)據(jù)的全集，而非數(shù)據(jù)的采樣。數(shù)據(jù)的量變可以產(chǎn)生質(zhì)變，同時(shí)可以彌補(bǔ)算法帶來的不足。且看以下案例，在Word程序的語法檢查中，有一種簡單的算法，當(dāng)數(shù)據(jù)量只有500萬時(shí)，該算法表現(xiàn)很差，但當(dāng)數(shù)據(jù)量達(dá)到10億級別時(shí)，該算法的表現(xiàn)最優(yōu)異；相反，有一種復(fù)雜的算法，在500萬數(shù)據(jù)量時(shí)表現(xiàn)最好，但在10億級別數(shù)據(jù)量時(shí)效果不如簡單的算法。
    二、大數(shù)據(jù)下的數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度。在信息缺乏的時(shí)代，我們往往追求數(shù)據(jù)的精確度；在大數(shù)據(jù)時(shí)代，數(shù)據(jù)量如此之大，數(shù)據(jù)種類如此繁多，我們無法保證每個(gè)數(shù)據(jù)都是精確的，然而只要保證大部分的數(shù)據(jù)是精確的，就不會(huì)影響分析結(jié)果的可靠性。
    三、在大數(shù)據(jù)時(shí)代，我們更加關(guān)心相關(guān)關(guān)系，而非因果關(guān)系。沃爾瑪?shù)姆治鱿到y(tǒng)發(fā)現(xiàn)，啤酒與尿布的銷售量存在一定的相關(guān)關(guān)系。根據(jù)分析結(jié)果，沃爾瑪將尿布和啤酒這兩種風(fēng)馬牛不相及的商品擺在一起，結(jié)果神奇地發(fā)現(xiàn)尿布和啤酒的銷量都增加了。原來，美國的婦女通常在家照顧孩子，所以她們經(jīng)常會(huì)囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時(shí)又會(huì)順手購買自己愛喝的啤酒。在這個(gè)案例中，我們找到了它的原因，但更多時(shí)候，我們找不到原因，而實(shí)際上我們也無需去關(guān)心它的原因，因?yàn)閺南嚓P(guān)關(guān)系的分析結(jié)果中，我們就能從中獲益。

二、大數(shù)據(jù)發(fā)展現(xiàn)狀
    大數(shù)據(jù)是時(shí)下最熱的一門技術(shù)，2012年，科技部的《中國云科技發(fā)展“十二五”專項(xiàng)規(guī)劃》和工信部的《物聯(lián)網(wǎng)“十二五”發(fā)展規(guī)劃》都將大數(shù)據(jù)技術(shù)作為一項(xiàng)重點(diǎn)予以支持。
    在IT領(lǐng)域，大數(shù)據(jù)的發(fā)展已相當(dāng)成熟。如Google公司利用超過30億條用戶的指令成功預(yù)測流感的傳播，利用上萬億的語料庫為用戶提供相對精確的翻譯；亞馬遜根據(jù)以往的信息預(yù)測用戶感興趣的書籍；淘寶根據(jù)用戶的購物行為精確地推送廣告；等等。
    然而，在安防領(lǐng)域，大數(shù)據(jù)還處于萌芽和探索階段。
    首先，安防行業(yè)正在逐漸進(jìn)入大數(shù)據(jù)時(shí)代。隨著城市進(jìn)程的不斷發(fā)展，信息化建設(shè)的不斷深入，數(shù)據(jù)正在以幾何級的速度快速增長，傳統(tǒng)的系統(tǒng)或工具已無法有效處理如此海量的數(shù)據(jù)。比如，交通卡口數(shù)據(jù)，以前是千萬條級別，現(xiàn)在的情況是：一個(gè)區(qū)縣一年的卡口數(shù)據(jù)能夠達(dá)到十億級別，一個(gè)地級市一年的卡口數(shù)據(jù)甚至能夠達(dá)到百億級別，一個(gè)省的數(shù)據(jù)就更大了，面對如此龐大的數(shù)據(jù)，傳統(tǒng)的系統(tǒng)顯得束手無策，即使一條簡單的查詢命令，響應(yīng)時(shí)間也會(huì)變得非常慢，更不要說分析、統(tǒng)計(jì)等功能了。同時(shí)，越來越多的用戶對大數(shù)據(jù)提出了更高的要求，比如公安用戶，他們掌握了大量的數(shù)據(jù)，類型繁多，數(shù)據(jù)量大，他們要求能夠通過海量數(shù)據(jù)的分析，達(dá)到預(yù)測預(yù)警的作用，進(jìn)而能夠?qū)⒐�安業(yè)務(wù)從事后分析向事前預(yù)測轉(zhuǎn)變。
    其次，一些安防企業(yè)正在接觸大數(shù)據(jù)，并有了初步的探索和應(yīng)用。早在2012年，海康威視就涉足大數(shù)據(jù)，基于Hadoop進(jìn)行開發(fā)優(yōu)化并推行大數(shù)據(jù)解決方案，滿足海量數(shù)據(jù)高效處理的要求。當(dāng)前，�？低�視基于大數(shù)據(jù)技術(shù)的產(chǎn)品有：視頻云存儲(chǔ)，能夠滿足100PB數(shù)據(jù)的存儲(chǔ)；視頻圖像信息數(shù)據(jù)庫，能夠針對海量的案事件數(shù)據(jù)進(jìn)行快速檢索；交通卡口大數(shù)據(jù)平臺(tái)，能夠針對海量的卡口數(shù)據(jù)進(jìn)行快速檢索、智能研判、統(tǒng)計(jì)分析，部分研判功能可用于刑事案件的偵察及預(yù)警。此外，像博康、宇視等安防企業(yè)，也在迎頭趕上大數(shù)據(jù)的發(fā)展步伐。

三、安防大數(shù)據(jù)核心技術(shù)分析
    IT領(lǐng)域的大數(shù)據(jù)發(fā)展已相當(dāng)成熟，其中的許多技術(shù)可以借鑒運(yùn)用到安防領(lǐng)域中。但是，安防行業(yè)存在與IT行業(yè)不一樣的地方，主要是數(shù)據(jù)的類型。在IT行業(yè)中，大數(shù)據(jù)的分析對象往往是日志、用戶行為信息、網(wǎng)頁索引等數(shù)據(jù)，是計(jì)算機(jī)可以識(shí)別的結(jié)構(gòu)化數(shù)據(jù)；而安防行業(yè)中，大數(shù)據(jù)需要分析的對象主要是視頻、圖片、音頻等非結(jié)構(gòu)化數(shù)據(jù)，計(jì)算機(jī)無法直接對這些數(shù)據(jù)進(jìn)行分析，而是需要先提取出其中的結(jié)構(gòu)化信息，再進(jìn)行分析。
    大數(shù)據(jù)的基礎(chǔ)技術(shù)可以從IT領(lǐng)域借鑒到安防領(lǐng)域，具體包括如下這些技術(shù)：一、分布式文件系統(tǒng)，負(fù)責(zé)海量數(shù)據(jù)存儲(chǔ)，將數(shù)據(jù)分散存儲(chǔ)在多臺(tái)獨(dú)立的設(shè)備上，系統(tǒng)采用可擴(kuò)展的體系結(jié)構(gòu)，利用多臺(tái)存儲(chǔ)服務(wù)器分擔(dān)存儲(chǔ)負(fù)荷，利用元數(shù)據(jù)服務(wù)器定位存儲(chǔ)信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴(kuò)展；二、分布式數(shù)據(jù)庫，面向列的實(shí)時(shí)分布式數(shù)據(jù)庫，適合構(gòu)建高并發(fā)低延時(shí)的在線數(shù)據(jù)服務(wù)系統(tǒng)，用于存儲(chǔ)粗粒度的結(jié)構(gòu)化數(shù)據(jù)；三、分布式計(jì)算，負(fù)責(zé)將一個(gè)需要非常巨大的計(jì)算能力才能解決的問題分成許多小的部分，然后分配給許多計(jì)算機(jī)進(jìn)行處理，最后把這些計(jì)算結(jié)果綜合起來得到最終的結(jié)果；四、全文檢索引擎，負(fù)責(zé)對海量數(shù)據(jù)進(jìn)行穩(wěn)定、可靠、快速實(shí)時(shí)檢索；五、內(nèi)存計(jì)算，通過分布式的內(nèi)存計(jì)算，能夠?qū)�海量�?shù)據(jù)更加快速地分析處理；六、流計(jì)算，負(fù)責(zé)對流媒體數(shù)據(jù)進(jìn)行分析處理�；�于以上這些技術(shù)，能夠?qū)σ呀Y(jié)構(gòu)化的數(shù)據(jù)進(jìn)行快速處理，解決對海量數(shù)據(jù)處理效率上的問題。
    然而，正如上面所說，安防行業(yè)中最多的數(shù)據(jù)不是結(jié)構(gòu)化數(shù)據(jù)，而是非結(jié)構(gòu)化數(shù)據(jù)，如何從這些非結(jié)構(gòu)化數(shù)據(jù)中提取出結(jié)構(gòu)化信息，是首先需要解決的關(guān)鍵點(diǎn)。在視頻圖像中可以提取的結(jié)構(gòu)化信息包括如下內(nèi)容：一、人、車、物的特征信息，人的特征信息包括性別、年齡段、身高、體型、膚色、是否佩戴眼鏡、發(fā)型、服飾特征、攜帶物等，車的特征信息包括車牌號(hào)碼、車牌顏色、車牌類型、車輛類型、車身顏色、車標(biāo)、車上人員信息等，物體的特征信息包括物品顏色、形狀、大小、紋理特征等；二、行為信息，如穿越警戒面、進(jìn)入/離開區(qū)域、區(qū)域入侵、人員徘徊、人員聚集等。當(dāng)提取出這些數(shù)據(jù)后，就可以進(jìn)一步進(jìn)行深入分析，如對車輛的軌跡分析，對人的異常行為分析。所以，智能分析技術(shù)在安防大數(shù)據(jù)中顯得格外重要，是實(shí)現(xiàn)安防大數(shù)據(jù)的基礎(chǔ)。
    整合了大量的數(shù)據(jù)之后，就需要挖掘數(shù)據(jù)的深度價(jià)值。數(shù)據(jù)的真實(shí)價(jià)值就像海洋中的冰山，第一眼只能看到冰山一角，而絕大部分則是隱藏于表面之下。預(yù)測是大數(shù)據(jù)的核心價(jià)值所在，深度關(guān)聯(lián)分析算法便是實(shí)現(xiàn)大數(shù)據(jù)價(jià)值的必要手段。數(shù)據(jù)分析算法就像是鉆頭，需要從大數(shù)據(jù)這座神奇的鉆石礦中挖掘出真正的鉆石。

四、安防大數(shù)據(jù)面臨的問題
    隨著大數(shù)據(jù)的發(fā)展，許多問題逐漸暴露出來，主要表現(xiàn)在以下幾點(diǎn)：
    (1)智能分析技術(shù)不夠成熟。視頻圖像數(shù)據(jù)的結(jié)構(gòu)化是實(shí)現(xiàn)安防大數(shù)據(jù)基礎(chǔ)，當(dāng)前，交通卡口的車輛信息提取技術(shù)較為成熟，但是，像人體信息提取、人臉比對等技術(shù)還不夠成熟。
    (2)數(shù)據(jù)應(yīng)用不夠深入。當(dāng)整合足夠多的數(shù)據(jù)后，如何利用這些數(shù)據(jù)進(jìn)行預(yù)測分析、趨勢分析，幾乎是當(dāng)前應(yīng)用模式上的空白。當(dāng)然，其中也有一些可以借鑒的例子，比如卡口大數(shù)據(jù)系統(tǒng)，它可以對過車數(shù)據(jù)進(jìn)行深度的智能研判：區(qū)域碰撞、軌跡分析、跟車研判等，這有助于刑偵破案效率的大幅提升。
    (3)數(shù)據(jù)共享不夠廣泛。特別是政府、公安、交通等部門中，信息孤島普遍存在，這主要是由于體制問題造成的，并不是技術(shù)上的問題，很難由企業(yè)來改變這個(gè)現(xiàn)狀，只能由相關(guān)部門貫徹推行并作出改變。
    (4)標(biāo)準(zhǔn)化建設(shè)不夠全面。這主要是由于大數(shù)據(jù)還處于起步階段，還需要更深入的探索和嘗試。在標(biāo)準(zhǔn)化建設(shè)方面，如數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范、互聯(lián)互通標(biāo)準(zhǔn)規(guī)范、數(shù)據(jù)應(yīng)用模式標(biāo)準(zhǔn)規(guī)范等，需要不斷進(jìn)行總結(jié)，并逐漸標(biāo)準(zhǔn)化。

五、安防大數(shù)據(jù)發(fā)展趨勢
    在安防行業(yè)未來的發(fā)展中，大數(shù)據(jù)勢必會(huì)占據(jù)越來越重要的地位。面對發(fā)展過程中出現(xiàn)的問題，當(dāng)前的首要任務(wù)是能夠逐步解決這些問題，并不斷完善安防大數(shù)據(jù)方案。
    (1)技術(shù)創(chuàng)新。首先，視頻數(shù)據(jù)的結(jié)構(gòu)化，通過智能化技術(shù)，能夠從視頻圖像中提取出人、車、物等特征信息，通過提取并整合這些信息，能夠方便的對視頻數(shù)據(jù)進(jìn)行檢索、以圖搜圖、深度關(guān)聯(lián)分析。當(dāng)這些技術(shù)得以實(shí)現(xiàn)，視頻數(shù)據(jù)的應(yīng)用效率會(huì)大幅提升，而且可以為視頻數(shù)據(jù)的深入應(yīng)用奠定基礎(chǔ)。其次，大數(shù)據(jù)處理技術(shù)。視頻數(shù)據(jù)結(jié)構(gòu)化后，成為可以被計(jì)算機(jī)識(shí)別的數(shù)據(jù)，當(dāng)越來越多的數(shù)據(jù)匯集之后，傳統(tǒng)的技術(shù)或系統(tǒng)已無法進(jìn)行有效處理，此時(shí)，必須采用大數(shù)據(jù)技術(shù)才能對這些海量的數(shù)據(jù)進(jìn)行處理。大數(shù)據(jù)技術(shù)包括分布式文件系統(tǒng)、分布式數(shù)據(jù)庫、全文搜索引擎、分布式計(jì)算、內(nèi)存計(jì)算、流計(jì)算等，具備優(yōu)異的可靠性、擴(kuò)展性及處理性能，能夠針對海量數(shù)據(jù)進(jìn)行快速分析、挖掘，為用戶提供更好的服務(wù)。
    (2)業(yè)務(wù)創(chuàng)新。有了經(jīng)過結(jié)構(gòu)化后的海量視頻數(shù)據(jù)，通過大數(shù)據(jù)技術(shù)，可以對這些海量數(shù)據(jù)進(jìn)行深度挖掘，可以做到預(yù)測及趨勢分析，但是相關(guān)的業(yè)務(wù)模型還需要不斷探索和創(chuàng)新。如公安部門，視頻偵查在當(dāng)前來說只能是一種輔助手段，如果采用大數(shù)據(jù)技術(shù)后能夠進(jìn)行預(yù)測預(yù)警，那么視頻偵查將會(huì)成為一種非常重要的手段，通過視偵技術(shù)，能夠減少案件發(fā)生率、提高破案率。
    (3)體制改善。更多的數(shù)據(jù)能夠產(chǎn)生更大的價(jià)值，為了能夠整合更多的數(shù)據(jù)，必須消除信息孤島，而這在政府部門是客觀存在的一個(gè)難題。當(dāng)然，在智慧城市的推動(dòng)下，這一局面已有所改觀，越來越多的政府部門意識(shí)到數(shù)據(jù)共享的重要性。但是，要真正實(shí)現(xiàn)大數(shù)據(jù)的集中和共享，還有很長的路要走。
    (4)標(biāo)準(zhǔn)完善。海量數(shù)據(jù)的整合離不開標(biāo)準(zhǔn)化的過程，在標(biāo)準(zhǔn)化過程中，需要重點(diǎn)考慮以下幾點(diǎn)：一、數(shù)據(jù)結(jié)構(gòu)化標(biāo)準(zhǔn)規(guī)范，包括哪些數(shù)據(jù)需要結(jié)構(gòu)化、結(jié)構(gòu)化的數(shù)據(jù)如何表示、如何設(shè)計(jì)字典規(guī)范、如何設(shè)計(jì)數(shù)據(jù)庫表等等，通過標(biāo)準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)，所有系統(tǒng)都能夠識(shí)別并處理；二、數(shù)據(jù)互聯(lián)互通標(biāo)準(zhǔn)規(guī)范，包括平臺(tái)與前端之間如何互聯(lián)互通、平臺(tái)與平臺(tái)之間如何互聯(lián)互通等。前端可以對視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化，后臺(tái)也可以對視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化，前端和后臺(tái)需要相互協(xié)作，那么前端如何告知后臺(tái)哪些數(shù)據(jù)已經(jīng)結(jié)構(gòu)化了，哪些數(shù)據(jù)還需進(jìn)一步結(jié)構(gòu)化，就需要標(biāo)準(zhǔn)來規(guī)范；三、數(shù)據(jù)應(yīng)用的標(biāo)準(zhǔn)規(guī)范，包括數(shù)據(jù)的服務(wù)模式、類型、規(guī)則等等。如大數(shù)據(jù)平臺(tái)對海量數(shù)據(jù)進(jìn)行清洗分類、深度挖掘之后，需要對上層的業(yè)務(wù)應(yīng)用提供服務(wù)，這種服務(wù)就需要通過標(biāo)準(zhǔn)化的接口提供出去。

六、大數(shù)據(jù)助力安防行業(yè)的發(fā)展
    大數(shù)據(jù)在安防行業(yè)中會(huì)有一個(gè)從起步，到發(fā)展并成熟的過程。當(dāng)前處于起步階段，有部分智能分析技術(shù)，并通過大數(shù)據(jù)技術(shù)解決了海量數(shù)據(jù)的處理效率問題；在發(fā)展階段，智能分析技術(shù)會(huì)不斷成熟，并會(huì)不斷出現(xiàn)創(chuàng)新的數(shù)據(jù)應(yīng)用；在成熟階段，智能分析技術(shù)相當(dāng)成熟，并有系統(tǒng)的數(shù)據(jù)深度應(yīng)用。大數(shù)據(jù)助力安防行業(yè)的發(fā)展，主要體現(xiàn)在以下幾個(gè)方面：
    一、數(shù)據(jù)應(yīng)用效率不斷提升。通過智能分析技術(shù)、大數(shù)據(jù)技術(shù)，能夠使視頻數(shù)據(jù)的應(yīng)用效率不斷提升，解決以往應(yīng)用效率低下的問題。應(yīng)用效率的提升能夠使視頻數(shù)據(jù)產(chǎn)生更大的價(jià)值。
    二、數(shù)據(jù)深度應(yīng)用。數(shù)據(jù)的深度應(yīng)用能夠體現(xiàn)大數(shù)據(jù)的真正價(jià)值，而這也更能提升安防系統(tǒng)的整體實(shí)力，使視頻數(shù)據(jù)的邊緣地位向核心地位靠攏，使安防行業(yè)的競爭力得到提升。
    三、體制及標(biāo)準(zhǔn)的完善。標(biāo)準(zhǔn)和體制的完善能夠進(jìn)一步促進(jìn)大數(shù)據(jù)的發(fā)展，而掌握標(biāo)準(zhǔn)的安防企業(yè)將會(huì)有更強(qiáng)大的話語權(quán)。
    大數(shù)據(jù)能夠構(gòu)建更加智慧的系統(tǒng)，能夠轉(zhuǎn)變我國安防系統(tǒng)建設(shè)中“重建設(shè)、輕應(yīng)用”的現(xiàn)狀，有助于進(jìn)一步提升公共安全部門的核心戰(zhàn)斗力，進(jìn)一步夯實(shí)社會(huì)穩(wěn)定基礎(chǔ)。

七、結(jié)語
    大數(shù)據(jù)能夠?yàn)橛脩魳?gòu)建更加智慧的系統(tǒng)，提供更具價(jià)值的服務(wù)。在安防行業(yè)，快速增長的數(shù)據(jù)、不斷涌現(xiàn)的用戶需求，預(yù)示著對大數(shù)據(jù)的訴求越來越強(qiáng)烈，同時(shí)，也有越來越多的安防企業(yè)涉足大數(shù)據(jù)，有了了初步的探索和應(yīng)用。安防領(lǐng)域的大數(shù)據(jù)不同于IT領(lǐng)域的大數(shù)據(jù)，它對智能分析技術(shù)有著更高的要求，智能分析技術(shù)是實(shí)現(xiàn)安防大數(shù)據(jù)的基礎(chǔ)，此外，它對大數(shù)據(jù)基礎(chǔ)技術(shù)、數(shù)據(jù)深度分析算法等也有著同樣的高要求。當(dāng)然，大數(shù)據(jù)目前在安防行業(yè)還處于起步階段，不夠成熟的大數(shù)據(jù)還面臨著諸多問題，包括智能分析技術(shù)不夠成熟、數(shù)據(jù)應(yīng)用不夠深入、數(shù)據(jù)共享不夠廣泛、標(biāo)準(zhǔn)化建設(shè)不夠全面等。在未來的發(fā)展中，首先要解決這些問題，并不斷完善安防大數(shù)據(jù)方案，包括技術(shù)創(chuàng)新、業(yè)務(wù)創(chuàng)新、體制改善、標(biāo)準(zhǔn)完善。只有更加完善的安防大數(shù)據(jù)，才能體現(xiàn)出更加明顯的優(yōu)勢，發(fā)揮更大的價(jià)值。隨著大數(shù)據(jù)的不斷發(fā)展成熟，它必將給安防行業(yè)帶來質(zhì)的提升。大數(shù)據(jù)是未來的發(fā)展趨勢，它將引領(lǐng)下一個(gè)安防時(shí)代，讓我們拭目以待。