
工信部正草拟大数据信息安全法律法规_数据分析师
近日,好莱坞女星私密照泄露事件的持续发酵,再次为人们对大数据时代的到来敲响安全警钟。对此,星图数据创始人兼CEO谷熠23日接受光明网记者专访时表示:“大数据来源于消费者,又被人们收集并利用,在这个过程中,信息泄露和信息不对称也一度困扰着人们的生活,受到社会各界的关注。目前,除了拥有数据的企业要遵守道德准则以及持续进行安全和保密技术的更新升级外,工信部等相关部门已经牵头着手起草相关的法律法规。”
据世界信息安全厂商赛门铁克发布的报告显示,随着大数据时代的到来,2013年全球超过5.52亿条个人身份信息被泄露,泄露数据的数量是2012年的4倍,全球大规模泄露事件从2012年的1起增加到8起,每一起事件泄露的信息都超过千万。
大数据的“裸奔”现象亟需解决
近日,汉庭、如家等快捷酒店客户的信息泄露以及小米用户信息泄露等信息裸奔现象不时刷新着媒体头条。不仅是信息的泄露,也有业内人士表示,大数据时代带来的可视性在帮助企业运营的同时,也给企业发展带来了一定的风险。
对此,谷熠对记者表示:“就目前来看,大数据‘裸奔’现象在互联网虚拟世界中越发凸显,这一弊病造成的危害也越来越大,亟需解决。这就要求从事大数据运营的企业要尊重数据,遵守行业的发展原则,而这种原则靠的是行业人士的自律。在遵守行业发展原则的同时,也要不断的更新技术,修补系统漏洞。”
据相关的研究表明,我国互联网个人信息安全的灰色产业链规模已达近百亿,众多黑客、广告商、中介及诈骗团伙开始从中牟取暴利。对此,业内呼吁大数据时代的来临需要法律做好安全护卫。谷熠也强调:“目前,工信部等相关部门已经牵头起草相关的法律法规。同时,据海外的先进经验显示,对于数据整理和分析的脱敏处理,至少要经过4层的保护处理,而出于对安全产品国产化的鼓励,信息分级和脱敏保护等各种政策的实施也应该越来越严格。”
除了信息裸奔的危害,对大数据的认识还普遍存在一个误区就是对统计周期的认识,传统的品牌企业数据周期比较长。而基于电商时代的快速发展,动态的数据统计才具有更有效的参考性,才能真正地帮助企业做好相应的投资和生产部署。
尊重用户需求是大数据的发展基础
在中国电子商务博览会上,谷熠发言表示,近年来,市场中C2B的营销模式很多时候只是一个噱头,因为,品牌企业从传统市场调研开始到最终规模化生产,一定需要经历一个较为漫长的时间周期,而基本上不可能在短时间内完成,很多利用C2B概念炒作的厂商,往往是在早已设计定型的模型基础上,通过各种手段将消费者的消费观念和诉求引领到已有的产品上,实现所谓的“C2B”。但是,随着大数据的快速分析,C2B并不会一直带着噱头的帽子生存,通过大数据的方式对于用户的行为数据、反馈数据进行系统化、快速的分析整理,充分挖掘消费者的潜在需求,才能帮助厂商实现真正的C2B。
谷熠认为,虽然,目前市场中C2B的营销模式多数仅是一个噱头,但是一个可喜的现象就是众厂商已经意识到要将用户需求作为自己的生产依据,开始越来越尊重消费者、尊重数据。
随着十一黄金周的到来,电商以及家电卖场也迎来了销售黄金期。近年来,频繁的电商价格战让业内人士感叹,难道电商只会打价格战吗。对此,谷熠对光明网记者表示,价格战是线下销售的惯用手段,而电商平台让价格战更为透明。随着大数据的发展以及面对外部环境的压力,电商已经开始运用用户习惯为消费者提供更全面的服务。例如,浏览某电商的某类产品,点击超过5次后,页面中就会随时出现更多的同类商品供消费者选择。而且,随着电商的发展和消费者购买力的增强,企业也会越来越回归理性,借助大数据的手段,把更多的精力和重点放在自身产品、渠道和服务的构建上,从而告别初级的比拼价格的时代。
除了为用户提供更好的服务外,电商大数据的统计还对产品的研发有更多的促进作用。据谷熠介绍,很多品牌企业已经开始利用大数据的手段对消费者、对同类产品的评价进行统计分析和语义挖掘,从而支撑企业自身的产品设计与改进。比如某家电巨头的一款超薄多彩多功能的电磁炉就是基于用户的评价进行分析挖掘后得出的结果,目前该产品仍作为该品类的明星单品销量数据名列前茅。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15