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pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13