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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18