京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的难解悖论:隐私与货币化何以两全?
人生的乐趣在于不确定性。如果大数据作为一种技术,(数据分析师)在未来统治了人们的工作和生活,那么我们每个人将都是赤身裸体的连皮肤可能都要是失去了!我们将进入一个确定的、可预测的世界。这是我在昨天参加完百度BIG Talk第三期《大数据开启大未来》的科技对话活动之后,最为直接的想法。来自美国的彭特兰教授是这次对话的灵魂人物,此君名声在外,不只是因为他自己自 身是MIT媒体实验室的负责人,在大数据领域属于一流的学者,他的学生也都是人中翘楚,其中就包括谷歌眼镜的发明人。
去之前,稍微做了点功课。因为我始终对大数据技术那种宣称的无所不能持有怀疑和谨慎的态度。因为我认为过度的技术浸入人类的生活和工作,并非完全利 好。尤其可穿戴产品,人类的所思所想所行,都变得越来越透明。以至于很多商人在欢呼,传统的消费者行为学理论终于可以寿终正寝,在他们看来,作为消费者的 我们不再是黑盒子。
因此,我比较关注彭特兰教授有关隐私方面的演讲。因为在大数据统治的数字化社会,我并不认为做一名数字透明化的顾客会是多么幸福的事情。
彭特兰教授在演讲中提到的一个观点,我认为值得整个社会深思,他说我们不应该把个人的数据交给一个以盈利为目的的商业公司。在彭特兰教授的观点中,他认为作为个人而言,在大数据时代,应该具有四种权力:
1)被通知权:能够明确的知晓自己的数据在何时、何地、以何种方式会被采集
2)知情同意权:个人明确的知道数据将会被如何利用,并且必须经由本人同意
3)审核:在这里主要是指政府法律机构负责审核
4)撤销权:个人随时可以销毁自己的个人数据资产。
通俗的说,就是彭特兰教授称之为“数据上的新决议”三原则:你有权利拥有你的数据、你有权利掌握数据的使用、你有权利摧毁或者贡献你的数据。
所以在他的解决方案中,他提出了一个可信网络的概念,借用的是SWIFT(环球银行电信协会)在全球银行间建设的银行间通信和实时清算系统。同时, 他还提出了一个“开放个人数据商店”的模型,"数据分析师"在这个模型中,这是一个唯一的存储个人数据的地方,在面对外部访问请求的时候,给出的最终答案,而不是数据本 身。
当然,运营和管理这样的一个个人数据商店,并非简单和容易的事情,尤其是在全世界范围内统一起来更是几无可能。在这里面既涉及到各国政府管理和服务 本国公民的问题,也涉及到全球的国际公司巨头们的巨大商业利益问题。所以笔者对彭特兰教授的这个开放个人数据商店能否真正解决个人的数据隐私保护持有保留态度。
教授的理想是个人的数据资产不能交给商业公司。
但是冷酷的现实则是,除了商业公司对我们的个人数据资产抱有浓厚的兴趣之外,恐怕很难找到一个跳出五行外不在佛门中的人和机构,对此持有持续的兴趣和动力。(当然,政府机构也对此抱有极强的兴趣,但是那是另外一回事)
所以对于个人而言,更为现实的问题,则是如何合理的货币化自己的个人数据资产的问题。这一点,彭特兰教授在演讲中,也有提及。他指出,建立一种机制,鼓励人们分享和贡献数据,既能给自己,也能给他人和整个社会带来好处。
对此,我深表同意。比如如果每个司机人都愿意实时的分享自己驾驶车辆的速度、位置、刹车、加速的情况,这样整个城市的路网,都实现了动态的监控和运营,或许对于改善所有司机的出行效率都有好处。
但是重要的问题是,要有足够的经济激励,刺激个人在信任安全可靠的前提下,有意愿分享自己的数据。显然,有机构或者组织愿意直接出资购买个人的这些数据是一种最为直接的商业模式,但是在现实生活中,第三方付费的模式则更为普遍。
不过有次带来的新问题则是,如果人们知道自己的数据能够给自己带来收益,则可能会影响其有意识的偏离正常的行为模式,从而使得数据的真实性又产生新的问题。这一点,其实在目前互联网世界中,第三方付费的商业模式中,案例比比皆是,虚假繁荣的数据由利益而生。
不过,有激励的机制,显然整体绩效要高于没有激励的机制,这一点,我认为是大数据时代,如果向获得完整和真实的数据,所必须考虑的一点。
目前来了,大数据的出现还主要是为了提高生产力,提高营销的效果,改善我们的交通、环境、健康、城市的境况。但是随着生物科技、信息通信技术的发 展,物联网、互联网的融合发展,我们的世界或许将不可避免的进入一个“全数据化”的世界——在这样的世界,任何不可数据化的东西,都将与不存在一样。
在这样的世界,将是由大数据统治的世界,每一个人都是一串二进制编码,透明而简单,一切都是确定的,都是可预测的,都是按部就班的,你喜欢吗?反正我不喜欢,没有不确定性的人生能有多大意思呢?数据分析师
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30