
大数据滥用 借贷平台肆意妄为的背后
随着“大数据”这一概念的普及,及其在以互联网为平台上的大规模运用,即使是普通大众,也对其有了或深或浅的了解。对于整个社会的未来来说,大数据的作用和意义无可替代,能够最大程度地改变人类的生活方式。但在大数据经历了自己的“蜜月期”后,其“后遗症”开始凸现出来。甚至在某些极端的情况下,沦为骚扰乃至作恶的“帮凶”。
尤其是与个人隐私联系尤为紧密的互联网借贷平台,大数据经过收集、处理已然能够更精准地判定用户是否适合贷款、贷款额度、偿还能力等。但更更让人无奈的是,大数据也成为追讨贷款的新途径,并对大众的生活产生一定的影响。
大数据帮讨债 用户感觉“赤裸裸”
近日,蚂蚁花呗又火了。但这次的火与其便利性毫无关系,恰恰相反,是将蚂蚁花呗的另一面展示给大众。有网友在知乎上提问,描述接到自称蚂蚁花呗工作人员的电话,对方向他打听一位朋友的去向,这位朋友拖欠花呗欠款,而且联系不上。当网友表示自己跟他不太熟,对方却表示,能够看到记录,这位网友某月某日给他赠送过礼物。
从这件事就可以看出,人们在蚂蚁花呗强势的大数据下几无隐私可言,完全就是“透明人”。对国内互联网行业稍有了解的人都清楚,蚂蚁花呗的大数据是来自阿里巴巴的大数据生态链条。也就是说,只要使用过阿里巴巴的服务,如淘宝、支付宝、天猫等,个人数据就会被阿里巴巴收集并整理。
而借贷平台借助大数据讨债的不仅仅是蚂蚁花呗,还有京东白条等。在110法律咨询网上,就有人提问:“我在京东商城上使用白条消费,由于京东方面的原因导致我的白条逾期。然后京东委托第三方对我进行催款,过程泄漏我的个人隐私资料。请问,京东以我未还白条为由,将我的个人隐私委托给第三方这种行为是否合法?”可见,毫无顾忌地使用用户个人隐私,已经成为普遍事实。
常规≠合法 借贷平台涉嫌违法
在事件发生后,蚂蚁金服对此回应说,利用关系人信息提醒还款,是信贷行业的常规做法。对于新生的互联网借贷平台来说,通过大数据手握用户隐私信息,并将其完全利用,似乎无可厚非——反正大家都是干的。但这种看似合乎常理的做法,其实已经涉嫌侵犯用户的合法权益。
银行也会针对贷款延期、信用卡不还等用户催款,但一般是通过对用户本人在办业务时提交的联系人进行询问,并请其转达信息。也就是说,银行只是与用户自己认可并留下的社交群体进行联系。但互联网借贷平台在讨债的时候,却使用了有可能不相干的人的信息。他们并不是用户留下的,只是互联网借贷平台单方面掌握的。
用这样的关系网讨债,既是对用户个人隐私的侵犯,也是对其他不相干人的骚扰。上面提到的用户在100法律咨询网上的提问,回答的两位律师表示“违法,属于侵权”、“可以直接起诉京东侵犯隐私权”。可见,借贷平台的做法严格来说,是涉嫌违法的。
别让大数据成丑恶帮凶 监管迫在眉睫
蚂蚁花呗就讨债功能在官方微博做出回应,表示“立刻在第一时间暂停了以联系关系人来提醒借款人进行还款的方式”。并且蚂蚁金服就此作出改进,比如将人工电话提醒的时限由现在的超过还款日13天,调整为超过60天,且不会涉及具体的商品信息。但是仅仅这样做是完全不够的,并没有从根本上解决大数据滥用的问题。
每个人既然无法摆脱互联网,那个人数据被收集就是必然的事。但由此得来的大数据并不能去作恶,必须向着有益的方向延伸。要做到这一点,仅靠借贷平台的自觉、自律是远远不够的,必须有严格的法律条文、规章制度等,让其走向规范化、合法化。
中国青年报社会调查中心的一项调查显示,75.9%的受访者发现目前存在“大数据”被滥用的现象。这表明,已经有越来越多的大众认识到大数据滥用带来的危害。大数据的监管,已经迫在眉睫。
每个人生活在两个世界里,一个世界是物理世界,还有一个世界是数据世界。物理世界的所有表现,你通过互联网访问社交网站,所有数据将会留下来,朋友圈关系将会留下来。通过移动互联网访问搜索,搜索内容会被留下来。今天通过电子商务购物,购物内容被留下来。今天通过支付工具,支付数据被留下来。今天通过家庭智能物件,所有数据都被留下来。这是一件好事,因为厂商可以通过挖掘消费者潜在的购买力再借由推送来促进其消费,消费者也可以在极短的时间里得到称心如意的商品,岂不双赢?但想想也很可怕,这就相当于消费者的一举一动完全在数据的掌握之中,只要厂商有心,就能了解消费者的一切。这个时候,数据的监管是个大问题,怎么利用收集的数据?利用到什么程度?当消费者感到被侵犯时法律问题怎么解决?这一切的一切都说明:大数据的监管,需要即刻提上日程了。
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