大数据如何有序地“变废为宝”
近年来,数字经济已成为带动经济社会发展的重要动力。无论是利用数据赚钱也好,还是希望做“高大上”的公共服务、社会治理改善也罢,大家都面临一个法律上的问题:如何保护数据?数据的权益归谁所有?本文提出5个观点,供各方思考和讨论。
第一,大数据需要处理。
在大数据时代,任何数据均具有潜在的价值。过去,人们重复利用的数据资源主要是人类观察、思考、创作完成的成果,如文章、文件、论文、著作等。如今,人类可以利用各种机器运行轨迹、人类活动记录、自然界变化观测等信息。过去需要大量观察访谈、调查统计、测量等完成的东西,现在可以借助计算机系统、各种数据采集器快速完成,并通过大数据分析工具实现全样本、自动化处理和分析。过去,没有人在意自己的行为轨迹,也无法记录大量的事件和过程,它们可以说作为“垃圾”被自觉或不自觉地扔掉了。现在,数据技术使人类具有“变废为宝”的能力,大数据技术可以在浩瀚的数据海洋中淘到“宝贝”。
因此,数据正在成为人类可拥有和控制的资源。大数据正在提供新的研究范式,帮助世人重新认识宇宙、物质、生命和社会,并在此基础上带来科技技术、管理决策、社会发展的巨大变革。就此而言,数据利用秩序有望成为未来社会的一大基础秩序。
第二,传统的财产权体系并不适合。
如果说所有权(排他支配权)是构筑物质资源利用秩序的法律工具,那它是否可以移植到数据世界并用来建构数据的利用秩序呢?答案是否定的。所有权是对特定物的排他利用权利体系,而数据的非物质性导致其很难实现排他使用。因此,数据天然地不适合于所有权体系。
第三,在保持数据产品开放性和权益保护上维系平衡。
数据从原生数据到有价值的数据产品需要投入,这不仅仅是劳动投入,而且还包括资本投入。只有当这些投入得到足够的回报时,才有人愿意从事数据的收集、处理和加工,将数据转化为产品或服务。这里面,解决数据产品制作者的激励问题,是数据赋权要解决的核心问题。
一般认为,即便是数据产品,也要保持社会公众对该产品的可接触或可学习的公共属性。由此,数据产品的制作者权利应当包括自己使用和许可他人使用的权利,或者利用数据提供服务的权利,同时有权制止他人出于商业目的而使用相关数据产品的权利。
这种基于对于数据分析加工劳动而取得的数据使用,属于一种新类型财产权,可以称之为数据使用权。区别于传统物权的是,它不是对数据的支配权;区别于传统知识产权的是,它并不要求独创性或创新性。这样,就可以给数据产品制作者实现其收集和加工数据的激励,促进数据产品的生产和流通,满足社会对数据产品的需要。
第四,数据来源方的利益要有保护。
在大数据环境下,一切数据皆有源。当数据来源于个人或者是对个人的描述时,就进入了个人数据(个人信息)范畴。隐私保护是个人数据保护的重要组成部分。在这方面,国际社会关于个人数据使用的总体原则是合法、正当和必要原则,以不侵犯个人尊严或自由等基本权益,尤其是隐私利益为基本限制。同时,个人信息的收集和使用必须尊重个人权利,必须确保个人可干预(更正、删除等)。
除了来源于个人外,企业数据还需要获得其他企业和社会组织的数据。除非这些数据是处于可供他人自由获取的公开状态,否则取得这些数据就需要获得数据实际控制人的同意,而不能够随意抓取、窃取或采取其他非法手段获得。
大数据应用最关键的是取得尽可能大而全的数据,但这一过程必须合法合规,其中最为重要的是尊重和保护个人信息权益。由此,数据利用秩序归根结底是要建立数据来源方(原材料提供者)到收集加工制作方(制作者)再到数据使用方(消费者)有关于数据权利和义务配置秩序。在保护各方权益的前提下,尽量保持数据开放性和流通性,使数据得到社会化的利用,实现数据的真正价值。
第五,数据分享和利用要有激励。
在数据可控制的情形下,要让人们把掌握的数据拿出来分享和利用就需有激励,必须创制数据社会化利用的良性机制和秩序。由于数据本身需要保持一定公共性,赋予任何主体对数据和数据产品的绝对支配权都背离发展理念,因而数据赋权需要坚持信息自由流动。
总之,数据总是处于不断脱离原来主体而流动的过程中。正是因为这样的流动,数据才能产生更多的价值。但与此同时,脱离主体也意味着原主体丧失对数据的控制。因此,既保持数据的自由流动性,又维护每个主体在数据上的利益,是一个有待深入思考的法律难题。一个基本的原则可以明确:创制和维护数据利用秩序是大数据应用的前提,是大数据战略得以实施的根本问题。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14