
大数据要充分利用,但更要保护用户隐私
全球进入移动互联网时代后,一个巨大进步是一切活动都在往移动互联网这个舞台上转移。所有社会活动、金融交易等都在网络上留下了痕迹或者说有迹可循。由此带来的进步是革命性、历史性和颠覆性的。
通过对人们在网络上留下的印记进行采集、挖掘、提炼与分析,可以分析出背后许多经济金融文化等有巨大价值的东西。思想支配行动,行动又反映思想。从网络上的留印行动中挖掘分析后就可以基本得出其思想所在,从网络上对一个主体各个方面留痕进行大挖掘、大计算、大分析基本就可以摸清楚预测出来这个主体想要什么,需求何在?这就可以分类施策、细分客户、精准营销。这个商业价值是无限的。
此前,马云曾讲过,大数据、云计算诞生以后,经济或可以进入到计划经济体制里。计划经济与市场经济都是配置资源的手段。计划经济之所以比市场经济在效率等方面低、弊端多,不在于计划经济体制本身,而在于没有技术等手段与能力来实现计划经济的高效性与准确性。现在有了网络,有了网上大数据的积累,有了云计算,或给计划经济以重新复活的机会,给了计划经济体制优越性以证明的机会。插上大数据、云计算翅膀的计划经济或比市场经济更加高效,更加精准,对市场的周期性破坏或就此消失。
这就是所说的大数据是一座大金库的原因。不过,这个大金库要充分挖掘与发挥出来的话,一个大前提是要对大数据进行充分采集、挖掘、整理、甄别、分类、分析等。这个大数据中包括你我他几乎全部在网络上的百姓民众消费者。也就是说,每一个在网络上留下印记即数据的你我他都是被分析的对象。这就牵扯到另一个问题:隐私保护问题。
近期,用户在查阅自己的支付宝年度账单时默认勾选“我同意《芝麻服务协议》”这件事引起一阵波澜,蚂蚁金服也回应道歉了。无论处于什么好意,默认勾选“同意”肯定是不合适的。不过,从这件事中的一些争论反应看,确实存在着一些对大数据在采集使用与隐私保护上的较大偏差甚至是糊涂认识,需要以理性的思考予以梳理厘清。
只要你在网络上留下了印记即数据基本上没有隐私可言。即使线下交易也基本如此。例如:过去你到银行办理存款贷款汇款,你到房管所办理房子登记过户,你到派出所办理户口入户迁移,你办理入学入托上大学等等都要登记家庭、身份证、电话等基本情况与信息。现在在网络上同样如此。只要存在这些情况,你的信息或者隐私就已经裸露出来了。
这里一个关键问题必须甄别清楚,每一个人在网络积累的大数据不让采集挖掘分析使用可能是做不到的。关键在于如何使用?在于使用后一定要为客户的隐私以及普通信息数据保密。保密,是问题的关键所在。只要有交易,就一定要使用你的数据。比如,你有贷款信用需求,这个金融交易一定要充分使用你的数据信息的。关键在于使用以后,不能泄露给第三方。所谓的保护隐私数据,主要的问题就在这里。
非金融信用业务也有保护数据信息隐私问题。你去一个网站注册、你想使用共享单车都需要注册相关信息数据的。注册这些数据信息以后,你不能说不让网站等挖掘使用你的数据信息,注册时也等于是一种交易,除非你不注册。关键问题还在于,网站、共享单车等使用客户数据后,一定要为客户保密。
这里面牵扯第三方使用数据如何办的问题。我个人认为,牵扯所有经济体的金融信用数据问题,各大平台包括央行在内都可以共享信用等级数据。目的在于形成一种“有信走遍天下,无信寸步难行”的社会氛围与高压态势,使有信用者得以提倡褒扬,无信用者如过街老鼠人人喊打。全社会形成:信用贵如金子,无信耻辱透顶,这才能形成信用的正向激励机制。
第三方使用其他数据,网站等平台应该通过协议约束征得被采集人的同意。同样,必须有约束条款,第三方也必须为客户数据信息保密。
总之,大数据这座金矿必须充分利用使用与挖掘开采,不能造成大数据资源的闲置和浪费,同时,使用以后关键在于要保护好被采集数据者的数据信息以及隐私。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28