数据是信息化智能化战争的血液，情况研判少不了数据分析、指挥决策少不了数据支撑、综合保障少不了数据运转。海量的数据不仅会带来数据冗余，降低数据使用效率，还会带来数据折旧，降低数据使用价值，甚至某些数据价值还会蜕变成为负值。

好比“专卖店”中物品随着时间推移不断打折降价，一些作战数据随着时间推移也会失去原有价值。这就要求我们在使用这些数据时要考虑相应“折旧度”。如果不用发展眼光看问题，仍沿用老旧数据指挥作战，在战场上可能会遭受巨大损失。如硫磺岛战役中，美军对日本守军防御要点、火力据点等位置数据本就知之不细，对其新增防御工事更是不知，使得美军虽然实施了强大火力突击，但是只摧毁日军914个重要工事中的194个，致使登陆时人员遭受日军重大杀伤。

在看到数据存在“折旧”现象的同时，也要看到有些数据价值随着时间推移不降反升。比如，气象、水文、地形等自然环境数据，它们是基于统计学基础上的预测分析，其数据收集时间跨度越大越好、记录内容越完善越好，这样才越有利用价值。如诺曼底登陆战役，其关键在于登陆日的选择，然而盟军各军种都对登陆有不同需求：陆军要求在涨潮上陆，以减少部队暴露在岸滩一线的时间；海军要求在落潮时上陆，以减少登陆艇遇到障碍；空军要求有月光，以便空降力量识别地面目标。盟军经过大量环境数据对比，发现在1944年6月只有两组连续三天满足要求，即6月5日至7日、6月18日至20日，而气象学家根据以往气象数据预测在6月6日会有晴天，利于登陆，最终选定第一组，这才有了迄今人类最大规模登陆战的成功。

这些发生在“小数据”时代的战争，已然体现出数据对作战的重要影响，更何况“大数据”时代。如今，指挥员只有运用现代化多维态势感知系统，获取并掌握新鲜完整的数据，才能更优决策、更好指挥、更快行动。由此，我们必须做到基础数据快速采集，用好开源情报，不断更新基础数据库，尤其是气象、地形、水文、道路、桥梁等环境数据；动态数据常态保鲜，建立严密数据采集体系，用好各类传感器，用好智能匹配、自主学习等智能筛选技术，区分不同种类对数据库中的数据进行自主分析，尤其是相关重要目标、关键要点的数据，剔除老旧无用数据，不断净化数据库，提升数据可信度；决策支持数据实时更新，用好大数据分析技术，建立数据分析模型，对各类数据进行关联度分析，尤其是与指挥决策相关联的敌情态势、友邻动态、环境因子等战场情势数据之间的联系要实时预测，前瞻发展走向，得出可靠性结论，提升数据支持度。