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
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10