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Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11