京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据畅通需打破壁垒早立法_数据分析师培训
大数据时代,人人都是大数据的使用者,人人也是大数据的制造者,人人离不开大数据。但是,大数据从哪获取?大数据是否安全?使用这些数据是否涉嫌侵害隐私?大数据是否有效?等等,上述系列问题,已经成为我国迈入大数据时代绕不过去的坎。挑战伴随着机遇,携手来临。
打破壁垒提上日程
谁拥有大数据,谁就拥有了未来。因此,含金量越来越高的大数据,受到市场各方尤其是金融业的高度关注。
证券业有中证登,银行业有银联,保险业早在2014年成立了中国保信。目的是为了加强行业公共基础设施建设,全面提升保险经营管理的信息化水平。大数据时代,保险试水信息航母平台建设。
中国保信公司常务副总裁罗胜在月谈上表示,如果要利用大数据,一定要有消除社会上的数据门槛和数据障碍,打破数据壁垒。但在这方面做的确实不好。
基金公司在量化管理上,数据的应用非常广泛。但在国寿安保基金经理李康看来,目前大数据的应用只是刚起步,因为有很多数据,金融机构是难以得到的。
与会者认为,由于数据本身的封闭、数据的不开放,当然,也不排除在数据应用本身、技术提取方式方法上的问题,使得目前我国数据的共享程度不够。
在目前环境下,要解决数据间壁垒问题,确实没有太好的办法。中科院金融科技中心首席科学家兼副主任刘世平的方式比较实用。他透露,“我们在每个地方基本上都是找地方一把手,否则的话,目前很难打破壁垒”。
优股网创始人卢常福说的很干脆,“就是要开放和降低行政门槛,目前,像金融业是比较严格的。”火热的资本市场,越来越庞大的数据体系,对于证券数据的分析者而言,迫切需要放开数据的最终出口。当然,这可能涉及牌照管理等系列监管问题。
其实,行政管制现在比较严格的地方,在行业的商业模式以及发展空间,都会受制于原有管制。需要大量的新生力量进入,带来新的活力。因此,一个行业要健康发展,一定是流动的、开放的。
人们对于新崛起的大数据,爱戴之余,如何商业化,商业化到什么程度,心里都没谱。正如罗胜所言,数据的使用和应用,商业化肯定是一个趋势。但要把商业化和过渡商业化、商业化应用和非商业化应用区别开。
应为大数据立法做准备
新三板上市公司北京精耕天下董事长姚世忠举例称,因为税务的数据和银行的数据存在一定差距,能否分别获取相关数据,通过大数据公司,精准服务客户。
实际上,姚世忠提出了一个很敏感的问题。即,在哪种情况下哪种数据是可用的?一家做某地税务数据的公司,并不表示这家公司拥有数据本身和数据的使用权。这涉及数据的安全性、数据的隐私性、数据的可得性问题,以及数据的可用性问题。
“哪些数据是可用的,哪些数据是可得的?获取数据的方式方法是不是合理、合法、合规,这个是大数据时代一个非常重要的议题”,刘世平点评说。
显然,大数据这么重要的领域,立法是肯定刻不容缓的。
罗胜也认为,现在国家强调依法治国,在大数据领域制定相关法律,用法律维护数据的严肃。
除了要从根子上解决立法问题外,还需要走出目前认识上的误区。即大不等于多,大数据时代,应该更加强调数据的有效性。也就是说,不要为了迎合大数据而过度滥用大数据,规避进入大数据的误区。
积木盒子风险控制副总裁谢群认为,如何权衡在有限的资源、数据和时间里,得到一个最有效的决策,这是大数据时代带来的一些挑战,而公司目前已经迈出了非常有益的第一步。
李康也因为,数据本身的有效性是值得思考的。大数据时代,不在于数据的多少,因为这是相对概念。关键问题是数据本身能不能对这个事物本身进行准确的描述,且能描述其他内在本质。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20