京公网安备 11010802034615号
经营许可证编号:京B2-20210330
脉脉不正当竞争案拷问大数据商用边界
多名法律专家表示,大数据时代的个人数据商业化商用第一案,表面上是不正当竞争,背后涉及个人信息保护问题,此案也关系到法律对网上用户数据信息保护的边界何在,对行业具有重要影响
社交软件脉脉非法抓取使用新浪微博用户信息行为,4月26日,被北京市海淀区法院认定构成不正当竞争。
法院审理后认为,脉脉软件要求用户注册“脉脉”账号时上传自己的手机通讯录联系人,从而非法获取该联系人与新浪微博中相关用户的对应关系,将这些人作为脉脉用户的“一度人脉”予以展示,并将非法抓取的该人新浪微博职业信息、教育信息进行展示,这些行为,对新浪微博构成不正当竞争。
“使用个人信息数据时应厘清边界,大数据的使用规则亟需确立。”多名法律专家表示,这起案件表面上是不正当竞争,背后涉及是个人信息保护问题,此案也是大数据时代个人数据商业化使用第一案,关系到法律对网上用户数据信息保护的边界何在的问题,对行业具有重要影响。
因用户数据问题停止合作
新浪微博相关负责人告诉法治周末记者,脉脉于2013年9月接入微博平台,在脉脉可通过新浪微博账号和手机号的方式登陆,脉脉可访问授权用户的昵称、性别、地区等个人基础资料信息。
2014年8月,脉脉与新浪微博因用户信息问题产生合作纠纷。新浪指责脉脉存在违规抓取用户数据的行为,获得并使用了用户未同意公开的教育、工作经历等信息,违反微博开放平台的开发者协议,故停止其使用微博开放平台的所有接口。
“当时新浪微博对脉脉提出要求,要求其在7天内停止使用非授权用户资料,但对方最终还是作出了停止合作、继续侵权的决定。”上述新浪微博相关负责人说。
而脉脉相关负责人则在接受法治周末记者采访时表示,与新浪微博合作的过程中始终遵守现行微博开放平台开发规则,反而新浪微博曾试图向脉脉索要数据。
为这场用户数据纠纷画上休止符的,是4月26日的法院判决——法院最终认定脉脉抓取的用户微博职业信息、教育信息进行展示,也没有及时删除上述信息,其行为危害到微博用户信息安全。
大数据领域需法律规范
“随着互联网技术的发展,个人隐私被侵犯的事件正越来越频繁地发生,互联网企业在获取用户数据时,首先要征得用户同意,并且只能在用户授权的范围内使用。平台方也有监管责任,一旦发现此类侵权行为,首先要向用户示警,并且可以根据与用户达成的使用协议,对第三方进行追责。”北京大学法学院副院长薛军表示,目前我国没有专门的个人信息保护法律,因为这个判决对于抓取数据用于商业化的行业潜规则问题,具有判例意义。
法治周末记者在新浪微博《开发者协议》中注意到,协议规定:开发者应用或服务需要收集用户数据的,必须事先获得用户的同意,且仅应当收集为应用程序运行及功能实现目的而必要的用户数据和用户在授权网站或开发者应用生成的数据或信息。开发者应当告知用户相关数据收集的目的、范围及使用方式,以保障用户的知情权。
“网络服务平台对用户个人大数据信息没有所有权,任何平台使用用户个人信息都应该经过用户本人同意。隐私数据不属于大数据,不可以进行买卖,擅自使用将侵犯用户隐私权。”互联网法律专家滕立章对法治周末记者表示,信息收集必须遵循合法、正当、必要三原则,经用户同意是必然要件。
薛军透露,正在起草的电子商务法,将有专章界定用户信息数据使用的相关问题。
“微博和脉脉官司的核心在于用户信息的非法外流,但之后,法律还应该管一管日趋严重的用户隐私信息合法外流的现象。”资深媒体人信海光认为,法律应该介入制定互联网产品用户注册的合同格式条款,以规避互联网公司对用户隐私等权益的侵犯,像“如第三方同意承担与本公司同等的保护用户隐私的责任,本公司有权将用户注册资料提供给第三方”这样的霸王条款必须被禁止,只有这样,才能避免用户信息所面临的“合法外流”的威胁。
输了官司市场还在
与脉脉“决裂”后,新浪关停了对脉脉API接口,脉脉只能用手机号码来作为注册和登陆的唯一方式。
“作为相对弱势的第三方开发者,脉脉在发展之初,借助新浪微博的入口奠定了不少基础,但对于现在的脉脉来说,早在2014年8月融资完成时估值已达1亿美元,特别在徐小平、王小川等大佬入驻后,有资本的支持,脉脉的数据挖掘与整理工作进展惊人,新浪停不停接口,对脉脉的影响其实已经不大了。”互联网分析师郭静对法治周末记者分析,目前整个脉脉的数据主体结构工程已经基本完成。
公开数据显示,脉脉上已经累计了400亿条人脉关系,2亿张个人名片,80万职场圈子。
“脉脉的规模在职场社交类APP中排在前列,不正当竞争的判决并未对其市场份额造成太大影响。但脉脉不遵循相应的职业道德和行业底线的抓取用户数据行为,对用户隐私权造成的损害是客观存在的。”郭静希望,有了这次判例,能推动行业在数据抓取上进行自律。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20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