
大数据时代安全问题不容忽视 可从三个层面入手解决
随着移动互联网行业的爆发性发展,新技术、新业务与数据中心的关联度越来越高,海量的数据处理需求,令互联网行业面临着全新的数据存储和传输模式,在这样的背景之下,大数据技术应运而生。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革。其释放出的巨大价值,几乎给每个行业都带来了颠覆,政府可以利用大数据让政务更加公开透明,企业可以利用大数据分析用户消费习惯,创造更大的商业价值。但需要注意的是,大数据发展是把双刃剑,在大力挖掘其应用价值的同时,还要化解其相应的安全风险,真正实现我们的网络强国梦。
全球大数据市场规模达285亿美元
阿里巴巴集团创始人马云曾说过,在大家还没搞清PC时代的时候,移动互联网来了,还没搞清移动互联网的时候,大数据时代来了。上网购物、浏览新闻、看网络视频等等,你的每个行为都将产生信息,当这些数据信息被商家、企业研究利用,将会释放出巨大的商业价值,而这也成为各大企业竞相追逐大数据的原因。
据国家金融信息中心指数研究院在第十三届中国国际软交会期间发布的《新华(大连)软件和信息技术服务业发展指数报告(2015)》显示,2014年,全球大数据市场规模达到285亿美元,同比增长53.2%。
大数据发展速度迅猛,快于整个信息和通讯技术市场增长速度,成为IT市场的新增长点。以IBM为例,其已在大数据与分析领域投入250亿美金。事实证明,IBM的大数据策略是正确的。据了解,作为IBM转型的核心战略,去年其大数据业务增长了7%,营收达170亿美元。
不仅在国外,国内对大数据的布局亦是如火如荼地展开。2014年以来,贵州省大力发展大数据产业,创建了国家级大数据产业发展集聚区,大力发展数据中心,同时,还成立了大数据交易所。去年,贵州省大数据信息产业总量同比增长62.2%;同年,中国电信、中国东方航空公司等8企业发起成立中国企业大数据联盟;百度提出了“大数据引擎”,通过三大组件——开放云、数据工厂、百度大脑,希冀将其大数据能力开放给社会……
“使用大数据,将会是个别企业竞争和成长的关键形式,”麦肯锡公司表示,“不管是从竞争的立场,还是从获取潜在价值的角度,所有的公司都需要重视大数据。在大部分行业里,已有的商业对手和业界新人,都将利用数据驱动策略来进行创新、竞争和获取价值。”
各国政策红利催热大数据
虽然“大数据”一词对大多数人来说,还比较新鲜,但其早已上升到国家战略层面。各国都卯足劲努力提高数据的“加工能力”,进而实现数据的增值。
以美国为例,其在大数据应用的研究上抢先一步,正形成从发展战略、法律框架到行动计划的完整布局。据了解,2012年3月,白宫发布《大数据研究和发展计划》,并成立“大数据高级指导小组”,计划利用用大数据技术系统改造传统国家治理手段和治理体系,以及形成新的经济增长业态和板块。2013年11月,白宫推出“数据-知识-行动”计划,进一步细化了利用大数据改造国家治理、提振经济的重要举措。2014年5月,美国总统办公室提交《大数据:把握机遇,维护价值》政策报告,计划启动“公开数据行动”,陆续公开健康、能源、气候、教育等50个门类的政府数据,便利商业部门踊跃进行开发和创新。
欧、日、韩等国紧紧跟随。据了解,欧盟正在力推《数据价值链战略计划》,用大数据改造传统治理模式,试图大幅降低公共部门成本,并促进经济增长和就业增长。日本积极谋划利用大数据改造国家治理体系、对冲经济下行风险。2013年6月,安倍内阁正式公布新IT战略《创建最尖端IT国家宣言》,以开放大数据为核心的IT国家战略,要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。
中国政府在大数据建设应用上亦是不遗余力。近日,国务院常务会议审议通过了《关于运用大数据加强对市场主体服务和监管的若干意见》。国家发展和改革委员会副主任连维良表示,我国正在构建以信用为核心的新型市场监管机制,并提升政府运用大数据加强市场服务和监管的能力,以提高监管和服务的有效性,降低行政成本。
大数据安全议题日渐升温
大数据已融入到我们的生活中,并呈现蓬勃发展的态势,但是不能否认的是,当前的大数据发展具有巨大挑战,如安全问题。这从“棱镜门”事件到支付宝大规模故障,再到携程网因“内部错误操作”宕机近12小时,都可窥见一斑。大数据时代,解决网络安全问题势在必行,而这离不开企业研发以及国家扶持的共同给力。
首先,法律层面。《中华人民共和国刑法修正案(七)》以及现在正在加快推进的《个人信息保护法》表明,个人信息泄露问题已引起国家相关部门的重视,但这远远不够,相关部门一定要根据不断变化的市场现状,尽快完善相关的法律法规,形成完整的法律体系。
其次,管理层面。企业要有良好的法律意识与职业道道,对客户的信息要严加保密。国家信息中心时空大数据研究中心秘书长吕欣建议,企业可以建立相应的公司内控机制,使客户的数据和个人信息在公司的内部体系处于可控范围。
再次,技术层面。企业应当加大对信息保护的投入,筑起一道信息防护墙,严挡黑客的入侵。同时,吕欣建议企业内部可以建立控制机制,严控技术人员对客户信息的访问,防止信息的外泄。
据麦肯锡预测,预计到2020年,美国的大数据可创造3800亿-6900亿美元的价值。欧盟委员会预测,截至2020年,大数据可创造2060亿欧元的价值。大数据带来了经济发展的机遇,但与其相随的安全风险亦不容小觑,全球各国应持续探索解决方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12