
大数据乱象引监管出手 行业或将洗牌
互联网金融,特别是网贷、消费金融领域的迅猛发展带动了大数据行业的发展,但随之而来的数据贩卖、泄露等威胁个人信息安全的负面事件不断涌现。近日,监管开始出手清查大数据公司,有业内人士透露,深圳和杭州市已经开始清查大数据公司。某金融机构相关人士对新快报记者表示,此举重点打击市场上贩卖数据的机构,未来大数据行业也将进入严管期,或将引发行业洗牌。
监管已开始清查行动
金融行业风控是典型的数据驱动,数据的价值对于金融机构而言已然成为规避业务风险的一道防线。日前有消息称,15家大数据公司被监管部门列入调查名单,但该消息未得到官方证实。不少业内人士却认为,此消息“八九不离十”。
近日,某金融机构收到深圳公安局通知,不得将刷脸等涉及用户隐私的大数据贩卖给其他公司。也有深圳金融机构对新快报记者表示,深圳市监管部门近期在清查大数据公司。
昨晚,有金融业内人士对新快报记者爆料称,同盾科技被杭州地方监管部门清查,“最近两年现金贷特别火,现金贷的风控模型90%主要是防范反欺诈风险,而同盾科技则主要为平台提供大数据分析及模型,因此受到监管关注。”不过,同盾科技相关人士在接受新快报记者采访时表示,“同盾没有发生过所谓的被 清查 ,业务一如既往的正常发展。”
据某数据公司负责人对新快报记者表示,目前市场上的数据可以分为公共的数据(即由政府部门公开的数据)、企业管理的数据和个人数据。行业中购买数据已然成了“公开的秘密”。从各个渠道挖取用户数据,通过电话号码、身份证等唯一标识码(对某一类数据中某个实体进行唯一标识的代码),进行不同数据的整合,最终挖掘出用户的有用价值,加以变现。“公司之间随意将用户隐私信息进行交换、交易等,这实在是太正常的情况了。”该负责人表示。此前,在贩卖个人信息的QQ群中,新快报记者也注意到,曾有中介打出0.5元购买一人家庭住址的信息。
大数据行业或将洗牌
今年6月1日,《中华人民共和国网络安全法》正式实施,在保护个人信息方面,明确网络运营者收集和使用个人信息应当遵循合法、正当、必要的原则,且要目的明确并经用户知情同意;还规定了任何个人和组织不得窃取或者以其他非法方式获取个人信息,不得非法出售或者非法向他人提供个人信息。
不少业内人士表示,政策的逐渐明晰对于野蛮生长的大数据行业来说是一大利好。有深圳某数据公司负责人表示,“大数据征信一定是要大公司来做,小公司基本上没能力做,这需要丰富的鲜活的数据,小公司从哪里得到数据呢?”
该人士表示,监管的清查让行业或将迎来一轮洗牌。“一个行业的发展必然会经历混沌到监管再到规范的过程,期待行业经历清查、整顿后最终形成一个良性的环境。”
“监管介入规范大数据行业,利于行业的健康发展,”某数据公司科技部门相关人士表示,但是行业中仍有很多法律政策并未明晰的“灰色地带”,比如国家对于数据爬取的范围界定并不明确,一个公开的网站的数据到底允许不允许被爬取并没有明确规定,但行业要有职业道德底线。
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在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09