
万物互联:区块链与大数据将擦出怎样的火花
在数据资源开发利用的过程中,大数据服务商都希望获得更多的数据,让政府和BAT等巨头把数据开放出来,这样我们才能去做数据的挖掘和分析。但是政府层面开放数据会担心侵犯个人的隐私、商业的秘密;企业层面BAT等巨头把数据资源当成是自己兜里重要的资产,都不会轻易开放出来;因此,数据的开放、共享、交易、流通,没有想象的那么容易和简单!
那么,有没有一种更加安全、更加可靠的载体作为数据资源流通的一个手段?
从技术的角度来保障数据资源的开放和流通,而不仅仅是国家出台法律或者政府制定制度、政策,需要一个更加刚性的解决方案,数据需要一个重要而可靠的载体。
区块链作为原来很早的比特币的底层的技术,是一个可信任的载体,这个可信任的载体能够承载数字货币这件事情,但是,能不能承载数据资源的流通和数据资产的流通呢?
区块链也是一种数据库,它也是一种重组的技术,它能够建立信任,建立起在互联网上价值转移和传递,大数据本身通过数据的挖掘和分析,也能够建立起来数据的一种智能,两者是不是能够融合起来,对未来整个互联网经济的发展有一个更好的推动作用?
政府推动数据开放
国内大数据应用整体上在这两三年发展的非常快,政府的应用系统在不断推进上云,比如贵州省提出了云上贵州,把所有的省内政务系统推到了云上;湖北省正在建立全省的所有政务系统的政务云,在2017年实现上云的目标。
在上云的过程中,政府在推动各个委办局之间数据在云上的交换和共享,现在不同的应用之间不存在交换的问题了,而更多的是一种在云上的数据共享问题。很多地方政府也在推进数据的开放,比如北京、上海推动了包括政府在政务、民生等很多应用数据的开放。
商业数据服务不断创新
在商业领域,互联网的这种商业数据服务也不断创新,阿里有数据魔方、百度有百度司南,把数据作为一种产品和服务提供给网店,这样的一种服务很好的满足了电商企业的发展需求。
大数据在各行各业的应用不断的深入,正在有更多的像阿里金融、蚂蚁金服这样的企业来做数据网贷业务,数据已经在和各行各业融合应用中发挥它的价值。
另外,很多第三方的数据交易也批量的涌现了,贵阳大数据交易所是中国第一个数据交易所,随后出现了上海的、武汉等各个地方的数据交易所把数据作为资产进行确权、交易。
数据开放共享遇到瓶颈
当然,在这个开放数据的过程中,真正事关到企业社会发展的一些数据还是没有很好的开放,因为担心涉及到每个人的个人隐私。
另外数据作为一种资产去交易,这个过程中需要确定现在数据的归属所有权是谁、处置权是谁、交易权是什么样的,这些都不好确定!
再者,在交易过程中,数据本身流通的监管比较难,对整个数据流通的全过程缺乏一种全程跟踪的手段,数据安全的保护、数据服务变现等方面都存在各种各样的困难,使得今天的大数据应用也是遇到了很大的瓶颈。
数据只有开放共享才能发挥价值。但是数据如果成为一种资源和资产的时候,很多服务商和厂商把它当成自己腰包中的东西,不愿意轻易共享给别人的,这就需要探讨一个问题,数据是公共资源还是私有财产,数据需要一种中心化的机制还是去中心化的机制?
区块链是一个可信任的载体
区块链在发展过程中是一个可信任的载体,整个过程是可以防伪的,整个数据通过加密的方式保证它交易来源的可靠,而且整个流通的过程是匿名的,产生的比特币是可以流通的。它通过程序系统、算法建立起来一整套的信任机制,而这套信任的机制能不能推而广之的运用到各个领域呢?
未来随着区块链越来越得到各方的认识,成为下一代互联网基础设施的时候,就真的可以为任何数据资产实现不脱离链,去做相关的转移和数据分析等。
区块链不仅帮助互联网建立了价值的转移,也建立一种可信的互联网基础,未来越来越多的物体被连到了互联网上形成物联网,这些物联网通过某种契约关系形成智能化的合约或者智能化的资产,未来区块链可能成为万物互联的一种万物账本。
在这个基础上,流通的所有数据,数据的确权、数据资源变成数据资产有一个支撑的技术,这样一项技术建立起来的是点对点的方式,正好契合了分享经济发展的一种模式。
未来分享经济在区块链之下,就不需要第三方机构,区块链所建立起来的,对整个互联网上的行为,价值进行记录的这样一种机制,有可能成为未来互联网治理的一个手段,不是现在通过这种随机的方式去做一些监管,更多的是实现一种全网的实时监管的手段。
区块链不是万能的
近期我们在帮助中央网信办做一个区块链在数据资源流通领域的汇报,跟贵州省、工信部相关部门做一些政策方面的研究,主要方向是几个方面,第一是区块链在数据资产流通中的应用;第二是区块链平台本身的大数据应用;第三,区块链在大数据领域的商业应用。
通过区块链能够解决一些问题,但也有很多问题是不能解决的。
区块链是去中心化的数据流通平台,能够做到的是,可以跟踪数据交易的全过程,保证数据交易的不可篡改,保证数据来源的可靠性,通过机制保证数据资产的登记和见证,存储是分层的。但区块链也不能跟踪链下的数据转移和应用,另外,有一些环节,区块链的机制决定了其存储容量是有限的。再者,区块链有一个分层的体系,工业上记录的是最有价值的数据,数据链上记录的是重要的数据资源。
区块链和大数据的融合应用是一个非常大的应用热点,将是“智能+价值转移”形成的价值互联网的基石。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29