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
|
19天前
|
人工智能 运维 安全
阿里云通过ISO42001人工智能管理认证,引领AI治理推动协同共治
9月19日,在杭州云栖大会「AI治理与安全论坛」上,阿里云宣布通过人工智能技术的全生命周期管理ISO42001体系认证。该项认证由国际标准化组织(ISO)和国际电工委员会(IEC)制定,是第一部可认证的人工智能国际管理体系标准。
|
14天前
|
人工智能 分布式计算 DataWorks
连续四年!阿里云领跑中国公有云大数据平台
近日,国际数据公司(IDC)发布《中国大数据平台市场份额,2023:数智融合时代的真正到来》报告——2023年中国大数据平台公有云服务市场规模达72.2亿元人民币,其中阿里巴巴市场份额保持领先,占比达40.2%,连续四年排名第一。
61 12
|
20天前
|
人工智能 Cloud Native 数据管理
重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
阿里云发布首个AI多模数据管理平台DMS,助力业务决策提效10倍
114 17
|
13天前
|
SQL 人工智能 大数据
首个大数据批流融合国家标准正式发布,阿里云为牵头起草单位!
近日,国家市场监督管理总局、国家标准化管理委员会正式发布大数据领域首个批流融合国家标准 GB/T 44216-2024《信息技术 大数据 批流融合计算技术要求》,该标准由阿里云牵头起草,并将于2025年2月1日起正式实施。
|
14天前
|
SQL 人工智能 大数据
阿里云牵头起草!首个大数据批流融合国家标准发布
近日,国家市场监督管理总局、国家标准化管理委员会正式发布大数据领域首个批流融合国家标准GB/T 44216-2024《信息技术 大数据 批流融合计算技术要求》,该标准由阿里云牵头起草,并将于2025年2月1日起正式实施。
47 1
|
1月前
|
存储 SQL 分布式计算
Java连接阿里云MaxCompute例
要使用Java连接阿里云MaxCompute数据库,首先需在项目中添加MaxCompute JDBC驱动依赖,推荐通过Maven管理。避免在代码中直接写入AccessKey,应使用环境变量或配置文件安全存储。示例代码展示了如何注册驱动、建立连接及执行SQL查询。建议使用RAM用户提升安全性,并根据需要配置时区和公网访问权限。具体步骤和注意事项请参考阿里云官方文档。
|
1月前
|
机器学习/深度学习 数据可视化 大数据
阿里云大数据的应用示例
阿里云大数据应用平台为企业提供高效数据处理与业务洞察工具,涵盖Quick BI、DataV及PAI等核心产品。DT203课程通过实践教学,帮助学员掌握数据可视化、报表设计及机器学习分析技能,提升数据驱动决策能力。Quick BI简化复杂数据分析,DataV打造震撼可视化大屏,PAI支持全面的数据挖掘与算法应用。课程面向CSP、ISV及数据工程师等专业人士,为期两天,结合面授与实验,助力企业加速数字化转型。完成课程后,学员将熟练使用阿里云工具进行数据处理与分析。[了解更多](https://edu.aliyun.com/training/DT203)
|
13天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能与大数据的融合应用##
随着科技的快速发展,人工智能(AI)和大数据技术已经深刻地改变了我们的生活。本文将探讨人工智能与大数据的基本概念、发展历程及其在多个领域的融合应用。同时,还将讨论这些技术所带来的优势与挑战,并展望未来的发展趋势。希望通过这篇文章,读者能够对人工智能与大数据有更深入的理解,并思考其对未来社会的影响。 ##
|
2月前
|
存储 分布式计算 大数据
阿里云 EMR 强势助力,与阿里云大数据体系共创辉煌,把握时代热点,开启生态建设之旅
【8月更文挑战第26天】阿里云EMR(Elastic MapReduce)是一种大数据处理服务,与阿里云的多个服务紧密结合,共同构建了完善的大数据生态系统。EMR与对象存储服务(OSS)集成,利用OSS提供可靠、低成本且可扩展的数据存储;与MaxCompute集成,实现深度数据分析和挖掘;还支持数据湖构建服务,加速数据湖的搭建并简化数据管理与分析过程。EMR提供多种编程接口及工具,如Hive、Spark和Flink等,帮助用户高效完成大数据处理任务。
41 2
|
2月前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
28 0

相关产品

  • 云原生大数据计算服务 MaxCompute