京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31