
大数据交易助力我国产业规模赶超全球增长率
有数据显示,目前全球大数据产业市场规模未来三年将以60%左右的速度实现爆炸式增长,“如今,世界网络信息服务领域十大巨头中,中国占据了四强,而在大数据产业标准化研究中,中国始终站在世界的前沿,我相信大数据新一轮的浪潮即将到来,而中国将在这一浪潮中占据很重要的地位。”中国工程院院士倪光南在近期表示。
大数据让人类视野又阔一步
“大数据是人类认识世界的第四种方式,而软交所搭建的北京大数据交易服务平台则解决了大数据交易双方供需沟通的核心问题,缩短了二者之间的沟通距离,降低了沟通成本,可以说,北京大数据交易服务平台解决了大数据产业链中的最后一公里问题。”倪院士在前不久召开的北京大数据交易服务平台上线发布会上明确表示。
作为平台的建设者、运营者,建设阳光透明的软件交易市场是北京软件和信息服务交易所(以下简称软交所)建立之初就被赋予的重要使命,而软交所亦是在这种使命的推动下在软件和信息服务的产业发展上一步一步地起着不同凡响的作用,因此,建设北京大数据交易服务平台是大势所趋,也是软交所的使命所在。
“我不想说大话,北京大数据交易服务平台的产生不能够说为产业解决多大的问题,但在大数据交易的现实环境中,这一平台的价值我相信会逐一实现,而这也是软交所搭建这一平台的重要初衷。”软交所总裁胡才勇也在采访中透露了北京大数据交易服务平台的建设意义。
需要一个有公信力的平台
“从全球的标准推进情况来看,中国在大数据领域占据着重要的地位。”中国电子技术标准化研究院副院长高林对中国大数据产业前景看好。
今年4月,中国大数据标准讨论组正式召开会议,胡才勇作为讨论组成员参与了会议讨论。会上,胡才勇的一个“谁能明确说出大数据交易过程中的‘交易物’是什么?”的问题让与会专家犯了难,从2011年,中国大数据产业快速崛起,到大数据成为热词的今天,大数据作为商品的确切描述始终模糊,在行业内摸爬滚打多年的胡才勇清楚地知道“空谈误事”的道理,“最怕的就是新瓶装旧酒,我们要的是让大数据交易双方能够在公平、公开、公正的环境下进行阳光、透明的交易,而阳光、透明的本身即需要对‘交易物’有清晰的描述。”
软交所作为北京软件与信息服务业公共服务平台的重要组成部分,在政府支撑服务方面发挥了重要作用。因此,在软交所的多次倡导及呼吁下,“信息技术数据交易服务平台交易数据描述”与“信息技术数据交易服务平台通用功能要求”两项标准于今年下半年正式在国家标准委员会立项,并由软交所作为标准起草的核心单位。
“‘信息技术数据交易服务平台交易数据描述’与‘信息技术数据交易服务平台通用功能要求’两项标准准确地说是在大数据标准体系框架中应用和服务标准体系下的数据服务平台类标准之中,是针对大数据交易应用实践的重要标准之一。”高林对软交所承担起草的两项标准给与了充分的肯定,“从目前的情况来看,中国的大数据产业发展迫切需要尽快出台相关的大数据标准,而软交所搭建的北京大数据交易服务平台作为其起草两项标准的最佳应用实践环境,为标准的起草拟定提供了良好的基础,所以我想该交易平台的建立,会让我们对标准的制订更有信心。”
从石油理论看大数据估值
“石油价格的拟定与大数据的估值问题有着异曲同工之妙!”采访中胡才勇将石油价格拟定的问题巧妙地引入到了大数据估值问题中,“石油是历史留给我们的宝贵财富,我们很难从石油本身的价值来为其定价,那么石油的价格是如何拟定的?我们都知道,通常石油的价格是根据其采集、运输及应用的情况进行定价的,而大数据也如此,我们无法为大数据本身定价,因为我们每个人都是大数据的生产者,大数据的真正价格体系一定是根据其挖掘、清洗、分析及应用几个角度来最终确定的。”
针对大数据估值问题,胡才勇用了一个“随行就市”,在他看来,北京大数据交易服务平台本身就是大数据估值的一个有力工具,在这一平台上,买卖双方可以清楚地看到交易的供需情况,以及数据的买卖情况,从交易双方的真实评论以及交易数据本身的评估分析来对数据进行较为贴切的估值,这样的估值结果在目前的大数据交易中将有着重要的参考价值。
“软交所搭建的北京大数据交易服务平台与传统数据交易平台的最大差别在于第三方、公立。平台的一个重要作用即是聚集资源,这些资源来源广泛,不但包括政府的资源、企业的资源,亦包括我们每个人每天不自觉产生的数据资源。自己的一小块资源无法有效地利用起来,企业平台的资源也是有一定限度的,如何将资源聚集,并且实现1+1>2,这是平台的建设与运营的一大行业壁垒。”胡才勇如是说。
如何打破壁垒,作为平台的建设者、运营者,软交所也有自己的考虑。北京大数据交易服务平台并不是孤立存在的,一方面它作为公立第三方交易平台,秉持公平、公正地促成每一笔交易,另一方面该平台与数海、数据堂等此类大数据平台建立合作关系,形成固定模式,即数据交易在平台完成之后由数海、数据堂等第三方完成数据交割,相信这种模式也会在以后更多的合作中不断磨合、不断完善。
针对政务数据的开放,平台会免费提供开放的接口,让大家可以利用这些数据进行加工。同时,据胡总透露,北京大数据交易服务平台也将搜集企业以及用户的数据需求,定期向政务数据资源提交开放申请,软交所也将为政务数据的开放做出更多的努力。
作为全球大数据标准起草的重要成员单位,面对全球市场爆炸式的增长,中国大数据产业前景几何,这不仅仅是中国人关心的话题,也是全球关注的话题,在倪光南、高林以及胡才勇的眼中,60%不是一个目标,而仅仅只是一个过程。
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