
大数据的信息保护比挖掘更重要
日前,国务院《促进大数据发展行动纲要》正式公开发布,由此开启了国家系统部署大数据发展工作的序幕。《纲要》提出要从政府大数据、新兴产业大数据、安全保障体系三个方面着手,推进大数据领域十大工程建设;要全面推进大数据发展和应用,加快政府数据开放共享,深化大数据在各行业创新应用;通过建设数据强国,提升政府治理能力,推动经济转型升级。
伴随着《纲要》的发布,中国大数据发展将迎来顶层设计,正式上升为国家战略。不论我们称之为大数据时代、互联网时代,还是物联网时代、智能穿戴时代,它们之间都有一个共同的特征,就是信息数据化。当人与物都被数据化之后,就意味着巨大的商机蕴藏到了这些数据中间,而国务院所出台的这个关于大数据的指导意见也足以证明大数据的价值。
面对大数据所蕴含的巨大价值,我并不担心其商业价值挖掘不出来,担心的是如何把握好商业挖掘的尺寸与公民隐私权之间的关系。今天,大数据的商业化已经形成。当我们通过PC登录或者访问了相关的网站,浏览了某些信息的时候,我们在电脑上的这种行为都将被记录下来。当我们再次登录一些网站,打开相关页面的时候,一些“牛皮癣”广告就会被推送到我们的眼前。那么,有谁在推送这些“牛皮癣”广告的时候征求过用户的意见?追踪用户使用行为的商业挖掘边界到底在哪里?这些问题或许比当前推动大数据商业挖掘来说更为重要。
首先,从目前的实际情况来看,大数据商业的前端很繁华,而商业后端的法律法规则相对滞后。过度的商业化挖掘,如果在没有相关隐私权保障的情况下发生,必然会招致用户的反感。那么,商家到底应该将数据商业化到什么程度,这个尺度如何把控,也就成为当前有关部门着重关注的焦点问题。
其次,对于企业来说,哪些数据是可以挖掘,哪些数据在商业化中是不能挖掘的;对于行政部门来说,什么部门可以拥有什么样的数据使用权限……这些都存在着关键尺度问题。如果相关法律法规和政策能够及时出台,那么公民隐私安全问题就可以缓解很多;反之,如果这个指导规范一直出不来,那么公民隐私就很危险了。
尤其是在智能穿戴时代的万物数据化之后,包括人的一切行为与生命体态特征都被数据化,网络安全、数据安全,就是摆在眼前最急迫、最重大的事情。可以预见,在进入智能穿戴时代,人与物,人与互联网之间的识别关系一定不是当前的这种数字密码,而是更为复杂的生物识别技术,如步态、静脉、视网膜、心率等,借助于可穿戴设备将人与设备连接、绑定在一起。由此通过人的生理特征识别后,建立一种唯一性的身份识别特征和独一无二的ID。
显然,这种识别特征的建议就相对比较安全,尤其是对于金融系统来说,未来的支付就很安全,一旦你的设备被偷了,离开你就自动失效了。深度数据化背后的商业价值将随之放大,而同时被放大的,还有数据安全风险。不过,我们不能因为大数据的安全存在风险,就让科技发展的脚步停下来。
我们需要谨慎地对待数据安全,但亦非谨小慎微。就像我们知道网络网银不安全,但我们还是会谨慎地用,此时对于银行等机构来说就是如何通过技术来最大限度地保障用户财产安全;我们知道美国枪支泛滥,但很多人依然很“向往”美国,此时对于美国政府来说就是如何通过法律法规来杜绝这些案件的发生。面对大数据也是如此,需要政府提高监管的水平和方式,尽可能地把犯罪的风险系数和危害降到一个合理的范围。当然社会上总有一些人想着赚歪门邪道、旁门左道的钱,这就是需要政府作为的问题,怎样有效控制。尽管目前我们还没有完全进入大数据时代,但相关的弊端、问题与安全风险已经或多或少地初露端倪。
随着国务院关于大数据文件的出台,一方面会加速大数据产业的形成,也必然会加速商业价值的挖掘。但是在这个过程中,我们尤其不能忽略了对公民隐私权的重视。所以,发展大数据产业很重要,但对于公民来说或许保护比挖掘更为重要。
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