
大数据时代的数据买卖_数据分析师
4月14日,全国首个大数据交易所—贵阳大数据交易所正式挂牌运营并完成首批大数据交易。完成的这批数据交易,卖方为深圳市腾讯计算机系统有限公司、广东省数字广东研究院,买方为京东云平台、中金数据系统有限公司。
一问:大数据怎么卖?谁来买?
首批交易的完成,标志着全国首个大数据交易所正式投入运营。大数据也能交易?这笔新奇的买卖引发了诸多好奇。
大数据咋定价,怎么卖?“交易所以电子交易为主要交易形式,面向全国提供数据交易服务。数据值多少钱,由交易所与数据卖家协商制定,数据内容和交易价格在平台网站上挂出。买家看中了,在平台上拍下就算交易成功。”贵阳大数据交易所总裁王叁寿同时介绍说,对于数据交易,交易所与数据供应商之间进行4∶6分成,同时视具体数据价值,适当对数据采购方进行收费。
交易的数据从何而来?王叁寿介绍,大数据交易所提供的只是交易平台,至于企业与企业之间商业交易的数据,全是卖家通过各种渠道自行搜集、统计、分析之后提供的。
据悉,贵阳大数据交易所执行会员制度,不论是卖家还是买家都需要先“入会”才能获得交易资格。入会先提交申请,审核过关的才能进驻交易所,且尚不接受个人用户参与交易。目前已经有神舟数码、华为云、中国通讯电信研究院、京东等超过130多家企业参与其中。据该交易所预计,未来3~5年每天交易量将达到100多亿元。
业内人士指出,目前很多数据的销售存在灰色地带,而且中国目前还未形成真正意义的数据交易市场环境,主要是没有数据交易的市场存在,而大数据交易所的设立可以有效解决数据交易中各方的困惑,理顺市场渠道,规范数据交易行为。
至于大数据卖给谁,专家表示,大数据市场参与者可能具有多重交易身份,既是大数据的提供者,也是大数据的消费者。各类市场参与者的交易,能使大数据交易市场更加活跃,增加市场的流动性,引来更多大数据商品的加入和交易。
二问:大数据交易有啥用?
近年来,大数据成为一个新名词。从个人电脑到网络再到云端,大数据所蕴藏的海量信息,以及这些数据背后所埋藏的线索、趋势乃至商机,正被越来越多的人重视。从企业精准营销到公共疾病防控,从路况监测到财务审计,在政府、医疗保健、交通和学术研究等领域,均能将大数据的作用发挥得淋漓尽致。如纳税数据、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。
据市场研究公司IDC预测,2015年我国大数据市场规模将从2010年的32亿美元增长到170亿美元,复合年增长率为40%。但与此同时,对于数据信息的安全与共享应用的需求也与日俱增。业内人士指出,当前迫切需要针对数据开放采取从立法到建立标准、展开执行监督等一系列措施,一方面规范数据开放,另一方面形成数据开放的倒逼机制,推动各级政府及相关社会组织实施数据开放。
“税务、工商等部门之所以信息化程度高,与他们有巨大的社会服务压力密切相关,缺乏信息化落后的部门很大程度上是因为为社会提供的公共服务产品,从而造成信息化动力弱。提高服务能力,将逼迫这些部门加快信息化步伐,增强数据开放意识。”神州数码董事长郭为表示。
如何引导更多企业开放大数据?科技部重大专项办公室独立专家刘箭表示,大数据的应用需要更多的企业开发各自行业、领域的数据,市场的参与者越多,市场的交易选择和能找到的价值就越大,“政府应该鼓励更多企业开放他们的大数据,企业间的大数据通过更多的交互和交易,才能实现最大的价值化”。三问:大数据交易,个人隐私如何保障?
针对大数据交易会否导致个人隐私泄露问题,王叁寿解释道,大数据交易的是数据分析结果而不是数据本身,数据分析结果交易是关键点,并且在进入平台交易前,数据都要经过脱敏,抹去和隐私相关的信息,保障普通人的隐私。
“交易的数据是基于底层数据,通过数据的清洗、分析、建模、可视化后的结果,并不直接交易底层数据。”王叁寿表示,他们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。此外,数据买家也必须遵守交易所制定的保护条例,不得私自转售、泄露“数据产品”,以确保数据不被滥用。
事实上,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。根据人们日常生活的经验,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。
“如果不想造成侵犯隐私,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。”百融(北京)金融信息服务股份有限公司高级总监段莹坦言,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。而一些发达国家,很早就形成了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。
目前大数据交易仍处在起步阶段,但各地已经开始了探索。据悉,除贵阳大数据交易所外,中关村大数据交易产业联盟也已与重庆等地政府签订了战略合作协议,帮助后者建设大数据平台,将政府体系的数据分级分度地开放开发出来。预计今年将与各地方政府合作建设10家区域性的大数据交易平台。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25