智慧城市大数据中大数据分析与处理至关重要

尽管工业部门谈论大数据的声音正在减少，但是通过收集、分析和使用数据来提高能力的行动正在变得越来越普遍，它已经成为城市等工业中的底层关键技术。在智慧城市大数据中大数据分析与处理至关重要。

一、智慧城市离不开大数据技术

构建智慧城市，关键在于能否实现城市大数据时代的到来。

简单地说，人工智能就是机器智能，机器具有学习能力，而机器学习的前提是数据量大，如果没有数据量大的支持，人工智能将止步不前。

大数据信息处理，主要分为产生、传输、存储和处理四个环节，每一个环节都有技术突破，可以说，就是真正的大数据时代，才会有智能的产生。

比如脸部识别， Google翻译，就是在收集了大量的数据后，工程师们在实现脸部识别和自动翻译之前，编辑出一套可靠的数据模型。

另外，数据与信息不同，地球绕着太阳转，它只是一种信息，而数据是一种记录过程，通过某些列的数据，可以得出结论。

例如，城市管理部门具有多维性、异构性、实时性、海量城市大数据资源，包括人员(城市救援队伍、社会城市力量等)、场所(高层建筑、商业综合体、地下建筑、出租屋等)、企业单位(高危单位、重点单位、化工企业等)、物品(危化品、易燃易爆物品等)、连接件(线路、城市设施、疏散通道等)、水源(消火栓、天然水源等)、巡查资料等多种数据。

此外，包括规划、住建、国土、民政、通信、交通、气象、水利、公安等相关部门的数据也需要采集和整合相关数据资源，以构建全面、实时、标准的城市大数据资源体系，为以大数据方法建设“智慧城市”奠定基础。

尽管在城市领域有大量的记录，但并非所有的信息都可以称为数据。只要掌握了大量有效的城市数据，并将其放到具体有效的数学模型中，就能让数据发挥作用，使数据、机器具有智能。

二、智慧城市大数据技术及其应用

数据集的主要特点是容量大、类型多、访问速度快、应用价值高、实时数据不断增长。

大数据思维的作用，简单来说主要分为两个方面，即感知现在和预测未来。

知觉现在：融合历史和当前知觉数据，挖掘潜在线索和模式，知觉事件发展状态。

前瞻：全量、流式、离线数据的关联分析，态势与效果的判断与调控，揭示事件发展演变规律，进而对事物发展趋势进行预测。

也就是说，获取原始采集的城市数据资源，进行数据清洗、比对、整理和融合处理，形成“智慧城市”大数据，供系统检索和分析使用。

三、数据驱动智慧城市业务模式

继今年两会之后，“智慧+”成了一个热门词。

"数据+城市"、"智能+城市"，商业模式可能发生重大变化，主营业务或从城市产品制造转向城市设备运营与服务。

大数据分析将极大地提升城市企业核心竞争力。对于企业而言，大数据分析与处理至关重要，谁能掌握数据，谁就能控制市场。