京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14