京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据最值钱 马云爆"数据是阿里最值钱的财富"
4月14日,一桩买卖引发了人们的好奇。大电商京东成了买家,卖家是腾讯等公司,买卖的东西是——大数据。而为这桩买卖提供平台的贵阳大数据交易所,作为全国首个大数据交易所,也于当日正式挂牌成立。
这笔交易很新奇,但还只是商业数据交易,目前,不少政府也开始接触大数据交易平台。政府手里攥着的纳税数据、公积金数据,是许多企业渴求已久的,但是这些数据是否涉及隐私?大数据具体如何交易?大数据交易作为一个新生事物,有很多值得探讨的地方,为此,本报采访了多位业内人士。
(1)政府大数据作为“原料”不收费
4月10日,中关村大数据交易产业联盟秘书长、北京数海科技有限公司(简称“数海科技”)董事长秦翯第一时间在“朋友圈”分享了一条消息:“我们今年计划和地方政府合作建设10家区域性的大数据交易平台。”
政府拥抱大数据,很前卫;但政府售卖数据,合适吗?对此,秦翯向本报解释说,由于数据权属的问题,政府数据是不能用来交易的。政府的数据是全体公民的贡献,因此政府无权将其出售,从而获取商业报酬。
业内人士指出,政府数据本身是免费的,数据公司跟地方政府合作,对政府提供的免费数据“原料”进行加工,以便更好地向需求方提供数据。而加工过程的成本,可能成为未来大数据交易的费用。
“政府数据开放需要对大量的数据进行加工、清洗和处理,然而这部分经费并不在政府的财政规划当中,因而大数据交易平台要做的是与政府合作,帮助地方政府把这些高价值的数据开放给全社会。” 秦翯说。
在百融(北京)金融信息服务股份有限公司高级总监段莹看来,政府愿意参与大数据交易有两大驱动力:一方面,市场渴望将政府巨大的数据资源作为依托;另一方面,政府也想要开放数据资源以促进产业转型升级。
秦翯提供的数据显示,政府直接或间接持有的数据资源占比超过80%,剩余的商业公司持有的只占20%。在政府持有的数据资源中,公共体系只是一部分,另外一部分则在公共基础设施如医疗、水电煤等领域中。“政府数据开放是未来大数据时代需要开发的一片大油田。” 秦翯说。
百融集团华北区创新合作部总监朱奔向本报表示:“从数据的质量和数据的规格来看,政府数据比商业数据更具有价值。”段莹进一步解释说:“比如说纳税数据、公积金数据、社保数据、房产数据等,都能帮助金融机构降低对个人信用的评估成本。”
政府大数据的确很诱人,但是,政府参与大数据交易平台却面临一道法律屏障。据悉,目前国家层面还没有明确数据开放的相关事宜。“我们现在特别希望国家能够出台隐私法等相应的法律法规,为有开放意愿的数据持有方提供必要的政策支持和决策依据。虽然这个过程可能会很漫长、很艰难,但不管怎么说,政府数据能够被开放出来,对整个社会的发展都是一件非常好的事情。”段莹表示。
虽然有障碍,但是各地已经开始了探索。秦翯介绍说,他们已经与重庆等地政府签订了战略合作协议,帮助他们建设大数据平台,将政府体系的数据分级分度地开放开发出来。
(2)大数据资产未来最值钱
去年10月,马云爆出金句:“我们是通过卖东西收集数据,数据是阿里最值钱的财富。”在一个月之后的演讲中,他直言阿里巴巴公司本质上是一家数据公司,“我们做淘宝的目的不是为了卖货,而是获得所有零售的数据和制造业的数据;我们做阿里小微金服的目的,是建立信用体系;我们做物流不是为了送包裹,而是把这些数据合在一起。”
马云的话有些玄妙,在秦翯看来,像阿里巴巴这样的大公司,其对每个用户的评价大概会有2000多个参数,通过对这些数据进行整合和分析,很容易得出对用户信用情况的基本判断。
收集数据显然不是目的,目的是卖数据。目前,大数据交易有三个品种:源数据、数据产品以及数据工具或数据模型。秦翯举了一个很形象的例子。假如你有一堆土豆,你把它们直接卖掉,这叫做源数据交易;你把它们切好后炸成薯条卖掉,这叫做数据产品交易;如果你炸的薯条特别好吃,卖得也特别好,并像麦当劳那样将经营模式推广至全球,这时你就是在完成数据模型的交易。
要售卖就要有价格。对于大数据的定价,段莹认为,数据的定价同样要基于实际应用的场景。他解释说,一个用户去买一台洗衣机的数据和他在银行信用借款的数据该怎么定价呢?这就需要一定的场景来实现:比如没有这些数据,银行发放信用卡或个人贷款时很有可能就将这个人筛掉,于是银行便损失掉这个客户。但客户是需要银行花成本营销过来的。如果有了这个数据,便可以节约对该客户的营销成本。这些数据的价格可以根据其应用价值和节约成本测算出来。
有了产品,也有了定价,具体怎么卖?据介绍,目前大数据交易方式主要有在线、离线和托管3种。在线的方式类似于网上购物,买卖双方借助交易平台达成交易;离线的方式适用于大型的历史性数据,这类数据不适宜在线传送,所以一般采取线下一次性交割的方式;托管的方式就是数据提供方将数据交由交易平台管理,一旦有用户请求购买,交易平台可以直接完成数据的配送。
除了这些常规方式,秦翯所在的公司还想出了拍卖的方式。秦翯解释说,一些新兴企业破产后,没有很多的固定资产,其最大的资产便是数据。我们很快要成立数据资产评估中心,一旦这些企业在我们的评估中心登记了资产,我们会为其提供破产清算,把他们的数据资产放到平台上进行拍卖,再由需求者竞价购置。
(3)交易要有规则不得侵犯隐私
将“数据”与“交易”这两个词放在一起,很多人首先联想到的恐怕就是诈骗电话、恶性推销等社会乱象。因此,大数据交易最不能回避的就是隐私问题。
在秦翯看来,乱象产生的根源不在交易而在规则。“在大数据交易平台正式搭建之前,数据信息被私下交易的情况便已十分普遍。根据我们日常生活的经验,诈骗电话及恶性广告推销等行为都是不良数据交易引发的信息泄露所带来的恶果。然而这些弊端的产生并不是由于数据交易本身造成的,而是由交易规则体系不完善造成的。”秦翯说。
段莹表示,如果不想造成侵犯,在交易之前,数据供需双方就必须要明确什么样的数据可以进行交易,什么样的不可以。目前问题在于中国没有隐私法,很多数据是否涉及隐私很难界定。
国外是否有经验可循?秦翯介绍说,美国很早就从国家层面形成了强有力的有关数据资产的法律体系。有的国家已经处在探讨数据资产化的阶段,比如法国出台数字经济纳税条例,对享有公民免费数据的互联网企业增加一些税种。
由于没有全面覆盖的法律,秦翯所在的公司便临时制定了一个规则,试图规避一些在数据交易过程中潜在的风险。“我们将在今年4月底发布全国第一个中关村数据资产评估中心,该中心将赋予数据20多项权益,突破此前单纯的物产概念,将数据纳入知识产权、虚拟财产权(资本利得权)和财产权(物权)三位一体的数据权益体系,多维度区分不同形态和层级,建立新时代背景下的大数据产权制度,帮助数据交易畅通无阻地进行。”秦翯说。
当然,有些简单的方式也可以解决隐私问题,那就是选择适当的大数据交易品种。借用之前的比喻,如果我们直接出售土豆,卖家或许可以判断出品种、产地等“土豆隐私”,而如果我们将土豆做成薯条出卖,这些隐私就不会泄露出去了。“我们不是交易底层数据,而是交易数据分析的结果。”贵阳大数据交易所总裁王叁寿表示,前者系信息泄露,属于违法行为;而后者则可以在合法范围内为客户提供建模分析,用以指导其部署决策、制定营销计划和战略规划等。
此外,贵阳大数据交易所实现会员制,严格控制交易所的会员准入制度,申请加入交易所的会员必须接受严格的资质及信誉审查,保证了数据的质量及数据不被滥用。
(4)中国大数据前景在传统产业
“贵阳大数据交易所能让中国诞生一个上万亿产值的新产业,大数据交易所作为其中的推动者、引领者,带动整个中国大数据产业的发展。”王叁寿表示,中国乃至全球都在思考数据的价值。
作为大数据交易行业的先行者,秦翯认为中国的数据交易在未来必会走出一条与国外不同的发展道路。据秦翯介绍,国外很早就有政府数据开放平台和数据交易平台,只是最终都已转型。这其中的原因比较复杂。以美国为例,提供数据交易的公司很多,美国有比较强大的征信体系,而征信公司本身就是一个巨大的数据融合平台,可以对居民衣食住行等各个方面的数据加以整合并对其进行综合评价。秦翯认为,“就整体而言,国内数据开放的渠道还不够通畅,即便有区域性的数据开放也没能形成有效的融合,因而存在割裂化和碎片化的问题。但这些都是大数据交易在发展过程中呈现出的阶段性特征,需要逐步去解决。”
“基于我国国情,大数据交易在寻求高效有序发展路径时,必须要依托政府和市场的双重力量。在大数据交易方面发展较快的互联网金融以及电子商务行业,应发挥自身的先导作用,通过搭建数据交易平台等方式积极与政府进行合作,助力政府数据资源的开放和共享。同时,政府也应鼓励和支持企业在大数据交易领域所做的积极尝试。”秦翯说。
朱奔也有着相同的看法:“如果没有市场竞争机制的刺激,政府数据开放的过程也将被大大延长;反之,如果没有政府的引导,只靠市场行为是很难推动全社会数据开放及数据共享的。”
大数据起源于互联网与电子商务,因此,这些领域率先进行了大数据交易;但是,业内人士指出,随着大数据交易在整个社会的不断推进,医疗、交通、钢铁等产业会成为未来最大的亮点。
“大数据交易最大的应用前景在传统产业。这不仅是由于几乎所有传统产业都在互联网化,更是因为传统产业仍然占据了国内生产总值的绝大部分份额。大数据交易会帮助这些传统产业更快地完成转型升级,进而通过大数据的融合的调度推动智慧城市的建设。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20