京公网安备 11010802034615号
经营许可证编号:京B2-20210330
首家大数据交易所成产业发展引爆点_数据分析师考试
近日,2016年贵阳国际大数据产业博览会在贵阳开幕。此次峰会吸引了包括腾讯马化腾、阿里巴巴马云、百度李彦宏等在内的IT行业“大佬”悉数到场。而后,中共中央总书记习近平在贵阳大数据广场考察时又提到“贵州发展大数据确实有道理。”一时间大数据成为了社会各界关注的热点。与此同时,全国首家大数据交易所落户贵阳,瞬间成为了国内大数据产业发展的引爆点,大众都在翘首以盼等待大数据时代的全面袭来。
如何理性地迎接这股大数据的热潮?如何将大数据转换成真正意义上的资产,让大数据资产在更大范围内合理规范化地流通并产生价值?6月25日,本报独家采访了贵阳大数据交易所的发起方之一亚信数据总裁张灏,就大数据产业发展等相关问题作了交流。
探索大数据公开的规范化模式
今年以来,政府部门曾多次发文鼓励相关政府部门、企业实行数据公开,从而进一步推动大数据的应用,发挥大数据对社会的积极作用。但从目前情况来看,国内数据公开的进展不如想象中那么顺利。
究其原因,张灏指出,这主要是由于有三方面的问题还亟待解决。首先,从法律上实现数据的合法化问题。目前由于立法的缺失,在现实中很难界定哪些数据可以公开,公开后会不会造成安全隐患。因此,政府数据公开有一个重要前提,就是建立健全法律法规,对隐私数据进行界定,同时颁发相应的数据可交易的牌照作为把控的依据。其次,数据公开后涉及个人隐私的问题。数据开放之后,数据中包含的个人隐私一旦曝光,可能会引来诉讼或其他风险。这就要求我们要考虑如何将数据进行过滤去隐私化,在隐私曝光后如何维权的问题,这些问题都应予重视和解决。
此外,就是数据价值兑现的问题。如何将大数据转换成真正意义上的资产,让大数据资产在更大的范围内合理规范化的流通并产生价值,数据公开到底能够带来什么样的益处,只有解决了这些问题,相关政府部门或企业才有可能愿意参与到大数据产业中来。
“亚信数据之所以参与创立贵阳大数据交易所,其中一个重要目的,就是想探索一种切实有效的机制,通过政府引导和市场化运作相结合的方式有效解决数据公开和交易的问题。”张灏表示。
据了解,贵阳大数据交易所是全国首个大数据交易所,面向全国乃至全球提供数据交易服务。该大数据交易所以电子交易为主要形式,通过线上大数据交易系统,撮合客户进行大数据的交易,为大数据交易提供一个公平、可靠的环境交易系统。亚信数据为贵阳大数据交易所提供一整套完整的IT系统解决方案,也将参与贵阳大数据交易所的日常管理和市场运营。
张灏介绍说,贵阳大数据交易所是立足贵阳、面向全国的一个数据交易平台。交易所是一个商业企业,而不是一个公益组织,但政府会在其中担当重要角色,属于政府引导和企业运营相结合的一个平台。
追求以人为本的生态化发展
如今,对于企业来说,信息化技术已经不仅仅是一个支撑系统,而是生产系统的一部分。人们越来越意识到,信息化技术不仅起锦上添花的作用。同样,大数据不仅仅能为企业的决策和内部管理提供支持,也可以促进企业业务的创新,带来丰厚的价值。在张灏看来,大数据就是要为企业解决实际问题,降低企业成本,提高行业效率,而以人为本是大数据产业发展的最终目标。
但目前,大数据的应用还是有些“雷声大,雨点小”。追逐大数据的人很多,但真正静下心来,踏踏实实做大数据落地工作的人并不多。现在,很多企业因为对大数据不理解,所以还不能全盘接受和利用大数据,这也使得上述企业会深陷经营的困境。相反,也会有很多企业因为善用大数据而迅速成为本行业的龙头企业。“在这样的敏感时期,就需要一批有社会责任意识、有诚信度的、真正能以人为本的企业站出来做引导,率先推进大数据产业的发展。”张灏指出。
张灏表示,大数据是一个和平共生的生态环境,不应该有所谓的垄断、寡头。这样一个生态环境的打造也不是亚信一方就能做到。这个平台需要各方的参与,对所有参与者来说都是平等、中立,且可以互动、对接的。在大数据平台之上,各方可以平等地获取数据,平等地进行价值交换,平等地使用社会上最大集合的数据能力。中国是天生的大数据之国,不仅数据量大、种类多,而且数据应用十分复杂。不过也正因为如此,中国大数据市场潜力也是巨大的。
“目前,‘大数据生态’还远未形成。但亚信已经做好了准备。我们并不拥有数据,我们提供数据产品、数据服务和运营,同时也是数据合作伙伴。我们的存在,是为了帮助别人创造数据价值,从而在大数据生态共荣圈的建设过程中发挥积极的作用。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02