2. 2 大数据资源融合处理 原始采集的消防数据资源需要进行数据清洗、比 对、整理及融合处理，才能成为“智慧消防”大数据，供 系统调取并进行大数据分析利用。 2. 2. 1 数据清洗 在进行大数据分析应用中，首先需要对数据进行 清洗，使数据满足应用要求。数据清洗是基于大数据 分析过程中不可缺少的一个环节，清洗结果质量直接 关系到大数据应用效果。 ( 1) 进行数据值过滤。数值过滤需要确定缺失值 范围，去除不需要的字段，填充缺失内容，同时对某些 数值进行重新取数，获取为的数据资源。 ( 2) 对数据格式内容进行清洗。收集的数据多 源，格式多样，需要对格式进行清洗，将其处理成一致 的某种格式即可; 内容与该字段如有内容不符的情况， 需要详细识别问题类型，进行单处理。 ( 3) 对数据逻辑错误进行清洗。对消防大数据进行分析后，需要去掉数据中重复的部分，同时对数据中 不合理值进行清洗，可进行去除或修正操作，使用工具 和方法，尽量减少问题数据出现的可能性，使数据清洗 过程为高效。 ( 4) 对非需求数据进行清洗。收集数据中有部分 数据是冗余信息，对我们进行大数据分析产生负担，需 要进行非需求数据清洗，仅保留与“智慧消防”业务相 关的大数据资源。

（4）收集数据的频率等。多长时间收集一次数据，收集数据的格式……

2017年，公安部消防局《关于全面推进“智慧消防”建设的指导意见》（公消〔2017〕297号）、 《消防信息化“十三五”总体规划》（公消〔2017〕10号）等。公安部也推出了《关于推进公安信息化发展若干问题的意见》（公通字〔2017〕7号）。

智慧消防是个非常宽泛的话题。从终端、到平台、再到应用；还有如何提高消防管理效率，如何有效的预警火灾，解决消防问题等；以及不同的功能所涉及的开发难度、周期、实用性场景都是千差万别。

m.gdliontech.b2b168.com