
阿里利用大数据勾勒“打假地图”_数据分析师
近一周来,阿里巴巴罕见地披露了一批打假举措、案例或报告:12月15日,与浙江省知识产权局签署知识产权保护合作备忘录,打击电子商务领域的专利侵权;17日,淘宝与警方联合披露多起打假大案;18日,发布《2014淘宝联动警方打假报告》;20日,发布《知识产权打假报告》;21日,发布《新闻出版打假报告》;昨天,发布《2014网络交易平台打假研究报告》。
如此高调的打击侵权和打假行动,究竟原因何在?记者多方了解后获悉,阿里的举动既是表明坚决打击售假行为的态度,也是希望借助各方力量,推动大数据把制假售假“一锅端”。
麻子与镜子的比喻
很多人都会说“网上都是假货”。阿里巴巴却不这么看。
马云就网络假货打了个比方:假货好比人脸上的麻子,而淘宝、天猫这样的电子商务平台是一面镜子。把镜子打掉,麻子还在。在阿里巴巴眼中,打击电子商务平台,不能根治假货。
中国电子商务协会网规研究中心负责人阿拉木斯认为,由于电子商务平台对商品具有高度集中性,好比“长了1万颗麻子的1张脸”。与此同时,网络信息的流动性使得每个电子商务平台都成为一面镜子,虽然麻子只有1颗,但可能在100面镜子里都有体现,变成了100颗麻子。
阿拉木斯由此指出,“网上都是假货”并非客观的评价,而是要搞清楚假货和电子商务平台的真正关系。
虚拟之真可打现实之假
阿拉木斯认为,电子商务的高度集中性和信息流动的指向性,其实为打假提供了一个新思路,就是“以虚拟世界之真打现实社会之假”。他解释,电子商务虽然是虚拟的,但蕴含了大量的“真实”,包括交易双方的实名制登记信息、信用信息、交易情况等。这些数据的真实性具有现实社会无法比拟的优势;如果利用这些数据在现实社会打假,实现制假者、售假者“一锅端”并非不可能。
阿里巴巴首席风险官邵晓锋透露,大数据打假的效果是明显的:2014年前三季度,阿里配合品牌权利人年处理了600万条侵权商品链接,配合各级行政执法部门处理侵犯知识产权案件1000余起,抓获犯罪嫌疑人近400人,涉案金额近6亿元。这些案件的线索大多来自于虚拟世界的数据,由平台通过智能图像识别、数据抓取与交叉分析、智能追踪、大数据建模系统等技术,将假货从10亿量级的在线商品中“抓取”出来。
开发打假数据潜在价值
业内人士指出,互联网和电商平台本身不产生假货,假货的根源在于线下。所以“虚实结合”打假十分有必要。
中央财经大学中国互联网经济研究院副院长欧阳日辉认为,电子商务平台的完善,可以在全国范围内监控和跟踪假货流通的过程,为监管部门在生产和流通环节追溯假货提供便利。平台必要时可以根据网友举报、权利人投诉等多维度信息,全面客观地展现线下假货分布情况,并对重点区域、类目等信息进行注明,供监管部门、执法部门参考。
中国人民大学法学院教授杨立新建议,应进一步开发平台打假数据的潜在价值。比如,可以将售卖假货者与个人征信系统连接,能够在流通领域有效喝阻铤而走险者;监管部门可以加大与电子商务平台的合作,收集、分析、利用互联网大数据,创新打假手段、提高打假效率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16