京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,拿什么终结信息乱象
高考考生即将迎来填报志愿环节,也是教育骗局最猖獗之时。个人信息泄露,早就不是新鲜事。但值得关注的是,随着移动互联技术的快速发展,信息泄露已呈全方位态势。
日前,广东省教育厅发布《广东省普通高等学校一览表》,并曝光带“广东/广州”字样的12所假冒大学。羊城晚报记者据此调查发现,与“虚假大学”“野鸡大学”联系密切的考生个人信息买卖现象依然嚣张。在以“高考名单”“招生资源”等为名的QQ群中,有群主称千元就可买到汕尾3万多名考生的信息,其所发截图的13则信息中,有10则能联系到相关考生。
此类事件不单单是诈骗案件问题,涉及到更深层次的大数据时代个人信息泄露及其防范与管控等社会性问题。
一般认为个人信息是一切可以识别自然人的信息的总和,这些信息包括了一个人生理的、心理的、智力的、个体的、社会的、经济的、文化的、家庭的等等方面。6月1日实施的《中华人民共和国网络安全法》对个人信息作了明晰的界定。然而,随着大数据技术的普及,个人信息内涵发生了极大的扩展。
大数据是指以多元形式,自许多来源搜集而来的庞大数据组。经过行业信息化建设,医疗、交通、金融等领域已经积累了许多内部数据,构成大数据资源的“存量”。
而移动互联网和物联网的发展,大大丰富了大数据的采集渠道,来自外部社交网络、可穿戴设备、车联网、物联网及政府公开信息平台的数据都成为大数据增量数据资源的主体。
当前,移动互联网的深度普及,为大数据应用提供了丰富的数据源。这些看似不相干的个人行为信息,经过大数据公司的云处理分析,却互相关联,极具社会价值和商业价值。比如,登录各种吃喝玩乐软件的账号,需要手机认证甚至实名认证,原本分散的信息就这么被串联了起来;再比如,打车软件的行车记录,结合时间就能精确定位出你的家、单位、常去地点。
这些数据对于商家来说,无异于金矿,它可让商家快速精准地找到自己的用户,把产品或服务推销出去。但另一方面,不法分子有了获取不当利益的技术手段。这也是中国地下数据黑市规模不断壮大的根本原因。个人信息趋于数据化、网络化和社会化,也使得个人信息更容易被非法获取和买卖。
一些技术先进的大数据公司隐藏在利益链条上,游走在灰色地带,通过产业链以贩卖、加工、销售数据的方式获取暴利。如某些数据公司,成立子公司,负责收购黑市数据,数据汇总后,再经过清洗和挖掘,出售给其他公司;再如,一些公司通过正规渠道和价格,获得数据接口,但调用数据的时候,会在“本地设备”上形成一个“缓存库”,当数据积累到一定程度后,就将这些“缓存库”再拿出去二次销售。
近日,监管部门正对数据乱象出手,开始清理行动,15家大数据公司被列入调查名单。这似乎是国家介入以规范数据行业的重大信号。
中国大数据产业仍处于非常早期的阶段。大数据交易乱象折射出大数据市场野蛮生长的主要矛盾,即大数据的产业化利用与个人隐私保护之间的矛盾。《网络安全法》首次在法律层面规定了个人信息保护的基本原则,明确指出,收集适用信息应经用户明示同意,不得收集无关信息,不得向他人提供个人信息,经过处理无法识别特定个人且不能复原的除外,不得非法出售个人信息。
但总体上,中国大数据产业的信息安全和数据管理体系尚未建立。迄今为止,有关公民个人信息保护的法律法规总体较为分散,尚未形成系统、有效的有关公民个人信息保护的法律框架体系,这使得在日新月异的大数据技术面前,普通民众根本无力抵御外界对个人信息的侵犯。在这种情况下,通过立法保护个人隐私数据信息应是必由之路。
在此基础上,要建设数字隐私权基础设施,推动相关立法进程打造良性的信息生态,以期建立兼顾安全与发展的数据开放、管理和信息安全保障体系。对于公民个人而言,在享受大数据时代所带来个性化服务的同时,应当加强风险防范意识,在有可能留下隐私数据的情形下要充分考虑隐私暴露而可能带来的不良后果,并采取相应的防范措施。
保护数据的隐私信息是数据搜集者和分析者应当具备的基本道德和责任。
随着监管趋严,大数据行业的整合在所难免,但总的趋势将有利于一些具有正规牌照、合法行业数据源,同时一直规范经营的优质企业脱颖而出。
根据中国信息通信研究院对国内800多家企业的调研来看,企业内部数据仍是大数据主要来源,但对外部数据的需求日益强烈。当前,有32%的企业是通过外部购买来获得数据。信息安全、开放共享等标准规范缺乏,技术安全防范和管理能力不够。如何促进大数据资源建设,提高数据质量,推动跨界融合流通,也是遏制数据黑市的关键问题之一。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21