
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 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25