大数据指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策起到更积极目的的资讯。

业界时常有人开玩笑，视频监控系统产生的海量信息有99.9%都是垃圾数据。而经过多年的建设，视频监控已经成为平安城市的一个重要基础设施，视频监控覆盖度有了极大提升。在解决了量的问题之后，后续的建设或许多考虑这些视频的管理及应用，提升其实效性，并挖掘这些海量视频数据的潜在价值。

大数据在视频监控领域的发展

大数据视频架构是革命性的技术，特别在实时智能分析和数据挖掘方面，让视频监控从人工抽检，进步到高效事前预警、事后分析，实现智能化的信息分析、预测，为视频监控领域业务带来深刻的变革：

平安城市领域，实时汇总并综合分析各种公共安全数据和资料，为执法人员快速准确应对提供科学依据：如实时调阅现场视频录像、犯罪嫌疑人记录、同一地区的相似案件资料;进行地理、时间和空间的比较分析，揭示其犯罪模式和行为模式;追踪嫌疑人与其车辆的位置等。指挥人员也可以参照各种数据对不同来源的资料进行综合分析，制作指挥图。

智能交通行业，可以轻松监控摄像覆盖范围内的所有车辆的行驶状态、运行轨迹，快速分析出其是否违章，通过对海量交通数据的比对、分析和研判，实现指定车辆行驶路径、道路拥堵研判等功能。

云服务领域，实现基于大数据的视频监控云服务，让摄像机仅通过互连网就能连接云端的视频监控托管服务，通过快速、智能的分析部署在云端的大数据，为小型企业、零售商店、餐馆酒店等提供实时监控视频和潜在风险管理，甚至能提供收费的基于视频内容的分析报告，如日常的客户数，平均队列长度等，创造新的商业模式。

大数据在防盗报警领域的发展

互联网技术的飞速发展已经为构建一个大型全国性的专业报警运营服务平台提供了有力的技术支撑。通过这个报警平台，报警运营服务商手中会累积海量的用户数据，例如用户的身份信息、警情数据、消费记录、维修记录等，这些都是非常宝贵的资源。报警运营服务商可以在此基础上，应用大数据技术进行分析和挖掘，充分发挥大数据的商业价值。

1. 对顾客群体细分

通过大数据分析和挖掘用户群的文化观念，消费收入、消费习惯、生活方式等数据，将用户群体划分为更加精细的类别，报警运营服务商可以根据用户群的不同可以制定不同品牌推广战略和营销策略，提高用户的忠诚度、培养能为企业带来高价值的潜在客户，提升报警运营服务商的市场占有率。

2. 发掘新的需求和用户

运用大数据模拟实境，发掘新的需求和提高投入的回报率。移动互联网飞速发展的时代，大部分的数据广泛存在于社交网络、电子商务等之中。在这些数据中，仅依托社交网络而存在的数据对企业开拓新的市场需求就是一个巨大的机遇。每天我们在网上点一个赞、或者随意的发表一句感慨，在我们普通人看来，它传递的价值是有限的，但从大数据分析进行审视，它带来的价值将大大提升。试想一下，如果我们可以被授权可以从微博的数据中挖掘我们感兴趣的词汇，当有人在微博上发出“小区的安保差”之类的吐槽后，通过对数据的分析和提炼，这个人甚至这个小区的住户都可以成为报警运营服务潜在的用户。

3. 提高企业的投入回报率

随着报警运营服务商提高对大数据的处理能力，平台能对上报的大数量的警情进行有效的分析和及时处理，避免了人工处理带来的效率不高，并发处理量不大，对不同类型的警情的过滤性不高的问题。与此同时，依托平台强大的数据处理能力，人们可以通过电脑、手机、平板等任何一款设备接入到报警运营服务中，随时随地都可以在第一时间收到警情数据，通过分享大数据来提高用户粘性，降低了用户流失的风险。

4. 进行商业模式、产品和服务的创新

依靠对大数据分析报警运营服务商可以从海量的警情数据中挖掘出有用的信息，促进报警运营服务从“事后查看”向“事前预测”转变。通过关联分析，拓展产品，挖掘产品价值，提升报警运营服务商的核心竞争力。根据对警情数据的分析，可以提供某个地区的警情预测，便于企业、政府、消费者及时调整自己的安保措施。根据对消费记录的分析，可以识别出潜在的用户群或者即将流失的客户。根据对维修记录的分析，可以对设备进行更全面的监控和主动维修来降低设备的误报率。根据对逾时未设的分析，可以识别出哪些用户需要提早提醒布撤防。

智慧城市离不开大数据

智慧城市建设要真正实现，必须引入大数据技术，主要包含三大方面的需求，通过以下三个方面才能实现海量数据的搜集、处理、加工、分析，并真正作用于具体细分行业：

1.大数据融合技术

我国智慧城市建设面临的重大挑战之一，是城市系统之间由于标准问题无法有效集成，形成信息孤岛。因此，在大数据融合技术领域，一方面要加强大数据标准建设，另一方面要加强海量异构数据建模与融合、海量异构数据列存储与索引等关键技术研发，为给予底层数据集成的信息共享提供标准和技术保障。

2.大数据处理技术

大规模数据在智慧城市系统流动过程中，出于传输效率、数据质量与安全等因素的考虑，需要对大规模数据进行预处理。大数据处理技术往往需要与基于云计算的并行分布式技术相结合，这也是目前国际产业界普遍采用的技术方案。

3.大数据分析和挖掘技术

大数据分析与挖掘技术为智慧城市治理提供了强大的决策支持能力。相比于大数据融合和处理技术，大数据分析与挖掘技术更为复杂，是国际学术界和产业界面临的极具挑战性的技术难题。

数据单位换算标准

数据的最小的基本单位是Byte，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB，

它们按照进率1024(2的十次方)来计算：

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