经济类数据库哪个最好

㈠ 几个好的经济类数据库

CEIC数据库由经济学家和分析师组成，提供有关世界发达经济和发展中经济的最广泛、最精确的信息。已经成为世界各地经济学家、分析师、投资者、企业以及院校经济和投资研究的首选。而且，与清华大学经济管理学院，北京大学图书馆，上海交通大学安泰经济与管理学院等多所知名大学图书馆有合作，可见其权威性和精准性。

㈡ 急！！国内比较好的经济数据库除了wind，中经以外还有什么 各个的优缺点是什么

宏观经济数据的话，个人觉得中经网的数据还是比较好的，会根据统计制度进行口径对接，不用担心制度变化导致之前的数据不能用~

㈢ 大家有什么比较好用的金融数据库能推荐一下吗

可以用巨灵数据库，经过20余年的发展，巨灵财经构建了符合国际行业标准的新一代金融数据库，涵盖宏观行业经济库、股票、指数、银行理财、券商集合理财、信托及阳光私募、保险理财、基金、债券、港股、中华概念股、盈利预测及评级、新闻、公告和法律法规等内容，品种齐全、内容完整，并基于精准的基础参考数据加工了深入的统计衍生数据供用户选择使用；公司秉承‘为客户创造价值’的理念，已经为业界一千多家证券公司、基金公司、银行、保险公司、高校、政府机构等不同类型的用户提供了专业、持续和高效的金融数据内容及分析工具服务；

㈣ 财经行业所需要的数据比较多，哪个数据库可以查询到比较详细和权威的经济数据呢

作为财经行业确实需要经常查询一些数据，可以看一下CEIC数据库，CEIC是一家财经信息服务公司，专门为财经分析员提供准确、迅速而全面的亚洲宏观经济时间序列数据和各主要证券交易所的上市公司信息财务数据，而且是一致公认且权威的亚洲经济研究资料提供商。

㈤ 写经济类的论文所需要的数据从哪个数据库查询比较方便

司尔亚司数据信息有限公司由经济学家和分析师组成，提供有关世界发达经济和发展中经济的最广泛、最精确的信息。作为财新数据资讯旗下企业，CEIC已经成为世界各地经济学家、分析师、投资者、企业以及院校经济和投资研究的首选。

CEIC与世界各地众多国家的一手渠道、资源建立了密切的关系，确保能够得到最详细、最可靠的数据，需求完全得到满足。

㈥ 全球排名前十商业版数据库有哪些

1. IBM

老牌大数据企业，从微软时代过来的核心，是全球最大的信息技术和业务解决方案公司。

2. 惠普

会最为知名的是它的Vertical分析平台，而且在2012年的营收中排名第二，当之无愧的老牌商业数据库品牌。

3. Teradata

凭借自身硬件和数据库而声名远播。

4. 甲骨文

在数据库领域，甲骨文一直都是鼎鼎大名的存在，而且它也是大数据领域最大的几个玩家之一。

5. SPA

在商业数据中，SPA推出了最为知名的HANA内存内数据库

6. EMC

EMC 的主要业务时帮助客户保存并分析大数据，另外也充当着大数据分析智囊营销科学实验室的所在地，它们专门分析营销类数据。

7. Amazon

时至今日，Amazon 已经成为了全球大数据领域当之无愧的王者，这一切源于它的CEO贝索斯的远见与无与伦比的魄力

8. 微软

微软在数据方面有着雄厚的实力和强大的野心，它的商业数据业务也在蓬勃发展

9. 谷歌

作为全球搜索业务的老大，谷歌旗下的大数据平台凭借其身后的技术积累，成为商业数据领域内一股不可小觑的力量。

10. VMware

VMware向来以云计算虚拟化解决方案着称

㈦ 关于世界经济数据的数据库哪个比较好用，数据较全面和权威

可以看一下CEIC全球数据库，CEIC全球数据库涵盖全球128个国家超过一百万条时间序列数据；数据库中包含各国GDP,通货膨胀，出口，旅游等主要指标的详细数据；CEIC的数据平台(CDM)支持数据快速下载至Excel；CDM数据平台中灵活的图表功能会帮助您快速分析和一览趋势的变化。

㈧ 国内五大论文数据库

国内五大论文数据库如下：

一、中国知网提供的《中国学术期刊（光盘版）》

也称中国期刊全文数据库由清华同方股份有限公司出版。

收录1994年以来国内6 600种期刊，包括了学术期刊于非学术期刊，涵盖理工、农业、医药卫生、文史哲、政治军事与法律、教育与社会科学综合、电子技术与信息科学、经济与管理。

收录的学术期刊同时作为“中国学术期刊综合评价数据库统计源期刊”。

但是收录的期刊不很全面，一些重要期刊未能收录。

二、中国生物医学文献数据库（CBMDISC)

数据库是中国医学科学院信息研究所开发研制，收录了自1978年以来1 600余种中国生物医学期刊。

范围涉及基础医学、临床医学、预防医学、药学、中医学及中药学等生物医学的各个领域。

三、中文生物医学期刊数据库（CMCC)

由中国人民解放军医学图书馆数据库研究部研制开发。

收录了1994年以来国内正式出版发行的生物医学期刊和一些自办发行的生物医学刊物1 000余种的文献题录和文摘。

涉及的主要学科领域有：基础医学、临床医学、预防医学、药学、医学生物学、中医学、中药学、医院管理及医学信息等生物医学的各个领域。

并具有成果查新功能医学全在线

四、万方数据资源系统（China Info)

由中国科技信息研究所，万方数据股份有限公司研制。

该数据库收录的期刊学科范围广，包括了学术期刊于非学术期刊，提供约2 000种的电子期刊的全文检索。

被收录的学术期刊都获得了“中国核心期刊（遴选）数据库来源期刊”的收录证书。

个别期刊甚至将“遴选”改成“精选”，或者干脆去掉。

很多作者因此误以为这就是核心期刊。

五、维普数据库

也称中文科技期刊数据库，维普科技期刊数据库，由中国科学技术信息研究所重庆分所出版。

收录了1989年以来我国自然科学、工程技术、农业科学、医药卫生、经济管理、教育科学和图书情报等学科9 000余种期刊，包括了学术与非学术期刊。

收录期刊数量很大，但不足之处是部分国家新闻出版总署公布的非法期刊也被收录了。

一般的，学术期刊都能进入至少1个国内期刊数据库。

期刊据数据库不是期刊的评价体系，对科研处的期刊性质评价也就缺乏足够的意义，故不宜作为期刊性质评价的依据。

另外还有：

1、万方数据

万方数据提供中国大陆科技期刊检索，是万方数据股份有限公司建立的专业学术知识服务网站。

隶属于万方数据资源系统，对外服务数据由万方数据资源系统统一部署提供。

2、全国报刊索引

收录全国包括港台地区的期刊8000种左右，月报道量在1.8万条以上，年报道量在44万条左右，书本式用户有3500多家，现又出版光盘数据库。

反映了中国政治、经济、军事、科学、文化、文学艺术、历史地理、科技等方面的发展情况，提供了国内外最新学术进展信息。

该索引是我国收录报刊种类最多，内容涉及范围最广，持续出版时间最长，与新文献保持同步发展的权威性检索刊物，也是查找建国以来报刊论文资料最重要的检索工具。

正文采用分类编排，先后采用过《中国人民大学图书分类法》和自编的《报刊资料分类表》，1980年起，仿《中国图书馆图书分类法》分21类编排，1992年全面改用《中国图书资料分类法》（第三版）编排，2000年开始用《中国图书馆分类法》（第四版）标引，计算机编排。

在着录上，《全国报刊索引》从1991年起采用国家标准——《检索期刊条目着录规则》进行着录，包括题名、着译者姓名、报刊名、版本、卷期标识、起止页码、附注等项。

同时，“哲社版”采用电脑编排，增加了“着者索引”、“题中人名分析索引”、“引用报刊一览表”，方便了读者的使用。

3、超星数字图书馆

为目前世界最大的中文在线数字图书馆，提供大量的电子图书资源提供阅读，其中包括文学、经济、计算机等五十余大类，数十万册电子图书，300万篇论文，全文总量4亿余页，数据总量30000GB，大量免费电子图书，并且每天仍在不断的增加与更新。

覆盖范围：涉及哲学、宗教、社科总论、经典理论、民族学、经济学、自然科学总论、计算机等各个学科门类。

本馆已订购67万余册。

收录年限：1977年至今。

4、维普资讯

维普资讯是科学技术部西南信息中心下属的一家大型的专业化数据公司，是中文期刊数据库建设事业的奠基人，公司全称重庆维普资讯有限公司。

目前已经成为中国最大的综合文献数据库。

从1989年开始，一直致力于对海量的报刊数据进行科学严谨的研究、分析，采集、加工等深层次开发和推广应用。

5、中宏数据库

中宏数据库由国家发改委所属的中国宏观经济学会、中宏基金、中国宏观经济信息网、中宏经济研究中心联合研创。

是由18类大库、74类中库组成，涵盖了九十年代以来宏观经济、区域经济、产业经济、金融保险、投资消费、世界经济、政策法规、统计数字、研究报告等方面的详尽内容，是目前国内门类最全，分类最细，容量最大的经济类数据库。

发展现状

在数据库的发展历史上，数据库先后经历了层次数据库、网状数据库和关系数据库等各个阶段的发展，数据库技术在各个方面的快速的发展。特别是关系型数据库已经成为目前数据库产品中最重要的一员，80年代以来，几乎所有的数据库厂商新出的数据库产品都支持关系型数据库，

即使一些非关系数据库产品也几乎都有支持关系数据库的接口。这主要是传统的关系型数据库可以比较好的解决管理和存储关系型数据的问题。随着云计算的发展和大数据时代的到来，关系型数据库越来越无法满足需要，

这主要是由于越来越多的半关系型和非关系型数据需要用数据库进行存储管理，以此同时，分布式技术等新技术的出现也对数据库的技术提出了新的要求，于是越来越多的非关系型数据库就开始出现，这类数据库与传统的关系型数据库在设计和数据结构有了很大的不同，

它们更强调数据库数据的高并发读写和存储大数据，这类数据库一般被称为NoSQL（Not only SQL）数据库。而传统的关系型数据库在一些传统领域依然保持了强大的生命力。

以上内容参考：网络——数据库