京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据交易:产品服务或为主要形式
“大家知道,数据是有价值的,但是数据作为一个要素,需要在市场上合法的流通,不然的话数据流动将形成一个无序的状态。正是基于这样的认识,贵州才成立了一家大数据交易所。特别是对大数据交易所的相关的规则进行了探索,利用市场这只无情的手来配置数据的合理流动。”11月16日,贵州市委书记陈刚在由国家发改委、工信部、中央网信办和深圳市政府主办的2015年大数据创新发展论坛上介绍的全国首家大型数据交易所的情况引起了现场观众的关注。
大数据产业发展机遇来临
为加快推动实施《促进大数据发展行动纲要》,国家发改委在组织实施大数据综合试验区建设,贵州正是其中一个试点区域。国家发改委副主任林念修表示,中国拥有世界第一的大数据用户数,市场优势显著,发展潜力巨大,发展大数据势在必行,所以中国要把握新挑战,把握新机遇。同时,大数据产业自身也正在迎来快速发展的大好机遇,研究机构预测,未来5年,全球大数据市场将保持31.7%的年复合增长率,中国的大数据市场年复合增长率将高达51.4%,大数据产业正在成为新的经济增长点。
公开资料显示,贵阳大数据交易所以电子交易为主要形式,摒弃大数据产业交易底层数据的原始概念,由交易所作为第三方机构对数据进行清洗与建模分析,同时为买*卖双方提供一个数据结果交易的场所。数据将进行自动计价连续交易,交易所将针对每一个数据品种设计自动的计价公式,数据买方可以通过交易系统查询每一类数据的实时价格。目前大数据交易所对数据买方进行了一些限制,数据买方合法性在2015年,暂时不允许任何个人购买交易所的数据。同时在监管不健全的情况下,外资数据买方购买数据之前需要进行资格审查。
大数据交易问题仍存在
论坛上,中国工程院副院长邬贺铨院士对数据交易表达了他的看法和担忧。目前,我国北京、上海、广州、深圳、贵阳、陕西等成立了一批数据交易所,正在筹建的还有徐州、江苏、重庆、沈阳、哈尔滨、青岛等。数据交易所的模式一般有两种,一种是产权,把数据所有权卖出去,但是卖的是不是自己的所有权这是一个问题;第二是使用权,使用权的交易涉及到所有权是谁的、是不是所有者授权等问题。有些交易所把政府的公共数据也去卖,邬院士认为政府的公共数据是有价值而没有价格的,只有公开或者不公开。另外,谁有权批准成立交易所,数据交易所的交易规则、标准、方法、审计缺少规范等问题都需要在目前大数据热的情况下由政府引导。大数据产业发展的前提是开放数据,开放数据需要有数据的整合能力、脱敏和安全技术。
大数据交易未来可能以产品服务为主
关于目前大数据交易的合法合规、安全以及交易形式等问题,论坛嘉宾奇虎360总裁齐向东和阿里巴巴副总裁涂子沛也表达了他们的观点。齐向东认为,原则上讲,大数据交易在一个交易市场上公开的方式进行,有一定的规则,应该是安全的。比如通信的数据和银行的数据都涉及到每个人的隐私,如果把这些数据加工生产成为一种个人的信用等级的产品,再进行交易。购买的就不是个人隐私,而是一种产品。那么这种交易就是可以进行的。
涂子沛认可了他的观点,并补充说道:“数据交易的难点之一是数据的定价难以确认。第二,我认为如果数据交易仅仅是把数据的所有权卖掉,是一种很LOW的做法。因为数据不是像黄金一样的有形物质,物质用完会消耗,但数据不会被消耗。它的价值在不同的时间、地点、场景是不同的。”涂先生表示数据应该是智能社会的土壤。如果数据单单这样有形的去买*卖,就存在数据的价值取决于购买时间点的问题,但是现在数据都是以数据流的形式存在的,买家需要的可能是一个不断更新的数据。“我觉得,未来的数据交易应该是一个服务的形式,买的是数据服务,而不占有数据,但是可以享受数据所带来的查询、比对等种种服务。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15