大數據指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策起到更積極目的的資訊。

業界時常有人開玩笑，視頻監控系統產生的海量信息有99.9%都是垃圾數據。而經過多年的建設，視頻監控已經成為平安城市的一個重要基礎設施，視頻監控覆蓋度有了極大提升。在解決了量的問題之后，后續的建設或許多考慮這些視頻的管理及應用，提升其實效性，并挖掘這些海量視頻數據的潛在價值。

大數據在視頻監控領域的發展

大數據視頻架構是革命性的技術，特別在實時智能分析和數據挖掘方面，讓視頻監控從人工抽檢，進步到高效事前預警、事后分析，實現智能化的信息分析、預測，為視頻監控領域業務帶來深刻的變革：

平安城市領域，實時匯總并綜合分析各種公共安全數據和資料，為執法人員快速準確應對提供科學依據：如實時調閱現場視頻錄像、犯罪嫌疑人記錄、同一地區的相似案件資料;進行地理、時間和空間的比較分析，揭示其犯罪模式和行為模式;追蹤嫌疑人與其車輛的位置等。指揮人員也可以參照各種數據對不同來源的資料進行綜合分析，制作指揮圖。

智能交通行業，可以輕松監控攝像覆蓋范圍內的所有車輛的行駛狀態、運行軌跡，快速分析出其是否違章，通過對海量交通數據的比對、分析和研判，實現指定車輛行駛路徑、道路擁堵研判等功能。

云服務領域，實現基于大數據的視頻監控云服務，讓攝像機僅通過互連網就能連接云端的視頻監控托管服務，通過快速、智能的分析部署在云端的大數據，為小型企業、零售商店、餐館酒店等提供實時監控視頻和潛在風險管理，甚至能提供收費的基于視頻內容的分析報告，如日常的客戶數，平均隊列長度等，創造新的商業模式。

大數據在防盜報警領域的發展

互聯網技術的飛速發展已經為構建一個大型全國性的專業報警運營服務平臺提供了有力的技術支撐。通過這個報警平臺，報警運營服務商手中會累積海量的用戶數據，例如用戶的身份信息、警情數據、消費記錄、維修記錄等，這些都是非常寶貴的資源。報警運營服務商可以在此基礎上，應用大數據技術進行分析和挖掘，充分發揮大數據的商業價值。

1. 對顧客群體細分

通過大數據分析和挖掘用戶群的文化觀念，消費收入、消費習慣、生活方式等數據，將用戶群體劃分為更加精細的類別，報警運營服務商可以根據用戶群的不同可以制定不同品牌推廣戰略和營銷策略，提高用戶的忠誠度、培養能為企業帶來高價值的潛在客戶，提升報警運營服務商的市場占有率。

2. 發掘新的需求和用戶

運用大數據模擬實境，發掘新的需求和提高投入的回報率。移動互聯網飛速發展的時代，大部分的數據廣泛存在于社交網絡、電子商務等之中。在這些數據中，僅依托社交網絡而存在的數據對企業開拓新的市場需求就是一個巨大的機遇。每天我們在網上點一個贊、或者隨意的發表一句感慨，在我們普通人看來，它傳遞的價值是有限的，但從大數據分析進行審視，它帶來的價值將大大提升。試想一下，如果我們可以被授權可以從微博的數據中挖掘我們感興趣的詞匯，當有人在微博上發出“小區的安保差”之類的吐槽后，通過對數據的分析和提煉，這個人甚至這個小區的住戶都可以成為報警運營服務潛在的用戶。

3. 提高企業的投入回報率

隨著報警運營服務商提高對大數據的處理能力，平臺能對上報的大數量的警情進行有效的分析和及時處理，避免了人工處理帶來的效率不高，并發處理量不大，對不同類型的警情的過濾性不高的問題。與此同時，依托平臺強大的數據處理能力，人們可以通過電腦、手機、平板等任何一款設備接入到報警運營服務中，隨時隨地都可以在第一時間收到警情數據，通過分享大數據來提高用戶粘性，降低了用戶流失的風險。

4. 進行商業模式、產品和服務的創新

依靠對大數據分析報警運營服務商可以從海量的警情數據中挖掘出有用的信息，促進報警運營服務從“事后查看”向“事前預測”轉變。通過關聯分析，拓展產品，挖掘產品價值，提升報警運營服務商的核心競爭力。根據對警情數據的分析，可以提供某個地區的警情預測，便于企業、政府、消費者及時調整自己的安保措施。根據對消費記錄的分析，可以識別出潛在的用戶群或者即將流失的客戶。根據對維修記錄的分析，可以對設備進行更全面的監控和主動維修來降低設備的誤報率。根據對逾時未設的分析，可以識別出哪些用戶需要提早提醒布撤防。

智慧城市離不開大數據

智慧城市建設要真正實現，必須引入大數據技術，主要包含三大方面的需求，通過以下三個方面才能實現海量數據的搜集、處理、加工、分析，并真正作用于具體細分行業：

1.大數據融合技術

我國智慧城市建設面臨的重大挑戰之一，是城市系統之間由于標準問題無法有效集成，形成信息孤島。因此，在大數據融合技術領域，一方面要加強大數據標準建設，另一方面要加強海量異構數據建模與融合、海量異構數據列存儲與索引等關鍵技術研發，為給予底層數據集成的信息共享提供標準和技術保障。

2.大數據處理技術

大規模數據在智慧城市系統流動過程中，出于傳輸效率、數據質量與安全等因素的考慮，需要對大規模數據進行預處理。大數據處理技術往往需要與基于云計算的并行分布式技術相結合，這也是目前國際產業界普遍采用的技術方案。

3.大數據分析和挖掘技術

大數據分析與挖掘技術為智慧城市治理提供了強大的決策支持能力。相比于大數據融合和處理技術，大數據分析與挖掘技術更為復雜，是國際學術界和產業界面臨的極具挑戰性的技術難題。

數據單位換算標準

數據的最小的基本單位是Byte，按順序給出所有單位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB，

它們按照進率1024(2的十次方)來計算：

1Byte=8bit

1KB=1,024Bytes

1MB=1,024KB=1,048,576Bytes

1GB=1,024MB=1,048,576KB=1,073,741,824Bytes

1TB=1,024GB=1,048,576MB=1,073,741,824KB=1,099,511,627,776Bytes

1PB=1,024TB=1,048,576GB=1,125,899,906,842,624Bytes

1EB=1,024PB=1,048,576TB=1,152,921,504,606,846,976Bytes

1ZB=1,024EB=1,180,591,620,717,411,303,424Bytes

1YB=1,024ZB=1,208,925,819,614,629,174,706,176Bytes

1DB=1024YB=1,237,940,039,285,380,274,899,124,224Bytes

1NB=1024DB=1,267,650,600,228,229,401,496,703,205,376Bytes