|
2020年，疫情的爆發使健康碼在各大城市相繼使用，健康碼是以真實數據為基準，識別人員是不是直接或間接接觸過一些感染者，從而判斷人員是否需要隔離排查。 杭州市委副書記在接受新聞采訪時表示，健康碼的評判來源于三個維度：空間維度、時間維度和人際關系維度。這說明了健康碼的生成充分利用了用戶的數據，雖官方暫未公開數據使用的詳情，但猜測健康碼會結合用戶的人際關系數據、GPS定位數據、電信運營商數據、消費記錄數據、線下掃碼位置數據等相關信息，進而判斷人員是否出入高危場地。 健康碼的應用，屬于大數據技術的典型案例，網絡服務提供者利用收集到的用戶數據，預測用戶的健康情況，使疫情防控更加高效、精準。 人們在享受大數據帶來便利的同時，若網絡服務提供者不按照規定使用用戶數據，也將對用戶造成騷擾，威脅到用戶的隱私信息。 一、到底什么是大數據
李笑來曾經提及過，在寫《韭菜的自我修養》這本書之前從來不會使用“韭菜”一詞，因為沒有弄清“韭菜”一詞的定義，在沒有弄清一個詞的定義之前，不應該隨便使用。 自從大數據概念被提出，我們已經廣泛使用了這么多年的“大數據”，那么“大數據”的具體概念應該是什么？ 現實世界中，有很多詞匯是沒有官方定義的，比如“人工智能”，沒有哪個機構說他們定義的就是正確的“人工智能”概念。在不同的時代里人們對人工智能的定義也是不同的，上個世紀60年代，人們認為可以下跳棋的計算機就是人工智能，但現在看來這個說法顯然是無法被人們接受的。 相同的，大數據的定義，也沒有一個官方機構明確地說明什么就是“大數據”。早些年對于政府機構來說，數據匯集也叫做大數據，而后出現了一些數字辦、大數據局等新成立的單位，把各地方、各單位的數據匯聚起來，以發揮后續政府數據的價值。對于金融機構來說，可以通過用戶的行為進行用戶畫像就是大數據，通過用戶的行為數據，判斷用戶的償還能力及償還意愿，識別用戶貸款的風險。 麥肯錫對大數據給出的定義是：“一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合。”在《大數據時代》中，大數據指“不用隨機分析法，而是采用所有數據進行分析處理。”IBM提出，“大數據是具備5V的特性數據，5V包括：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。”在上述基礎上，業內人士已將大數據拓展成了“十字特性”，即：一“大”，二“雜”，三“全”，四“多”，五“快”，六“久”，七“活”，八“簡”，九“稀”，十“聯”。 大數據的定義如此之多，致使每個人心中都有對大數據的不同理解。如今多數情況下，人們提到大數據，都是在特指通過數據分析，可以得到數據中的價值，具體價值可以是協助人們進行決策判斷，預測未來事情的變化，發現事務中的關聯性等價值體現。本文所說的大數據，就是在遵循這樣的描述。 二、大數據的“利”1. 預測預測是自古人們都在向往的活動，生活中的預測無處不在，比如通過概率分析法預測彩票的中獎號碼，通過價值分析法預測股價的走勢。 古代人們利用占卜進行預測，就是通過多年觀察到的事務變化，結合歷史數據總結出來規律，應用在后續的占卜活動中。占卜并沒有科學依據，但實際上占卜就體驗了人們的大數據思維，利用對過往數據的總結，不必非得知道現象背后的因果，只要知道相關性就可以預測未來。 古代的中醫從業者，并沒有能力提煉出草藥中的成分，哪種草藥可以抑制哪種疾病，完全是在結合大量的實際案例，根據經驗從數百種種草藥中挑選出不同的組合，從而醫治不同的疾病。 預測從古代發展到近代，出現了利用數學模型預測的方法，比如利用過往數據和數學模型的結合，預測未來幾年的人口增長情況。 數學模型是用數學符號、公式、方程等對現實世界規律的抽象描述。如今的氣象預報，還在應用數學模型的方法來預測未來的天氣，氣象局會根據氣象圖的變化趨勢，結合溫度，壓力，濕度，風向，風速，陽光照射情況等，應用數學模型預測天氣的變化趨勢。 當今的大數據分析，就是在結合了占卜和天氣預報的方法，利用歷史數據，結合數學模型，預測未來、預測結果。健康碼應用，通過我們的電信運營商數據、交通出行數據、交易記錄數據等信息，預測我們是否為高危感染人群，判斷是否需要進行隔離觀察，這就是在預測結果。搜索引擎，通過用戶的搜索喜好，預測美國總統的未來人選，這就是在預測未來。 預測是大數據最典型直觀的價值體現，有時預測也被看作人工智能的范疇。在未來，利用大數據預測，將給人們帶來更多的便利。利用數據預測可能的疾病，以便提早做出預防；利用數據預測學習的缺陷，以便精準教育及練習；利用數據預測用戶的真實需求，從而不需要產品經理來瞎猜（估計到時候我也就下崗了）…… 2. 發現相關性2004年，沃爾瑪從以往數據中發現，在季節性颶風來臨之前，不僅僅颶風用品的銷量會增加，而且蛋撻的銷量也會大幅增加。因此每當季節性颶風來臨之前，沃爾瑪就會把蛋撻商品擺放到颶風用品旁邊，以便讓快速購買颶風用品的顧客留意到蛋撻，增加蛋撻商品的銷售量。沃爾瑪的人也并不知道為什么蛋撻就成了颶風來臨時的暢銷產品，但是他們只需要知道颶風來臨時沃爾瑪的蛋撻會暢銷就可以了，找到了這個相關性之后即使不用找到背后的原因，也可以提升銷量。 大數據時代，我們不必非得知道現象背后的因果，只需要發現相關性，應用到后續的活動中，就可以創造巨大的經濟或社會價值。利用大數據發現相關性，可以加快社會的進步，加快人們的決策，避免了找到“因”，在想清“果”的繁瑣過程。 三、大數據的“弊”1. 威脅用戶隱私在大數據時代，人們偶然間發現自己的隱私受到了威脅，我們的隱私被互聯網服務提供商監視著，購物應用監視著我們購物習慣，搜索引擎監視著我們網頁瀏覽習慣，社交軟件監視著我們的社會關系，理財產品監視著我們的財富…… 互聯網服務提供商監控著我們的數據，利用我們的數據搞“大數據殺熟”，形成“千人千價”，從而提高自身的利潤，受害的卻是我們消費者。美國國家安全局2007年發起的棱鏡計劃，通過互聯網服務器中的數據監聽著我們每一個人的一舉一動，在其面前我們沒有隱私可言，擁有大量數據的機構，知道我們的每一個真實行為，有時甚至比我們自己都了解我們。 互聯網服務提供商不合規利用數據對我們造成的影響尚可原諒，一旦數據被泄露或非法交易，將造成不可預知的后果。當今泄露事件層出不窮，臉書把用戶的點贊數據非法供給了劍橋分析公司，間接性對美國大選結果造成一定影響；雅虎2016年泄露15億人次的用戶信息，使廣大互聯網用戶的生日，電話號碼，賬戶密碼在暗網流傳，隨時有可能流入不法分子之手。 2. 強者愈強未來將是人工智能的時代，從人工智能的歷史發展中觀察，人工智能算法的優化，用程序員主動去寫算法，算法的精準度不如利用大量數據去訓練算法的效果好。因而數據在人工智能的發展中，將會起到至關重要的作用。 企業擁有的數據量越大，其算法的訓練越充分；算法訓練越充分，產品將越趨于完善；產品越完善，用戶越多；用戶越多，企業的數據量越大。這樣就走到了一種無限的循環之中，形成強者愈強的馬太效應，使小企業更難趕超大企業。 四、大數據將會帶來的機遇1. 商業模式創新未來可能會存在部分企業，不在以向用戶收費或廣告商收費的方式盈利，而是以產生數據，售賣數據服務的方式來達到盈利的目的。 例如智能冰箱制造企業，免費提供智能冰箱給用戶使用，但冰箱中的貨物情況制造企業需要進行監控。企業將監控到的數據售賣給商超形式的貨物提供企業，貨物提供企業自動對冰箱中的缺貨情況進行補貨，從而承包用戶的全家食材。 同時智能冰箱制造企業還可以將用電數據賣給電力供應商，告知電力供應商每戶家庭的冰箱使用及耗電情況。電力供應商通過購買全部智能家電的用電情況，從而實現精準生產電能，避免造成電能的浪費。 2. 數據連接企業當前企業間、政府間的數據，無法做到互聯互通，形成了一個又一個的數據孤島，但是一些企業可能又需要其他機構的數據，來實現自身業務的優化。例如銀行就需要用戶的房產數據、車輛數據來判斷用戶的財富；保險機構需要用戶的醫療數據來判斷用戶的以往病史。 在數據互聯需求的驅動下，未來將會催化數據連接平臺產品的誕生。平臺連接數據的供需雙方，成為“數據淘寶”，為供需雙方提供數據的信息流和資金流。 由于受到法律的制約，直接進行數據售賣顯然將存在法律風險。因而數據連接平臺的發展可能會朝著授權流通、畫像流通、去標識化流通的方向發展。 授權流通就是在用戶的合法授權之下，把數據從供應方轉移到需求方；畫像流通就是將需求方的用戶畫像模型運行于供應方的系統之中，從而在供應方的系統中只輸出畫像結果，不輸出原始數據；去標識化流通就是將用戶的隱私信息去標識化，只流通無隱私的數據，例如流通某地區的用戶購買數據，分析購買喜好，但不能對應到具體個人。 3. 數據思維企業未來將會有越來越多的企業需要進行數據的價值挖掘，但由于每個企業都有自身的業務，企業內部的員工重點關注自身業務的發展，對數據價值挖掘的具體方法不會特別了解，因此將會有公司專門提供數據價值挖掘思維的業務。如麥肯錫，波士頓，貝恩，四大等，都具備天然的優勢開展此類業務。
|
