京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代我们的隐私真不重要吗?
想象一下有人在你背后谈论你。现在设想一下,这样的谈话就悄悄发生在你家客厅里,而你却无法听到。
这就是印度创业企业SilverPush的做法,该公司在电视广告里嵌入听不到的声音。广告播放时,会发出一种高频信号,安装有内置SilverPush软件的应用的手机或其他设备可接收到这种信号。这种“配对”——目前是针对印度消费者的——也会识别出用户附近的其他设备,让该公司得以监控他们在这些设备上做些什么。这一切都在消费者无知无觉的情况下发生。
这种“跨设备跟踪技术”——包括Adobe在内的其他公司也在探索此技术——标志着一个新时代的来临。这个新时代是所有人——政府、公司、慈善机构和消费者——将不得不应对的。
不久前,英国皇家统计学会(Royal Statistical Society)在温莎(Windsor)城堡召开了一次大会,思考大数据带来的挑战。大数据是一个被滥用、内涵解释欠清楚的术语,既指我们的设备产生的海量信息流,也指把这些信息整理为分门别类的一股股具有揭示性和预见性的信息流的潜力。
这次大会召开得正是时候:围绕日益增加的数据使用的伦理和治理可谓一团糟。目前迫切需要就这些海量数据应当如何收集、存储、相互参照和利用展开公众讨论。有人对大数据可能催生医疗革命感到兴奋:比如说,在疾病爆发时,可以为了更高的利益挖掘搜索数据。然而,如今,当出现糟糕情况时,公众讨论很大程度上变成公众的强烈声讨。
英国媒体监管机构英国通信办公室(Ofcom)的一份报告显示,英国成年人平均每周在线时间超过20小时。科技对我们生活的巨大影响,意味着我们的行为、习惯、欲望和抱负都可以通过触摸屏和键盘操作显露出来。
这使得对在线行为的分析成为一座新的金矿。个人数据就像金砂,每次我们随意对一家网站的条款与条件点击“确定”时,就把我们的个人数据交了出去。
这是我们面临的第一个问题:我们中大多数人都是不假思索地点击的(不过,条款与条件通常是难懂的法律措辞)。那么,我们对自己的个人数据随后被使用的各种情形是否行使了知情同意权,就成了疑问。为了证明这一点,一家安全公司在伦敦金融城(City of London)设立了一个公共WiFi热点,并嵌入一个“希律条款”(Herod Clause),要求用户承诺永远放弃他们的第一个孩子。在很短时间内,就有不少人为了免费上会儿网稀里糊涂地放弃了自己的孩子。
除了法律挑战,关于网络公司及其消费者之间公平与恰当的关系应该是怎样的,我们也很少进行过独立的审视。Facebook在这一点上便曾引起众怒,因为它为了做一个心理实验,对近70万用户的动态消息动了手脚。用户们声称,他们被那项研究给耍了,研究结果显示,那些接收到更少积极消息的人更可能写出消极的内容。Facebook反驳称,他们已获得了用户的同意。不久前,欧盟通过了数据保护规则,新规允许对侵犯隐私的行为处以高额罚款,这或许能阻止类似情况再次发生;用户不再像以往那样无论代价如何都只能被动同意了。
第二个挑战源自各种设备绕过人类、直接彼此对话的所谓物联网。所以,我的智能冰箱在储存消耗光了的时候可以自动给超市发电邮,要求补货。但这也可以意味着,我的那些“八卦”的设备构成了一张电子间谍网,它可以绘制出一幅有关我的饮食与其他癖性的极其详尽的图画,令人担心隐私暴露。实际上,在不久前的一个机器人学大会上,技术专家们把机器人收集数据(尤其是在私人住所里)的能力认定为大数据领域最大的单个伦理问题。
除了欧盟新的数据保护规则外,我们也需要更软性的方式:一个由专家和非专业人员构成的机构,为这一快速发展的领域带来知识、智慧和判断力。眼下,美国已有了一个由律师、哲学家和人类学家组成的大数据、伦理与社会委员会(Council for Big Data, Ethics and Society)。
欧洲应当仿效美国的做法,因为正如温莎大会上的一连串趣闻所显示的那样,公司和学术界人士在这个数据丰富的新世界航行时,似乎没有带上伦理指南针。2012年,一家俄罗斯公司推出了一款名为“Girls Around Me”的应用(App),可以汇集公开可见的信息,在不经使用者附近女性同意的情况下显示她们的实时位置和照片。这款跟踪骚扰者梦寐以求的应用被撤下了。“平方英里”(Square Mile,即伦敦金融城,因面积正好1平方英里得名——译者注)的高科技电子垃圾箱捕捉来自智能手机的信息,以跟踪不知情的机主的行踪,从而针对他们发布广告,这些垃圾桶因令人毛骨悚然而被取缔。
同时,一名科学家做了一款软件,能够通过彻底搜查推特(Twitter)人脉图,推断一名推特用户的种族、甚至宗教,这引发了使用公开发言推断私人信息是否合法的疑问。我们是否如一名律师所认为的那样,需要出台防止个人在线角色被滥用的法律?
我们有了可穿戴设备,这些设备像圣诞老人一样,在你睡着时注视着你,也知道你何时是醒着的。一家公司有可能找到推断你近来生活是否积极向上的办法——通过分析社交媒体发言表现出的情绪、访问慈善网站以及核查你的银行存款余额和健康追踪。
这证明:并非仅仅因为大数据使某事在技术上具备可行性,就意味着我们应该那么做。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26