随着移动互联网、智能设备、传感器、无线通信等技术的飞速发展，各行各业产生的数据量呈指数级增长，数据类型也各式各样，对于数据的传输、存储和分析提出了更高的挑战。为了应对大数据的挑战以及充分利用大量数据所带来的价值，NoSQL数据库、云平台、数据挖掘、人工智能等技术应运而生，并广泛应用于公安、金融、政府等各个领域中。
大数据不仅仅体现在数据的海量上，还在于其数据类型的复杂性、多样性。不仅包括结构化数据，还包括图片、文档、视频等非结构化数据。与传统的数据相比，大数据具有数量大、增长速度快、种类多、质量高、价值密度低等特性。
大数据的爆发意味着机遇，同时也带来了挑战。传统的数据处理手段已经无法满足大数据的海量实时处理需求，需要采用新一代的信息技术来应对。大数据技术主要分为五类。
通过整合传感器、云平台、BI工具等软硬件工具，搭建一套完整的工业企业经济运行情况统计与预测系统。
大数据技术
1） 基于计算机视觉的视频分析
由于视频监控的目的是为了掌握项目施工进度，为项目的各个节点验收提供数据支持。而很多时候项目现场没有变化，视频信息量又很大，耗费的流量费较多。为了降低视频监控流量费用，可以在项目现场发生变化的时候才保存视频信息。为了自动地进行视频数据的智能存储，采用计算机视觉技术，通过对视频信息的实时解读，实时保存现场发生变化的视频信息，减少流量费用并减轻大量的视频数据信息对服务器存储的压力。
2）基于BP神经网络的经济预测
人工神经网络对信息的处理具有自组织、自学习的特点，便于联想、综合和推广。神经网络的神经元之间的连接强度用权值大小来表示，这种权值可以通过对训练样本的学习而不断变化，而且随着训练样本量的增加和反复学习，这些神经元之间的连接强度会不断增加，从而提高神经元对这些样本特征的反映灵敏度。其中BP网络是最著名的多层网络学习算法，同时利用Matlab建模。
在不限制隐层节点数的情况下，两层的BP网络可以实现任意非线性映射，所以BP神经网络包含输入层、一个隐层和输出层。BP神经网络采用的激活函数为Sigmoid函数。通过输入数据对神经网络进行训练，得到神经元之间的连接权重以及每个功能神经元的阈值。
效果
1） 工业经济运行情况统计
基于该系统，政府部门能全面掌握全省工业运行的现状以及变化趋势，能从行业、地域、工业园区、产品、企业等不同的角度展现全省工业经济运行情况。工业经济运行监测包含重点企业运行监测、园区运行监测、行业运行监测、重点产品运行监测等，是精细化的工业经济运行监测和精准化经济运行综合协调的核心支撑能力之一。企业按行业划分主要包括：煤炭、电力、化工、冶金、有色、轻纺、机械、建材、医药等行业。
2） 工业经济预警与预测
通过开发面向工业经济运行的预警规则和知识模型，对各项管理指标能够设置预警，并实现主要指标数据预测功能。在运行监测业务门户中，展示工业运行中超出预警线的业务指标，使领导可以看到超出预警线的指标，及时针对出现的问题提出解决方案。
同时对工业经济的预测主要考察两个指标：工业增加值和工业增加值增速。利用建立的模型对整个省级及各地级市的工业增加值和工业增加值增速进行预测，得到相关预测曲线。
同时随着数据量的不断增加，模型需要进行及时训练，从而使预测结果具有更大的可信度。
结论
通过整合传感器、无线通信、分布式数据库等大数据技术，实现了多数据源的高效采集、传输、存储和分析，搭建了一套用于重大投资项目管理、企业节能降耗监测、经济运行监控与预测的工业大数据管理系统。利用该系统不仅服务于现有政府项目管理、经济统计工作，还能够对经济形势进行预测，为企业转型、政府产业机构调整提供技术支撑。同时系统保留二期的扩展能力，加强与统计、电力、税务、银行等部门的企业数据共享、关联比对和分析，充分挖掘企业动态数据价值，改进提升经济运行监测、预测和风险预警，从而带动工业大数据相关产业发展。
