京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据商业挖掘的边界到底在哪里
日前,国务院《促进大数据发展行动纲要》正式公开发布,由此开启了国家系统部署大数据发展工作的序幕。《纲要》提出要从政府大数据、新兴产业大数据、安全保障体系三个方面着手,推进大数据领域十大工程建设;要全面推进大数据发展和应用,加快政府数据开放共享,深化大数据在各行业创新应用;通过建设数据强国,提升政府治理能力,推动经济转型升级。
伴随着《纲要》的发布,中国大数据发展将迎来顶层设计,正式上升为国家战略。不论我们称之为大数据时代、互联网时代,还是物联网时代、智能穿戴时代,它们之间都有一个共同的特征,就是信息数据化。当人与物都被数据化之后,就意味着巨大的商机蕴藏到了这些数据中间,而国务院所出台的这个关于大数据的指导意见也足以证明大数据的价值。
面对大数据所蕴含的巨大价值,我并不担心其商业价值挖掘不出来,担心的是如何把握好商业挖掘的尺寸与公民隐私权之间的关系。今天,大数据的商业化已经形成。当我们通过PC登录或者访问了相关的网站,浏览了某些信息的时候,我们在电脑上的这种行为都将被记录下来。当我们再次登录一些网站,打开相关页面的时候,一些“牛皮癣”广告就会被推送到我们的眼前。
那么,有谁在推送这些“牛皮癣”广告的时候征求过用户的意见?追踪用户使用行为的商业挖掘边界到底在哪里?这些问题或许比当前推动大数据商业挖掘来说更为重要。
首先,从目前的实际情况来看,大数据商业的前端很繁华,而商业后端的法律法规则相对滞后。过度的商业化挖掘,如果在没有相关隐私权保障的情况下发生,必然会招致用户的反感。那么,商家到底应该将数据商业化到什么程度,这个尺度如何把控,也就成为当前有关部门着重关注的焦点问题。
其次,对于企业来说,哪些数据是可以挖掘,哪些数据在商业化中是不能挖掘的;对于行政部门来说,什么部门可以拥有什么样的数据使用权限……这些都存在着关键尺度问题。如果相关法律法规和政策能够及时出台,那么公民隐私安全问题就可以缓解很多;反之,如果这个指导规范一直出不来,那么公民隐私就很危险了。
尤其是在智能穿戴时代的万物数据化之后,包括人的一切行为与生命体态特征都被数据化,网络安全、数据安全,就是摆在眼前最急迫、最重大的事情。可以预见,在进入智能穿戴时代,人与物,人与互联网之间的识别关系一定不是当前的这种数字密码,而是更为复杂的生物识别技术,如步态、静脉、视网膜、心率等,借助于可穿戴设备将人与设备连接、绑定在一起。由此通过人的生理特征识别后,建立一种唯一性的身份识别特征和独一无二的ID。
显然,这种识别特征的建议就相对比较安全,尤其是对于金融系统来说,未来的支付就很安全,一旦你的设备被偷了,离开你就自动失效了。深度数据化背后的商业价值将随之放大,而同时被放大的,还有数据安全风险。不过,我们不能因为大数据的安全存在风险,就让科技发展的脚步停下来。
我们需要谨慎地对待数据安全,但亦非谨小慎微。就像我们知道网络网银不安全,但我们还是会谨慎地用,此时对于银行等机构来说就是如何通过技术来最大限度地保障用户财产安全;我们知道美国枪支泛滥,但很多人依然很“向往”美国,此时对于美国政府来说就是如何通过法律法规来杜绝这些案件的发生。面对大数据也是如此,需要政府提高监管的水平和方式,尽可能地把犯罪的风险系数和危害降到一个合理的范围。当然社会上总有一些人想着赚歪门邪道、旁门左道的钱,这就是需要政府作为的问题,怎样有效控制。尽管目前我们还没有完全进入大数据时代,但相关的弊端、问题与安全风险已经或多或少地初露端倪。
随着国务院关于大数据文件的出台,一方面会加速大数据产业的形成,也必然会加速商业价值的挖掘。但是在这个过程中,我们尤其不能忽略了对公民隐私权的重视。所以,发展大数据产业很重要,但对于公民来说或许保护比挖掘更为重要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23