京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与区块链:一对桴鼓相应的搭档
大数据能够对海量信息资产通过高效的处理模式来进行捕捉、管理和处理,而区块链本身作为分布式计算的一种,还有去中心化以及不可篡改等特性,两者之间,似乎天然就有合作的可能性。
大数据虽然能够收集海量数据并进行处理,但却无法保证数据的安全性,而作为虚拟货币底层技术的区块链,在这方面却是天赋凛然,自两者诞生之初,便有着强大的吸引力。
不完美的大数据
在前段时间,百度CEO李彦宏曾经说过,中国用户更倾向于用隐私换取便捷性。更准确来说,应该是中国用户被动甚至是被迫共享自己的隐私来换取便捷性。比如现在许多手机APP,强迫用户必须同意接受一些隐私采集条款,才能够正常使用,若不同意,则完全无法使用。
通常而言,应用软件采集用户数据,通过云计算,将对这些用户的大数据进行分类检索,提取有价值的信息,然后为用户提供便捷性服务。这种行为显然是双赢的,企业采集到了有效的数据,用户也体验到了更好的服务。
但是问题在于,李彦宏的说法是用户自愿用隐私换取便捷性。相信涉及到隐私的时候,没有多少用户是心甘情愿的,并且无论用户的隐私数据是否安全,随意获取这些数据都让人感到不适。联系到最近Facebook用户隐私数据泄露事件,大数据安全依然是严峻的问题。
并且收集到用户隐私数据之后,有可能还会被大数据杀熟,通过数据判断用户为高收入群体,在其购买以及消费产品时,将会比平常更加昂贵,届时由于更加成熟的大数据辨别机制,即使通过分享给好友来确认也无法察觉自己已经被“杀熟”。
其次,收集用户大数据之后,企业可以更加精准的推送相关广告,但是这些数据收集之后,用户完全没有任何受益,广告费用全部都被相关公司赚取,这相当于把用户的东西抢走之后,再加价卖回来,这种情况虽然很普通,但是真的合理吗?
让区块链为大数据加密
区块链则可以利用其自身特性,利用秘钥限制这些应用的访问权限,并且可以溯源追查自己的隐私数据都被用于哪些方面,可以做到用户自身完全掌控自己的数据,让用户更加方便的管理属于自己的权限,推动大数据的进一步增长。
就以上面的广告精准推送来说,用户可以通过区块链,完全把控自己的隐私数据,这也就意味着,用户可以决定自己的数据是否出售给相关广告商,广告的推送权也回归到用户的手中。并且如果用户同意分享自己的数据,那些广告的收入,也将会拿到属于自己的一份。
再举一个例子,通常而言,大数据在收集用户隐私数据之后,会对用户精准画像,不仅体现在广告的推送上,在日常视频、文章、购物,都会给用户进行相关的喜好的推荐,这些也无可厚非,但是在推荐这些内容的时候,相关企业都会掺杂私货,也就是在某几条内容中夹带盈利性质的广告。
而这些掺杂的广告大多数都属于三无产品,因此对于用户而言,购买其产品没有任何的保障。过去的魏则西事件,则是这种情况下典型的受害者。由于轻信了网站上推荐的医院广告,导致病情被耽误,最后病逝,这也是大数据没有得到有效监管的一个案例。
让数据的归属权回到用户手中
如果将区块链运用到大数据当中,魏则西这样的悲剧显然是能够避免的。用户通过区块链可以对自己的隐私数据进行跟踪、溯源,因此这种软文推送的权利掌握在用户自己手中,并且可以一眼就辨别哪些是软文,哪些又是真正的优质内容。
对于企业而言,把数据上传至区块链当中,这些数据会形成链条,具有真实、顺序、可追溯的特性,相当于已经从大数据中把有效数据进行了分类整理,也降低了企业对大数据处理的门槛,能够更快、更好的提取更多有利数据。
确切来说,区块链与大数据是一对相得益彰的伙伴,在收集数据上,区块链没有大数据如此擅长,而在数据安全上,大数据也没有区块链这般稳固。大数据的蓬勃发展也会相对带动区块链的进步,两者相辅相成,才会更好的为社会服务。
也许终有一天,我们可以完全掌握自己的信息,我们可以随意的查看我们真正想要的内容,不会在网上受到欺骗,不会在网络上被人带跑三观。届时,我们将在网络中找到最真实的自我。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24