阿里云MaxCompute(大数据)公开数据集---带你玩转人工智能

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 目前阿里云大数据产品已经免费向全部用户开放了多种公用数据集。开放的数据类别包括:股票价格数据,房产信息,影视及其票房数据。

目前阿里云MaxCompute大数据产品已经免费向全部用户开放了多种公用数据集。在此之前,获取,分析,下载自定义的大型分析数据集需要数小时乃至数天才能完成。

而现在阿里云的任何用户都可以通过基于大数据计算服务[MaxCompute]( https://www.aliyun.com/product/odps) 的数据工场[DataWorks]( https://data.aliyun.com/product/ide)快速、便捷的分析这些公用数据集。
开通MaxCompute&数据工场的教程参考: https://help.aliyun.com/document_detail/27803.html

我们将股票价格、房产、影视等多种类型的数据免费开放给用户,使得大家免去了复杂的数据获取、上传、清洗等过程,可以直接进入数据分析阶段,通过这种数据开放形式,我们希望能以更快的速度实现更多的创新。
大家也可以通过数加体验馆( https://data.aliyun.com/experience)来使用这些数据,近距离的感受阿里云数加(大数据)产品;

目前我们开放的数据类别包括:股票价格数据,房产信息,影视及其票房数据。所有的数据均被存储在MaxCompute 产品中的public_data 项目中。以下,我们将对这些数据做更为详细的介绍,并简要说明如何通过MaxCompute 及数据工场服务并分析这些数据。
获取权限
首选,需要用户以项目空间的owner 或者管理员的身份,在自己的项目空间下,执行如下操作。执行完成后用户项目空间下的所有成员均可读取各公开数据集合:
add user ALIYUN$everyone;
执行该语句后即可执行查询:

特殊说明
公开数据集合对所有MaxCompute 用户开放,这是通过MaxCompute 特殊的授权机制实现的。在使用过程中,用户需要足以一下几点:
1. 所有数据均存储在一个名为public_data 的项目空间中,但所有用户并未被加入到该空间下(非项目空间成员)。因此,用户需要跨项目空间访问数据,在数据工场中编辑SQL 时,必须在表明前指定项目名称,例如:

Select * from public_data.ods_enterprise_share_basic where ds = '20170114';

2. 由于是跨项目空间访问,所有用户在数据工场的[数据管理]中无法查找到公开数据集的表;

3. 只有在执行”Add User”语句后,用户才有权限访问公开数据集。该语句可以再数据工场以及MaxCompte 提供的客户端中执行;

下面我们将详细介绍目前开放的数据集合。

股票价格数据集
总体信息:每日更新A 股股票相关数据。

项目
public_data
表集合
ods_enterprise_share_basic 股票基本信息
ods_enterprise_share_quarter_cashflow 季度报表说明
ods_enterprise_share_quarter_growth 季度业务增长情况
ods_enterprise_share_quarter_operation 季度财务周转
ods_enterprise_share_quarter_profit 季度利润
ods_enterprise_share_quarter_report 季度报表
ods_enterprise_share_trade_h 股票价格
更新周期
提供固定分区的历史数据,不再做增量更新。
查询示例 select * from public_data. ods_enterprise_share_basic where ds ='20170114';


ods_enterprise_share_basic 股票基本信息

字段英文名

字段类型

描述

是否为分区列

code

STRING

代码

name

STRING

名称

industry

STRING

所属行业

area

STRING

地区

pe

STRING

市盈率

outstanding

STRING

流通股本

totals

STRING

总股本()

totalassets

STRING

总资产()

liquidassets

STRING

流动资产

fixedassets

STRING

固定资产

reserved

STRING

公积金

reservedpershare

STRING

每股公积金

eps

STRING

每股收益

bvps

STRING

每股净资

pb

STRING

市净率

timetomarket

STRING

上市日期

undp

STRING

未分利润

perundp

STRING

每股未分配

rev

STRING

收入同比(%)

profit

STRING

利润同比(%)

gpr

STRING

毛利率(%)

npr

STRING

净利润率(%)

holders_ num

STRING

股东人数

ds

STRING

数据导入日期,时间间

隔为天。

分区列

数据样例:


ods_enterprise_share_quarter_cashflow 季度报表说明

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

code

STRING

代码

name

STRING

名称

cf_sales

STRING

经营现金净流量对销售收入比 率(%)

rateofreturn

STRING

资产的经营现金流量回报率(%)

cf_nm

STRING

经营现金净流量与净利润的比 率(%)

cf_liabilities

STRING

经营现金净流量对负债比率(%)

cashflowratio

STRING

现金流量比率(%)

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列


数据样例:



ods_enterprise_share_quarter_growth 季度业务增长情况

字段英文名

字段类

是否为分区列

rank

STRING

排序

code

STRING

代码

name

STRING

名称

mbrg

STRING

主营业务收入增长率(%)

nprg

STRING

净利润增长率(%)

nav

STRING

净资产增长率(%)

targ

STRING

总资产增长率(%)

epsg

STRING

每股收益增长率(%)

seg

STRING

股东权益增长率(%)

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列


数据样例:


ods_enterprise_share_quarter_operation 季度财务周转

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

code

STRING

代码

name

STRING

名称

arturnover

STRING

应收账款周转率()

arturndays

STRING

应收账款周转天数()

inventory_turnover

STRING

存货周转率()

inventory_days

STRING

存货周转天数()

currentasset_turnover

STRING

流动资产周转率()

currentasset_days

STRING

流动资产周转天数()

ds

STRING

导入日期。

分区列

quarter

STRING

季度。数据季度更新。

分区列


数据样例:


ods_enterprise_share_quarter_profit 季度利润

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

code

STRING

代码

name

STRING

名称

roe

STRING

净资产收益率(%)

net_profit_ratio

STRING

净利率(%)

gross_profit_rate

STRING

毛利率(%)

net_profits

STRING

净利润(万元)

eps

STRING

每股收益

business_income

STRING

营业收入(百万元)

bips

STRING

每股主营业务收入()

ds

STRING

年份

分区列

quarter

STRING

季度,数据季度更新。

分区列



数据样例:



ods_enterprise_share_quarter_report 季度报表


字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

code

STRING

代码

name

STRING

名称

eps

STRING

每股收益

eps_yoy

STRING

每股收益同比(%)

bvps

STRING

每股净资产

roe

STRING

净资产收益率(%)

epcf

STRING

每股现金流量()

net_profits

STRING

净利润(万元)

profits_yoy

STRING

净利润同比(%)

distrib

STRING

分配方案

report_date

STRING

发布日期

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列

数据样例:



ods_enterprise_share_trade_h 股票价格


字段英文名

字段类型

描述

是否为分区列

trde_date

STRING

日期

open

STRING

开盘价

high

STRING

最高价

close

STRING

收盘价

low

STRING

最低价

volume

STRING

成交量

price_change

STRING

价格变动

p_change

STRING

涨跌幅

ma5

STRING

5 日均价

ma10

STRING

10 日均价

ma20

STRING

20 日均价

v_ma5

STRING

5 日均量

v_ma10

STRING

10 日均量

v_ma20

STRING

20 日均量

turnover

STRING

换手率

code

STRING

股票代码

ds

STRING

导入日期。

分区列

数据例:



二手房数据集

总体信息:二手房相关信息(注意:目前暂停更新)。



public_data
表集合

dwd_prouduct_house_basic_info_out

更新周期
每日早10 点前更新。至2016 年12 月13 日开始更新,全量更新。
查询示例 Select * from public_data.dwd_prouduct_house_basic_info_out where ds= '20170113';

dwd_prouduct_house_basic_info_out信息


字段英文名

字段口型

描述

是否是分区列

house_id

STRING

ID

house_city

STRING

所在城市

house_total_price

STRING

产总

house_unit_price

STRING

均价

house_type

STRING

产类

house_floor

STRING

house_direction

STRING

方向

house_deckoration

STRING

装修

house_area

STRING

house_community_name

STRING

所在小区

house_region

STRING

所在地区

proj_name

STRING

名称

proj_addr

STRING

目地址

period

STRING

产权年限

property

STRING

公司

greening_rate

STRING

绿化率

property_costs

STRING

业费

ds

STRING

数据入日期

分区


数据样例:

及票房数据集

总体信息:每日更新国内影视剧信息及票房数据信息 。



public_data
表集合

dwd_product_movie_basic_info 电影基本信息

ods_product_movie_box 票房基本信息


更新周期
每日早10 点前更新。至2016 年12 月13 日开始更新,全量更新。
查询示例 Select * from public_data.dwd_product_movie_basic_info where ds ='20170112' limit 10;

dwd_ product_ movie_ basic_ info

字段英文名

字段

描述

是否是分区列

movie_ name

STRING

影名称

dirctor

STRING

scriptwriter

STRING

编剧

area

STRING

制片地区/国家

actors

STRING

主演

type

STRING

movie_ length

STRING

movie_ date

STRING

上映日期

movie_ language

STRING

imdb_ url

STRING

imdb

ds

STRING

日期

分区



ods_product_movie_box 票房基本信息

字段英文名

字段口型

描述

是否是分区列

rank

STRING

排名

avgprice

STRING

平均票价

avppeople

STRING

均人次

boxoffice

STRING

日票房(万)

boxoffice_ up

STRING

%

irank

STRING

排名

movieday

STRING

上映天数

moviename

STRING

影片名

sumboxoffice

STRING

票房(万)

womindex

STRING

口碑指数

ds

STRING

日期

分区


数据样例:



TPC-DS数据集 1TB

总体信息:TPC-DS是一套决策支持系统测试基准,主要针对零售行业。提供99个SQL查询(SQL99或2003),分析数据量大,测试数据与实际商业数据高度相似,同时具有各种业务模型(分析报告型,数据挖掘型等等) 。

public_data-非分区表

byte

MB

 

store_sales

132403186096

126270

 

catalog_sales

96618400536

92142

 

web_sales

48924735376

46658

 

store_returns

15258734432

14552

 

catalog_returns

9325156968

8893

 

web_returns

4776062944

4555

 

inventory

2354131064

2245

 

customer

545421520

520

表集合

customer_address

127890712

122

 

item

21917520

21

 

customer_demographics

2831808

2.70

 

catalog_page

1065000

1.02

 

date_dim

432592

0.41

 

time_dim

246576

0.24

 

store

68680

0.07

 

promotion

47976

0.05

 

web_page

32424

0.03

 

web_site

12000

0.01

 

call_center

10536

0.01

 

household_demographics

9448

0.01

 

warehouse

4640

<0.01

 

ship_mode

2040

<0.01

 

reason

1528

<0.01

 

income_band

1040

<0.01

 

 

 

 

更新周期

更新时间:2018 年7 月13 日

 

 

查询示例

脚本下载

 

 

基于公开数据集的实战

手把手,教你用MaxCompute+OpenSearch搭建分布式搜索引擎


购买&试用MaxCompute,请加入扫码进钉钉群。公开数据集问题,请加入扫码进钉钉群。

745bc16034148d4c04c2bb44ec5275be0021f412

bba01b493e1c5d904e882b1c380673c6ebe49a98

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps&nbsp;
目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 人工智能
深入探索人工智能与大数据的融合之路
本文旨在探讨人工智能(AI)与大数据技术如何相互促进,共同推动现代科技的进步。通过分析两者结合的必要性、挑战以及未来趋势,为读者提供一个全面的视角,理解这一领域内的最新发展动态及其对行业的影响。文章不仅回顾了历史背景,还展望了未来可能带来的变革,并提出了几点建议以促进更高效的技术整合。
|
16天前
|
机器学习/深度学习 人工智能 分布式计算
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
94 35
|
1月前
|
存储 人工智能 数据管理
|
26天前
|
存储 人工智能 数据管理
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
在生成式AI的浪潮中,数据的重要性日益凸显。大模型在实际业务场景的落地过程中,必须有海量数据的支撑:经过训练、推理和分析等一系列复杂的数据处理过程,才能最终产生业务价值。事实上,大模型本身就是数据处理后的产物,以数据驱动的决策与创新需要通过更智能的平台解决数据多模处理、实时分析等问题,这正是以阿里云为代表的企业推动 “Data+AI”融合战略的核心动因。
|
1月前
|
机器学习/深度学习 分布式计算 数据挖掘
MaxFrame 性能评测:阿里云MaxCompute上的分布式Pandas引擎
MaxFrame是一款兼容Pandas API的分布式数据分析工具,基于MaxCompute平台,极大提升了大规模数据处理效率。其核心优势在于结合了Pandas的易用性和MaxCompute的分布式计算能力,无需学习新编程模型即可处理海量数据。性能测试显示,在涉及`groupby`和`merge`等复杂操作时,MaxFrame相比本地Pandas有显著性能提升,最高可达9倍。适用于大规模数据分析、数据清洗、预处理及机器学习特征工程等场景。尽管存在网络延迟和资源消耗等问题,MaxFrame仍是处理TB级甚至PB级数据的理想选择。
55 4
|
1月前
|
SQL DataWorks 数据可视化
阿里云DataWorks评测:大数据开发治理平台的卓越表现
阿里云DataWorks是一款集数据集成、开发、分析与管理于一体的大数据平台,支持多种数据源无缝整合,提供可视化ETL工具和灵活的任务调度机制。其内置的安全体系和丰富的插件生态,确保了数据处理的高效性和安全性。通过实际测试,DataWorks展现了强大的计算能力和稳定性,适用于中小企业快速搭建稳定高效的BI系统。未来,DataWorks将继续优化功能,降低使用门槛,并推出更多灵活的定价方案,助力企业实现数据价值最大化。
|
1月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
89 2
|
1月前
|
SQL 存储 分布式计算
阿里云 Paimon + MaxCompute 极速体验
Paimon 和 MaxCompute 的对接经历了长期优化,解决了以往性能不足的问题。通过半年紧密合作,双方团队专门提升了 Paimon 在 MaxCompute 上的读写性能。主要改进包括:采用 Arrow 接口减少数据转换开销,内置 Paimon SDK 提升启动速度,实现原生读写能力,减少中间拷贝与转换,显著降低 CPU 开销与延迟。经过双十一实战验证,Paimon 表的读写速度已接近 MaxCompute 内表,远超传统外表。欢迎体验!
|
2月前
|
数据采集 机器学习/深度学习 人工智能
探索人工智能与大数据的融合之路####
本文将深入探讨人工智能(AI)与大数据之间的共生关系,揭示二者如何相互促进,共同推动技术边界的拓展。不同于传统摘要的概述形式,本部分将以一个生动的比喻开篇:如果把大数据比作广阔无垠的数字海洋,那么人工智能就是航行其间的智能航船,两者相辅相成,缺一不可。随后,简述文章将从数据采集、处理、分析到决策应用的全流程中,详细阐述AI如何借助大数据的力量实现自我迭代与优化,以及大数据如何在AI算法的驱动下释放出前所未有的价值。最后,预告文章还将探讨当前面临的挑战与未来趋势,为读者勾勒一幅AI与大数据融合发展的宏伟蓝图。 ####
|
SQL 人工智能 分布式计算
MaxCompute平台非标准日期和气象数据处理方法--以电力AI赛为例
MaxCompute平台支持的日期格式通常是对齐的日期格式诸如20170725或2017/07/25这种,而本次电力AI赛提供的日期格式却是未对齐的非标准的日期格式2016/1/1这种,使得无法直接使用ODPS SQL中的日期函数来进行处理。
5347 0

相关产品

  • 云原生大数据计算服务 MaxCompute