
我国大数据产业发展现状分析_数据分析师培训
我国大数据产业发展目前还处于起步阶段,业界对于大数据产业的立法保护呼声甚高。一些专家认为,目前就大数据单独立法条件尚不成熟,政府部门应在推进规划引导、完成标准制定、优化完善大数据发展环境等方面发力。但需注意以需求为导向,避免陷入以技术为驱动的信息化发展怪圈。
随着大数据挖掘分析的愈发精准,应用领域不断扩展,个人隐私保护和数据安全变得非常紧迫。近两年来,我国大数据产业发展的宏观政策环境不断完善,在推动行业发展和保护个人隐私方面起到一定作用。
2013年6月工信部发布《电信和互联网用户个人信息保护规定》,根据《全国人民代表大会常务委员会关于加强网络信息保护的决定》,进一步界定了个人信息的范围,提出了个人信息的收集和使用规则、安全保障等要求,为大数据应用中的个人信息保护设立了法律法规屏障。2014年10月,最高人民法院发布《关于审理利用信息网络侵害人身权益民事纠纷案件适用法律若干问题的规定》,进一步细化了网络服务商的责任,加大了对被侵权人的司法保护。
工信部电信研究院专家指出,在隐私保护方面,现有的法律体系仍面临两大挑战:一是法律保护的个人隐私主要体现为“个人可识别信息”(简写PII),但随着技术的推进,以往并非PII的数据也可能会成为PII,造成保护范围变得模糊;二是以往建立在“目的明确、事先同意、使用限制”等原则下的个人信息保护制度,在大数据场景下变得越来越难以操作。而我国个人信息保护、数据跨境流动等方面的法律法规,仍需进一步配套健全,这成为制约大数据产业健康发展的重要因素之一。
工信部总工程师张峰说,根据工信部2014年的立法工作安排,目前没有直接涉及大数据产业的立法项目。记者走访多位业界专家了解到,尽管对于大数据相关产业的立法呼声颇高,但目前单独立法条件并不成熟。
针对目前我国大数据发展中面临的种种问题,中国工程院院士邬贺铨、国家信息化专家咨询委员会常务副主任周宏仁等认为,当务之急是制订国家大数据发展战略,从国家需要和应用角度出发制订大数据的发展规划,尽快出台《信息保护法》和《信息公开法》,紧紧抓住大数据时代到来的重大机遇。
具体操作上,中央网信办政策法规局副巡视员尤雪云、孙佑海等建议,将大数据产业涉及的法律法规纳入网络安全、个人信息保护的立法内容中。以“网络安全立法”为范畴建立网络数据信息安全保护制度,着重解决网络数据信息安全保障问题,依法确立“明确责任主体、完善自律机制”的原则,明确相关机构的责任边界。
专家强调,数据收集机构对于数据安全和个人隐私保护的责任需进一步明确。孙佑海说,对于网站、银行、医院等数据信息集中的机构单位,应从法律层面要求其保护客户信息,严禁滥用,严禁外泄。要严肃追究将数据信息流向境外的单位和个人的法律责任,单位与泄密人之间要承担连带责任。
专家还建议,在“网络安全立法”的框架下,建立重点岗位和人员的特殊保护制度。要求国家机关、涉及国计民生的行业以及数据信息集中的互联网企业等,确定网络信息安全保护的重点岗位和人员,明确保密义务和责任,加强网络舆情分析、网络内容监管、网络攻击应对、网络应急保障等方面的专业技能培训,提高网络信息安全保护能力,实施严格的网络信息安全保护措施。例如,要求重点人员不得使用国外生产的手机、存储设备、操作系统等软硬件,坚决防治网络泄密。
此外,中国计算机学会计算机安全专业委员会主任严明指出,应依法整合互联网相关机构的管理职能,建立健全具有中国特色并高效运行的网络信息安全管理体制,以法律形式明确规定各个网络信息管理职能部门的职权和责任,尤其是网络信息安全执法部门,完善各主管部门在维护网络信息安全工作中的主从关系和协同配合机制,形成从技术到内容、从日常安全到打击犯罪的互联网管理合力,确保网络的正常运行和网络信息安全管理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03