数据交易与大数据交易所建设.docx
《数据交易与大数据交易所建设.docx》由会员分享，可在线阅读，更多相关《数据交易与大数据交易所建设.docx（16页珍藏版）》请在冰豆网上搜索。
数据交易与大数据交易所建设
数据交易与大数据交易所建设
近年来，国内大数据发展进入加速期，大数据技术日益成熟，大数据应用不断深入，大数据产业蓬勃发展。
一方面，人们对数据资源的需求从单一化和少量化向多样化和大量化转变，并且数据需求越来越大，要求越来越高。
另一方面，政府机构及很多企业拥有丰富的数据资源，盘活数据资源，促进数据应用和变现则是他们的急切需求。
数据供需双方对数据流通提出了更高要求，催生和发展了数据交易市场。
通过数据交易可以构建数据供需桥梁，打通“数据孤岛”，优化数据资源配置。
引导和培育大数据交易市场不断发展壮大，对促进大数据产业整体健康有序发展具有重要意义。
首先，数据交易能促进数据资源商品化，推动数据资源向数据资产转变；其次，数据交易能促进数据流通自由化，数据自由流通是大数据产业发展的内生动力；最后，数据交易走向平台化、规范化和标准化，能够有效打击非法数据交易，建立良好的数据流通环境。
一数据交易的基本概念和发展概况
（一）数据交易的基本概念
1.交易内涵
交易是指双方以货币或承诺为媒介的价值的交换。
数据交易作为交易中的一种，其特点在于交换的是数据价值。
从媒介的角度看，数据开放、数据共享、数据捐赠等都没有以货币或承诺为媒介，不属于数据交易，它们与数据交易一样，都是数据流通的手段之一。
从数据价值的角度看，数据的价值分为基础价值和衍生价值，基础价值在于数据的可用性，它是数据能够流通的必要条件，取决于相关数据交易标准的确立；衍生价值在于数据的有用性，体现为数据的具体用途，该价值的大小取决于数据挖掘能力和数据运用场景。
2.交易对象
数据交易根据交易对象的差别有狭义和广义之分。
狭义的数据交易是指以数据本身为对象的交易，交易范围包括个人数据、企业数据、政府数据等底层数据，但相关法律法规规定禁止流通的数据不能作为交易对象，如个人隐私数据和国家安全数据等。
交易中的数据，需满足格式标准、可机读、可操作、动态更新等要求，为后续的管理、开发和使用提供基础条件。
广义的数据交易是指交易对象除了数据以外，还包含数据服务。
数据服务包括三种：
加工数据形成的数据产品，即产品服务；为他人提供数据清洗、数据分析等技术支持，即技术服务；基于数据的咨询建议，即策略服务。
提供数据服务的基础数据不一定要通过数据交易获得，也可以通过政府开放、主动采集和数据交换等方式获得。
3.交易主体
数据交易的主体包括数据供给端、数据需求端和数据中介。
数据供给端主要为数据资源的持有者，他们掌握某一方面的数据或数据产品，并且有将手中的数据或数据产品变现的强烈意愿。
出于开发数据产品的需求，有时候数据供给者也是需求者。
数据需求端主要集中在数据应用市场，包括政府、企业和个人等，他们通过挖掘数据的价值或直接使用数据产品，将数据运用到相关领域中，以达到提高治理水平或经营能力的目的，数据需求者有时也是供给者。
数据中介主要作为数据供需的集散地，是对接数据市场供需关系的纽带和平台，数据中介有单纯的交易平台，也有集数据需求者和供给者于一体的综合平台。
4.交易定价
大数据具有大量、高速、多样等基本特征，这些特征决定数据价值的不确定性、稀缺性和多样性，也导致传统的定价模式和策略在数据定价方面失效。
在数据交易中，数据定价是在定价基础和定价模式上的综合选择。
在定价基础上，决定数据价格的因素主要有四个方面：
一是数据生成级别不同，则数据价格不同，例如原始数据与加工形成的新数据的价格就不相同；二是资料来源领域不同，则数据价格不同，例如金融大数据和教育大数据；三是数据在应用端的用途不同，数据价格也不同，例如不同的业务需要对数据处理方式的要求不同，受供求关系影响，必然会导致价格不同；四是数据类型、时效性、完整性和数据样本覆盖等也会影响数据交易价格。
在定价模式上，目前主要采用的定价模式有：
平台预定价模式、买卖双方协商定价模式、固定定价模式、交易系统自动定价模式、实时定价模式、拍卖定价模式、反馈性定价模式等。
在数据应用尚未常态化的今天，信息不对称会给交易定价带来一定的困难，但同时也推动了定价模式的创新。
5.交易规则
交易规则是为保证数据交易活动顺利进行而设置的，它包括身份认证、时间约束、交易方式、数据标签、数据保护与安全等各个方面。
①身份认证：
数据交易需要对交易的各类主体进行身份确认，在区分交易主体的同时，为安全防范和责任追溯做好保障。
②时间约束：
数据交易的时间约束包括更新频率、统计周期和使用期限等，根据数据类型的不同而有所差异。
③交易方式：
数据交易主要以电子交易为主，一般有网络数据包传输、实体介质拷贝、API接口访问等方式。
④数据标签：
数据交易中常常将数据按行业、用途等分类，这种分类标签的方式提高了数据辨识度，提高了数据交易的效率。
⑤数据保护与安全：
数据交易中强调对个人隐私数据和数据资源权益的保护，对防控数据泄露、维护交易秩序、稳定交易市场具有重要作用。
（二）数据交易的主要类型
根据数据交易产生的路径，国内的数据交易可以分为四类。
1.行业内部的数据交易
在我国，金融、电商、交通、电信等领域的大数据发展较好，数据交易起步较早。
一是这些行业有着严格的数据标准，在采集、评估、交易、使用和管理等方面都较易实现统一部署。
二是这些行业涵盖人们生活最基本的几个方面，数据量丰富，数据价值密度高。
三是这些行业的内部关系密切，行业范围不广，数据流通成本低，数据变现能力强。
2015年成立的全国首个“交通大数据交易平台”便是行业数据的交易平台，它有很强的针对性，专门利用交通行业的大数据来解决交通痛点，在交通大数据生态系统的构建和智慧城市的建设上发挥了重要作用。
2.企业主导的数据交易
和国外的数据经纪公司类似，国内也成立了以数据堂、聚合数据、数海等为代表的大数据企业，这些企业主导了一部分大数据交易，并且其市场份额和影响力日益提升。
这些大数据企业主要是通过和相关企业、机构合作，构建完整的大数据交易闭环链来经营数据。
它们通过自己采集、收集或购买数据，经过清洗、分析、挖掘等步骤加工成数据产品或数据服务，然后通过相关渠道进行数据变现。
所以在数据交易链中，它们具有数据需求方、供应商、代理商和服务商等多重身份。
企业主导的数据交易和政府主导的数据交易有所不同，前者更加强调数据变现，以盈利为首要目的，所以它们经营的数据产品或服务都有较强的针对性、独特性和多样性，用户体验较好，但价格也相对较高。
3.政府主导的数据交易
目前，我国以贵阳大数据交易所、上海大数据交易中心等政府主导的数据交易模式为主。
这种交易模式以“国有控股、政府指导、企业参与、市场运营”为原则，不仅扩大了参与主体的范围，还激发了不同交易主体参与的积极性，将分散的数据资源通过平台汇聚，建立统一的交易标准，打破数据壁垒，连通“数据孤岛”，实现数据跨地区、跨领域的共享和交换。
和其他数据交易模式不同的是，政府主导赋予了大数据交易所（中心）权威性和服务性，这种模式不以盈利为主要目的，更多是为了推动数据供需两端的对接，改善供需关系。
在大数据发展尚不成熟的阶段，这种模式大力促进了数据交易从“分散化”“无序化”“商业化”向“平台化”“规范化”“社会化”转变，对推动我国数据交易和大数据应用具有重要作用。
4.企业“派生”的数据交易
目前，国内一部分大数据交易平台是由企业派生出来的，其中以阿里巴巴、XX等互联网企业为代表。
在发展过程中，这些互联网企业凭借其行业的特殊性（如阿里巴巴的电子商务和XX的搜索业务），积累了庞大的数据资源和领先的数据分析处理技术。
首先，在数据资源愈发受到重视的今天，因为还不能准确评估自己拥有的数据资源的具体价值（包括显在价值和潜在价值），企业不愿意将自己的数据拿出来交易。
其次，企业拥有足够的技术来开发数据产品，开展数据交易，在这一新的领域占据技术优势。
最后，企业的数据和企业本身存在很强的关联性，据此研发的数据产品或数据服务会更加契合企业自身的发展需要。
因此，各大互联网巨头都纷纷成立自己的大数据交易平台，基于自身的数据资源开发数据产品进行交易，如京东旗下的京东万象等。
（三）数据交易的发展概况
1.国外数据交易的发展概况
国外的大数据起步较早。
随着世界各国对大数据战略的争先布局和资本市场的持续关注，全球大数据市场保持高速发展。
从市场规模看，据不完全统计，2014年全球大数据产业规模为920亿美元；2015年达到1403亿美元，同比增长52.50%；2016年达到2091亿美元，同比增长49.04%。
随着各国政府数据资源的开放和大数据运用的逐步深入，全球大数据企业数量将迅速增加，大数据产业规模也将保持稳步增长，未来几年内将保持50%左右的年均增长率，预计到2020年，全球大数据产业规模将增至10270亿美元（见图1）。
图12014～2020年全球大数据产业规模及增长率变化情况
从市场结构看，由垄断竞争向完全竞争逐步演化是全球大数据交易市场发展的趋势。
这是因为随着各国数据资源的开放，全球大数据企业数量迅速增多，市场竞争日益激烈。
完全竞争会促进产品和服务差异化发展，并逐步降低相关技术门槛。
在全球大数据细分市场中，行业解决方案、计算分析服务、存储服务和大数据应用等领域占据了大部分市场份额（见表1）。
表12011～2017年大数据细分市场规模分析
从市场特点看，国外数据交易市场有四个主要特征：
第一，国外数据交易市场主要采用数据经纪公司来进行数据交易，数据经纪公司通过一系列渠道获得数据资源，对数据进行清洗、分析、开发等，向用户端直接提供数据产品或数据服务。
第二，国外的数据交易主要是靠数据中介采集和聚合数据，然后通过相关渠道出售。
大多数大数据生产者都是通过中介渠道去实现数据变现。
第三，国外的很多数据经纪公司以“专注性”替代“综合性”作为主要经营策略，例如DataMarket主要经营与国民经济、工业相关的数据集。
第四，国外很多企业主要依靠引入外部数据的方式来支撑自身业务的发展，例如Kabbage引入亚马逊、UPS和Intuit等公司的信用评分模型数据来评估中小企业的风险等级。
2.我国数据交易的发展概况
我国大数据起步较晚，数据资源丰富，信息消费市场潜力巨大。
在大数据的发展上，我国先后经历了探索阶段和市场启动阶段，如今正在高速发展阶段，大数据交易市场的培育已初见成效。
从市场规模看，自2014年以来，我国大数据在社会治理、民生服务和商业应用等方面得到了快速发展，国内大数据市场成长迅速，产业规模得到大幅提升。
据不完全统计，2015年中国大数据产业规模达到1692亿元，同比增长63.01%。
2016年达到2485亿元，同比增长46.87%。
随着国家各项政策的落地及推进，预计这一项数据将在2020年达到13626亿元。
图22014～2020年我国大数据产业规模及增长率变化情况
从市场结构看，我国应用大数据进行分析预测和辅助决策较多的领域主要有政府公共服务、金融、电子商务、电信、医疗、物流、交通和教育，其中应用相对成熟的行业主要是电子商务、电信和金融。
另外，我国现在已经基本形成数据供给端、大数据交易平台、数据应用端的三角格局。
其中数据供给端主要以阿里巴巴、XX等互联网巨头为代表，它们手里掌握着庞大的数据资源；数据交易平台主要以数据堂、九次方等大数据企业，以及上海大数据交易中心、贵阳大数据交易所等大数据交易机构为代表；数据应用端主要以华为、浪潮等传统IT企业为代表，它们在产品定位、广告营销和发展战略等方面的规划对大数据有着强烈的需求。
从市场特点看，我国数据交易市场具有四个主要特征：
第一，数据交易整体仍处于起步阶段，呈现出“数据加工粗”、“供需不对称”、“开放进程慢”和“标准体系弱”的总体形态。
第二，数据变现能力逐步提升。
随着大数据产业的发展和大数据交易机制的成熟，我国数据交易规模逐步扩大，数据变现能力显著提高。
第三，未激活数据多，数据需求面不大。
在我国，很多拥有丰富数据的企业或机构没有实现数据价值的途径，大量数据还未被激活运用，或运用范围狭窄。
另外，我国目前对大数据需求强烈的主要为互联网企业，总体需求面不大。
第四，数据交易平台进入建设高峰期。
近年来，我国各地纷纷成立大数据交易所（中心），在促进数据资源整合、降低交易成本、规范交易行为、增强数据流通等方面发挥了重要作用。
二我国大数据交易所的建设现状及发展趋势
（一）国内外大数据交易平台概况
1.国外大数据交易平台
国外比较有名的大数据交易平台有美国的Factual、BDEX、Infochimps和日本的Fujitsu（富士通）等公司。
Factual，该公司创立于2008年，总部位于洛杉矶。
Factual利用合作伙伴关系收集了约6亿活跃用户的位置信息，拥有极其丰富的位置数据，覆盖位置约8300万个，涵盖50多个国家和地区。
Factual拥有很多知名的企业客户，包括Facebook、AppleMaps、FirstData等，还有一些金融服务机构、大型搜索引擎、出版商、社交平台。
作为一个开放位置数据服务商，Factual向客户提供实时数据交易市场，客户可以把该公司提供的数据与自己已有的其他任意地理位置数据进行相互参照，创建出新的应用程序。
BDEX，该公司总部位于西雅图，和Factual一样向用户提供实时的数据交易市场，不同的是，BDEX除了提供数据买卖服务之外，还向用户提供数据评分、数据托管等服务。
另外，BDEX上交易的所有数据都与BDEX身份有关联，当消费者进行网上购物或者浏览商品时，BDEX的交易平台会立即将有关数据加入平台，实现真正的实时定位。
基于此，BDEX称自身是唯一一个真正做实时数据交换的公司。
BDEX的交易平台在2014年上线运行，交易量增长迅速，并且拥有Sony等大用户。
Infochimps，该公司位于奥斯汀，是一家在线的数据超市，它的数据主要集中在社交网络和地理位置方面。
数据提供者在Infochimps上上传数据供人下载，可以免费，也可以收取一定的费用。
另外，Infochimps为用户提供了很多可以调用的API，并且有一定次数的免费调用限额，超过之后会收取一定费用。
Infochimps的目标就是让任何人都能在这里找到自己需要的数据。
Fujitsu（富士通），该公司位于日本，是世界领先的信息通信技术（ICT）企业，在2013年创立了自己的大数据交易市场“DataPlaza”。
在DataPlaza上，用户可以根据需要，通过列表下载数据，并且所有参与交易的数据都是经过匿名化处理的。
富士通公司计划将数据交易的中介服务作为主营业务之一，并将参与交易的企业数量增加到千家以上。
2.国内大数据交易平台
国内大数据交易平台主要分为三种类型，即交易所（中心）平台、产业联盟性质的交易平台、专注于数据交易和服务的平台，其中以交易所（中心）平台为主。
交易所（中心）平台。
交易所（中心）平台是目前我国数据交易的主流模式。
从2015年开始，我国陆续成立了贵阳大数据交易所、武汉东湖大数据交易中心等十多家大数据交易机构。
这些交易所（中心）通过提供合法数据交易平台，在全国乃至全球范围内对接数据供需两端，促进数据流通，在提供丰富的数据、数据产品、数据服务和技术支持的同时，深入探索数据交易机制。
例如贵阳大数据交易所的会员制被后来建设的交易所（中心）纷纷采用；上海数据交易中心的数据互联（交易）系统有效保障数据流通效率、流通安全和个人隐私；华中大数据交易所颁布的《大数据交易安全标准》等文件大力推动大数据交易的标准化建设。
产业联盟性质的交易平台。
产业联盟是我国大数据交易的另一种模式，通过整合产业密切相关的企业组织、学术机构、政府机构等优质资源，为联盟成员提供优质、快捷、精准及低价格的数据服务。
最具代表性的是中关村大数据交易产业联盟，它是在北京市政府、中关村科技园区管理委员会指导下组建的国内首个面向数据交易的产业组织。
参建机构包括中国信息通信研究院、京东、数海科技、中国电信等100余家单位和机构。
产业联盟在推动数据资源开放、交易流通、应用方面发挥着重要的作用。
专注于数据交易和服务的平台。
大数据交易企业是我国数据交易平台中的重要组成部分，它们专注于提供某些领域的数据交易和服务，以优质性、针对性、专业性、实用性为主要特征，主要代表有数据堂、聚合数据、九次方、数海等。
（二）我国大数据交易所的建设现状
大数据交易所（中心）作为政府主导的数据交易平台，其对大数据交易市场发展起到的基础作用和引领作用是毋庸置疑的。
目前，我国大数据交易所的建设仍处在探索阶段，本文从建设目标、运作模式、交易机制和运营成效四个方面对其进行分析。
1.建设目标
虽然国内各大数据交易所（中心）受所处行政区域的影响而有不同的定位，但是建设目标大同小异，均以规模化和综合化为主要发展方向。
从布局上看，目前国内各大数据交易所（中心）均立足于本区域的大数据发展优势（如上海的资源优势），聚焦资源辐射区域（如贵阳面向西南地区），抢抓全国战略布局（如贵阳大数据交易所的四中心建设），整体发展脉络具有非常明显的规模化特征。
从目标上看，国内各大数据交易所（中心）均遵循“开放、规范、安全、可控”的原则，促进数据流通，规范数据交易行为，维护数据交易市场秩序，保护交易各方合法权益，向社会提供数据交易相关的综合配套服务。
可见，综合化发展也成为国内大数据交易所（中心）的典型特征。
2.运作模式
国内大数据交易所（中心）几乎都采用了“政府主导、市场运作、社会参与”的运作模式，如贵阳大数据交易所是经贵州省政府批准成立的，主要股东包括贵州阳光产权交易所、九次方大数据公司等，由九次方公司来运营管理。
上海数据交易中心则由上海市人民政府批准成立，主要股东有申能集团、上海信投等。
这种运作模式的好处是将政府的政策方针同市场前沿的大数据技术和经验结合，互补长短，共享优势，“让想法好的来领导，让能力强的来操作”，使得数据交易所的建设既不偏离政策方向，又能优质高效的落地，还能根据市场的反馈保障数据交易所健康长远地发展下去。
3.交易机制
从准入制度上看，现阶段为了保证数据交易的安全性，国内数据交易所大多采用严格的准入制度，目前主要采用会员制。
如贵阳大数据交易所实行的会员交易制和上海大数据交易中心实行的成员注册制度。
从交易形式上看，各大交易所（中心）均以电子交易为主要形式，多以API接口为主来提供数据查询和交易服务，并且逐步建立自己的电子交易系统，如上海数据交易中心数据互联（交易）系统，该系统以数控分离机制，对其系统上的数据流通进行全过程把控。
4.运营成效
从规模发展上看，由于国内各区域在信息化发展时期积累了庞大的数据资源，国内大数据交易所（中心）建成后发展迅速，上线的数据总量、注册的成员数量以及完成的交易金额都快速增加，这是大数据交易所（中心）打破部分数据壁垒所带来的第一波数据交易浪潮，其中贵阳大数据交易所数据交易金额在2016年7月就累计突破1亿元。
[1]
从数据内容上看，国内大数据交易所（中心）对数据引入、整合的力度还不够，很多数据是受政府要求，从相关部门调取或从相关企业引入的初级数据，数据量较少，数据类型单一，数据质量不高。
随着政府数据开放的程度不断加深和数据市场的需求不断提高，这种情况也会逐渐得到改善。
从探索成果上看，国内大数据交易所（中心）大胆进行创新和尝试，先后发布了一系列重要文件，有效推动我国数据交易技术、机制和体制的完善。
例如，贵阳大数据交易所发布了《贵阳大数据交易所702公约》；上海大数据交易中心发布了《数据互联规则》《流通数据禁止清单》等，并牵头建设“大数据流通与交易技术国家工程实验室”。
（三）我国大数据交易所的发展趋势
1.大数据交易所数量将持续增加
自2011年数据堂成立以来，国内大数据交易平台纷纷涌现。
迄今为止，国内成立的大数据交易平台有上海大数据交易中心、贵阳大数据交易所、武汉东湖大数据交易中心、数据堂、九次方等20多个，正在筹建的有济宁大数据交易所、湖南大数据交易中心、徐州大数据交易中心以及各细分领域的大数据经纪公司等，我国大数据交易所（中心）建设进入高峰期。
随着国家对数据交易市场的引导和培育，大数据交易所（中心）数量将持续增加。
若平均每省一家大数据交易所（中心），再加上市场上各细分领域从事大数据交易的企业和机构，预计未来5年内，国内大数据交易平台将超过100家。
2.大数据交易所将往细分化和差异化方向发展
竞争必然带来深度发展。
一是，交易所数量的增加直接导致市场竞争压力的增大；二是，各类IT厂商、政府机构等应用主体对数据产品的需求将会越来越专业；三是，在水平市场的开发应用到达一定阶段后，资本必然转入垂直细分领域。
这些因素必然会导致数据交易市场竞争走向差异化，并朝着细分化垂直领域方向发展。
对数据交易所来说，只有顺应市场需求变革自身，才能获得继续生存和发展的空间。
可以预见，同互联网企业的发展历程一样，当大数据交易市场发展到一定程度，细分化和差异化也会成为未来大数据交易所的发展主流。
3.大数据交易所将迎来整合
竞争必然带来行业整合。
大数据带来价值万亿级的全球大市场，国内各类大数据交易平台的接连出现不仅是为了引导和发展中国的大数据交易市场，也是为了抢抓时代发展的机遇，抢先切分大数据交易市场的蛋糕。
但是随着大数据的深入发展，数据渠道不宽、客户群体不广、数据服务不完善的交易平台将会面临淘汰，资本市场的持续参与也会引发各类交易平台的兼并重组，使数据交易市场在交易平台方面的配置逐渐趋于合理稳定。
各大数据交易所（中心）拥有强大的政府背景和渠道，公信力强，可对接的数据资源丰富，在数据交易平台竞争中占据优势。
但是大数据交易所的市场运作机制对其提出了更高的要求，一旦不能满足市场需要，面对日益严峻的竞争态势，也必将走向整合或者消亡。
4.综合性大数据交易所将会逐渐减少
随着大数据的发展，上海大数据交易中心、贵阳大数据交易所等综合性大数据交易所将会逐渐减少，原因有以下三点。
首先是数据交易便捷，移动互联网的飞速发展导致空间概念逐渐消失，人们不见面就可以快速完成一笔数据交易。
其次是品牌效应，用户黏度的存在会导致品牌的重要性越来越突出，品牌的好坏会直接影响客户的交易选择。
最后是综合性的大数据交易所刚需数量不多，定位重复必然会带来竞争和淘汰。
这三点将会导致许多国内综合性的大数据交易所（中心）在竞争失败后失去活力，退出市场，而最终存活下来的综合性大数据交易所预计不超过5家，更多的大数据交易所将会有所侧重，以“专业化”替代“综合化”。
例如国内综合性电商业务的市场份额绝大部分被阿里巴巴和京东等占据，大部分电商平台只有侧重某一领域才有生存和发展的空间。
三我国大数据交易存在的主要问题
（一）数据产权归属界定不明
大数据交易合法的前提是交易的数据必须合法，且没有产权争议。
目前来看，我国尚没有法律对数据产权做相应规定，在实际交易过程中，各大交易所（中心）均颁布了自己的交易规则和规范，严格限定交易对象，来达到规避数据产权风险的目的。
但是数据产权不应继续处于“灰色地带”，否则一旦发生数据交易纠纷，将会带来无人监管、无法可依等难以应对的危机。
在界定数据产权后，还应进一步划分各交易主体在数据交易过程中的责权范围，明确相关惩罚措施，规范数据交易行为，实现大数据的良性交易。
（二）数据质量评估尚不完善
数据质量是数据应用的重要基础，不完整、不规范、不准确、不唯一、不真实等低质量的数据不仅浪费了传输和存储资源，也会给数据价值挖掘带来一定的阻碍。
目前，我国大数据交易发展不够完善，总体侧重于数据量、规模化的发展，弱化了数据质量的把关和提升，缺乏权威和准确的数据质量评估体系，数据需求方承担了很高的数据质量风险，这在一定程度上阻碍了数据交易市场的发展。
制约数据质量的因素有很多，在数据采集、传输、存储、清洗和开发的过程中，都可能影响数据质量。
国内大数据交易所（中心）采用的会员制度让参与交易的数据得到一定的质量保证，但离数据质量的完整评估还有较大的距离
升级会员 