京公网安备 11010802034615号
经营许可证编号:京B2-20210330
市场定价难 大数据平台交易欠活跃
大数据时代,如果你是某家实力房企的营销操盘手,想尽快知道某个片区的有效消费客群情况,通过贵阳大数据交易所这个平台购买数据。但如果数据出错造成推盘失败,这怎么办?
一位不愿具名的业内资深人士指出,目前,大数据的价值由买卖双方根据自己所认定的价值进行评估,决定数据的价格。《每日经济新闻》记者注意到,上述交易的困惑实际上就在于交易双方信息的不对称性,更具体一点就是买方需求与卖方供给之间存在大数据交易信息的“错位”。
交易“定价”之惑
在北京大数据交易服务平台上,点开“数据交易”一栏,针对数据类型一项,共分为原始数据、加工后数据、其他和行业报告,95%以上的数据为行业报告,一共13个页面,挂牌价仅为100元。
唯有“企业大数据精准分析服务”一项属于原始数据,挂牌价30万元,而“舆情监控分析”一项,数据类型不明确,挂牌价为50万元,这些数据几乎都出自九次方大数据终端。
在贵阳大数据交易所,针对产品定价,专门划分了数据的6个维度,包括数据实时性、数据样本覆盖面、数据完整性、数据品种、时间跨度与数据深度,推行实时交易。
贵阳大数据交易所表示,不同品种的大数据价格机制是不一样的,实时价格主要取决于数据的样本量和单一样本的数据指标项价值,而后通过交易系统自动定价,价格实时浮动。《每日经济新闻》记者详细查询发现,北京大数据交易服务平台的数据交易挂牌期最早是去年12月,最新的是今年6月初,至今无一项数据成交。贵阳大数据交易所虽已成立三个多月,其官网至今未挂出新的交易信息。
为何这些平台大数据交易不活跃?有资深业内人士对记者说,一些交易平台上能看到的可交易数据,实际上是没人购买的数据。在该人士看来,这些大数据交易平台或许只是先把概念设计好,占个坑,应算是先行先试,但数据量极为有限,不足以支撑市场化交易,定价机制也做不出来,尤其是数据边界、数据源、数据用途和应用都不是很明确。“首先要确认数据交易的边界,哪些数据是可交易的,然后根据需求来定价。数据对象的麻烦在于数据在不同‘场景’下价值是不一样的,比如小麦、大豆的数据,用在农业规划和期货上是不一样的。”该业内人士说。
交易存信息不对称风险
按照贵阳大数据交易所的设计,大数据交易最终要在买卖双方之间达成共识。如果买方急需的数据信息并非卖方所提供的信息,如何解决?发生纠纷之后,交易所将如何处理?发生这种情况的根源又是什么?
一位不愿具名的业内人士说,这种情况下,交易风险又会反馈到交易所的大数据定价机制。
关键问题是,目前大数据交易所在定价机制上仍然难以做到市场化。那么,到底如何看待上述可能会发生的潜在问题?
贵阳大数据交易所前述工作人员解释说,如果数据买方对购买的数据信息与其描述的内容不符,他们可以向交易所投诉,由交易所及时处理。此外,他们对数据提供商有相关的资格审查,比如企业资质够不够,审核相关数据信息是不是涉及隐私等。
基于此,大数据交易所需要投入多大的人力、设备等成本?上述业内人士说,“这个是非常难的事情,你要看贵阳或北京集聚了多少人才去搞这个事情。”
在该人士看来,现在有一个基础技术有待突破,即数据标签、数据水印,也就是说,从这个交易所里出来的数据必须打上数据水印,这涉及到信息安全技术,目前只有国家信息中心有这个能力解决。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25