
大数据的采集应用,助力社会治理
“阿里巴巴打假联盟破2亿大案”“协助佛山警方打掉制销假汽配犯罪团伙 涉案价值上千万”“阿里数据一年助浙江打掉14亿元假货”……这一系列新闻的幕后主角,是阿里巴巴平台治理部。这个成立还不满两年的团队,负责电商平台的规则、知识产权保护、打假、打击信用炒作、品质管控等诸多工作。
阿里巴巴首席平台治理官郑俊芳在接受中国青年报·中青在线记者采访时表示,根据浙江省双打办通报的“2016年云剑行动”成果显示,该行动依托阿里巴巴大数据,在2016年共铲除制售假货窝点417个,破获假货案件总值达14.3亿元。这一结果,在今年推动了阿里巴巴与上海市和安徽、江苏等省的13个城市的合作,将“云剑行动”升级为“云剑联盟”。
“我们十分欣喜地能看到一个社会共治的趋势和方向,越来越多的人加入进来了。我们这个联盟最重要的是实现了三个结合:一是政府和企业的结合;二是行政和刑事执法的结合;三是跨地域的结合。”郑俊芳说。
在此次分论坛中,郑俊芳表示,目前在消费者维权中,他们做到了“零举证,秒退款”,这一成绩的背后,依靠的就是阿里大量的数据集合。
通过对大数据的分析应用,阿里巴巴平台治理部在消费者维权中设定了三个模型,分别是消费者信用模型、商家信用模型以及投诉的智能模型。“比如消费者和商家信用模型,并不是我们从零开始建的。我们整个公司,不同团队,基于不同场景都在建立相关的模型,这次我们就是一种数据模型共用和结合的体现”。
大数据的采集应用,为社会治理的多方面起到了助力作用,但与此同时,对于大数据背后所链接的个人隐私,如何保护和监管,也成为近年来社会各界高度关注的问题。对此,郑俊芳认为,“生态中任何一个环节没有管理好,数据发生了泄露,对消费者都会造成伤害。我们建立‘生态护城河’的主要目的,就是希望把我们自身的数据保护能力,开放给生态中的更多参与者,比如服务商、物流公司等。保护隐私权是我们必须去做的。”
此外,对于个体数据信息的保护,郑俊芳也表示,“假设是个体的数据,我们一定是基于现有的法律框架下,比如要有合法的证据、证件,像是法院立案、立案通知书等,形成执法的函,这样我们才可以调取单体数据,否则我们不会有单体数据的交互。”
大数据产业发展至今,如何更好地实现企业与政府之间所掌握的数据互知互通,成为社会治理中一个亟待解决的问题。
“政府部门的数据到底应该怎样开放,开放到什么程度,我觉得今天已经到了政府部门需要有一些规范出来的时候了。要想让公共服务更快地让大家都能享受到,政府需要出台更为细致的大数据开放规范。”郑俊芳对中国青年报·中青在线记者说。
“其实数据不需要把你的数据给我,把我的数据给你,很多数据更重要的是,根据你的需求把我的数据结果反馈给你,我觉得就够了。例如说这就是规范之一,那这些规范就解决了很多后顾之忧。”
在大数据时代的社会治理中,数据的力量是无穷的,但同样也为社会治理带来了一个重要的挑战,那就是数据谁使用谁负责。郑俊芳在分论坛中表示,“面对大数据,我们今天所有的探索都还是一个小孩子。面对未来,我们的探索之路还很长。”
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