京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据也需要法律保护
大数据是由小数据组成的,小数据背后是每个公民的信息。如果这些信息被不当利用,那么,有可能会损害公民的基本权利。正因为如此,早在2012年全国人大常委会就专门颁布了有关保护公民网络信息的决定。但是,从目前的情况看,如果把个人信息保护看作是一个静态的概念,沿用传统信息保护模式保护个人信息,那么,最终有可能会顾此失彼,挂一漏万。
所谓大数据不是简单的数据相加,而是动态的数据跟踪分析。从现实来看,几乎所有互联网经营者和个人移动终端设备生产企业都建立了自己的数据库。从表面上看,这样做是为了更好地给消费者提供服务,但是,这些数据库的信息包含了消费者的个人隐私,因此,如果互联网经营者和个人移动终端设备生产企业将数据库的信息用于商业目的,或者将自己数据库的信息用于分析并且公开分析报告,那么,有可能会导致消费者的个人信息被泄露。
依照我国现行法律规定,公民个人隐私受到侵犯,可以直接向人民法院起诉,要求司法机关保护自己的民事权利。但是,如果一部分地区消费者的整体利益受到损害,那么,除非发起集团诉讼或者提起社会公益诉讼,否则,很难有效保护消费者的合法权益。如果依照现行的民事诉讼法和消费者权益保护法保护消费者的基本权利,或者依照侵权责任法保护公民的基本权利,那么,有可能会遭遇法律上的障碍。正因为如此,国家立法机关应当针对数据库建立以及数据库使用制定专门的法律规则,对数据库经营者使用消费者信息作出限制性规定,对数据库经营者发布消费者的消费报告制定明确的规则,只有这样,才能确保消费者的利益不受损害,也只有这样才能从根本上保护个人隐私。
正如一位互联网经营者所说的那样,谁能掌握数据,谁就能把握市场先机。现在越来越多的公司从事数据库经营业务,从表面上来看,这些公司通过合法手段从市场上收集各种信息,然后分类整理,出售给企业经营者,用于商业目的。但是,仔细分析人们就会发现,如果在信息使用过程中涉及个人隐私,那么,有可能会出现权利交叉的问题。通俗地说,数据库的经营者可以把数据作为自己的财产用于商业经营,但是,数据库的经营者经营的数据财产包含个人隐私,如果数据库的经营者在处理数据库信息的过程中,涉及公民的个人隐私,或者在出售分析报告的过程中,涉及消费者的个人信息,那么,是否应当征得消费者同意呢?
因此,如果只是按照传统的数据管理模式或者按照传统个人信息保护规则,解决大数据时代消费者权利保护问题,那么,有可能会挂一漏万。
笔者认为,立法机关应当就大数据经营制定法律规则,明确规定以下方面的内容:首先,承认数据信息的财产属性,切实改变传统的观念,把保护数据信息作为财产法保护的重要内容。今后任何从事个人信息搜集整理经营的企业,都必须符合一定的条件,确保消费者信息不受侵犯。如果消费者拒绝将个人信息存入经营者的大数据库,那么,经营者应当采取措施,立即将消费者的信息从大数据库中删除,因为只有这样,才能从源头保护消费者的个人信息。
其次,应当为大数据库制定具体的法律规则。大数据库实际上是数据的集散地,在大数据库经营过程中,不可避免地会面临数据的搜集、整理、保管和经营等诸多环节。立法机关应当针对我国数据库建立中出现的问题对症下药,制定专门的规则,确保数据库经营者不得损害消费者的利益,不得损害社会公共利益,不得损害国家利益。
第三,在数据库建立的过程中,应当坚持国家利益、公共利益和个人利益平衡保护的基本原则。现在一些高等院校和一些企业科研院所专门建立数据库的研究机构,目的就是在数据搜集整理过程中实现资源共享,实现商业化经营。这是大数据产业发展的整体趋势。这种现象说明,中国在高度重视数据库应用的过程中,还没有意识到大数据和国家安全之间的关系,还没有意识到保护国家信息安全的重要性。我国网络安全法虽然对网络国家安全作出明确规定,但是,从目前的情况看,对于通过网络搜集整理形成数据库的安全保护问题并没有作出明确规定。这就要求立法机关必须尽快制定有关数据库管理的有关规定,防止一些高等院校和科研机构在分析研究大数据的过程中,将自己掌握的大数据和国外一些研究机构分享,从而损害中国的国家利益。
全国人大常委会已经颁布实施电子签名法,为电子商务的发展提供基础性的法律依据。全国人大常委会目前正讨论电子商务法(草案),为我国电子商务的发展制定具有可操作性的法律规则。在这部法律草案中应当增加规定有关数据保护的内容,一方面,切实保护消费者的利益;另一方面,把数据库的经营主体拉入法律调整范围,确保数据库经营者在搜集整理和数据使用的过程中不会损害国家利益、公共利益和个人的合法利益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18