
云计算与物联网技术的大数据在图书馆中的应用
“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。
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。
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。
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
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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