京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,为什么我们需要寻找“数据侠”?
当我们在谈论大数据的时候,我们在谈论什么?人们希望通过分析大数据,更了解过去发生了什么、现在正在流行什么、未来会怎样,希望数据能为人们所用,给企业发展以决策依据,给政府政策以公共价值,给普通人以启发。
2016年6月3日,第一财经旗下数据新媒体DT财经和上海开放数据创新应用大赛(SODA)联合举办“寻找数据侠”活动,正式宣布启动“数据侠”计划。这也是今年上海开放数据周的第一场重磅活动。

参加当天活动的“数据侠”嘉宾,分别在各自的领域都是数据分析和可视化的大牛。他们分别来自:交大复杂网络控制实验室(SODA大赛上一届冠军团队)、清华同衡城市数据实验室、地理大数据服务商GEOHEY、感知城市数据科学研究院、北京腾云天下科技有限公司(TalkingData)、镝次元数据传媒实验室、阿里云、蚂蚁金服、同济大学设计与创新学院以及第一财经商业数据中心。
大数据变革的时代,人们面前呈现同样的技术壁垒:使用产品和服务的时间多、接触背后数据的机会少,利用工具对数据进行分析、决策更是难上加难。普通民众和大数据之间似乎总隔着一层屏障。
侠者,助人之人也。他们希望,能够召唤整个行业中最会玩数据、最有数据开发能力和技术的Geek们,对冰冷的数字进行深度挖掘和呈现,使之具有温度,再开放给公众,让每一个普通人能够共享大数据的红利。
2016年夏季,上海开放数据创新应用大赛(SODA)将启动今年的赛事。SODA从政府手中取得了大量与城市生活息息相关的数据,开放给参赛者,让数据侠们通过对数据的深度理解、增值开发和创新应用,来解决城市中的问题,服务于城市中的每一个人。
DT财经,第一财经与阿里巴巴合力打造的数据新媒体,接触着整个行业第一手的数据,描绘着商业时代数据和消费云图,探索着数据如何推动商业的发展。如今,通过轻松易读的卡片式新闻创作形式、PGC(专业生产内容)讲述数据与现实之间的故事、可视化创作、多渠道分发……DT财经已经让更多的人站在数据的角度看商业,用新闻的方式解读数据,让数据有了温度。
而SODA和DT财经联手,正是开放数据的两端:SODA负责从政府手中调取最原始、最权威的数据,而DT则负责将数据呈现出的价值以最符合传播学规律方式分享出去——只是,这当中还欠缺最关键的一环:谁来调取、分析这些数据,谁来制作面向公众的开发工具?他们想到了更加具有专业主义的数据侠们。
在交通领域,数据侠们可以通过交通信息工程和通信技术,有效地分析交通数据,更好地减少交通负荷和环境污染、保证交通安全、提高运输效率;在体育领域,数据侠们可以通过分析运动员的运动表现数据,提供比赛分析决策,乃至避免伤病;在医疗健康领域,“可穿戴设备”已经收集到人体生理数据,自动传入云端,进行数据分析与处理,与医生诊断结合,给出诊断或康复建议……
中国工业设计研究院副总裁张柏军表示:“通过开放数据周和‘寻找数据侠’计划,期望能够有更多的人群了解开放数据的理念,了解现有的开放数据资源,并在力所能及的情况下可以尝试开放流通自有的数据资源。我们也希望更多的普通市民能够在此次活动周中,学习到数据相关的知识,掌握一定的技术,从而能够以城市主人翁的身份对这座城市给予更多的关注,利用开放的数据和数据侠们一起来共建上海,让这座城市更美好。”
DT财经主编王小乔表示:“数据侠们更专业,数据到了他们手里才能被更加精准、稳妥应用,但产生出的价值往往难以传送到普通人手中。而DT财经能够提供的,正是这样一个开放的平台和多渠道的分发。”她希望此次的“寻找数据侠”活动,能够网罗各路对数据有研究、有兴趣、有独特见解的人,让他们自由生产对数据的各种观点与看法。
DT财经将会以开通专栏的形式,为数据侠的优质内容提供各个新媒体平台的传播渠道。未来还会不定期的为数据侠们创造线上线下的交流平台。总之,通过持续提供优质的数据化内容,让数据有温度,更加人性化,为用户提供一个有价值有温度的数据内容入口,从而开放数据解释权,打破数据鸿沟。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24