
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
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05