马跃飞 常秀丰

摘要：试验数据管理机制研究是试验数据工程建设的关键。首先给出了试验数据管理各阶段核心活动，然后分析了试验数据管理核心需求，最后，提出了试验数据“4横2纵”覆盖试验数据管理全生命周期的管理机制集，为规范试验数据管理活动，提升管理效率提供了基础保证。

Abstract： Research of management mechanism is the critical part of test data engineering. The key activity of every management phase is given. Correspondingly， the key requirements of data management are represented. In the end， the architecture of test data engineering management composed of each key management strategy is proposed， which is the base of the efficient and standard management.

关键词： 试验;管理机制;数据工程

Key words： test;management mechanism;data engineering

中图分类号：G203;E1                                      文献标识码：A                                  文章编号：1006-4311（2020）02-0005-04

0  引言

试验数据是指装备试验鉴定活动中使用和产生的所有数据，是及时、准确、真实记录装备试验、训练、研练、科研等重大活动的“第一手资料”，是装备鉴定定型方、论证研制方、使用改进方共同关注的高价值数据，是支撑装备建设发展的重要基础性战略资源[1]。以试验数据为研究对象，以试验数据活动为研究内容，以实现试验数据高效管理、重用、共享与应用为目标的“试验数据工程”已经成为当前试验鉴定领域的研究热点之一[2]。

不同于普通的技术研究，试验数据工程三分在技术，七分靠管理，管理机制的选取深刻地影响着试验数据建设中技术方案的构建;因此，管理机制研究是开展试验数据工程建设的前提和基础。[3-5]但是，由于观念、技术、体制等因素的制约，试验数据长期处于分头管理，分散存储状态，数据规划、采集、会交、共享、应用等关键部分管理流程及方法尚不规范，已经成为制约试验数据工程建设效率，妨碍试验数据增值、增效的关键因素。为解决以上问题，首先深入分析了装备试验数据现状需求，然后，提出了涵盖需求分析、采集入库、汇交传递、共享服务、安全管理、综合激励在内的5项试验数据管理机制，最终形成了试验数据管理机制框架，为后续进一步完善管理机制建设，推动试验数据工程可持续发展提供了有力保证。

1  试验数据管理阶段

试验数据管理活动是从数据视角对试验组织管理过程的具体展现。经深入提炼试验各主要阶段活动过程，以数据为主要视角，最终可以将试验数据管理活动具体分为数据预先筹划、数据采集入库、数据汇交和数据共享应用4个管理阶段。具体管理内容如下所示。

试验数据预先筹划一般在试验预先准备和直接准备阶段进行，主要预先开展试验数据全流程管理筹划，拟制试验数据需求报告，明确数据采集策略，提出数据挖掘分析指导性意见，并纳入试验总案相关内容一并上报。

数据采集与入库一般在试验组织实施和结果分析阶段进行，主要开展的工作为：①采集方案的拟制，各级试验管理部门依据下达的试验计划，根据试验数据需求报告，制定数据采集方案，明确数据采集的工作计划、责任分工、有效性准则等，并纳入试验大纲和实施方案一并上报。②试验组织实施阶段，各试验实体按照试验数据采集方案，组织开展原始试验数据的动态采集和审核，并存入原始数据库。③试验结果分析阶段，各试验实体按照规定程序和要求，组织对采集的原始试验数据进行处理和分析后存入整编数据库。

试验数据汇交一般在试验任务结束后进行。各试验实体将分析处理后的试验数据及名录，统一通过试验数据管理平台系统逐级汇交。

试验数据共享应用一般在数据汇交结束后进行，根据实际数据应用挖掘需要，通过查阅形成数据名录，根据相关管理机制，提交数据共享请求并获取数据，并在相关管理机制指导下，开展数据应用挖掘分析，形成数据产品。

2  核心需求分析

以试验数据管理各阶段活动为主要依据，以实现试验数据安全共享和增值增效为主要目的，可以进一步将试验数据管理需求归纳为：

2.1 坚持需求引导，提高试验数据管理质效

数据需求分析是试验数据管理工作的逻辑起点，做好数据预先需求分析，提出明确的试验数据需求，可以降低有用数据漏采、未采的风险，提升试验数据采集效率，提高试验數据整编治理的针对性，并为后续数据应用指明基本方向，为试验数据效益的充分发挥提供基础保证。

2.2 完善数据采集、组织、存储管理机制，保证数据质量建设

针对当前试验数据质量不高的现状，以数据为核心，以试验流程为牵引，建全规范化数据规划、采集、组织、整理、处理管理机制，保证数据按标准、按要求进行采存管理，建立统一、完善的试验数据资源池，是进一步落实试验数据需求的必要条件，为后续开展试验数据共享应用提供良好的数据基础保证。

2.3 健全数据安全共享管理机制，打通数据流转渠道

试验数据共享服务是试验数据工程建设的核心性工作之一。深度结合试验数据管理特点，充分考虑安全、高效、全属等关键问题，设计提出符合实际的试验数据汇聚、分发、流转等共享服务管理机制，打通试验数据渠道，营造数据产生者愿意共享数据、数据挖掘者能够获取数据的良好氛围，为试验数据关联应用，深度挖掘的开展提供保证。

2.4 规范数据关联应用方式，促进数据增值增效

试验数据应用是促进数据增值、增效，体现数据建设管理价值的关键所在。建立数据应用管理机制可以进一步规范试验数据关联、数据深入挖掘、数据产品研发的流程，能够更好的优化试验数据应用人员结构，使专业的人聚焦于其专业领域，进而可以改变当前试验数据应用层次较低，数据产品多头研制，互不通用，效益发挥不明显等问题。

3  试验数据全流程管理机制

针对以上数据管理需求，建立如下“四横两纵”试验数据管理机制框架（如图1所示）。其中，横向4项管理机制主要针对试验数据建设管理中的核心业务活动，形成对试验数据管理全生命周期的无缝管理，纵向两项管理机制是为进一步保证试验数据安全、高效、有序开展的保障性机制，贯穿试验数据管理各阶段。

3.1 需求管理机制

试验数据需求是指导进行有效的数据采集入库，建立科学的数据资源体系，开展高效的数据共享交换工作，推动深度数据挖掘应用，发挥数据价值的基础。以当前体系试验、作战试验等新型任务需求，采用“由顶向下”的思想，提出如下数据需求高层管理模型（如图2所示）。

①数据需求规划论证：在试验总案编制任务下达后，由各级作试部门组织开展试验数据管理预先准备工作，下达型号装备试验数据全管理任务，建立组织机构，明确职责分工。由试验技术总体人员和数据总体人员组成联合论证组，根据试验大纲论证，并考虑实际数据采集能力，规划论证提出数据需求基本清单。

②数据需求基本清单是对数据需求情况的宏观性、顶层性、基础性描述，主要包括：所需数据的基本情况，与试验及后续评估分析的基本支撑关系。

③数据需求完善与细化：汇聚试验总体、试验各相关专业人员、数据总体及数据采集实施方，根据数据需求基本清单，拟制提出数据需求报告。在此阶段，可以对数据需求情况进行修正，同时协助试验总体人员将试验数据需求进一步细化。数据采集实施方协助数据总体人员进一步落实各数据需求的采集要求，保证各项数据需求的可实施性。

④数据需求报告要具体包括：明确数据采集范围、内容、数据质量要求、数据采集策略等，同时提出保障条件建设需求和数据分析挖掘指导意见。

3.2 采集入库管理机制

数据采集入库是构建数据资源体系的核心过程，主要有分布式采集和按标入库两个步骤组成。分布式采集的科学性、合理性、全面性直接决定试验数据的质量，按标入库是在分布式采集的基础上进行按标汇聚整编和入库存储管理，如图3所示。

①数据采集总体方案。

数据采集总体方案编制的主要依据是数据需求报告。数据总体人员会同数据采集单位，明确数据采集流程和采集手段，以及数据上报流程、数据预处理要求等质量保证措施，在此基础上形成数据采集总体方案。

②数据采集实施方案。

数据采集实施方案在总体方案基础上，由各负责单位进一步明确各项数据采集负责人、相关采集设备，制定详细计划安排和数据报送流程，设计数据采集模板和格式要求清单，制定数据质量管控措施。

③数据采集与预处理。

数据采集负责人依据实施方案，开展数据采集准备、设备加装调试、人员教育培训等工作。获取采集数据后，对原始采集数据进行预处理，并按照数据分类及编码、专用装备分类及编码、试验任务代码等标准对数据进行标识。

④数据质量审计汇入。

数据采集负责人在采集任务完成后，按照既定的数据传递方案，将数据报送相关管理部门。数据管理部门将各单位提交的数据汇入原始库，并从数据基本信息、数据主要内容、编码规则审校等方面对相关数据进行审计检查。通过检查的数据进入整编库，未通过检查的数据进行整改库并由数据采集单位进行整改后上报。

⑤数据治理整编入库。

对进入整编库的数据进行贯标处理，从类别、型号、任务等维度构建多维数据关联关系，形成数据逻辑模型和物理模型，支持数据资源池汇聚任务。根据试验分析评估工作需求，对数据资源进行分类组织、转换处理，建立多维主题数据库。

⑥数据整编报告编制。

对照数据需求报告和数据采集方案，重点从数据整编汇入过程、试验形成的数据集情况等方面撰写数据整编报告。

3.3 数据汇交管理机制

数据汇交管理是数据共享服务的基础。各数据生产实体在进行数据汇交时必须明确标识数据密级、专业类别、主要内容、共享建议等基本属性，便于后续的查询、调阅、使用和共享，数据汇交管理流程如图4所示。

①汇交方案。

在机关指导下，数据总体单位会同数据据采集单位，制定数据汇交流程，明确相关要求及责任主体，形成数据汇交方案。

②数据汇交。

数据采集单位按照数据汇交方案要求，将已完成整编入库的试验数据及其目录统一汇交到上级数据中心。

③名錄发布。

数据中心通过对具备共享条件的数据集（产品）关键性信息进行描述与组织，形成方便查询、获取数据集（产品）的系统及数据名录。数据名录包括数据集名称、关键字、摘要、分类、形成时间、密集、发布范围、发布单位及责任人等关键信息。

④访问授权。

在数据名录中的基础上，从专业领域、职能权限等角度对数据浏览、下载、获取字段、显示精度等方面设置权限，用户可以根据所具有的权限访问数据名录。

3.4 数据共享应用机制

围绕支撑装备试验鉴定、服务装备改进研制和实际作战使用，加强试验数据共享与挖掘分析，是提升试验数据产品服务能力的重要途径。数据共享应用管理机制包括面向全流程管控的数据交换管理、数据权益管理和数据产品研发管理等内容，如图5所示。

①面向全流程管控的数据交换管理。

在名录发布及其权限管理的基础上，对数据需求和提供方所有行为的全流程可记录、可追溯和可审计，实现数据规范化、精准化流转，并流转过程中各方行为、权责进行管理。

②数据产品研发管理。

数据产品研发应坚持任务导向，满足试验任务分析评估的需要，从装备论证、研发、改进、战场应用等维度深层规划数据产品研发工作，研究基于公共数据研发框架、环境或平台的专业化研究，并进更深层次数据挖掘应用工作的开展。

③数据权益管理。

数据权益管理的核心是通过新型技术手段，建立一套科学合理的数据确权及权益保护管理方法，保证能够从全流程视角对数据建设管理中各利益相关者贡献度进行合理体现，能够保证对原始数据——处理后数据——数据产品进行全生命周期溯源。

基于上述三项管理机制建立试验数据共享应用管理活动高层概念图，如图6所示。在顶层数据应用规划指导下，数据需求方通过查询数据名录库所需数据集信息，并填写数据申请到管理审批方。数据审批方根据相应权限对数据申请情况进行审批，将符合要求的数据申请发送至数据提供方。数据提供方根据数据申请单，对数据进行加工处理后，提交至数据审批方。管理审批方对数据包满足共享需求情况进行审核，当满足需求时通过审核，并生成数据包权属信息。数据需求方获取数据包，开展相应数据产品研制工作，并形成相应报告，提交至管理审批方。管理审批方对数据产品研发情况进行审核，对通过审核的数据产品形成全生命周期权属信息和相应名录，进入数据产品库归档。

3.5 数据安全管理机制

数据安全管理是试验数据工程建设管理的红线，应包括如下5个方面：一是试验数据管理必须严格执行国家和军队关于信息管理的有关安全保密规定要求，采取有效的管控手段和技术措施;二是根据涉密等级、任务分工和人员类别，设置用户使用调阅权限;三是综合运用先进的技术手段加强试验数据全流程管理，对传递、调阅、使用、共享等全过程进行监控;四是数据中心必须建立应急处置和容灾备份机制，健全防篡改、防攻击、防病毒等安全防护体系;五是用于存储和处理试验数据的设备，必须明确标识涉密等级和管理使用权限，严禁不按密级和权限使用。

3.6 数据激励机制

数据激励机制是保持试验数据工程建设生命力的重要基础性机制，包括明确激励内容、激励主体和客体、激励的手段及方式等内容。激励机制针对不同群体采取多样化激励手段，满足各个试验数据建设过程中参与者的基本需求为出发点，采用科学的激励范围、激励力度和频度，确保公平公正的激励评价。结合工作实际，提出数据激励机制的参谋模型如图7所示。

激励对象涵盖所有参与试验数据工程建设管理的各阶段人员;为保证后续综合评价有据可依，建立建设全流程账本机制，将参与人员的行为及数据全生命周期流转中的关键步骤、成果、行为进行客观记录;以全流程记录账本为基础，建立涵盖行为规范性、数据共享度、工作态度、努力程度等维度的综合评价指标体系;应用层次分析、熵权等方法计算指标权重值进行综合打分评价;基于评价结果对相关人员实施奖惩，并发送至相关个人进行确认，从而得到提高工作主动性的目的。

4  结束语

试验数据管理机制研究其核心是指導管理实践，以上研究成果目前已在某试验训练单位得到了初步应用，形成了7项技术标准，5项管理法规，指导实现了某次大规模作战试验任务的数据统管、统建。在后续研究中，将进一步细化和调整各项管理机制构成，健全试验数据管理机制体系，为试验数据工程建设可持续深入发展提供保障。

参考文献：

[1]齐剑锋，李三群，杨素敏.装备数据工程导论[M].北京：电子工业出版社，2016.

[2]龚昕，周大庆，张立斌，等.武器装备试验数据工程理论与实践[M].北京：国防工业出版社，2016.

[3]何友，朱杨勇，赵鹏，等.国防大数据概论[J].系统工程与电子技术，2016，38：1300-1305.

[4]林平，刘永辉，陈大勇.军事数据工程基本问题分析[J].军事运筹与系统工程，2012，26：14-17，34.

[5]吕彬，魏俊峰.大数据时代的军事数据管理机制研究[J].中华医学图书情报杂志，2018，27：23-28.

[6]刘启超.装备作战试验的中期作战评估问题研究[J].价值工程，2019，38（26）：89-91.