
大数据时代,何来隐私
数据影响力正在不断增强。网络上的个人信息帮助特朗普赢得了总统竞选,而民众的在线身份一次又一次的让Facebook突破底线。
但由于美国大选以及最近揭露的Facebook数据泄密丑闻,不仅引来了联邦贸易委员会的调查,还让在线消费者和立法者对数据在我们生活中的角色提出了质疑。而数据科学家们也开始质疑起自己的未来。
Facebook首席执行官马克扎克伯格对公司造成的疏忽表示道歉,但是对一些数据专家来说,这是远远不够的。我们距离这一故事的结束还有很远距离。
“一般来说,技术人员需要解决这个问题。我们正在构建可以清楚地知道被用于坏事的工具。说‘我们的本意不是这样’是远远不够的,”软件公司Looker的首席数据布道官Daniel Mintz说道。“我们需要对技术如何被道德使用以及人们是否订阅进行一次社会讨论。”
正如前谷歌工程师Yonatan Zunger上周末在Boston Globe所写的那样,计算机科学正在经历一场“认知道德危机”,这与炸药之于化学、核弹之于物理以及优生学之于人类生物学是完全不同的。数据科学家们表示,虽然他们认为自己的工作没有受到威胁,但他们的确预见了科技行业的未来变革已经来临。但现在还不知道谁会采取直接措施,也不知道这些措施是否是正确的决定。
数据=美元
比尔盖茨曾于1996年在微软网站上发布了一篇文章,在这篇文章中他喊出了“内容为王”的口号。盖茨在开头写道:“内容会成为互联网上的生产力,正如当初的广播一样。”但在2018年,如果你问任何一家以互联网为中心的公司,他们给出的答案很有可能会是数据。
数据本身已经成为一项业务。创始人希望找到服务不足的地区,获取尽可能多的数据,因此数据变得有价值。如果Facebook或其他科技巨头不收购创企,而是将其作出独立服务或者只是收购高管,那么数据本身就足以成为Facebook帝国的一部分。当法国企业家Thomas Pasquet在卖掉自己的创企之后,开始思考在数字广告业创办下一个公司时,他瞄准了智能手机。
“一家发起移动战争的公司会成为最易接触复杂数据的公司,”Pasquet说道。
2014年,Pasquet创办了Ogury。自那以后,该公司已经收集了超过4亿移动用户资料,帮助分析人们使用应用的方式。例如,Ogury的数据表明,Snapchat的活跃用户基数在1月份出现下跌,下载应用的用户当中,有82.7%在月初使用了应用,而在1月31日,只剩下77%。对于广告公司来说,这些消费者见解是非常有价值的。(Snapchat会每季度发布日活跃用户数据,包含1月在内的季度报告尚未公布。然而,Snapchat表示,上一财年第四季度日活跃用户数量为1.87亿,高于上一季度的1.78亿。)
对于Pasquet和Ogury来说,收集的数据越多,意味着盈利越多。对于Mintz和Looker来说,大量的数据创造出了一个业务。Looker并不提供新的数据源。相反,Looker是一种可视化现有数据集的工具。
“让我感到兴奋的不是它的技术面,而是它能够给予我的能力。数据是唯一一种能够了解700万或800万人想要做什么的方法,”Mintz说。
鉴于这种规模理念,Mintz表示,他不认为数据推动决策的模式和数据公司会消失。但是,如何收集这些信息以及通过什么服务来收集将会发生变化。
信任与透明度
虽然数据能够帮助广告商更好的了解世界,但是围绕着Facebook和Cambridge Analytica的丑闻正是来源于透明度问题。
Facebook用户可能以为他们只是在进行用于学术研究的个性测试或者玩一款有趣的牛仔游戏,但这些行为让数据科学家(不仅仅只是Facebook的软件工程师)能够访问不知情用户的个人信息。
“我认为透明度是非常关键的。如果你正在访问某人的数据,我认为让他们知道为什么你需要这些数据会更好,”BrandYourself的首席执行官Patrick Ambron说道。
Ambron的业务在如何盈利方面很透明。这部分是因为它是一项订阅服务,而不是像Facebook这样的广告业务。BrandYourself销售的工具可以扫描人们的社交媒体帐户并标记出有问题的特定内容。
“我们对你为什么要给我们数据保持了透明度,”Ambron说道。
Ogury也声称,自己获得了用户同意。所有用户都被展示了一个名为“同意收集和使用数据”的协议,其中写道,所收集的数据可能会包含你的设备、位置、电子邮件、应用和浏览情况的信息。Ogury的创始人Pasquet表示,至少有1/3的人阅读了协议,但没有选择同意。
“一开始我们就认为消费者是很聪明的,我们应该直接问他们是否愿意共享信息,”Pasquet说道。
另一方面,Facebook用户不一定完全了解他们的活动是如何以及为什么被监控的。即使你删除了应用,似乎也无法阻止。Pasquet提到了一个例子,有人可以通过在线广告跟踪看到自己预定的假期信息。即将上线的英国监管将会把数据保护拓展到海外,但是在全球其他地区,数据仍然是非常脆弱的。
Ambron表示,Facebook可能会被迫或自行决定更新其用户协议,并将其更加频繁的展示给用户。为了防止另一起Cambridge Analytica丑闻发生,他也建议对使用Facebook数据的公司创建更加严格的合同。Ambron补充道,Facebook仍然应该为学术研究人员提供匿名数据,比如斯坦福大学经济学教授Raj Chetty的America Inequality研究,但他们需要进行更彻底的审查和不断的审计。
Looker的首席数据管Mintz表示,除了Facebook及其与数据合作伙伴之间不断变化的关系之外,更多的技术专家应该在未来几年与立法者、伦理学家和其他利益相关者对话交流。
“我们的社会尚未找出让社会契约的敏捷性跟上真实变化速度的方法,我认为我们必须做到,”Mintz说。“技术变革不会放慢速度,但也不能放任它。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15