京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07