京公网安备 11010802034615号
经营许可证编号:京B2-20210330
发展区块链先要弄清“是”与“不是”
“目前,多数人并非真正懂得区块链,而是企图利用概念赚钱。因此,清晰定义区块链非常重要。只有定义清楚后,大家才知道什么是,什么不是,才能进一步去规范。”在日前清华大学产业创新与金融研究院举办的一场研讨会上,清华大学法学院教授高西庆谈道。
清华大学计算机系副教授陈康介绍,“区块链技术并不神秘,只是由于它将密码学、分布式系统和博弈论这三个反直观的理论结合于一身,才成为人们难以理解的事物”。
陈康认为,区块链概念可以先拆分成“区块”和“链”,其最大特征是一环扣一环。“链”就是一连串有顺序的交易,而“区块”就是将各个交易组成一个“块”,核心问题是如何决定交易过程中下一个“块”的放置。区块链总结起来有3个特点:一是所有交易是有顺序的;二是各个交易分成“块”;三是通过抽签的办法决定下一个“块”是谁。
“区块链技术去中心化的真正意义是去中介化。”中民新能投资集团董事会秘书刘燕认为,区块链技术可能会带来两种趋势:一是由于技术优势带来效益的大幅提升;二是这些技术可能导致集中化的财富积累以及技术领先所带来的持续分化。“这是我们需要清醒认识并要坚决避免的。”刘燕说。
CyberMiles创始人兼首席执行官卢亮表示,虽然今天数字货币发展依然缓慢,但相信区块链、数字货币将成为电商的重要机遇,并且能够创造一种新型交易环境。
对于区块链能够在多大程度上改变金融系统,高西庆表示:“不少人认为中介机构会完全去掉,我今天还看不到这种可能性。各种机制中间都有一些所谓的中心,比如区块链中的联盟链也是分中心,不可能完全把中心去掉。”
高西庆建议,相关部门应该对区块链做出清晰定义,以更好地规范发展,杜绝乱象。“在没有认清区块链之前,应当首先考虑区块链能否带来好处,而不能只看到坏处就把它毙掉。而且,由于互联网系统的特点和区块链的运作方式,也没有办法完全彻底地把区块链毙掉。现在一些国家正在创造环境吸引区块链产业,因为这样可以获得规则制定、产业利益等方面的好处。”高西庆说。
“今天人类保持的交易记录,账目数量呈指数级增长,数量惊人。这种情况下,想要返回追查证据的成本极大提高。尤其对于交易而言,往往存在时间差,使得查找十分困难,所以必须具备相关的规范机制。”高西庆说。
清华大学经管学院会计系教授谢德仁认为,区块链能解决原始交易数据的中心化问题,但是原始交易数据转化成财务报表的数据,可能还是要中心化的,而非去中心化。
清华大学经管学院金融系副教授张陶伟认为,区块链技术要大范围应用,还要继续创新,找到新的技术路径和方法提升区块链的运行效率并降低运行成本。另外,区块链也只能解决线上的去中心化、信息不可篡改等问题,但在将线下相关内容转换成线上信息时,存在“道德风险”造成的造假、欺骗(例如做假账)等可能,区块链技术仍旧不能解决。
随着进一步发展,区块链技术有可能产生跨越式的发展,目前,区块链技术的底层建设仍然比较薄弱,但许多大企业已开始在技术上加大投入。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26