京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用大数据地方立法推动国家层面立法
“大数据时代,你的指尖每敲击一次键盘,就自动上传为互联网海量数据的一部分。”这是广播里经常听到的一段广告词,其实这句话早已成为现实。
全国人大代表、贵州大学大数据与信息工程学院院长谢泉近日在接受《法制日报》记者采访时说,大数据充满我们的生活,俨然成为了我们生活的一部分,对我们的生活产生了诸多影响,但是由于大数据国家层面立法一直空缺,这不仅不利于继续推动大数据的进一步发展,还影响着我国未来经济建设和城市规划等一系列国家规划的实施。
“我们已经在尝试地方立法先行,为国家层面的立法探路,先建立一套相应的标准,在这套标准的基础上,再进一步推进一系列配套措施。”谢泉说。
大数据全面渗透人类生活
21世纪是一个“万物互联”的时代,信息技术和智能设备的发展,引起世界范围内的数据大爆炸。大数据为人们生活带来了极大的便利,通过它可以获得更多的信息量,处理更加复杂的事情,预测的精准度也大大提高。
“比如,在我国精准扶贫工作中,大数据就发挥了很大的作用。因为精准扶贫不是大水漫灌而是精准滴灌,需要确定扶谁、谁去扶、怎么扶这三个关键问题。”谢泉举例说,首先需要建立一个评判指标,这个指标包括贫困的标准、贫困的原因、贫困带来的影响等。评判指标建立之后,就需要搭建大数据平台,贵州大学大数据与信息工程学院曾经联合贵州一家公司做过扶贫数据调研调查,将每个贫困村镇提供的数据录入到系统,在这些海量数据中,可以轻易辨识出哪些是符合各项指标的贫困户。确定对象之后,再根据相关的各种信息,比如生活环境、劳力状况、知识状况、家庭状况等,为其量身打造一套脱贫的方法,最终目的是让其彻底脱贫致富。
谢泉告诉记者:“随着相关技术的不断成熟,大数据已渗透到了我们生活中的许多领域。在医疗健康方面,我们利用大数据可以随时检测自己的身体健康状况,并预测流行性感冒,获得自身基因数据后,进而按需用药;在消费方面,我们利用大数据可以买到性价比较高的商品;在出行方面,我们利用大数据可以实时了解路况,从而避开拥堵路段,获得最佳出行路线;在治安方面,我们利用大数据可以预测出刑事案件发生的概率。”
“甚至连一瓶矿泉水在超市的哪个位置摆放最醒目,最能达到理想的销量,都需要经过大数据分析。”谢泉说,大数据影响着人们的思维和行为方式。
大数据地方立法“破冰”
近年来,我国政府一直非常重视大数据的立法问题,一方面是与国际接轨,另一方面也是为了更好地适应国内经济的发展。谢泉说,大数据地方立法先行已取得了不错的效果,对国家层面立法起到了推动作用。
2015年,国务正式印发《促进大数据发展行动纲要》,该纲要明确指出要推动大数据发展和应用。这一行动纲要出台,意味着发展大数据正式上升为国家战略。
而早在行动纲要出台前,贵州省对大数据已经作了长足谋划。2014年2月,贵州省人民政府印发《关于加快大数据产业发展应用若干政策的意见》和《贵州省大数据产业发展应用规划纲要(2014—2020年)》。
“贵州省关注大数据产业的发展,还包括对立法的重视。”谢泉说,在大数据立法方面,贵州省成为了第一个“吃螃蟹”的省份。
2016年1月15日,贵州省十二届人大常委会第二十次会议通过了《贵州省大数据发展应用促进条例》,这是我国首部大数据地方性法规,将大数据产业纳入法治轨道。随后,《贵州省政务数据资源管理暂行办法》等相关法规文件也相继出台。
2016年2月,贵州省获批成为我国首个国家级大数据综合试验区。“作为大数据综合试验区的核心区域,贵州承担起了在大数据立法探索方面先行先试的任务。”谢泉说。
作为贵州省大数据专家库专家,谢泉说,大数据地方立法先行,是我国围绕大数据在地方立法实践上的一次重大突破,不仅填补了我国大数据方面的法规空白,更对未来立法规划产生了重要的示范效应,对大数据的实践、创新和发展都具有重要意义。
大数据发展需要国家立法
在今年的全国两会上,政府工作报告专门提出促进大数据、云计算、物联网广泛应用,这是“大数据”自2014年首次出现在政府工作报告中之后,连续第四年被写入政府工作报告。党的十九大报告中也特别提出:要贯彻新发展理念,建设现代化经济体系,应加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合。
“尽管我国政府已意识到大数据发展的重要性,但国家层面的大数据立法仍然没有出台。”谢泉说,现在越来越多的应用涉及到大数据,未来涉及的领域会更加广泛,而大数据也呈现出与日俱增的复杂性,如果不从立法层面予以解决,必将影响大数据的发展和应用。
“比如大数据的运用,其关键是对大数据的分析,只有通过分析才能获取更多智能的、有价值的信息,不然就只是一些符号和无用数据。”谢泉提出,可是数据的价值如何评估并无标准。
谢泉说,再比如大数据时代,无法避免对数据的买卖,企业或政府可以通过交易平台找到数据资源。但是哪些数据可以交易,哪些不可以?数据的交易方式是什么?数据的所有权归属谁?如何管理这些数据?数据的安全性如何保障等,诸如此类都没有明确规定。
“由于大数据发展领域新、涉及面广、专业性强,如果大数据要发展,必须有序,要有序就需要立法。”谢泉认为,大数据立法的核心点是急需建立一套相应的标准,在这套标准的基础上稳步推进一系列配套措施。
“标准的制定应该本着大数据发展的原则进行,确定数据的开放标准,界定不予开放的范围。”谢泉建议,优先开放重点领域数据和民众迫切需求、商业增值潜力显著的高价值数据集,并从技术、权限、服务管理等入手,拓展开放的广度和深度。
谢泉提出,对涉及个人隐私、商业秘密、国家秘密的数据信息,要建立及时防控措施,建立安全等级分类,制定专项条款,健全数据安全等级保护、风险测评、应急防范等安全制度,并明确其应承担的法律责任以及处罚方式。
除此之外,谢泉还认为,规范数据交易也是大数据立法的重点领域,需要通过立法界定数据交易的合法范围。
2015年全国人大会议上,谢泉递交了对数据交易法的立法建议。他建议,采用“基本法”加“专门法”的原则设计数据交易整体法规架构。
谢全建议,设立的基本法暂命名为《数据交易管理法规》,基本法应定义数据交易及数据交易市场的概念,制定数据交易及交易结算的原则;详细规定数据交易主体,包括数据监督管理机构、数据交易中心、数据交付平台的设立目的、职责、权利与义务等。在专门法规方面,则分别是基于基本法纲领的专门领域延伸。主要划分为数据登记审查专门法规、交易市场专门法规、交易结算专门法规、数据交付专门法规、中介服务专门法规、易税费专门法规等。
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