
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
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11