杂谈|花钱买数据就是“智商税”吗？

我经常收到关于数据的问题，有很多数据是很明确不会有共享的，比如高分辨的土地利用数据（不是覆盖）等。因此，那就只有购买这条路可以走了，我是没有买过任何数据的，在这里没有发言权。我只是谈谈花钱买数据这件事本身，我认为如果花钱买的是本身就是免费的数据那就是智商税，如何不是免费的，而且科研项目或者论文是需要的，那就是一笔正常的支出，是应该的。下面具体讨论一下这个问题。

1

常见的智商税数据

（1）县级及以上的行政区划数据

建议阅读数读城事的文章《【数据整理】2019年行政区划调整的数据更新与分享》
（2）世界行政区划

建议阅读《细数“问题地图”的几大矢量来源，以及符合要求的正规数据来源》，中科院资源环境数据中心的数据质量比较可靠。

（3）12.5米DEM数据

https://blog.csdn.net/qq_46071146/article/details/103681676

30m，90m等低分辨率数据建议阅读《数据福利|各种分辨率DEM数据下载》

（4）土地覆盖数据

建议阅读《 数据福利|土地利用（覆盖）数据下载汇总》

（5）人口密度数据

建议阅读《数据福利|全球人口密度数据汇总与共享》

（6）其他数据

在确定要买以前，可以仔细阅读《经验分享|如何寻找GIS数据？》《没有数据怎么办？建议自己做一个》

2

如何避免购买数据

（1）考虑可替代的容易获得，容易处理的数据。在开始写论文以前就应该考虑数据这个大问题了，举个例子，当你在做旅游流研究时，你一定会发现新浪微博是用户量最大最优质的数据，如果你既不会爬虫（听说新浪微博的反爬虫很厉害），也没有资金购买新浪微博，那么建议你去选择一个叫Flickr的地理标记照片数据进行替代。而且清华大学龙瀛老师还在BCL北京城市实验室网站上共享了这个数据集，也免去了大家写代码的痛苦。而且用Flickr做研究的人也不再少数，说明这个数据集也值得使用。为什么一定要花费大量时间和精力，还有金钱去研究遥不可及的数据呢？就算数据给我，我也不会处理啊......

建议阅读一篇关于Flickr数据处理的博客，看完你就知道大数据虽好，没技术你也处理不好。《从YFCC 100M数据集中筛选出Geo信息位于中国的数据集》https://www.cnblogs.com/libaoquan/p/7856789.html

（2）做方法论的研究。我见到一些精彩的方法论的研究，所使用的数据只是为了验证方法的精度，之所以现在论文的数据需求量大，是因为更多的人研究的是某种现象。因此，改变写法也许就可以直接使用示例数据了。说实话，这样的确很难，至少硕士阶段很难。

（3）团队互帮互助。一般来说，一个科研团队研究的大方向是一致的，通过团队成员之间的互通有无，可以有效避免数据资源的浪费，也可以创造更多的成果。

3

如何购买数据

这一点我是很没有发言权的，因为我没买过。经过很长时间的道听途说，我听说几个平台的数据价格高到离谱，如果没有足够的经济实力，我建议你可以好好想想改研究方向的问题。要知道，每一期期刊上都有用平平无奇的统计数据写的很精彩的文章，也许重要的不是数据，而是写文章的人。

欢迎关注我的公众号，除了数据分享，偶然也会杂谈