
支付宝提出数据分享四原则 为大数据“立规矩”
日前上海公共事业缴费机构付费通一纸终止与支付宝合作的公告引发广泛关注,针对付费通指责支付宝“扒数据”的说法,7月1日晚,小微金融服务集团(筹)首席风险官胡晓明在微博回应称:“支付宝从不担心获取数据的途径,更绝不会用不光彩的手段去获取数据。”而借回应之机,胡晓明向外界分享了支付宝、小微金服对大数据的认知,及大数据合作与分享的四条基本原则。
尽管大数据的重要性已是共识,但大部分参与者尚未有成熟应用,因此业内对大数据产业应遵循的基本原则并未形成共识。作为国内大数据行业的领先者,支付宝提出的这几条基本原则,或将为行业的基本规范提供范本。
此前,小微金服已经就大数据的应用进行了诸多探索,并依托大数据打造出了阿里小贷、余额宝等广为人知的产品。今年3月份,马云在给全体员工的一封信中断言,人类社会已经从以控制为出发点的IT时代正在走向激活生产力为目的的DT数据时代。
胡晓明说,IT信息科技是以我为主、方便我管理,而DT时代则是怎么利用数据去支持别人、帮助别人。阿里巴巴从5年前就确定了“开放的数据平台”的战略目标,对小微金服来说,未来十年的定位是帮助建立数据时代的中国新商业发展的基础设施。
当然要作为DT数据科学的基础设施,不意味着要想尽办法去控制甚至用不光彩的手段去获取各种数据。胡晓明说,对小微金服在内的每一个大数据行业参与者来说,首先应该树立起一种理念,即数据只有分享和交换才能产生价值。基于分享和合作,胡晓明说:“我们并不担心获取数据的途径,更绝不会用不光彩的手段去获取数据。”
大数据重在分享和合作这一理念,也戳中了目前一些传统企业的错误认知——认为可以凭借控制数据获取价值。在业内人士看来,带着控制而非分享的理念对待数据,再多的数据也只能“数据大”,而不是大数据。
当然,对大数据的分享和合作并非可以随心所欲,运用大数据的目的是要惠及每一个普通用户,绝不能侵犯到用户隐私,让用户利益受损。因此,对大数据行业来说,在数据价值的开发、分享和运用过程中,应当遵循一些类似“宪法”的基本原则。
胡晓明认为,从小微金服的实践来看,这些基本原则包括:一、客户信息保护原则,所有涉及到客户信息的使用必须建立在客户主动、自愿和授权的基础上;二、客户隐私有效保护原则,绝对保证用户的信息隐私安全;三、数据对等和交换原则、数据分享后要完成回流、增值、再沉淀的过程,使得分享和交换的双方共同受益;四、价值可衡量原则,在数据合作前一定要制定客观的价值评估体系,确保合作公平和公正。
据悉,目前在支付宝的数据使用原则中,所有客户的隐私性数据全部进行过脱敏处理,同时通过信息安全风险监控系统对于未经客户授权的查询、调用情况进行全天候的跟踪、扫描和审计,以确保客户隐私性数据的安全。
大数据的价值在哪里?
在当今信息网络时代,人们的网上操作、平时的一举一动、机器的运转活动、大自然的随时变化都会产生许许多多的数据。这些数据量大且复杂,用现有的计算工具难以处理,人们形象地称之为“大数据”。
对大数据的利用可以提升政府等管理部门的社会管理水平,例如对车辆运行数据的分析利用,可以使城市规划更加科学;流感高发季节,对疾病到来提前预测;旅游旺季,对热门景区高峰期游客数量提前预测,可以提升社会服务水平等。
一项对国际大公司的数据应用研究表明:数据的使用率提升10%,零售业的效率将提升49%,咨询服务业提升39%,航空、食品加工、建筑、钢铁、汽车、出版、基础设施等行业都能提升20%左右。数据的巨大价值由此可见。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 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 ...
2025-08-20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。 ...
2025-08-14