佳都新太科技股份有限公司 刘弘胤
1、“数据中台”在安防行业的定位与作用
如今，数据中台已然成为企业、政府数字化转型中最时兴的词语，大有谈及大数据落地，就要建设数据中台的趋势。但是数据中台是什么？各厂家、各行业均有不同的理解。
数据中台这一概念，最早于2015年由阿里提出。随着业务发展，阿里拥有众多业务系统，如淘宝，天猫，阿里妈妈等，每套系统都有自己的体系和数据源（可以理解为一个业务域），平时各司其职可以顺利运转，但当数据积累到一定体量后，一旦需要做综合分析或是业务创新（例如做生意参谋，或是做金融征信），就会发现跨域的业务是难以开展的——数据之间的质量和标准不一样，同一个对象在不同业务域有不同的数据表达，各系统之间还会有功能和数据的冲突，服务和应用的冲突，想全面刻画一个对象几乎是不可能的事情。
因此，数据中台应运而生，数据中台既是在技术、组织架构等方面采取的一些变革，在本质上又是一个平台，阿里称之为“共享服务平台（Shared Platform as Service，SPAS）”。阿里的数据中台简单来看可以说解决了三方面问题：
第一是统一了数据标准。制定了统一标准和口径，要求不同商家、不同业务单元按标准进行汇总，同时，构建了对海量数据进行采集、计算、存储、加工的能力。
第二是沉淀了数据资产。数据中台把阿里系的数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而保证为各业务单元和商家提供高效服务。
第三是形成了数据服务，为各类应用需求提供面向业务的数据服务，屏蔽掉复杂的底层数据逻辑与数据治理工作，让业务单元能轻起来，聚焦在业务思考而不是底层工作上。
数据中台之于阿里的意义是为阿里系电商平台上的各类实体（如商家、小二等等）提供统一的数据服务与业务支撑。由统一的、面向业务的数据中台来确保各实体在使用数据的过程中，口径统一、标准统一、时效性可期、效率有保障，能有更高的可靠性和稳定性。
在安防行业，面对的更多是政企类大客户的安全治理需求，和互联网的应用场景既有相似之处，也有很大的区别。
相似之处，一是随着多维感知能力的不断提升、5G的推广、AIOT设备的不断部署安装，城市级的物联感知网络已初显雏形，各类多维感知数据在规模上与种类上已逐步接近互联网的场景；二是在用户需求上，随着安防业务逐步从看存控迈向数据分析、预警研判，各类客户也已逐步凸显出对基于统一的数据服务接口、统一的数据规范与标准、统一的数据内容开展业务应用的需求。以公安为例，传统的公安视频专网正逐步发展为城市治理物联网，除视频外，各类感知数据（如人脸、车辆、RFID、门禁等）逐步成为应用的重点聚焦所在。随着数据源头的统一，自然就需要一个统一的数据平台向各业务警种按统一的标准提供统一的数据服务与数据资产，以支撑警种业务应用百花齐放，应用中产生的数据又需要回到数据平台中，形成闭环，丰富数据。
不同之处，安防行业由于其数据特点（感知数据居多，业务数据偏少）与客户特点（按业务划分部门、按部门划分需求边界——从某种程度说其需求具有碎片化、条线化的特点），这就要求支撑业务的数据底座不但应具备符合行业数据特点的独特能力（如视频结构化解析与特征向量比对），又要能提供基础数据服务（如检索、比对、分析），更要符合安防的业务特性——以人的数据为例，安防行业关注的是人员的户籍信息、前科信息、行踪动态，而互联网更关心的是消费能力与历史购买倾向。其次，互联网的数据中台，往往是全国乃至全球一套平台，支撑各类业务开展，而安防行业的数据中台，则是按客户划分，每个客户一个平台，这就对数据中台在可交付性、可维护性、可复制性上提出了更高的要求。
典型的安防行业数据中台架构设计如下（以公安细分领域为例）：
综上，我们可以看到，安防行业的数据中台，应由几部分组成——一个符合行业数据要求的能力平台，一套能支撑行业数据快速成形的方法论（数据资产），一批支撑快速部署与交付的大数据工具。从能力角度看，具体体现在如下几个层次：
一是连接能力，能跨网络、跨地域将各类设备进行连接，采集接入其感知的多维数据，并按统一规范要求，在源头进行治理，并存储入库。
二是组织能力，按行业经验与通识，分门别类将各类感知数据进行清洗、比对、融合与聚类，形成行业数据资产。以公安为例，需要将各类感知数据融合形成人、车、房、企、事（案）等各类主题库，并在此基础上，按业务规则与业务模型，形成业务专题。
三是赋能能力，数据资产要能方便快捷的进行服务开放，既包括了基础数据服务的开放共享，又应能支撑将多个基础服务按需进行编排，以生成符合新业务需求的业务服务。
四是复制能力，安防“数据中台”需要能够快速部署至客户现场，并能将数据接入后，合规、快速、高质量的接入数据中台形成数据资产。
2、“数据中台”架构建设在安防行业的应用现状
2016年起，安防行业逐步进入了数据的时代，这里可分为2个阶段，第一阶段是以人脸为核心的视频大数据阶段，主要是解决广泛的前端建设与连接问题。以公安为例，这个阶段普遍各地都在建设以视频云、城市视觉中枢等为代表的数据平台，主要打通跨网数据通道，存储原始数据并提供基础数据服务与应用。这个阶段严格来说是beta版的安防“数据中台”，只解决了连接与部分赋能的问题，尚未形成行业数据资产。
自2020年起，随着各地第一阶段建设进入尾声，也随着新冠疫情的发生，市域现代化治理的需求越发强烈，对技术上也形成了推动，上一轮建设的以连接为主的平台已不能满足需求，需要在数据层面理清治理对象（如人、车、房、企、事）的底数、行踪与关系，并为各部门提供更精细化、更具象化的数据服务，这样就为真正意义上的、具备融合、赋能能力的安防“数据中台”的落地提出了需求。这一时期，以智慧安防小区、智慧社区等建设的兴起为典型代表。
3、“数据中台”在安防行业中落地的关键问题
“数据中台”在安防行业落地的主要瓶颈与问题如下：
- 尚未有行业统一的标准规范
安防“数据中台”本质上是对多维感知数据的汇聚、治理、融合与赋能，目前尚属于“新兴事物”，目前可依靠的标准规范只有GB28181和GA1400两个标准，一个解决视频联网问题，一个解决数据级联共享、采集与数据服务接口规范化问题，但是数据的治理与应用除了连接外，还包括元数据标准，主题库与专题库等一系列标准的需求。当然标准天然有滞后性的特点，随着公安部治安防控体系规范、各地在后疫情时代提升基层治理能力中建设的各类智慧安防小区标准，可以预见逐步会形成覆盖全面的标准集，以更好的指导数据的建设与应用。
- 数据集成普遍存在落地难的问题，影响应用
多维感知数据大多由机器产生，相对业务数据在规整和合规上已然是有一定优势。但是在实践中仍然发现大量的数据集成问题，例如数据重复、跨网跨域交换、数据丢失与缺失等等，这就需要一系列的自动化手段进行治理，例如实时融合处理、动态负载均衡、数据落地自动去重、错误队列管理、可疑数据自动标识与拦截、全链路数据对账与重跑等等。
- 行业数据资产的成形尚需要一定发展
要做实安防行业数据中台，就要按行业特点构建数据资产，并进一步将资产业务化，才能发挥最大效能。这其中最重要的工作是定义行业数据资产——即数据组织、数据仓库与数据治理，其中数据组织是按数据定义标准方案，实现行业级数据资源分类建库，包括原始库、主题库、专题库、业务库等。数据仓库是构建海量数据和主题数据的存储能力；数据治理是需要建立元数据管理、数据血缘、标签体系、资源目录四块，实现对数据的全生命周期管理。
在目前的发展阶段，行业数据资产的定义更多是各厂家各表一词，按各自的经验积累而成，并未有行业通识或定论，从目前的发展来看，各厂家都处于发展前期，都在按自己的实践经验逐步探索与完善行业数据资产，这一定程度上影响了安防行业数据中台的落地效率。
5、安防“数据中台”应用前景与趋势
经过这些年的不断发展，安防行业已经基本完成大数据基础体系的建立，多维感知大数据的整合与治理也方兴未艾。在接下来的智慧城市、社会治理建设中，由于其的标准化程度高、整合能力强、行业贴合度高、赋能创新的特点，也逐步会成为行业大数据建设的必配选项。
在即将到来的数据智能时代，企业都在全力谋求数字化转型，政府也在不断追求增强治理能力、创新治理模式，创新或转型的关键是要具备跟互联网公司一样的快速进化与迭代能力，而数据中台作为数据智能时代的数字化底座，其能力很可能决定了上层建筑能建多高、建多快、是否能适应变化，是否能支撑业务快速试错。
6、结语
时至今日，多维感知大数据早已在各类安防应用场景中不断落地，并产生了不少成效与典型案例，大数据理念和数据中台方法论也逐步成为人们的标准化思维之一，随着数据集成、数据组织、数据融合治理等技术不断发展、数据中台能力不断完善，可落地性也会越来越强，可适配的场景越来越多，可以预见，数据中台作为一种新时代的信息基础设施，必定会在智慧城市建设中形成更全面的覆盖。