
生意宝与贵阳大数据交易所合作开启大宗商品数据交易
9月10日,生意社正式与贵阳大数据交易所签署数据合作协议,双方就当下宏观经济领域备受关注的大宗商品大数据展开合作。据悉,今后生意社开发的BCI、BPI两大核心指数及重要商品产业链指数,都将在贵阳大数据交易所的平台上进行交易。
对此,生意社总编、中国大宗商品发展研究中心专家刘心田表示,生意社作为大宗商品数据服务商,近年来积累了大量的行业原始数据,这些数据通过分析有着重要的使用价值。此次与贵阳大数据交易所合作,旨在让数据的价值能够得到更大发挥,真正使数据价值化,充分得到应用。
作为扎根“产业大数据”领域的近二十年的企业家、网盛生意宝公司董事长孙德良,抛出了自己对于大数据的理解,他认为,“大数据”时代,我们国家不仅要自己掌拥有大数据,还要挖掘、利用好数据。他表示,自己的网盛生意宝公司也耗费近20年建立了一个国民经济最上游商品的产业大数据,这个数据库是动态的,每天在变化,而随着时间的推移,数据会越来越有价值。据悉,生意社的大数据已经得到国家发改委、工信部、商务部、统计局、证监会等多部位的认可、使用,成为国家宏观经济分析、研判、决策的参考之一。
据悉,基于网盛生意宝公司旗下中国化工网、纺织网和医药网等专业大数据平台的数据资源,公司打造了数据服务平台生意社。现在已建成覆盖国民经济最上游的能源、化工、纺织、有色、钢铁、橡塑、建材、农副等八大领域数百个大宗商品的权威数据库群,成为跟踪、分析和研究大宗商品的权威机构。把日/周/月价格、国/内外价格、现/期货价格全部采集监控起来,编制了很多非常准确的指数。在数据业务拓展上,已与期货、证券、银行等诸多行业机构展开了初步合作探索。
据悉,生意社每月发布的BCI(Bulk Commodity Index)指数,目前已经成为国内宏观经济“晴雨表”的角色,这一利用公司多年来积累的大数据打造的制造业先行指标,旨在帮助政府、机构、企业更好的决策。该指数在过去的几年时间里,曾多次提前预测经济拐点,到目前为止已经连续五次成功预测宏观经济走势。
据了解,生意社作为生意宝“电商、数据、金融”三大战略的数据战略构成部分,目前已跟踪500多个大宗商品,包含能源、化工、橡塑、有色、钢铁、纺织、建材、农副八大行业,覆盖8000多家原材料生产企业、20000多家流通企业和12万家下游企业的市场情况,同时覆盖纽约商品交易所、上海期货交易所等全球20多个期货市场、及国内200多个电子交易市场的情况。并通过50多位行业专家,200多名资深编辑、分析师,并借助500多位数据师的力量,每日可提供涉及现货、期货、证券和电子盘数据的信息以及相关动态。
生意社BCI作为生意宝数据战略的重要组成部分,自2012年1月份正式对外发布以来,一直深受相关产业、金融证券、期货等业内人士的热捧。该指数通过监测100种主要基础原材料的价格,按照其月初和月末的价格对比,统计月度上涨品种数和下跌品种数,然后将上涨品种数减去下跌品种数除以总数,得出的比值来反映制造业经济的景气程度。最新的8月BCI指数显示,该月BCI为-0.49,均涨幅为-2.37%,反映该月制造业经济较上月呈收缩状态,经济下行风险加大。
此外,在2014年10月,生意宝宣布,公司战略入股大数据公司——杭州数新软件技术有限公司,并已更名为“杭州网盛数新软件有限公司”,新公司今后重点布局数据利用(商业智能)、行业应用、移动互联这三大方向。
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