
大数据挑战传统商业伦理_数据分析师
4月21日,法国图卢兹商学院组织了一场“大数据抗癌”的研讨会,邀请了众多业内专家探讨大数据为癌症研究带来的变革及影响,同时,也探讨了大数据在实际使用中的界限和危险,尤其是对个人生活的保护。
近年来,随着智能技术的发展,数据搜集与存储更加方便,相较于以往的数据搜集与统计,以包含巨量、多样信息而热起来的大数据成了各行业竞相争夺的资本。从互联网领域到电信、金融、地产、贸易、物流、医学等各行各业都开始利用大数据为自身服务,提高效率。
国际数据公司(International Data Corporation,IDC)指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。据IDC预测,到2020年全球将总共拥有35ZB的数据量。
大数据因其巨大的商业价值和市场需求正成为推动信息产业持续高速增长的新引擎。然而,在大数据运用于商业中时,因其可能对用户隐私的侵犯,以及企业与用户信息之间的不对称造成的不公平也引发了新的商业伦理探讨。
大数据不只是数据的堆积
通常意义上,大数据,指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。
目前,随着国务院《关于促进信息消费扩大内需的若干意见》的发布,以及行业用户对大数据价值的认可度的增加,市场需求将出现井喷,面向大数据市场的新技术、新产品、新服务、新业态会不断涌现,大数据将为信息产业和其他行业打开一个高增长的新市场。
“我们已经进入到了大数据时代,大数据对每个企业和组织的影响都在变得越来越大。企业组织要在这种环境下保持高效,进行创新,取得领先都要对企业组织的数据进行分析。”天融信大数据工程师惠红刚在接受《中国产经新闻》记者采访时表示,企业可以从这些大数据的分析结果中对自身的情况进行了解,支持决策。大数据技术应该是现在信息技术中很重要的一个技术,在国内外都很热门。
大数据技术对其他传统的行业都会起到很大的促进作用,对国家的各行各业的发展都起到促进作用。惠红刚和记者举例说,曾看过一个文章里说到大数据对医疗的影响,讲到通过积累非常多人DNA,然后分析每种癌症跟DNA的关系,找到这种癌症到底是和DNA中什么序列有直接关系,然后通过提前去修复DNA序列进行预防。
惠红刚表示,信息技术尤其是大数据分析技术对其他的行业是创新源动力,大数据改变着我们的生活,改变着人们的工作方式。出现任何问题,人们都可以通过对大数据进行分析,然后找出根结所在,在源头上治理出现的问题。
大数据还拥有着变革经济的能力,生产者是有价值的,消费者是价值的意义所在。有意义的才有价值,消费者不认同的,就卖不出去,就实现不了价值;只有消费者认同的,才卖得出去,才实现得了价值。大数据帮助我们从消费者这个源头识别意义,从而帮助生产者实现价值。
大数据正在改变着产品和生产过程、企业和产业,甚至竞争本身的性质。把信息技术看做是辅助或服务性的工具已经成为过时的观念,管理者应该认识到信息技术的广泛影响和深刻含义,以及怎样利用信息技术来创造有力而持久的竞争优势。无疑,信息技术正在改变着我们习以为常的经营之道,一场关系到企业生死存亡的技术革命已经到来。
获取及使用边界是最大困扰
然而,在企业利用大数据为自己带来商业利益时,如何把握数据利用的最大化与用户隐私保护的边界,如何协调商业伦理与商业价值的平衡性成了大数据发展合法性的巨大困扰。
市场研究机构Gartner研究副总裁布莱恩(Brian Prentice)指出,大数据本身没有资安问题,问题在企业应用数据的方式。该机构预测,到2018年,企业违反商业伦理的案件中,有近50%都来自不当的大数据应用。
去年,苹果手机“后门”事件引发消费者不安,指其违背了商业伦理。知名网络黑客曾指出,美国执法机构或恶意组织完全能在用户不知情的情况下,利用这些“后门”,通过无线网络监测他们的信息,包括通讯录、备忘录、邮件等个人隐私信息。
英国学者维克托·迈尔·舍恩伯格在其著作《大数据时代:生活、工作与思维的大变革》一书中告诉我们:“数据收集者必须告知个人,他们收集了哪些数据、做何用途,也必须在收集工作开始之前征得个人的同意。虽然这不是进行合法数据收集唯一方式,"告知与许可"已经是世界各地执行隐私政策的共识性基础。”这被视作大数据时代数据收集者所应该遵守的伦理原则。
“大数据企业掌握着庞大个人隐私,而这些信息一旦用在不正当的地方,将会对个人利益造成损伤,甚至对个人的资产造成损失。”石家庄科学产业技术研究员研究员胡伟在接受《中国产经新闻》记者采访时表示,由于个人与企业在信息掌握上的不对称,迫使人们只能被动的接受企业提供的信息,使得人们的权利无法得到保障。
胡伟表示,现在利用大数据做精准营销的企业有很多,这样做有很大的好处,可以使企业节省很多的无用成本,并提高消费转换率。但许多企业对客户是否会产生反感并不关注,频繁采用电话、短信等方式对消费者进行信息轰炸,而消费者则基本无力反抗,使消费者在精神上不堪重负。
家住通州的王小姐告诉《中国产经新闻》记者,由于最近想要买车,在网上看车次数较多,并且在一些网站还留了电话,可是没想到这些却成了她噩梦的开始。她开始频繁接到各家售车企业的销售电话,发展到最后一些出售导航,甚至车饰的企业都会打电话或者发短信,严重影响了王小姐的正常工作。更叫王小姐不能容忍的就是,一些企业会在晚上发短信过来,这使王小姐的睡眠质量严重下降。
大数据的出现虽然使得企业更能了解用户的需求,通过客户的喜好去生产产品,降低了生产销售风险,但同时,随着个人购买偏好、健康和财务情况的海量数据被收集,掌握大量数据的公司可能将个人信息卖给其他商业公司,谋取利益。人们对隐私的担忧也在增大。
业内人士还担忧,大数据也将为网络恐怖主义提供新的资源支持。庞大海量的大数据涉及的方面之广,将有可能使网络恐怖主义的势力侵入人们生活的方方面面。为了更好地利用信息技术反对恐怖主义的袭击,美国联邦政府实施新方法,利用海量的、以商业手段收集的个人信息数据库来为提高国家安全服务。这些信息库几乎包括了各个行业,金融数据、保险信息、零售记录、旅游信息、证书和房产证明等政府部门资料。
而在大数据搜集以及使用中,如何获取用户信息以及使用的边界是关于大数据商业伦理探讨的重要问题。但目前我国尚未发布专门的数据保护法案或者用户隐私法案,仅在《网络交易管理办法》第十八条中规定了一些原则性要求,例如合法正当原则、必要原则、公开原则、许可原则、保密原则等。至于何为合法正当,数据获取或者使用的边界在哪里则没有细则规定。
立法保护是当务之急
但处在数据发达的信息时代,每个人在网络上的信息都会被悄悄记录,人们犹如透明一般生活在这个社会中。那么我们怎样才能在这个透明时代保护自己的隐私不受人侵犯。
工业和信息化部电信研究院杜伟博士曾经在接受媒体采访时表示,可以从四个方面着手:一是提高安全意识,及时出台相关政策;二是提高安全防护能力,保障网络信息安全;三是加强云计算安全研究,保障云安全;四是积极探索,加大个人隐私保护力度。
在国家层面,应加快大数据产业引导政策的出台。大数据技术领域的竞争,事关国家安全和未来。我国目前已经在《物联网“十二五”发展规划》上把信息处理技术作为4项关键技术创新工程之一提出来,但还没有大数据方面的专门规划和政策支持。将大数据上升为国家战略,加强顶层设计和政策支持,是大数据时代的客观要求。
随着数据收集范围的扩大和数量的增加,在线数据越来越多,黑客、间谍的犯罪动机也比以往任何时候都来得强烈。所以在大数据时代,网络的安全防护可以说是至关重要。大数据时代,数据量将以几何速度增长,到那时现在的安全防护软件将不能满足需要。因此,在大数据时代真正到来之前,应该为建立大数据安全环境未雨绸缪。
在大数据时代巨大商业价值背后,隐私安全问题更令人担忧。目前,各社交网站均不同程度开放其用户所产生的实时数据,容易出现被恶意收集和滥用的情况,尤其是金融、广告、零售业等各种企业。随着产生、存储、分析的数据量越来越大,隐私问题在未来的几年也将愈加凸显。所以新的数据保护要求以及立法机构和监管部门出台相关保护个人隐私的措施应当提上日程。
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