中国大数据发展

中国大数据发展（精选8篇）

1.中国大数据发展 篇一

近日，中国管理科学学会大数据管理专委会、国务院发展研究中心产业互联网课题组、社会科学文献出版社共同举办的《大数据应用蓝皮书：中国大数据应用发展报告No.1（2017）》发布会在北京举行。本书是国内首本研究大数据应用的蓝皮书。

蓝皮书旨在描述当前中国大数据在相关行业及典型代表企业应用的状况，分析当前大数据应用中存在的问题和制约其发展的因素，并根据当前大数据应用的实际情况，对其未来发展趋势做出研判。

蓝皮书认为，从应用的角度看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，推动大数据应用的发展，需对不当的行业管理模式进行改革，对既有利益格局进行调整。即便在企业内部，大数据应用也不仅仅是个技术问题，而且是涉及业务流程重组和管理模式变革的问题，是对企业管理能力的一个考验。

大数据应用的三个关键点

大数据应用的三个关键点是数据从哪里来？数据怎么用？成果谁买单？ 数据从哪里来？

关于数据来源，普遍认为互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源作为大数据金矿，正在不断产生各类应用。国外关于大数据的成功经验介绍，大多是这类数据资源应用的经典案例。还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息，等等。从严格意义上说，这些数据资源还算不上大数据，但对商业应用而言，却是最易获得和比较容易加工处理的数据资源，也是当前在国内比较常见的应用资源。

在国内还有一类是政府部门掌握的数据资源，普遍认为质量好、价值高，但开放程度差。许多官方统计数据通过灰色渠道流通出来，经过加工成为各种数据产品。《大数据纲要》把公共数据互联开放共享作为努力方向，认为大数据技术可以实现这个目标。实际上，长期以来政府部门间信息数据相互封闭割裂是治理问题而不是技术问题。面向社会的公共数据开放愿望虽十分美好，但恐怕一段时间内可望而不可即。在数据资源方面，国内“小数据”、“中数据”应用并不充分，试图一步跨入大数据时代，借机一并解决前期信息化过程中没能解决的问题，前景并不乐观。另外，由于中国互联网公司业务主要在国内，其大数据资源也不是全球性的。

蓝皮书分析指出，数据从哪里来是我们评价大数据应用的第一个关注点。一是要看这个应用是否真有数据支撑，数据资源是否可持续，来源渠道是否可控，数据安全和隐私保护方面是否有隐患。二是要看这个应用的数据资源质量如何，是“富矿”还是“贫矿”，能否保障这个应用的实效。对于来自自身业务的数据资源，具有较好的可控性，数据质量一般也有保证，但数据覆盖范围可能有限，需要借助其他资源渠道。对于从互联网抓取的数据，技术能力是关键，既要有能力获得足够大的量，又要有能力筛选出有用的内容。对于从第三方获取的数据，需要特别关注数据交易的稳定性。数据从哪里来是分析大数据应用的起点，如果一个应用没有可靠的数据来源，再好、再高超的数据分析技术都是无本之木。

数据怎么用？

数据怎么用是我们评价大数据应用的第二个关注点。《大数据纲要》规划了许多大数据应用领域和方向，包括公共部门和产业领域，实际上是提出了许多需要大数据解决的问题或期待大数据完成的任务。如何解决这些问题，如何把数据资源转化为解决方案，实现产品化，这是我们特别关注的问题。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。

追踪。互联网和物联网无时无刻不在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息，等等。

识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。

画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品；对企业画像，可以准确判断其信用及面临的风险。

提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。

匹配。在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。

优化。按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率；对公共部门而言，节约公共资源、提升公共服务能力。

上述概括并不一定完备，大数据肯定还有其他更好的功能。当前许多貌似复杂的应用，大都可以细分成以上几种类型。例如，贵州推行的“大数据精准扶贫项目”，从大数据应用角度，通过识别、画像，可以对贫困户实现精准筛选和界定，找对扶贫对象；通过追踪、提示，可以对扶贫资金、扶贫行为和扶贫效果进行监控和评估；通过配对、优化，可以更好发挥扶贫资源的作用。这些功能也并不都是大数据所特有的，只是大数据远远超出以前的技术，可以做得更精准、更快、更好。当然，技术无法左右利益，贵州扶贫目标的完成，并不是有了大数据就万事大吉了。

成果谁买单？ 成果谁买单是我们评价大数据应用的第三个也是最后一个关注点。道理很简单，不创造价值的应用不是好应用。能不能创造价值，关键看谁买单。我们不需要那些靡费公帑的“样板”工程、“面子”工程，也不需要那些炫耀神技、制造概念的创富故事。我们关注大数据的应用是否实实在在提升能力、改善绩效。如果大数据用于自身的产品设计、营销推广、资源配置，那就看企业竞争力是不是提升了，看企业最终是不是比以前更赚钱了。如果大数据用于为第三方提供服务，那就看是不是有人愿意付费、愿意持续付费。但如果是用于公共领域，还要看政府或公共部门的付费值不值，不仅仅是从出资方的视角看值不值，还要从老百姓的视角看值不值。

当我们面对一项大数据应用时，只要简单问一问上面三个问题——数据哪里来、数据怎么用、成果谁买单——就能揭开许多“伪装”。比如，许多应用并没有可靠的数据来源，或者数据来源不具备可持续性；还有些应用并没有技术或市场支撑，只是借助大数据风口套取政府部门或一些投资者的“傻钱”罢了。当然，如果经得起上述“大数据三问”，也并不一定算得上优秀，但也离优秀的大数据应用不远了。表1列举了本书中收集的几个案例，从数据来源、应用方式和创值空间三个角度，可以清晰揭示大数据是如何应用的。当然，这些案例反映的大数据应用既非面面俱到，也不是尽善尽美。我们希望通过这些实际的案例表明大数据应用踌躇前行的步伐和未来发展的前景。

工业大数据面临三大制约因素

1.工业大数据安全和开放体系亟待建立

数据安全和数据开放体系建立是工业大数据大规模应用的两个重要前提。如前所述，我国多数工业企业的信息化建设基本上均是由业务部门在业务开展过程中根据自身的局部需求出发，开展建设，缺少统一规划，形成了部门割据的信息化烟囱，导致数据编码不一致，系统之间不能相互通信，业务流程不能贯通。因此，我国工业企业无论在数据的总量上，还是数据的质量上，均和欧美发达国家制造企业存在较大差距，且由于行业垄断或商业利益等原因，数据的开放程度也不高。

另一个制约我国工业大数据应用发展的重要因素是政策法规体系不健全。工业大数据的开发和利用既要满足工业企业典型应用场景的业务发展需求，也要防止涉及国家、企业秘密的数据发生泄露。而目前，我国在工业大数据的利用、评价、交换以及信息安全保护方面的法律法规尚有待进一步健全，这在很大程度上抑制了工业大数据应用的广度和深度，不利于工业大数据生态系统的建设和培育。

2.基于工业大数据的企业管理理念和运作模式变革

随着智能设备、物联网技术、智能传感器、工业软件以及工业企业管理信息系统等在工业企业的广泛应用，综合利用各种感知、互联、分析以及决策技术，通过实时感知、采集、监控现场制造加工状况、物流情况、生产准备情况、技术状态管理情况，并开展数据挖掘分析，急需工业大数据平台和相关技术的支撑。

工业大数据应用目的是推动工业企业基于对内外部环境相关数据的采集、存储和分析，实现企业与内外部关联环境的感知和互联，并利用工业大数据分析技术开展挖掘分析，支撑工业企业基于数据进行决策管控，提升企业决策管控的针对性、有效性。3.工业大数据人才缺乏制约产业发展

工业大数据技术应用的关键是揭示各种典型工业应用场景下，各种数据的内在关联关系，因此，工业大数据技术的应用者不但要掌握工业大数据的相关知识和工具，还需要深刻了解制造业典型业务场景，并结合工业大数据的分析和可视化展示情况，结合业务场景进行合理解读，此外，还需要结合业务场景进行解决方案的制订和管理决策，以上工业大数据人才的要求将大大制约工业大数据产业发展进程。

整体上，工业大数据对复合型人才的能力需求更强烈，目前我国工业大数据的高级管理决策人才、数据分析人才、平台架构人员、数据开发工程师、算法工程师等多个方向均存在较大缺口，极大阻碍了工业大数据产业的发展。

工业大数据技术和应用的四大发展趋势

1.工业大数据应用的外部环境日益成熟

以工业4.0和工业互联网为代表的智能化制造技术已成为制造业发展的趋势，智能化制造技术的研究和应用推动了工业传感器、控制器等软硬件系统和先进技术在工业领域的应用，智能制造应用不断成熟，一方面正在逐步打破数据孤岛壁垒，实现人与机器、机器与机器的互联互通，为工业数据的自由汇聚奠定基础，另一方面进一步增强了工业大数据的应用需求，使得工业大数据应用的外部环境日益成熟。

2.人工智能和工业大数据融合加深

工业大数据的广泛深入应用，离不开机器学习、数据挖掘、模式识别、自然语言理解等人工智能技术清理数据、提升数据质量和实现数据分析的智能化，工业大数据的应用和安全保障都离不开人工智能技术，而人工智能的核心是数据支持，工业大数据反过来又促进人工智能技术的应用发展，两者的深度融合成为发展的必然趋势。

3.云平台成为工业大数据发展的主要方向

工业大数据云平台是推动工业大数据发展的重要抓手。传统的互联网大数据处理方法、模型和工具难以直接使用，增加了工业大数据的技术壁垒，导致工业大数据解决方案非常昂贵，云平台的出现，为工业企业特别是中小型工业企业随时、按需、高效地使用工业大数据技术和工具提供了便宜、可扩展、用户友好的解决方案，大大降低了工业企业拥抱工业大数据的门槛和成本。

4.工业大数据将催生新的产业

除了云平台，新的大数据可视化和自动化软件也能大大简化工业大数据的数据处理、分析过程，打破了大数据专家和外行之间的壁垒。这些软件的出现使得企业可以自主利用工业大数据，做相对简单的工业大数据分析，以及外包复杂的工业大数据应用需求给专业工业大数据服务公司，从而催生新产业，包括工业大数据存储、清理、分析、可视化等相关的软件开发、外包服务等。

国防大数据：抢占未来战争制高点的基石

大数据时代的国防建设需要新的国防战略思想体系来指导。未来作战是各军种一体化行动的联合作战，国防大数据生之于此，并可以更好地为未来联合作战服务。国防大数据是大数据在国防与军事领域的应用，是保卫国家主权、统一，领土完整和安全而展开的军事活动所生成的各种数据资源，是综合了国防和大数据的需求，表现了国防大数据主要的内涵和特点。

国防大数据要求处理数据更高效、数据来源更可靠、数据安全系数更高，注重将重大国防和军事任务进行数据融合，注重信息防御和数据安全管理，例如国防动员数据、军事情报、战场的实时动态、武器使用维护数据等。掌握国防与军事大数据的优势，才能打赢未来信息化战争，真正地把握未来战场的主动权。

与传统的大数据概念相比，国防大数据综合了大数据定义和国防应用需求，它具有大数据的一般特征，又具有其独特的军事特性。归纳起来，它继承了传统大数据“4V”特点，又具有其独特的“6S”特性。

从规模（Volume）上讲，大量的国防大数据研发项目提供了丰富的情报来源，随着现代数据获取手段和能力的提高，国防数据已经达到了PB级规模；

从种类（Variety）上说，国防数据包括国防战略数据、国防动员数据、国防科技数据、军事训练数据、装备保障数据等多种类型的数据，包含文本、图像、视频、音频、光电信等多种表现形式，种类混杂、处理难度高；

从速度（Velocity）上看，各类传感器、雷达、卫星产生的高速数据流，相比当前民用数据管理系统，写入速度大大加快；从数据价值（Value）方面分析，国防大数据对于国家安全、作战指挥、军事训练、行动决策、装备保障、军事人力资源管理等方面起着至关重要的作用。

一是超复杂性（SuperComplexity），国防大数据涉及面广、种类多样、信息维度高、冗余度大，分析处理难度远大于民用大数据；

二是超保密性（SuperSecrecy），军用数据直接关乎国家的安全，是敌方窃取的重点，需要更安全高效的保障；

三是高机动性（SpeedDeployment），当前战场形势瞬息万变，战场环境复杂，国防大数据应具备陆海空天电网空间灵活调配和互联互通的能力；

四是高安全性（Security），国防大数据在处理、存储过程中更多地考虑是否遭受打击等问题，因此其环境保障能力应较强；

五是强对抗性（StrongCountermeasures），国防大数据在情报侦察、武器控制、军事训练等方面体现了非合作的特征，也时常出现数据伪装欺骗、数据非法窃取等现象；六是强实时性（Sooner），战场机会稍纵即逝，处理数据速度越快、指挥链越短，越能更快地抢占先机，赢得战争的胜利。

习近平主席曾在网络安全和信息化会议上指出：没有信息化就没有现代化，没有网络安全就没有国家安全，要制定实施国家网络安全和信息化发展战略、宏观规划和重大政策，不断增强网络安全保障能力，信息技术十分重要，在国防军事领域运用大数据技术势在必行，也是实现中国梦、强军梦的具体战略举措。因此，在数据日益开源的情况下，充分利用国防大数据的价值，对于国防和军事现代化建设具有重大意义。首先，大数据是制订国防和军事战略计划的基础，构建国防和军事大数据技术平台，是科学制定国家战略的重要环节。大数据的重要特点之一是全数据，而不是样本数据，建立国防大数据仓库，可以详细记录和获取国防和军事领域所需要的全部数据，避免出现以偏概全的情况；通过对大量数据采集、分析、处理和配置，结合人工智能、计算分析等方法挖掘分析，可以发现有价值的规律，完成科学的预测，帮助制订合理有效的国防战略规划。

其次，大数据是进行信息化战争研究的重要手段，在战场情报获取、作战指挥决策等方面能够发挥重要作用。对战争的传统研究模式可以感知交战过程和作战结果，却无法模拟复杂多变的战场态势，无法呈现战争内在的关联和规律。运用大数据分析技术可以对各渠道得来的海量信息进行实时化、智能化处理和仿真模拟，更加科学地分配兵力兵器，形成高效的打击方案。

最后，大数据是打破体系内壁垒的有效方法。我军刚刚进行了一体化联合作战的改革，很多体制机制还不健全，原有的各军兵种之间的差异和壁垒很大。此前，各军兵种之间各自为战，各自拥有自主的指挥平台，没有实现互联互通，数据规模不等、格式不

一、质量各异，无法实现共享。通过大数据加强一体化指挥作战平台的建设和数据共享，加强各基层部队搜集数据、存储数据、共享数据的意识，可大大提高体系作战能力。

当前，依靠经验直觉进行作战指挥的优势正在急剧下降，大多数军事强国已经认识到利用国防大数据的意义，将大数据技术作为国防科技发展的重要方向。美军投入巨额资金，确定了“数据支持决策、弹性系统设计、网络空间战、电子战与电子防护、反大规模杀伤性武器、自主系统和人工系统”等重点研究领域。对于我国来说，加强国防军事数据的发展建设也刻不容缓。充分利用国防大数据的潜在价值，树立大数据理念、完善制度机制、加强数据专业技术人才培养、构建大数据决策支持系统，对推动我国国防和军队建设具有重要的战略意义。

金融大数据将成为宏观决策和监管的新工具

目前业内的金融大数据强调在微观层面的应用，例如评价消费者的信用风险、支持投资决策、识别金融主体的身份等。随着大数据分析和挖掘技术的不断提高，微观的金融大数据可以经过整合、匹配和建模，来支持宏观的金融监管和决策。传统的金融监管和决策以定性为主，辅助以简化的量化指标，对实际情况缺乏充分的把握，而大数据技术可以充分利用底层的细粒度的微观数据，整合分散的信息，融合不同维度的信息，带来具有及时性、前瞻性和更为准确的决策支持，提高监管水平和决策能力。本节将以金融系统性风险管理、银行存款保险费率的计算、对欺诈交易的检测和经济结构变化四个方面为例介绍金融大数据在宏观金融决策和监管中的应用。

（一）金融关联的系统性风险管理

金融危机之后，全球金融市场的关联性远胜于过去。市场的互动性一旦大大加强，就会导致流动性风险和系统性风险，造成市场恐慌。国内的信贷担保圈（多家企业通过互相担保或联合担保而产生的特殊利益群体）就是金融关联的典型代表。由于信贷市场的发展，关联的企业越来越多，互相形成担保圈，甚至形成一张巨大的网。在经济平稳增长期，担保圈会降低中小企业融资的难度，推动民营经济的发展。然而，一旦经济下行，担保圈就会显露其负面影响——加剧信贷风险。如若处理不当，极易引发系统性金融风险。过去几年，在南方企业担保流行的省份，往往一家企业出现信贷不良，一群企业遭殃，一个行业陷入泥潭，整个地区面临系统性风险，一些本来毫不相干，资金链正常，经营良好的企业也由于担保关联，跌入破产的深渊。

信贷市场担保圈问题一度愈演愈烈，传统的担保圈分析方法对理解、处理担保圈问题作用有限。企业之间担保贷款本来是一种中性的信用增进方式，恰当地使用会产生风险释缓作用，由于担保圈风险迭出，银行和监管部门把问题归结到担保贷款本身，目前各家银行采取了比较严格的限制条款来避免担保贷款的发生。

任何信贷产品都存在风险，金融机构本身就是经营风险的专业机构。本文的研究认为，从专业角度来说，担保圈风险发生的根本原因，是缺乏合适的风险管理工具，没有对担保圈进行正确的风险管理。

目前对于担保圈的量化风险分析存在以下问题。

首先是缺乏担保圈全量的大数据，没有足够的信息支撑。各家银行和当地的监管机构只有局部的企业担保关联数据，构不成完整的担保圈视图，风险信息有缺漏。无法了解整个担保圈相关企业的详细信息，因此处理具有系统性风险特点的担保圈风险具有很大的局限性。

其次是无法对担保圈风险进行建模，对风险进行正确的量化描述。传统的风险分析工具都是对单个企业进行风险建模，适合对企业的贷款金额、贷款质量以及信贷行为建模，对于企业之间的关联关系无法进行量化描述和风险分析。

因此我国有必要借助大数据的复杂系统分析方法，启动对担保圈的深入分析，为化解因担保圈引发的金融风险创造条件。要考虑到如下条件：一是央行征信系统已收集了大量丰富的企业担保关系数据。截至2015年底，中国人民银行征信中心为2146万企业建立了信用档案，有信贷记录的企业超过596万家，关联关系信息（仅限于有贷款卡的用户）超过2亿条。二是复杂网络技术已日趋成熟。复杂网络是由数量巨大的节点（研究对象）和节点之间错综复杂的关系（对象之间的关系）共同构成的网络结构。复杂网络分析技术针对越来越多、越来越复杂的事物之间的关联关系进行非线性建模，可以较好地解决大数据的数据量（Volume）、数据复杂程度（Variety）和处理速率（Velocity）等基本问题。

随着金融市场的创新和发展，金融风险变得越来越复杂，需要更多的数据支撑和复杂的数学模型来量化描述，大数据技术将成为未来金融风险管理的利器。

（二）银行存款保险费率的计算

2015年5月，作为金融市场化进一步深入的重大举措，银行存款保险制度正式开始实施，这不仅有利于稳定宏观金融，也对利率市场化后商业银行的稳健经营和有序竞争有利。存款保险费率的厘定是存款保险制度的一个核心，而保费的估算是设计存款保险方案中的难题之一。保费结构的设计，在很大程度上决定了存款保险对于参保银行的可接受度。想降低道德风险并减少逆向选择，取决于合理的保费结构。国内对于银行存款保险的研究以定性为主，对保险费率计算的量化分析比较欠缺。

从国外信贷数据的应用情况来看，信贷数据有助于银行监管者准确评估监管对象的信用风险状况。对于建立了公共征信系统的国家来说，风险分析技术可以成为有效的监管工具，由于银行业的危机通常和高的不良贷款率相关，信贷数据常常用于信贷市场监控和银行监管，是银行监管统计数据的补充。因此，央行信贷大数据不仅可以帮助商业银行管理信用风险，还可以支持监管和宏观经济分析。未来的研究可以利用信贷大数据，基于预期损失模型来计算银行存款保险费率，从最基础的信贷数据单元开始计算，给保费制定提供更加及时、准确的决策支持。

（三）进行精细化的金融监管

技术进步加上日益复杂的市场，会使得金融监管机构的工作变得艰难复杂，但大数据技术的发展提供了化解之道，让金融市场维持良性运转成为可能。如金融监管机构正利用计算和“机器学习”算法的最新进展，扫描金融市场信息和公司财报，从中找出欺诈或市场滥用行为的蛛丝马迹。这些基于大数据分析技术的新型监管工具是金融交易欺诈侦查的未来，有越多的数据积累，其功能就将越强大。美国证交会几年前就推出了一个被称为“机械战警（Robocop）”的计算机程序（学名“会计质量模型”），用证交会的金融数据库检查企业利润报告，从中搜寻可能隐藏的异常行为——激进的会计手法或赤裸裸的欺诈。“机械战警”的具体情况、手法，透露给外界的信息甚少，但其基本思路是：通过大数据分析，发现多个可能暗示着潜在会计问题的重要指标。

（四）观测产业结构调整的新角度

金融大数据的深入挖掘还可以反映宏观经济变化的规律。例如，可以通过信贷大数据来观测产业结构的调整。截至2015年底，2146万户企业及其他组织被收录进企业征信系统，有596万户拥有信贷记录，该系统累计提供信用报告查询服务6.1亿次。该系统数据有三大特点：

一、全面，数据采集覆盖了国内绝大部分金融机构；

二、真实，所采集数据来自金融机构实际发生的每笔信贷业务，统计结果得自每笔业务数据汇总相加，数据可追溯从而可还原每笔明细；

三、时间跨度长，企业征信系统始自银行信贷登记咨询系统，2005年起提供对外服务，已运行了十年有余，意味着系统收集的数据超过十年，因此，对于分析国内企业的行业行为和行业情况很有价值。例如可以将这些账户级的信贷数据，逐层整合成企业级和行业级，利用大数据挖掘、分析，从信贷市场角度剖析产业结构的变化。

蓝皮书指出，金融大数据分析可以成为宏观金融决策和监管的有力工具，可以在市场化金融发展的过程中发挥重要的作用。与微观金融大数据的应用方面很多金融科技公司没有足够的金融大数据的情况不同，国内的金融大数据都掌握在政府和监管部门的手中，金融大数据的宏观应用有着良好的数据条件，更容易见到成效。

旅游大数据将支持智慧旅游城市建设加快推进

蓝皮书指出，大数据城市建设，核心是要打破信息壁垒，通过信息共享互通，提高效率，将一个个“信息孤岛”有效地串联起来，将信息高速公路转化为现实的产业生态体系建设，形成“线上一条路，线下一个圈”的线上线下联合发展模式，充分体现出“智慧”的特点。依托旅游大数据，形成以智慧城市基础设施为依托，以各级旅游集散中心为枢纽，以旅游大数据平台为信息中枢，以智慧旅游技术产品应用为媒介的分析系统，为旅游者提供导航、导游、导览、导购的全程式旅游服务。同时，通过基于大数据“云+端”的架构处理，确保旅游监管系统、旅游信息发布系统、景区管理系统数据的统一。例如遵义市重点开发了旅游资源基础数据库和旅游大数据分析系统，并在景区的游客中心、宾馆饭店大堂、大型商场影院、机场、汽车站、火车站等客流密集区或重要节点安装智慧旅游多媒体查询显示屏。通过这种面向市场一线的架构处理，监管部门可确保多种系统运营的同步性、统一性和即时性。

旅游大数据平台可以收集互联网，例如论坛、博客、微博、微信、电商平台、点评网等有关旅游评论数据，通过网评大数据库进行分词、聚类、情感分析，了解游客的消费习惯、价值取向，从而全面掌握旅游目的地的供需状况及市场评价，为政府和涉旅企业做决策提供依据。如百度大数据产品百度预测已初步具备类似功能，可以预测景区未来两日的人流及舒适度，为游客出行提供指导。

2.中国大数据发展 篇二

当前,随着信息通信技术的迅猛发展,互联网向经济社会各个领域渗透,一个大规模的产生、分享和应用数据的大数据已经到来,大数据正日益成为国家基础性战略资源,蕴藏着巨大的潜力和能量。

在国家层面,发展大数据已成为提升竞争力的战略选择。从国际看,全球大数据发展进入快车道,技术创新活跃,应用融合广泛,成为各国重塑竞争优势的制高点。美国率先发布《大数据研究和发展计划》,意在推动大数据成为国家发展的驱动力。欧美、日、韩等国家和地区也加强出台大数据战略,在激励数据开放、加强技术研发、构建产业生态和完善法律法规等方面进行全方位布局。从国内看,党中央、国务院高度重视大数据发展,十八届五中全会明确提出实施国家大数据战略,习近平总书记近日在网络安全和信息化工作座谈会上强调,要贯彻落实好大数据战略,加强数据开发,信息共享和大数据发展分析,依法加强对大数据的管理。国务院也于去年九月出台了《促进大数据发展行动纲要》。作为行业主管部门,工信部与相关部门一起,一直把推动大数据创新发展作为重点工作持续推进。此外,大数据发展也得到地方政府的高度重视,贵州、北京、上海、深圳等地积极发展大数据产业,出台了一系列政策措施,为当地大数据发展营造了良好的发展环境。

在经济层面,发展大数据已成为打造新动能的关键要素。一方面,发展大数据可推动新兴产业的培育壮大。以数据采集存储、处理利用和交易流通为主线的新兴产业正在孕育兴起,大数据的跨界融合特性也推动了产业协同创新,在互联网金融、人工智能、分享经济等领域不断催生新业态和新模式,促进了一批创新企业的快速崛起。另一方面,发展大数据可助力传统产业的转型升级。大数据可以打通传统产业的信息大动脉,推动其向数字化、智能化、服务化转型。大数据在工业、医疗、交通、社会治理等重点领域的应用也已初见成效,涌现出个性化定制、智慧医疗、智能交通、大数据征信等典型应用,并展现出强劲的发展潜力。

在行业层面,发展大数据已成为驱动转型发展的重要引擎。首先,数据流量已成为拉动行业增长的主要动力。2015年,全行业数据流量超过1 3万G P,其中移动数据流量增速迅猛,同比翻番。数据流量总收入超过4400亿元人民币,同比增长约18%,占行业比重接近40%。其次,企业利用积累的海量数据,推动数据创新驱动,正在形成新的增长点。如中国电信打造的“灯塔”、大数据生态圈,对社会提供精准营销、金融征信、地理洞察等数据产品。中国联通与西班牙电信联合推出位置数据产品——“智慧足迹”,提供人口流量分析、出行路线选择、商业网点选址等服务。企业还可以利用大数据优化内部管理,降本增效。如中国移动的大数据平台,整合各系统数据,对内提供科学决策、精细化管理、智能管道控制、针对性客户挽留等应用。

“十二五”期间,我国信息通信业快速壮大,互联网经济蓬勃发展,数据资源不断丰富,技术水平日益提高,产业规模日渐壮大,应用服务加快发展,为我国大数据奠定了良好的发展基础。在此基础上,我国大数据发展还面临三大重要的机遇:

一是从融合应用需求侧看,“互联网+”开辟行业大数据发展的新空间。“互联网+”推动制造业、能源、物流、旅游、农业等领域各类新平台蓬勃兴起;从人人互联到万物互联,可穿戴设备、智能家居产品、智能车载设备、智能装备等网络化融合新终端迅猛发展;增强现实、虚拟现实、自动驾驶等新应用蓄势待发,对网络接入、带宽传输、数据中心和云平台等信息基础设施的需求巨大。同时,信息通信业集聚着体量庞大、信息详实、类型多样、连续完整的数据资源。商业创新、公共服务创新和社会治理创新,需要这些数据作为基础支撑,深度挖掘、关联分析,对数据服务的需求空间巨大。

二是从网络能力供给侧看,基础设施演进升级奠定大数据发展的新基础。网络设施方面,固定宽带网络接入全面光纤化,FTTH接入用户超过1.2亿户,占固定宽带用户的比重达到六成;4G网络覆盖全国城市和主要乡镇,4G用户超5亿户;互联互通架构优化成效明显。应用设施方面,大型互联网数据中心、云计算服务支撑能力显著提升,全国经营性互联网数据中心许可数量超过850个,有力支撑了7亿网民的上网需求。新型网络方面,工业互联网、能源互联网、车联网等正加强研发和布局,推动大数据应用从生活领域向生产领域加速渗透。

三是从数据能力供给侧来看,数据资源富集为经济社会发展提供新服务。相关研究显示,我国数据总量以年均50%的速度增长,预计到2020年将占全球总量20%以上。一方面,电信企业通过构建数据能力开放平台,可向社会提供数据资源查询、分析结果输出、数据深度挖掘等服务,为各行各业创业创新提供支持。另一方面,信息通信具有多年的数据管理、经营分析、IT系统建设和维护经验,可向交通运输、医疗健康、金融保险等重点领域提供数据整合、数据分析、平台建设等相关技术服务。

虽然我国大数据具备了良好的基础,也面临着重大的机遇,但要实现从数据大国向数据强国转变,还面临很多的制约和挑战,如信息孤岛普遍存在,技术原创能力和产业实力仍有待提升,人才队伍建设亟须加强,相关法律法规仍不健全等等。“十三五”是我国全面建成小康社会的决胜期,是信息通信业发展大数据的战略机遇期,全行业应积极贯彻中央有关决策部署,从以下几个方面推动大数据健康发展。

第一、加快高速宽带网建设,提升大数据的承载能力。深入落实“宽带中国”战略和提速降费行动,加快建设高速、移动、安全、泛在的新一代信息基础设施。一是推进全光纤网络城市和第四代移动通信网络建设,促进铁塔等基础设施资源开放和共享,全面提升宽带速率。二是优化国家骨干网互联架构,大幅增加网间互联带宽,加快IDCCDN等应用基础设施建设。三是加强工业互联网设施建设、技术验证和示范推广,支撑工业大数据广泛应用。四是积极布局广覆盖、大连接、低功耗、低成本的窄带物联网,为万物互联时代下各类数据的处理、分析和应用奠定新基础。

第二,加强关键技术研发,提高大数据产业化水平。落实习总书记指示精神,坚持自主研发和开放创新并重,推动强强联合、协同攻关,打好大数据核心技术研发攻坚战。一是促进面向大数据的新型计算、存储、传感、通信等关键芯片研发,突破大数据计算引擎、机器学习、存储管理、数据管控等核心软件技术,加强软硬件协同发展。二是大力支持新型数据库、分布式计算平台等基础产品产品研发,鼓励数据挖掘、商业智能、数据仪表盘等通信工具创新,加快形成自主的信息通信大数据安全体系。三是加强培育高效通用的数据采集、清洗、分析、管理平台,提升开放式平台的运营和服务能力。

第三、积极推进应用创新发展,增强大数据利用水平。充分发挥政产学研用合力,按照“政府引导、行业倡导、企业主导”的思路,加快大数据部署,深化大数据的应用。一是政府组织示范应用,选择数据资源丰富、应用需求迫切的领域先行试点,探索形成有效的经验和模式,加快推广普及。二是产业联盟、行业协会等中介组织要搭建公共服务平台,推进行业数据聚集,组织标准规范制定,推动技术产品交流,形成行业发展合力。三是电信企业、互联网企业要加强内部数据资源整合和标准化建设,积极推进与传统行业的数据对接,加快建设集约、开放、共享的大数据平台,提升数据服务能力。

第四、不断完善法律法规制度,切实保障大数据的安全。加强产业规划和制度完善,科学安全利用大数据,打造健康发展的良好环境。一是制定实施《大数据产业“十三五”发展规划》,明确产业发展目标和重点,打造“数据、技术、服务、应用、安全”协同发展的自主产业生态体系。二是完善大数据法律法规体系,建立健全个人信息保护、数据跨境六点、关键信息基础设施保护、数据安全防护等制度,推动电信和互联网数据管理细则的出台。三是加强数据安全监管,完善数据和用户个人信息安全防护标准,开展重点企业网络数据收集、使用和防护情况安全检查,加强数据安全保护技术手段建设。

3.大数据发展趋势下中国采购的变化 篇三

不言而喻，技术上许多大的尝试和方向，对社会、公司和我们所执行的部门而言都有或多或少深远的影响。中国制造走到今天，如何提升其技术应用能力以走好下一步，需要借力很多“互联网+” 的功能。

领略大数据的价值

2014年，IBM的全球采购额是300亿美元，亚太区大约占到100亿美元，这些包括硬件部分和大量采购咨询部分。作为一个采购部门的负责人，要怎样让云计算、大数据和移动技术影响我们采购，使之更加有效、准确且及时呢？

前些年有一个关于棒球的美国电影叫《点石成金》，这是一个真实的故事。在竞争激烈的美国职业棒球联盟（MLB），有一个奥克兰运动家棒球队，无论在人员和物质配备以及资金实力上都仅仅是“下三流”之列，但球队的总经理是一个“思维怪异”的家伙，他拥有所有美国球员的数据。根据对这些足够多的数据的分析，他告诉主教练应该重新组织一个队伍，后来他们得到一个最佳的队形，达到了比肩实力雄厚的纽约扬基队的程度。

在汽车保险方面，已经有企业能够做到如果在车里放入一个植入性设备，收集车主的所有开车行为产生的数据，就可以让车主降低开车保险费到15%～20%。

这种大数据分析应用尤其适合医疗领域。人们上医院做各自检查的数据，各种药品的数据，包括个人可穿戴设备产生的数据，这些每天积累的数据之庞大，不是任何医生都能处理的。如果我们能用大数据的计算能力支持新一代医生，则会带来突破性癌症解决方案。

应用大数据高效采购

以上只是外围的例子，回到一个IT公司的采购部门，我们如何利用大数据分析改进现有的采购流程呢？

举一个采购在质量管理领域的例子，现在IBM在芯片制造供应商选择方面用到了新的数据分析模式，在早期的质量管理时期，我们能提早6个星期发现问题，这是非常大的节省贡献率。

同时，大数据在采购风险管理上将是一个很好的应用领域。IBM之前做过一个上百家首席采购官的论坛，发现一个最大的问题和关注点就是采购风险管理。风险管理其实是一个很庞大的问题，分很多领域，如前期的风险评估，如何制定风险的缜密计划和对风险的实时监控，这些促使人思考如何用智能计算的能力处理结构性数据和非结构性数据。举一个例子，今天在中国市场能收集到的供应商的信息多数是从第三方获取的，在信息泛滥的情况下，如果我们可以通过大数据手段和公司内部不同的数据库做匹配，就能带来实际效益。IBM现在正在进行的项目可以基于这个技术把风险的早期报告做出来，给采购领域提供更加完整的信息。

以上都是应该大数据技术在采购方面的初级尝试，全面的应用和实施还需同行持续不断地参与和帮助。我们务必要关注技术上大的变局，把技术创新应用到采购管理流程中去，使采购变得更加效率、节省，这是我们共同的目标。

[本文整理自“中国（上海）国际跨国采购论坛” IBM全球采购中心总经理周子明发言]

4.中国核电行业大数据—-金准报告 篇四

自 1951 年 12 月美国实验增殖堆 1 号（EBR-1）首次利用核能发电以来，世界核电至今已有 60 多年的发展历史。据金准数据统计，截止至 2016 年 6 月，全球共有 444 座反应堆并网发电，并网发电量 387741 百万瓦特；全球共有 62 座反应堆处于建设当中，在建容量 66029 百万瓦特。我国共有 33 座反应堆并网发电，并网发电量 29577 百万瓦特；在建机组 21 座，在建容量 24036 百万瓦特。

我国核电发展至今已有四十余年，经历了核电起步、适度发展、积极发展和安全高效发展 4 个阶段。

我国核电发展的四个阶段

近年来，伴随着我国核电站建设步伐的加快，我国核电产量逐年快速增加。核电年发电量由 2001 年的 174.12 亿千瓦时增长至 2015 年的 1695.18 亿千瓦时，年复合增长率达到 17.65%。2015 年，全国发电量达 56184 亿千瓦时，其中核电发电量占比 3.02%，并继续呈现占比快速提升的态势。

近年来我国核电产量和占总发电量比例

2015 年我国电力生产结构

据金准专家统计，截止至 2015 年 10 月底，我国在建核电机组 25 台，总装机容量 2751万千瓦。2016 年 9 月 16 日，国家核电副总经理郑明光在伦敦世界核协会会议中表示，“中国拟在未来 10 年兴建超过 60 座核电厂。其中未来 5 年将建造约 30 座核反应堆，之后的五年将兴建更多座。中国主要核电企业将至少一年新建两座核反应堆。”考虑到内陆核电技术逐渐成熟，内陆核电有望审批通过，认为，在接下来的数年，我国核电站建设将保持持续高增长的态势，且增速有望进一步提高。目前，按每年新审批 6-8 台核电机组计算，每台投资约 200 亿元，总体市场空间约为 1200-1600亿元/年。核电装备投资占总投资比约为 50%，核电设备的市场空间约为 600-800 亿元/每年。

二、海外市场空间广阔

在我国核电事业高速发展的同时，海外市场也为我国核电设备企业提供了广阔空间。2016 年 9 月 15 日，英国政府在重新评审后批准中法企业共同参与投资欣克利角 C 核电项目，这意味着以中广核为代表的中国核能企业正式进入英国核电市场。这是中国核电第一次参与发达国家的核电项目，极具标志性意义。此外，自 2010 年起，我国陆续展开了对阿根廷、巴基斯坦、埃及、英国、南非等国家的核电项目出口洽谈工作，目前已获得多国核电项目订单，在建核电项目正稳步推进。目前，在我国“一带一路”沿线的 65 个国家中，有 28 个计划发展核电项目，规划核电机组台数达到 126 台，装机总规模约为 1.5 亿千瓦，按核电造价 1.7 万元/千瓦测算，“一带一路”沿线国家核电项目投资将达到 2.5 万亿元。此外，西方发达国家、非洲、南美国家对核电站的需求亦非常强烈。预计未来十年，我国核电产业海外出口将逐渐打开，核电设备海外市场空间将呈现高速增长趋势。

我国核电出口项目概览

三、关注核电后市场的投资机会

乏燃料是使用过的核燃料，通常由核电站的核反应堆产生。据金准数据统计，截止至 2015 年，全球在运核电机组已经产生了 35.1 万余吨乏燃料，按照当前核电装机规模，每年还将产生约 10000 吨乏燃料。对于乏燃料，目前国际上通行的有两种处理方法：一种是不进行乏燃料后处理，燃料棒在核电站反应堆内燃烧完后将其长期暂存、永久贮存、直接处置，被称为开式核燃料循环；另一种是对乏燃料进行后处理，回收其中的铀和钚，再加工成燃料组件进行重复利用，称为闭式核燃料循环。我国主要采取闭式核燃料循环的乏燃料处理方式。

压水堆核电站核燃料循环图

目前，法国、英国、日本、印度采用闭式燃料循环;美国、加拿大、西班牙、瑞典、芬兰等则采用开式燃料循环，将乏燃料作为核废物进行长期处置即一次通过。也有一些国家采取观望策略，尚未决定如何处理乏燃料。

乏燃料水池

乏燃料贮存格架

乏燃料水池是储存和冷却乏燃料组件和破损燃料组件，以及对燃料组件进行检查、修复、运输等水下操作的场地。在反应堆的一个运行周期结束以后，就会将反应堆中约 1/ 3 堆芯的乏燃料组件卸到乏燃料水池中进行冷却。刚卸出的乏燃料组件有着较高的衰变热，在水池中冷却多年以后，衰变热降到足够低就可以将其运到后处理厂或永久贮存场。

乏燃料贮存格架是核燃料循环中的核心设备，广泛应用于乏燃料在堆贮存、中间离堆贮存以及后处理厂贮存。随着我国核电行业的快速发展，乏燃料水池和乏燃料贮存格架市场空间广阔。然而，受制于乏燃料贮存格架中关键的功能材料——中子吸收材料等方面的限制，一直未能实现国产化，依赖国外进口，不仅产品供货价格昂贵，而且技术和供货周期上受到制约。

核电作为一种清洁高效能源，是我国增加能源供应、优化能源结构、应对气候变化最重要的选择之一，把核电规模搞上去应当作为能源战略的一个重点。本文客观分析了过去几年来我国核电发展情况，并预测了未来几年的核电良好的发展趋势。经过多年实践，我国已经掌握了成熟可靠的核电技术，具备了加快核电发展的条件。我国核电建设将在2008-2010年迎来一波高峰，近年来相应机组完工并网，带动核电在运装机容量快速增长。

独特优势：清洁环保、运行稳定、安全高效

清洁环保：我国能源消费过度依赖煤炭等化石能源，在全国总装机容量中，火电比例一直居高不下，引发了一系列环境问题。根据中电联数据，每燃烧1吨标准煤将产生二氧化碳2620千克，二氧化硫8.5千克，氮氧化物7.4千克和280千克炉渣，带来严重的环境问题。而在核电生产过程中，二氧化碳、二氧化硫、氮氧化物和粉尘等物质均为零排放。根据中电联数据，2016年全国累计发电量6.0万亿千瓦时，其中核电累计发电量为2132亿千瓦时，同比增长约24.4%，约占全国总发电量的3.5%。与燃煤发电相比，2016年全年核能发电相当于减少燃烧标准煤约6568万吨，减少排放二氧化碳约17208万吨，减少排放二氧化硫55.83万吨，减少排放氮氧化物48.6万吨。

▲图表1：2015年煤电污染物在全国排放量中的占比(%)

▲图表2：2016年全国各电源发电量占比(%)安全高效：从安全性来看，根据概率安全分析，以AP1000为代表的三代核电站事故率低至10-6次/年，比我们生活当中的大部分行业都要安全。核电站有三层防护屏障，防止发生泄漏。核电站周围一年的辐射剂量和乘坐一次飞机相当。从高效性来看，核能要比化学能大得多，一座百万千瓦的煤电厂每年要消耗约300万吨原煤，而一座同样功率的核电站每年仅需补充约30吨核燃料，后者仅为前者的十万分之一。

运行稳定：目前大部分核电站处于基荷运行，不参与调峰。基荷运行可以提高燃料利用效率。核电的换料周期相对固定，一般都是连续运行12个月或180个月换一次料，所以核电站的运行方式高效稳定。2016年，光伏发电、风电、水电、火电和核电发电设备利用小时数分别1103小时、1742小时、3621小时、4285小时和7042小时。核电发电设备利用小时数远高于其他电源利用小时数。

▲图表3：核电辐射与日常生活辐射对比(毫希)

▲图表4：2016年全国各电源利用小时数(小时)政策利好，核电未来发展空间大

我国政府始终秉承安全高效发展核电的方针，在未来能源规划中对核电提出了较高的目标，且近几年的能源政策中核电规划始终保持一致。根据近年来陆续发布的《能源发展战略行动计划(2014-2020年)》、《电力发展“十三五”规划》及《“十三五”核工业发展规划》等文件的规划目标，到2020年，核电装机容量达到5800万千瓦，在建容量达到3000万千瓦以上。坚持安全发展核电的原则，加大自主核电示范工程建设力度，着力打造核心竞争力，加快推进沿海核电项目建设。建成三门、海阳AP1000自主化依托项目，建设福建福清、广西防城港“华龙一号”示范工程。开工建设CAP1400示范工程等一批新的沿海核电工程。深入开展内陆核电研究论证和前期准备工作。认真做好核电厂址资源保护工作。

▲图表5：近年核电规划汇总

2018-2020年核电或将迎来建设潮。根据金准数据，截至2017年11月20日，我国投入商业运行的核电机组有37台，累积装机容量约3581万千瓦;在建核电机组19台，累计装机容量2200万千瓦。我国核电装机容量占比仅为2%，距离2015年全球核电装机容量平均占比6.4%还有很大差距。在建19台核电机组在2020年前全部投运，届时核电装机容量达到5781万千瓦，基本完成5800万千瓦的装机目标。但是上述规划中还有3000万在建容量需要在2020年前开工，这就意味着未来三年内将开工建设30台百万机组核电站，平均每年开工建设10台。

▲图表6：2016年全国各电源装机占比(%)

▲图表7：2016中国与全球核电装机占比(%)

▲图表8：截至2017年11月我国商运核电机组

▲图表9：2017年11月我国在建核电机组

技术路线明确，三代核电建设稳步推进

三代核电技术路线是CAP系列和华龙一号。目前，我国的第三代核电技术路线主要有两种，一种是引进消化吸收再创新的CAP1000和CAP1400，另一种是中核和中广核自主研发的HPR1000(华龙一号)。AP1000依托项目为三门核电1/2号机组和海阳核电1/2号机组，华龙一号示范项目为福清5/6号机组和防城港3/4号机组。

▲图表10：AP1000首堆工程节点

困扰核电审批的问题将被消除，2018年或将是国产三代核电大批量建设元年。从2016年至今，尚未有新的核电机组开工建设，其主要原因就是三门1号机组(AP1000首堆)未能实现商运，以及“华龙一号”技术路线未能完成融合。近期，这两个困扰核电建设的因素都将被消除。2017年7月，三门核电1号机组热试结束，《华龙一号技术融合方案》也得到复批。目前三门核电1号机组已经开始装料前准备，完成装料后，核电机组将进入带核状态，这标志着AP1000全球首堆并网发电已经不远了。华龙一号后续项目的审批工作也将陆续展开。预计2018年或将迎来新一轮核电建设大潮。

CAP1400初步设计方案已于2014年通过审查。CAP1400大量采用非能动技术，技术先进，但是设备制造难度较大。大量设备系首次制造使用，没有工程实践经验，示范项目进展可能较为缓慢。华龙一号在能动安全的基础上采取了有效的非能动安全措施，技术较为成熟，工程难度较小。华龙一号示范项目福清5/6号机组和防城港3/4号机组已于2015年开工建设。

▲图表12：筹建中的核电机组

核电企业积极布局海外和小堆，带来核电市场新增量

金准专家认为核电“走出去”战略初现成果。2013年10月，国家能源局《服务核电企业科学发展协调工作机制实施方案》首次提出核电“走出去”战略。国际原子能机构预计，2016年至2025年十年间，除中国大陆外，全球约有60-70台100万千瓦级核电机组建设，海外核电市场空间将达1万亿元。我们认为我国核电出海的时机已经成熟，中国核电企业凭借国内充足的订单，三十年的技术积累、相对低廉的造价及充沛的资金实力，有望在全球核电竞争中脱颖而出。目前我国核电三大核电集团正积极布局全球市场。近年来已于巴基斯坦、英国、阿根廷等多个国家签署了核电站项目合作协议并取得了一系列实质性进展。

▲图表13：中国国产核电走出去战略布局

小堆市场前景广阔。国际原子能机构(IAEA)将小堆定义为300MW以下的核反应堆。目前，随着核电技术的不断发展，多功能模块式小型堆逐渐成为各相关企业后续的重点规划产业。核电小堆不仅可以用作发电，而且可以进行工业供热供汽，为城市供暖，还可用于海水淡化和海洋开发，市场前景广阔。

盈利能力：装机容量加速扩张，核电公司盈利能力有望大幅提升

核电盈利能力主要由装机容量决定。核电公司的盈利模式主要由上网电量和度电利润决定。由于核电设备利用小时数有政策保证，基本维持在7000小时左右，所以核电的上网电量主要由装机容量确定。度电利润则由上网电价和成本确定。核电参与市场交易的占比很小，根据中国核电和中广核电力2017年半报告显示，2017上半年，核电市场交易电量约为169亿千瓦时，占上网电量的15%左右。未来几年内，核电的上网电价主要参照核电上网标杆电价0.43元/千瓦时。

《保障核电安全消纳暂行办法》颁布，核电利用小时数有保障。2017年3月，国家发改委、国家能源局印发了《保障核电安全消纳暂行办法》。其中规定，在市场条件受限地区，优先发电权计划按照所在地区6000千瓦以上电厂发电设备上一年平均利用小时数的一定倍数确定。

▲图表14：2020年前将投产机组

▲图表15：核电装机容量预测(万千瓦)总结

金准专家认为，我们应积极推动第3代核电技术的引进消化，促进国内先进核电技术的加快开发，掌握先进压水堆技术，实现堆型的标准化规模发展，提高核电设备的国产化水平。同时，积极推进第4代核电技术的自主研发，使其及时进人商业化准备阶段。核安全是核电发展的生命线，来不得丝毫马虎。大规模发展核电，需要进一步提高安全监管水平，全面加强核电设计、制造、建设、运行等环节的安全管理和质量管理。

规模发展核电，还需要配套形成铀浓缩能力，加快建设乏燃料处理工程，健全核燃料循环体系，使核电发展得到充分的资源保障。

5.中国大数据发展 篇五

管理暂行办法

第一章 总则

第一条 为规范贵州省大数据发展专项资金的管理和使用，提高资金使用效益。根据《预算法》、《贵州省大数据发展应用促进条例》、《中共贵州省委 贵州省人民政府关于实施大数据战略行动建设国家大数据综合试验区的意见》(黔党发〔2016〕14号)精神，以及财政预算管理的有关规定，制定本办法。

第二条 贵州省大数据发展专项资金(以下简称“专项资金”)，是由省人民政府批准设立，省级财政预算安排用于改善我省大数据产业发展环境，推动大数据战略，促进数字经济成长，重点支持引领性、应用性、支撑性大数据项目发展的资金。

第三条 专项资金的使用和管理遵循公开透明、突出重点、统筹管理、创新方式、市场机制、引入竞争、强化绩效、加强监督的原则，充分发挥财政资金的引导和促进作用。

第四条 专项资金建立部门联动、专家评审、项目公示、追踪问效的全过程协作管理机制，加强绩效评价及结果运用，实现资金分配的激励和约束。第五条 专项资金由贵州省大数据发展管理局(以下简称“省大数据局”)会同贵州省财政厅(以下简称“省财政厅”)按照职责分工共同管理。

省财政厅会同省大数据局负责专项资金的预算管理、资金分配及资金拨付，对资金的使用等情况进行监督检查。

省大数据局负责确定专项资金的年度支持重点，开展项目管理工作，组织项目申报和评审，并对项目实施情况进行跟踪服务、绩效评价及监督检查。

第六条 省大数据局建立“贵州省大数据发展专项资金管理系统”，按照“数据铁笼”要求管理项目，进行分级授权和分类管理。

第二章 资金支持范围及方式

第七条 根据省委、省政府明确的大数据发展目标和任务，专项资金支持范围主要包括：

(一)支持大数据产业发展壮大，改善大数据企业发展环境，支持三次产业与大数据深度融合。

(二)支持信息基础设施建设，提升关键信息基础设施优化及运维保障能力。

(三)支持标准规范制定及应用研究，支持大数据安全体系和保障能力提升建设。(四)推进政府数据共享开放及应用创新。

(五)支持大数据基金设立，探索支持大数据企业发展的新型融资方式，引导社会资本投资大数据发展应用。

(六)支持和培育各类数字经济试点示范建设。(七)支持申请到的国家级大数据重大项目。

(八)支持大数据领域有关重大活动、相关课题研究、人才引进和培育及专项业务经费等。

(九)经省政府批准的其他事项。

第八条 专项资金采取事中事后的以奖代补、贷款贴息、产业基金、融资风险补偿、购买服务等方式安排。原则上一个项目只能申报一种支持方式。

(一)以奖代补。运用无偿资助方式支持大数据的应用创新项目;对大数据企业按发展目标完成情况给予奖励;根据大数据服务平台提供的服务质量和实际完成量，对社会效益明显的平台建设项目给予补助。

(二)贷款贴息。对已获得银行贷款的项目采取贴息支持方式。贷款贴息额度根据项目贷款利息总额并参照银行同期贷款基准利率确定。(三)产业基金。支持设立大数据产业基金，引导社会资本进入大数据投资领域，采取阶段参股、投资保障等方式，扶持初创期、成长期大数据中小企业发展。视具体情况采用股权投资、股权后激励等方式实施。

(四)融资风险补偿。建立大数据中小企业融资风险补偿机制，对积极支持大数据企业发展的金融机构发生的风险损失进行一定比例的补偿;对担保机构承担大数据中小企业贷款担保业务产生的代偿损失按一定比例给予补偿。

(五)购买服务。省大数据局按照《国务院办公厅关于政府向社会力量购买服务的指导意见》(国办发〔2013〕96号)、财政部《政府购买服务管理办法(暂行)》(财综〔2014〕96号)等规定，购买相关公益性、公共性服务。

(六)其它。涉及大数据产业发展与应用的其它事项及投入，按照省政府的批准执行。

第三章 申报条件和申报资料

第九条 项目单位须具备下列资格条件：(一)具有独立的法人资格;

(二)项目单位注册地在我省辖区内;(三)财务管理制度健全，会计信息完整;(四)纳税信用和银行信用良好，遵法守信，无违法失信记录;(五)生产经营情况良好，财务状况或发展前景良好;

(六)申报项目符合国家产业政策，符合大数据发展规划，符合专项资金使用范围;

(七)以前年度获得专项资金支持过的项目单位，其所获支持项目到期的应按期通过验收，并取得良好效益。

第十条 项目单位应提供下列申报资料：

(一)各市(州)、贵安新区大数据管理部门会商财政部门的申报文件，或中央在黔企业和省属企业项目主管部门的申报文件，或省级部门申报文件;

(二)项目单位资金申请报告;

(三)专项资金项目申报指南要求提供的材料。第四章 项目组织和审核

第十一条 省大数据局商省财政厅在每年1月底前下发资金申报指南，明确专项资金支持重点、支持方式、申报条件、所需材料等事项。各市(州)大数据管理部门会商财政部门负责地方项目的组织申报、初审，提出审查意见后报省大数据局。省属企事业单位项目由主管部门提出初审意见后报省大数据局。省级政府部门、直属机构、事业单位和中央在黔企业可直接向省大数据局申报。

第十二条 项目单位应通过“贵州省大数据发展专项资金管理系统”提交相关申报材料。省大数据局建立专家评审制度，组织专家对申请项目进行线上和线下评审论证。

第十三条 省大数据局建立健全专家库管理，确保入库专家与评审专家在数量上保持合理比例。“贵州省大数据发展专项资金管理系统”实行专家随机抽取制度和回避制度，加强对入库专家能力、职业道德等素质的前置审核工作。在评审过程中建立专家交叉评审、集中评审等相互监督机制，研究建立评审专家责任追究机制。

第十四条 根据专家评审意见，按程序确定支持项目由省大数据局向社会公示，公示期不少于7个工作日。

第十五条 对项目公示期内提出异议的项目，省大数据局及时组织调查核实。公示期结束后，在公示期内没有异议的项目和经调查核实没有问题的项目列为拟支持的项目。

第十六条 项目主管部门负责对项目申报资料真实性予以审核，督促项目实施，并对项目责任事故依法承担责任。

第五章 资金管理和拨付 第十七条 原则上6月底专项资金预算执行率应达到年初预算指标的50%，9月底达到调整预算指标的90%。确定支持的立项项目，由省财政厅会同省大数据局按照预算管理、国库管理的规定联合下达项目资金计划。

第十八条 各级财政部门、大数据管理部门及项目主管部门要密切配合，及时下达和拨付项目资金，任何部门不得截留、滞留、挪用。

第十九条 项目承担单位收到的专项资金，应根据《企业财务通则》、《企业会计准则》等财务会计制度的有关规定进行账务处理，并按项目单独核算、单独管理。按规定需要进行招投标的，严格执行《中华人民共和国招标投标法》、《贵州省招标投标条例》等相关法律法规的规定。项目承担单位应在“贵州省大数据发展专项资金管理系统”中及时反馈专项资金使用情况。

第六章 绩效评价

第二十条 建立专项资金绩效评价制度，明确评价原则、组织实施、评价依据、评价内容、指标体系、分值权重、评分标准等内容。省大数据局会同省财政厅通过自评、第三方评价等方式，对专项资金分配使用、项目实施及效果等实施评价。评价结果作为以后年度安排专项资金支持的重要依据。

第二十一条 省大数据局根据绩效评价结果，及时完善资金使用、项目组织等管理制度，不断改进专项资金管理机制。第七章 监督管理

第二十二条 各市(州)、贵安新区大数据管理部门应于每年年底前向省大数据局报告本地区项目实施情况。项目完工后，项目承担单位应提交项目验收申请，中央在黔企业、省属企业项目以及各地重大项目由省大数据局、项目主管部门会同省财政厅组织验收;其它项目可由省大数据局委托各市(州)、贵安新区大数据管理部门会同同级财政部门组织验收，验收结果报省大数据局备案。

第二十三条 省大数据局对专项资金使用情况进行监督检查，必要时可委托社会中介机构进行审计或评估。各级大数据管理部门对项目实施情况进行监督检查。

第二十四条 专项资金应当用于规定的支持方向和重点。对使用不当、或者达不到申报规定的项目单位，省大数据局、省财政厅根据具体情况有权作出整改、收回等分类处理措施。对违反规定使用、骗取资金的行为，该项目单位三年内不得申请专项资金扶持。根据项目单位失信情况，省大数据局按有关规定向省公共信用信息服务平台提供不良信用记录。

第二十五条 各级有关部门及财政部门工作人员在资金分配、审批、复核工作中存在违规分配资金的，以及其他滥用职权、玩忽职守、徇私舞弊等违法违纪行为的，按照《预算法》、《公务员法》、《行政监察法》、《财政违法行为处罚处分条例》等国家有关规定追究相应责任;涉嫌犯罪的，移送司法机关处理。

第八章 附则

6.中国大数据发展 篇六

会

来源：原创 发布时间：2016-05-28 作者：

5月26日，中国商业地产大数据领袖峰会暨 中国商业地产大数据联盟启动仪式在北京市朝阳区718文化创意产业园举办。中国房地产营销协会会长、瑞尔特控股集团董事长朱曙东，瑞尔特集团副总经理、城市运营事业部执行董事王雨清受邀出席此次峰会。

（朱曙东董事长、王雨清董事等受邀参加峰会）作为国内头一个商业地产领域的大数据共享与发展平台，目前中国商业地产大数据联盟会员机构囊括了阿里、百度、中商数据、RET睿意德、AdTime，TalkingData、猫酷、中国电信、数据堂等行业所有专业级大数据公司，对于商业领域的大数据源真正完成了全覆盖，也成为目前商业地产对接大数据独一的专业平台入口，向开发商、零售商、国际五大行、国内外咨询公司输出大数据接口和创新产品。

（周长青秘书长致辞）

中国商业地产大数据联盟秘书长、中商数据CEO周长青表示：“目前全国近4000家购物中心在前期策划和后期运营存在大量数据盲点，联盟的成立将有效整合商业地产大数据最强资源与最专业人才，推动商业地产的数据化升级。中商数据也早已布局这一行业蓝海，定位于实体商业的大数据体检中心，以大数据连接国内所有购物中心，切入实体商业万亿级市场。”

（嘉宾对话现场）

出席此次活动的嘉宾有多家在商业地产大数据领域深耕的专业机构高层及行业重量级开发商代表。嘉宾分享了他们通过大数据咨询服务取得成功的实操经验。五位嘉宾通过沙龙对话探讨商业地产大数据创新的机遇和挑战，将峰会进程推向高潮。会议结束前，众嘉宾齐齐按动彩色木柄，标志着中国商业地产大数据联盟正式起航。

（中国商业地产大数据联盟启动仪式）

7.中国大数据发展 篇七

1 大数据产生的原因

大数据之所以产生, 是因为今天无处不在的传感器和微处理器。我们正在迈进普适计算的时代。其实, 所有机械或电子设备都可以留下数据痕迹, 这些痕迹表明了它的性能、位置或状态。这些设备和使用它的人, 通过互联网互相交流, 又形成了另外一个庞大的数据源。当这些数据和来自其他媒体、无线或有线电话、有线电视、卫星等等来源的数据相结合时候, 更加显得庞大无比。在当今信息划时代里, 未来的十年将是一个“大数据”引领的智慧科技的时代。随着社交网络的逐渐成熟, 移动带宽迅速提升, 云计算、物联网应用更加丰富。更多的传感设备、移动终端接入到网络, 由此产生的数据及增长速度将比历史上的任何时期都要多, 都要快。“大数据”时代的脚步悄然而至。

这些数据可以被使用, 这意味着我们可以把所有的商业或组织活动都视为大数据问题, 如今的制造业, 大多数机器上都已经安装有一个或多个微处理器, 已经进入大数据时代。消费营销行业, 无数顾客的交易触点和网上点击的流量, 也成了大数据的问题。而解决这些问题, 无疑给企业带来丰富商业信息, 从而带来巨大财富。

2 大数据的定义

大数据来势汹涌, 也是IT业界在最近掀起的热门话题之一, 虽然”大数据”在最近几年也被广泛宣传, 但大家对”大数据”的认识却参差不齐, 甚至还有人认为海量数据即为大数据, 这显然是不对的。虽然到现在也没有一个统一的标准, 但本文以查阅的文献以及网上的查阅的资料[2,3], 大概给予大数据定义如下。

凡量大、增加和处理速度快、数据类型多并用其解决一类型问题的数据即为大数据, 数据量大, 说明形容大数据的容量不再以GB计算, 而是以PB以上单位计算, 而增加和处理速度快, 表明数据的增加量是瞬时爆发的, 以PB/秒来速度增加, 同时对这些数据处理速度也快, 数据类型多, 说明大数据包括结构化数据、半结构化数据、非结构化数据。而这些不同类型的数据往往不是独立, 而是相互联系, 可用于解决同一类型的问题, 反映同类事物的本质, 而满足这四个属性为大数据。

3 大数据给企业带来的影响

3.1 大数据引起企业正在异化的核心竞争力

当今社会是一个全球信息化的社会, 每时每刻都产生着数以亿计的数据, 而这庞大的数据描述着世界发展的痕迹, 并预示着世界发展的轨迹, 在信息时代的竞争再也不是劳动生产率的竞争, 而是知识生产率的竞争, 而数据, 很容易实现共享, 而且使用的人越多, 其价值越大;数据也不像机器、厂房一样会随着使用次数的增多而贬值, 相反, 重复使用, 它可能增值, 此外此数据和彼数据如果有机地整合在一起, 可能就会产生新的信息和知识, 而且大幅增值, 同时, 数据是信息的载体, 是知识的源泉, 而知识恰恰为不同企业带来丰富财富, 从而数据必然可以创造价值和利润。在大数据时代里, 基于知识竞争其实就是基于数据竞争, 而数据竞争将成为经济发展的必然。

企业利用大数据时代带来的海量数据分析优化企业的各个运营环节, 通过基于数据的优化和对接, 把业务流程和决策流程当中存在的每一分潜在价值都“挤”出来, 从而节约成本、战胜对手、在市场上幸存。而对数据进行有价值的利用竞争, 其实就是基于数据的竞争。粗放型经营的公司往往给淘汰的一个重要原因就是不懂利用数据所潜在有用信息, 从而无法降低成本, 因而给淘汰。

张夏天[4]指出, 虽然大数据目前在国内还处于初级阶段, 但是商业价值已经显现出来。首先, 手中握有数据的公司如同站在金矿上, 基于数据交易即可产生很好的效益;其次, 基于数据挖掘会有很多商业模式诞生, 定位角度不同, 或侧重数据分析。比如帮企业做内部数据挖掘, 或侧重优化, 帮企业更精准找到用户, 降低营销成本, 提高企业销售率, 增加利润。百分点的联合创始人苏萌[4]表示, 未来, 数据可能成为最大的交易商品。因此, 大数据的价值是通过数据共享、交叉复用后获取最大的数据价值。在他看来, 未来大数据将会如基础设施一样, 有数据提供方、管理者、监管者, 数据的交叉复用将大数据变成一大产业。

由此可见, 大数据来临已然引起核心竞争力的异化, 企业新的竞争力核心已悄悄的发生转移, 通过大数据所带来的行为和意识信息预判市场走势, 更好地在金融产品设计、产品销售、市场定位、客户细分、盈利模式、用户需求等方面下功夫, 让”数据”变成财富, 而这些并非基于经验和直觉, 都是基于数据分析得到的严谨结论。数据已然逐渐成为新的企业核心竞争力。

3.2 大数据引起企业新的商业变革

在大数据时代, 个性化将颠覆一切传统商业模式, 成为未来商业发展的终极方向和新驱动力[5]。大数据为个性化商业应用提供了充足的养分和可持续发展的沃土, 如基于交叉融合后的可流转性数据、全息可见的消费者个体行为与偏好数据等等, 未来的商业可以通过研究分析这些数据, 精准挖掘每一位消费者不同的兴趣与偏好, 从而为他们提供专属的个性化产品和服务。然而纵观整个中国互联网, 我们拥有海量规模的大数据, 但与个体消费者针对性需求存在着巨大的鸿沟。现今, 每一个企业对其用户的了解都是片面的或者单个维度的。例如, 卖运动鞋的网站A、卖西装的网站B和卖外套的网站C, 都十分清楚用户在自己网站的兴趣爱好, 但无从得知用户在其它网站的信息, 但是, 如果网站A能够获取网站B和网站C的消费用户信息 (比如非常喜欢蓝色的西装和外套) , 就可以更加精准地为该用户提供他可能也会喜欢的运动鞋。这不仅能增强网站的转化率, 也可大幅改善用户体验。一旦打通消费者在多个领域内 (比如购物、资讯、交友、娱乐等) 的数据, 就可以通过大数据挖掘建消费者全面的兴趣图谱。从而促进商品的销售, 注重这种商业变革, 对中国企业的发展起到重要性的作用。

4 中国企业在抓住大数据带来的机遇时应注意的问题

从大数据定义、大数据所产生的影响, 可以知道大数据提供信息更完善, 可分析的程度更深, 带来的价值也更高, 因而, 抓住大数据所带来的机遇, 所引发的财富是极其巨大的, 企业成功的关键之一都很好的收集大数据以及掌握了大数据处理分析技术;不仅如此, 还拥有分析大数据相应的人才。但中国企业参与这一领域并不多, 而面对大数据时代来临, 这显然是中国企业的一大劣势, 因此, 中国企业必须牢牢抓住大数据时代所带来的机遇, 才能在当今信息时代幸存和蓬勃发展。而个人认为, 中国企业要抓住大数据机遇, 必须做好这两方面工作:从技术角度看, 首先要收集并且开发特定的工具[6], 收集和管理大规模并行服务器产生的结构化和非结构化的数据;其次, 每一个组织都需要选定分析软件, 用来挖掘数据的意义, 然则最重要的是, 任何组织都需要人才来管理和分析大数据, 关于这类型人才要注重培养。要想抓住大数据来临所带来的机遇, 人才与技术皆必不可少。

5 结语

随着科技的进步, 互联网的盛行, 大数据时代悄然降临, 其对当今市场产生的影响是巨大的, 不仅引起了商业变革, 同时也悄然异化着企业之间的核心竞争力, 其不仅带来了机遇, 同时也带来了更多的挑战, 面对着这接踵而来的机遇与挑战, 中国企业必须注重开发特定工具对大数据进行收集、分析、管理、保存和培养相关数据分析人才, 这样才能在新的信息时代蓬勃发展。

参考文献

[1]袁婕.大数据时代的商机[M].现代商业, 2011.

[2]周渝, 唯奕.大数据-企业运营中的新资本[M].中国学院电力出版社, 2011.

[3]罗爱宝, 陈光鹏, 商琳.海量数据处理[J].中国人工智能学会通讯, 2011 (2) .

[4]许翠苹.大企业如何从大数据研究中获益[M].通讯世界, 2011.

[5]郭国庆, 钱明辉.市场营销学通论 (第四版) [M].北京:中国人民大学出版社, 2011.

8.揭秘大数据买卖在中国 篇八

汪建的陈述背景是，大数据背景下的基因技术。正如1970年一个美国学者安德森说过的“多带来不同”，大数据正在成为未来稀有资源。

然而，面对海量数据，应用成了难题，就如斯坦福大学的Trevor Hastie所说，“在稻草里找一根针”。 你可知道这“稻草”何其多？光纤传送网与宽带信息网专家邬贺铨院士曾经这样比喻，如果把2011年获得的全世界数据量装到iPod上的话，可装满575亿个iPod。把这些iPod当砖用，可垒起两座中国长城。

据统计，全球各个行业的数据存储量，每年都在以59%的速度暴增。由于缺乏规范的数据共享和交易渠道，不同行业间很难形成数据互利共享，数据交易平台乃至交易所也就成为了迫切需求。

“很多企业愿意将自己的数据纳入政府的统计体系或纳入政府的统计数据的发布体系。但是不太愿意提供数据的收集、方法和算法这些过程性的信息。”国家统计局统计科学研究所副所长许亦频坦言，政府统计应用大数据面临数据割裂化难题。

有没有这样一个平台，可以提供经过审核的“干净”数据，一方面不侵犯个人隐私和国家安全，另一方面可以合法提供各类企业个人所需要的数据呢？

“2013年中国各个行业产生的数据孤岛，各个领域的数据被割裂化。”中关村大数据交易产业联盟秘书长、数海科技董事长秦翯告诉本刊记者，数据割裂化体现在各类活动的数据都保存在不同的领域：金融活动数据在银行，搜索数据在百度，电子商务数据在阿里巴巴，发微博微信等数据都保存在不同公司、不同企业、不同机构手中。另外，各类数据输出的格式五花八门，企业行业或者个人如果想应用并不容易。

9月13日，在北京清华同方科技园，记者目睹了这一国内首家重点面向大数据的数据交易服务平台的运行。通过数据API的录入、检索、调用，提供数据交易和使用的场所。自今年2月底试运行以来，中关村数海大数据交易平台已产生7532笔交易，交易额达842万元，整合了京东、新浪、天翼等免费数据商品千余条，收费数据近万条，收录国外API数据达数千项。

面对这一新兴事物，在相关个人隐私和国家安全法律法规欠缺的前提下，大数据如何买卖？交易机制是什么？交易的主体是谁？存在哪些机遇和挑战？

买水买电买数据

“一个企业有没有偿还贷款的能力？要靠数据说话。”厚普征信公司是一家私营企业，主要为企业、个人提供信用档案等信用服务。董事长鲁西诺告诉《小康》记者，在加盟大数据交易平台之前，主要通过自有技术软件在网上查询，与政府部门进行数据合作等传统方式获取企业数据，从而为企业客户出具银行贷款所需的信用评级报告。

今年上半年，厚普征信公司从大数据交易平台购买了数据产品，使用交易平台四个月后的鲁西诺俨然成了大数据半个行家，他透露，“企业在交易、经济生活中产生的金融痕迹、物流痕迹、纳税痕迹、完税数据等各种数字痕迹，都有助于我们来判断它是否有创新力和偿还贷款的能力。数据越丰富，判断结果越精准。”

鲁西诺预计，公司的数据今后將有60%到70%来源于传统的自有途径，30%到40%将来自大数据交易平台。

与在线交易不同的是，对于完全不懂大数据的传统企业来说，平台的托管交易服务基本是一站式，卖方只需要把数据交给平台，具体的大数据处理分析等技术难题就全部托管了。

北京途牛国际旅行社有限公司副总裁赵越给记者描述了“托管数据”的美景：通过对企业自身数据的分析，并和平台其他数据进行多源融合和补充，形成对途牛供应商和平台消费者的多达10余种的互联网金融业务。

那么，目前为止大数据的买卖方都是些什么人？据秦翯介绍，目前大数据交易平台的成员包括电信运营商、互联网金融企业、软件企业、电子商务企业、咨询公司、风投等不同行业企业，具体来说，天翼、用友、京东、易观、红岭创投、联想等公司都属平台成员范畴。

中关村数海大数据交易平台，在中国最大的数据聚集地中关村数据交易平台，引起了政府相关部门的关注。据秦翯透露，目前他们已与指导单位国家统计局签订战略合作协议，就政府大数据平台的建设提供技术支持。

“如今绝大多数大数据是以各种形式分散地存在于政府部门、电商企业、电信运营商和互联网公司，数据标准不统一、口径比较杂乱，数据间难以衔接，这也是限制大数据开发和共享的一个障碍。”国家统计局统计科学研究所副所长许亦频表示，数据的权威性和数据的质量是建立在数据的公开性基础之上的。目前看数据公开性的不足是制约政府统计应用大数据的主要障碍。

秦翯向记者透露，政府的大数据开放平台系统，包括支持多种格式的数据上传，以API接口的形式开放，系统一旦建成，部署起来非常快速，基本一天之内就可以完成整个系统平台的建设。

大数据怎么买卖？

2013年4月，一位名叫Federico Zannier的美国人火了，因为他要将3个月积攒的大约7个GB的隐私数据卖掉，而且已经成功炒到了1100美元。

据Zannier自己统计，7GB的数据中共有280万行文本信息，算下来有1500本书。软件记录的鼠标点击次数75.5万次，电脑摄像头自动拍照2.1万张图片，总计1.9GB容量；以及约2万张屏幕截图，总计1.7GB容量。

“这仅仅是个极端的个例，不过可以看出大数据的商品属性。”秦翯告诉本刊记者，目前中国的数据交易现状是地下交易不规范，地上交易空白，中关村大数据交易产业联盟的交易平台是在充分保证用户隐私和国家利益安全基础之上，建立起规范的数据交易市场。

那么，大数据时代如何将“数据”变成商品，如何实现有效的数据交换？纵观国际市场，记者发现从2008年开始，大数据交易市场已经初见端倪，“数据市场”、“数据银行”，甚至“数据公约”，交易市场在国外并非新鲜事。

在上海拥有办事处的美国Factual公司成立于2008年，不仅向大公司提供数据，同时也面向规模较小的软件开发商，每一条信息都有17到40条的相关描述。按浮动价格向公司和独立软件开发商出售数据，小规模的数据提供是免费的，大型客户需要支付的费用则会达到成百上千万美元。包括Facebook、CitySearch、AT&T及其他一些公司都会使用Factual来获取相关信息。

2013年4月，日本富士通公司也宣布建立自己的“大数据”交易市场“Data plaza”，并将交易中介服务培育为主力业务之一，计划在2016年之前将参与企业增加至千家左右。

一提到大数据买卖，似乎个个“谈隐私色变”。谈及数据买卖与个人隐私的关系，作为第一个敢吃螃蟹的人，秦翯就如何充分保障个人隐私受到保护，给记者展示了“法规”+“数据脱敏”组合拳。

首先，中国第一份大数据交易规则——《中关村数海大数据交易平台规则（征求意见稿）》（以下简称《规则》）在6月25日中关村大数据交易产业联盟专家顾问委员会宣布成立当天同步推出。《规则》从交易平台、交易主体、交易对象三个方面规范交易市场行为，并对在线数据交易、离线数据交易、托管数据交易等三种数据交易模式进行规范。

个人隐私的信息使用方面，参考了《全国人大关于加强网络信息保护的决定》、《互联网信息服务管理办法》、《电信和互联网用户个人信息保护规定》等法律法规。其中第三节交易对象明确：禁止交易的数据包括涉及国家秘密和个人信息等法律保护的数据，禁止在交易平台交易。

那么如何从操作层面上，落实这一隐私保护的规定？

“对于数据安全方面的问题，平台也已经有所准备。”秦翯从技术角度给记者演示，通过数据脱敏技术，对数据源的属性进行描述和标注，如果涉及到敏感数据的调用，将进行实时的数据清洗、技术屏蔽、审核处理，最终提供给需求方的数据也将在完成安全测试之后，再行提供。即使调用成功，也会在使用次数用尽或使用期限到期之后，对权限进行收回。这一系列流程，不仅避免了用户敏感数据的流出，也照顾到了开发者在线交易的便捷性。

数据究竟该卖多少钱？定价也成为人们关注的热点。

“第一步就是给数据定价，首先是数据商品化，促进数据的流通。”秦翯告诉记者，平台初步采取自由定价的方式进行交易。如果某个企业、机构想要出售自己掌握的数据，在确保数据不涉及个人隐私、不危害国家安全，同时在获得数据所有方授权的情况下，平台会提供参考价，但并不干涉最终的成交价格。此后，通过数据购买用户的反馈，平台会对定价规则进行逐步调节、探索。

在交易过程中，平台并不存储任何一家提供方的数据，而只是扮演一个交易平台和服务通道的角色，“当使用时才会接通”。这不仅与“数据即资产”的业务出发点相一致，而且很好地规避了平台方可能存在的数据监管风险。

付费模式包括两种：第一种是包月，第二种是按调用次数，完成付费后即可获得平台和数据提供方的使用密钥。目前，数海平台的交易对象，仅限数据的使用权。若双方出现数据质量的争议，经交易平台查证属实的，此平台将停止双方数据交易服务，并退还数据买方货款，其间产生的其他损失由卖方承担。

据了解，此次成立的中关村大数据交易产业联盟专家顾问委员会由國家统计局党组书记、局长马建堂担任名誉顾问，国家统计局总统计师鲜祖德、中关村管委会主任郭洪、中国科学院院士鄂维南院士、北京银行副行长许宁跃等70余人组成。

秦翯表示“委员会将根据相关法律法规，对联盟成员在数据交易模式创新、隐私和数据安全保护、数据交易规则建立等方面发挥重要的指导作用”，这也是保证交易隐私的另一个补充力量。

呼吁公开度和透明度

“这个行业在国内和国外环境不一样，我们需要花很多精力去尝试描述这个行业的规范，包括与政府的相关主管部门去沟通等，这将是一个不断完善的过程。”

尽管大数据交易在国外已经趋于成熟，然而，作为中国首家大数据交易平台，中关村数海大数据交易平台目前遇到了困难。秦翯表示，由于国内的大数据交易行业还处于初级阶段，且较不规范，所以他们还要承担前期的普及推广工作。

中国潜在的大数据资源非常丰富，从电信、金融、社保、房地产、医疗、政务、交通、物流、征信体系等部门，到电力、石化、气象、教育、制造等传统行业，再到电子商务平台、社交网站等，覆盖广泛。

“预计到2016年，中关村大数据对产业的带动规模将超过1万亿。”中关村管委会副主任杨建华告诉记者，“近年来中关村在个性化医疗、数字金融、智能交通、精准营销等基于大数据的新型商业模式不断涌现。涵盖了包括基础设施、数据资源、数据应用等关键环节的完整大数据产业链，形成了中关村大数据产业集群。

政府所出台的公开数据措施及政策等仍然有待加强，已有的公开信息的政策仅有《中华人民共和国政府信息公开条例》，之后基本没有在公开政府的相关信息和开放数据中有具体政策的措施。

“最大的数据不是在政府那里，数量上仅仅占7%～8%，但是仅仅这些，却占到最有效数据的80%，政府不是不愿意拿，该拿的都拿出来了，但是管理密集度太高，越密集价值越高，挖掘的价值太高。可以先做外面大量数据的挖掘，要抓住应用。企业数据核心资源是自身的宝贝，都不愿意拿出来。政府在管理上如果没有主动引导可能不行。”中国通信学会秘书长张新生一直关注大数据交易，他告诉记者，大数据交易需要分步骤进行。

困扰着首家大数据交易平台的另一个难题是，他们呼吁对公众的引导，希望在阳光之下，用更健康、更简明、全民都可以接受的方式来促进这个行业的发展。

据中关村大数据交易产业联盟副秘书长魏凯介绍，《规则》的颁布旨在推动行业自律，打造完善、健康、有序的交易产业链条，从交易平台、交易主体、交易对象三个方面规范交易市场行为，对交易市场内的在线数据交易、离线数据交易、托管数据交易等三种数据交易模式进行规范。