
保护隐私,守护「大数据」的生命线
如果非要说科技进步是一把双刃剑,那这把剑的两面明显不一样锋利,快刀的一面带来效率的提高和生活的便利,而钝刀的一面尽管不那么锋利,但也必须好好呵护,以免带来不必要的伤害。
曾经身边总有一直“抵制”手机网银或者移动支付的人,他们总觉得不安全,又怕泄露隐私,但是,往往到了最后尝试一次移动支付的便捷后,又感觉再也离不开这种便利,反而对以前的担忧一把抛之脑后。
其实,大多科技的进步和创新,都需要人在便利性和安全性之间做出选择,只是历史的结果都一样,便捷和效率都是最终的选项。
不过,我指出这一点,并不是想要说为了追求效率就可以把安全完全忘掉,反而我想要强调的是,正因为双刃的存在,更需要对科技的那一面施以严格把控,但这种把控的责任,不应该是消费者的事,消费者的隐私,大数据的安全,主体责任在企业,监控责任在政府。
大数据的作用已经不用我们再多说,守护大数据的生命线才是关键,而能够以此为己任,以最大的投入最严格的办法保护使用者隐私的企业,才应该能在大数据行业的激烈市场竞争中笑到最后吧?
那么,对数据安全负责任的企业,应该怎么做?
最近,中国第一次针对互联网产品和服务进行的个人隐私评审“成绩单”揭晓,微信、淘宝网、支付宝、滴滴出行和京东商城5家互联网公司的做法获得了中央网信办、工信部、公安部、国家标准委4部委认可。
由于个人隐私保护越来越受关注,今年7月4部委宣布对互联网产品和服务进行个人隐私政策进行评审,首批选取了用户数量大、与民众生活密切相关、社会关注度高的10款互联网产品和服务,京东商城、航旅纵横、滴滴出行、携程网、淘宝、高德地图、新浪微博、支付宝、腾讯微信、百度地图10家企业进入首批评审名单。
实事求是讲,政府监管是必要的也是管用的,就像这次全国信息安全标准化技术委员会副秘书长刘贤刚表示的,通过这次评审,10款产品和服务在隐私政策方面都有不同程度的提升,做到明示其收集、使用个人信息的规则,并征求用户的明确授权。
而且,微信、淘宝网、支付宝、滴滴出行、京东商城5款产品和服务在满足以上功能的基础上,还提供了更便利的在线“一站式”撤回和关闭授权,在线访问、更正、删除其个人信息,在线注销账户等功能。
支付宝母公司蚂蚁金服首席法务官陈磊明表示,“一直以来,支付宝把保护用户隐私作为生命线”,是维护市场信心和用户信任的基石,也是企业行稳致远的核心竞争力。蚂蚁金服已在行业内率先任命了集团首席隐私保护官,组建集团隐私保护办公室,负责制定全集团隐私保护管理体系并推动落实。
相比那些功能比较垂直的应用,普通用户可能更关心和钱直接相关应用的安全,比如支付宝。就这次参加评审的应用来说,支付宝的应用场景众多,对数据和信息保护的要求更高,评审成绩进入前列,“含金量”确实很高。把保护数据安全和隐私作为各项业务和产品的本能,这是支付宝的底线,希望也能成为所有企业和平台的底线。
市场有市场自身的运用规则,隐私和安全,免费和收益,市场本身也具备一定的自我调节能力。根据皮尤研究中心在2016年发表的一份研究报告《隐私和信息共享》显示,虽然人们对于自己的信息被他人获取反感,但他们也意识到在大网络驱动的社会中,这也是无法避免的,因为人也的确通过让渡部分个人信息获得了好处,“免费(的服务)是一个不错的价位(来换取我的个人信息)。”
当然,如果企业使用了用户个人信息来设计产品、获取利润,那么也必须花重金来保护用户信息和隐私安全。对以数据为基础能源的企业来说,保护信息安全就是不能省的投入。
科技企业的优势,在于对数据的挖掘、计算和应用能力,这样才能使分散的个人信息和数据产生价值。从企业的角度看,比拼的不仅是获取个人信息的能力,更是科技创新能力。
在国外关于大数据的讨论中,有些已经上升到了数据的拥有者如何分享大数据带来的利润的层面。不过我觉得,现在还远没有到那一步。大数据应用的第一步,是隐私的保护和数据的安全,第二步是,是数据的挖掘和创造新的价值,最后一步,才是价值的分享。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11