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
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在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18