
法律大数据研究与应用六大展望
《中华人民共和国国民经济和社会发展第十三个五年规划纲要》明确地把大数据战略提升为国家战略。大数据成为国家“基础性战略资源”,对于推动着国家治理体系和治理能力走向现代化有着重要与深远的意义。《纲要》指出,把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。国家将统筹布局建设国家大数据平台、数据中心等基础设施。研究制定数据开放、保护等法律法规,制定政府信息资源管理办法。
对于法学研究来说,大数据意味着一场新的机遇和挑战。法学研究领域要张开双臂热情拥抱大数据时代的到来。大数据时代,法律数据呈现出数量大、速率快、多样化、不稳定等特点,大数据正在挑战传统法学研究方式,正在向法学领域渗透。法律大数据及其应用的迅速发展,已经引起了法律界的关注,法律人已经开始从不同的视角对这场大变革进行思考和议论。法律大数据的研究与应用将成为法学研究的一个新领域,笔者认为,在这个领域里有六大展望:
法律数据的资源化。所谓资源化,是指法律大数据将成为法律人和法学研究跨社会领域关注的重要战略资源,并成为法律界争相抢夺的新焦点。因此,法学研究领域应当制定法律大数据研究的战略计划,将法律大数据的研究成果融入到社会的各个领域。
法律大数据与法律云将深度结合。法律大数据离不开云处理,云处理为法律大数据提供了弹性可拓展的基础条件,是产生法律大数据的平台之一。自2013年开始,大数据技术已开始和云计算技术紧密结合,预计未来两者关系将更为密切。为此,笔者建议司法部门协同建立中国法律大数据及法律云平台,更好地发挥法律大数据、法律云在国家安全和网络空间安全以及在经济与社会发展中的重要作用。
大数据将改变法学研究的范式。法学不是严格意义上的科学,法学意义中的真理只是一些基于多数人利益的社会共识,法学研究方法应当服从于法学的内涵。尽管法学的调整范围、调整对象和调整方法的特殊性使法学研究方法各具特色,但法学研究方法如果不与其他科学研究的方法相结合,便失去了存在的意义。过去几个世纪主宰科学研究的方法一直是“还原论”,将世界万物不断分解到最小的单元,然而这种方法作为一种科研范式将走到尽头,因为这种方法对单个人、单个基因、单个原子等了解很多,但对整个社会、整个生命系统、物质系统的理解并没有增加很多,有时可能离理解系统的真谛更远。
大数据领域的立法将进入快车道。《纲要》指出,深化大数据在各行业的创新应用,探索与传统产业协同发展的新业态、新模式,加快完善大数据产业链。加快海量数据采集、存储、清洗、分析发掘、可视化、安全与隐私保护等领域的关键技术攻关。促进大数据软硬件产品发展。完善大数据产业公共服务支撑体系和生态体系,加强标准体系和质量技术基础建设。大数据在各行业的应用,将催生出新的法律领域、新的法律应用,因此大数据领域的立法已成为当前重要的法律研究领域。目前,政府基础数据来源于不同的部门或机构,但数据立法的缺位,导致政府数据的开放与数据共享的范围边界一直无法可依,从而形成了各自为政的“信息孤岛”和数据壁垒,严重制约了大数据共享对加快转变经济发展方式的支撑作用。为此《纲要》提出,依托政府数据统一共享交换平台,加快推进跨部门数据资源的共享共用。加快建设国家政府数据统一开放平台,推动政府信息系统和公共数据互联开放共享。制定政府数据共享开放目录,依法推进数据资源向社会开放。笔者认为,海量数据的采集、存储、清洗、分析发掘、可视化、安全与隐私、开放与共享以及跨界数据的流动等,将是法律大数据研究和立法的重点。随着大数据的快速发展,法律大数据很有可能成为一场法律研究范式的革命。法律人的思维也将发生革命性的转变,即不再探求难以捉摸的法律因果关系,转而关注社会复杂事物的相关关系。
法律大数据将催生一种新型的法律职业——法律数据分析师。具有丰富经验的法律大数据分析人才将可能成为法律研究、法律应用、法律服务和立法领域的稀缺资源,法律大数据将驱动法学研究、法律应用和法律服务和立法模式的变革。随之兴起的数据挖掘、机器学习、人工智能、3D打印、数据清洗等相关技术,可能会改变数据世界里的很多计算方法和基础理论,而这也将使法学研究的对象和方法由传统的1.0时代向2.0时代跨越。
数据资产化与个人数据保护将成为大数据立法关注的热点。大数据时代,数据正在成为一种生产资料,成为一种稀有资产和新兴产业,成为继土地、人力、资本之后的新要素,构成组织未来发展的核心竞争力。同样,个人数据也将成为公民个人最重要的资产,因此应当更加关注对个人数据边界的法律界定与保护。《纲要》强调,建立大数据安全管理制度,实行数据资源分类分级管理,保障安全高效可信应用。实施大数据安全保障工程,加强数据资源在采集、存储、应用和开放等环节的安全保护,加强各类公共数据资源在公开共享等环节的安全评估与保护,建立互联网企业数据资源资产化和利用授信机制。加强个人数据保护,严厉打击非法泄露和出卖个人数据的行为。
因此,笔者认为,大数据时代,个人数据的法律保护应当遵循六大原则:一是收集个人数据的目的必须明确。处理个人信息应具有特定、明确、合理的目的,不得随意扩大收集和使用范围。二是收集与使用个人信息应当透明公开。收集和使用个人信息之前,应以明确、易懂和适宜的方式向个人数据主体告知处理个人数据的目的与范围、个人数据的留存时限、个人数据保护的制度、个人数据主体的权利。三是收集个人数据应当确保数据的质量。根据处理目的的需要保证收集的各项个人数据准确、完整,并处于最新状态,严禁篡改和毁损。四是托管数据的载体主体应确保个人数据的安全。采取必要的管理措施和技术手段,保护个人数据安全,防止未经授权检索、公开及丢失、泄露、损毁和篡改个人数据。五是严禁窃取和交易个人数据。任何个人和组织不得窃取或者以其他非法方式获取个人数据,不得出售或者非法向他人提供公民个人数据。六是采集和处理个人数据应当知情并同意。未经个人数据主体同意,不能采集和处理个人数据。在个人信息处理的过程中,为个人数据主体保障其权利提供必要的信息、途径和手段。明确个人信息处理过程中的责任,而且要采取必要的措施落实相关责任。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16