（1）大数据管理面临的问题。

目前武器装备科研生产活动，一方面面临着满足型号任务研制生产需求的挑战，另一方面面临着企业化运营的压力。这意味着军工单位需要花更少的时间、更少的资源去完成更多武器装备产品的研制生产任务，为了达到这个目标，军工单位面临着管理精细化及生产现代化的变革。同样，军工设备设施管理由原有的军事专用试验性质向军民两用转变，其应用范围也越来越多，功能越来越强，这些都意味着海量的数据将在军工单位日常生产与运营过程中产生和应用，这些使军工单位对海量数据管理提出了需求。

①海量数据集中存取。

随着军工单位的管理越来越精细，对质量控制越来越严格，对外协作越来越密切，使得军工单位内部系统自身产生的信息，如文档、报表、图像、测试数据、试验数据等增长越来越快。据统计，一个单机产品结束时，往往能产生上GB的文档及上TB的测试数据，这些数据日常就分散在各个研发人员和技术负责人电脑的硬盘里。一方面，平时查找非常不方便，科研生产人员将大量的时间浪费在资料收集上；另一方面，一旦相关人员出现变动或设备出现故障，这些数据就会丢失，给科研生产带来损失。因此，如何能把这些数据集中存储、统一管理起来，一直是军工单位数据管理迫切需要解决的问题。

②高性能并行计算。

一些军工单位曾有过建设仿真、比对分析、故障诊断及专家系统的想法，也尝试过、建设过一些类似的系统，但这些信息系统的应用，一直没有大规模推广，且应用并不是很理想。从技术上讲，大部分瓶颈在于这些系统没有足够的计算能力，处理海量数据困难。因此，要把这些庞大的工程数据利用起来，为分析仿真系统提供高性能并行计算是必要的基础能力。

③便捷历史数据追溯查询。

在武器装备科研生产过程中，产生的工程数据具有数据量大、数据类型复杂多样及关联性强的特点。如何在这些数据之间建立连接，为用户提供一个便捷的数据浏览界面是军工数据管理成败的关键。利用对全部历史数据的自由追溯查询能力，质量过程控制的力度可大幅度提升，同型号自初样起各单件数据、不同型号不同阶段间所有数据内容均可横纵比对，成为追溯数据以提升型号质量的利器。

④高效统一的数据分析。

在当前情况下，一方面，由于计算能力不足，很难对大数据量及复杂的算法进行处理分析；另一方面，科研生产人员的每一次分析过程，都是一次思考的过程，而这个思考过程没有任何记录，一旦下一名科研生产人员遇到同样的问题，还需要从头进行尝试，这极大地浪费了科研生产人员的精力。因此，迫切需要建设一个高效统一的数据分析平台，以提升科研生产的知识积累，加速科研生产活动的知识传播。

⑤安全的数据架构。(www.daowen.com)

武器装备科研生产过程中产生的数据非常重要，如何保证这些数据安全，也是军工数据管理的一个难题。一方面，大量数据如何安全存储，如何实现远程的备份与容灾，以保证其物理安全；另一方面，如何控制数据的密级，防止数据泄密，以保证数据传播安全，是工程数据管理的难题之一。

（2）大数据应用面临的问题。

在开展军工大数据应用过程中，由于不具备行业标准制定主导权、关键技术掌握程度不足、核心器件设计制造依赖进口、主流操作系统与数据库及相关工具软件被国外垄断等多方面的因素，大数据技术在我国武器装备研制生产应用中面临了一些问题。

——军工大数据技术研究与应用起步稍晚，缺乏严格统一的技术规范标准，因此，现有的各军工单位的信息系统在技术体制上存在一定的数据对接和兼容问题，给创建统一的军工大数据技术开发平台带来了难度。

——军工信息化的建设发展过程中，通用化的数据共享平台有待加强，不同军工单位信息数据平台的系统架构、管理机制、存储模式、交互接口存在差异，一定程度上影响了军工大数据共享与处理的高效性与便捷性。

——武器装备科研生产的信息来源的种类、数量众多，其信息化程度越来越高，已经具备了丰富的军工大数据资源，但是，相应技术设施的建设规模、开发深度还需要提升，存在军工信息体系的数据积累、存储、应用程度跟不上数据资源衍生的速度。

——武器装备科研生产对于大数据存储、整合、挖掘、应用等核心技术的研究与应用，在时间上投入尚浅，积累不足，仅就研发平台而言，在大数据的软硬件核心技术和基础产品方面支撑不足，科研生产过程中数据应用深度和智能决策水平都有待提升，这就意味着武器装备科研生产从底层未能向军工核心能力提供充分的数据服务支持。

——将大数据思维应用在科研生产管理需要加强网络建设，提供有力的基础设施支撑。科研生产系统产生的数据往往广泛散布于不同的数据管理系统中，传统的网络架构已经不能满足海量数据传输与应用的需求，为了便于进行数据的收集与分析，需要加强基础网络建设，提高系统的数据集成性。

——要发挥大数据思维在科研生产管理中的价值，需要加强对数据分析人员的培养，提高其对数据的敏感性。大数据分析人员必须深入了解企业业务与组织，具有统计应用知识，同时又熟悉大数据分析工具的运用。另外，由于长期以来，很多工作并没有充分依赖数据进行判断决策，对数据价值的理解还比较片面，因此还要提高数据分析人员的数据敏感性，积极挖掘大数据的价值，开拓新的问题解决思路。

——将大数据思维应用于科研生产管理的同时，也要格外注意其将带来的潜在风险。针对美国等西方国家窃密技术的不断升级，军工单位在应用大数据、云计算、物联网等新技术的同时，要更加重视自身的信息安全问题。一方面，要尽量提高国产化信息安全硬件设备和软件系统的使用率；另一方面，要进行自身信息安全保障体系的规划和建设。