京公网安备 11010802034615号
经营许可证编号:京B2-20210330
遏制电商售假全国拟建大数据中心
1月17日,一位接近国家质检总局的人士向《每日经济新闻》记者透露,国家发改委与国家质检总局将共建“全国电子商务质量大数据应用中心”,并落户于杭州,这个中心有望在杭州云栖小镇进行建设。
上述人士表示,为了支持这个电商质量大数据中心,杭州市政府有意配套建设4张网,即共享网、打假维权网、标准网、检测协作网,此举有望进一步遏制愈来愈烈的网络售假,通过数据分析来提升相关职能部门的执法水平。
“多地质检部门根据本部门的特点拟定供给侧改革的建议和意见,目前较为普遍的网络售假从侧面反映出国内供给结构亟待优化,电商大数据中心的建设也是供给侧改革的一个重要举动。”上述人士表示。
质量抽检:连续两年合格率仅七成
近年来,电商发展迅速。据艾瑞咨询年度报告数据显示,2015年中国电子商务市场交易规模为16.2万亿,增长21.2%。网络购物以37.2%的强劲增长拉动了电子商务整体的增长。
电商交易连年增长的同时,网络售假暴露出的失信问题也越来越多。从各大电商网站可以发现,每天都有大量消费者抱怨平台售假,尤其是与第三方商家争议最多。
2014年10月,质检总局采取从电商平台买样品和从物流仓库集中抽样的方式,针对网上销售的服装、儿童玩具、小家电等5大类14种商品进行产品质量专项抽查。在对359家电商企业的502批次产品进行检验后,发现商品合格率为73.9%。而在2015年的抽查中,合格率还不到72%。
上述接近质检总局人士认为,电商的准入门槛低、供应链复杂,成为假货泛滥的主要原因,目前行政力量在电商网络监管上处于滞后甚至缺位的状态。
据了解,目前相关部门的打假方式,多是采用扮演买家购买产品进行打假。这在持续发展的电商平台面前,无疑效果有限。
“而大数据打假是基于互联网、物联网、大数据等高科技手段和完整的信用体系而建立的。”上述人士说,通过构建大数据平台,可以进行产品数据上的信息共享,进而提高打假效率。
他举例说,原本细小分散的案件,可以通过大数据分析进行整合并案,能够更精确地进行处罚;由于平台上数据公开,所有网络行为都被记录,侵权行为将无处遁形;物联网能够对流通领域的所有的数据进行全程监控,可有效发现并遏制售假行为等。
值得注意的是,通过大数据分析师分析,很多情况下可提前预见侵权违法现象,从而进行提前预防,减少损害。
多方联动:配套建四网助力大数据
“全国电子商务质量大数据应用中心将于杭州落地,这对丰富国家宏观经济数据和加强质量信用体系建设意义重大。”
上述人士说,这与杭州电商发展处于全国前列有关,可能的地点是云栖小镇。杭州市将配套建设共享网、打假维权网、标准网、检测协作网,由此来支持大数据中心,目前这些平台的建设正在紧锣密鼓地推进中。
地方配合的同时,部委方面也已开展相关建设。该人士表示,在建设中,质检总局及发改委将发挥各自优势。
质检总局为质量宏观管理部门,已探索建立“网上抽查、源头追溯、属地查处、信用管理”电子商务产品质量监管工作机制。
国家发改委主任徐绍史也于近期表示,当前,发展改革委正加紧建立审批监管平台、信用信息共享平台、资源交易平台、中央省市县四级价格联盟监管平台和权力清单、责任清单。
徐绍史说,这“四个平台”、“两个清单”将成为全国电子商务产品质量提升大数据服务平台的重要组成部分,对加快政府职能转变,更好地服务公众、服务企业、监管企业发挥重要作用。
上述人士同时表示,通过几方配合,大数据中心的数据分析师通过对数据的详细分析,最终出产品质量报告,上报国家相关部委。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19