【钱塘一周说】社科院调查：四成人讨厌“大数据”

钱塘数据

发布于 2018-03-01 10:31:16

9020

发布于 2018-03-01 10:31:16

新闻速报1

大数据在技术的不断优化完善中快速发展，各类新兴互联网企业尤其是电商平台、社交平台争相建立大数据中心，全面采集各类用户行为信息资源，并基于所获得的大数据开展各种模式的商业运营。与此同时，各类骚扰电话、网络诈骗、账户失窃等基于互联网的个人信息安全问题和隐私侵犯行为频发。这是中国社会科学院新闻与传播研究所和社会科学文献出版社日前在京联合发布的《新媒体蓝皮书：中国新媒体发展报告No.7（2016）》中提到的。

在大数据应用的过程中，大数据开发者是否考虑了基础数据的贡献者——用户的权益？是否将用户的个人信息安全纳入了保护？是否对用户隐私进行了合理考量？个体用户对于大数据的应用有怎样的感知？在大数据应用过程中，如何对个人信息安全和隐私进行保护？这些问题一直以来备受专家们关注。

新闻速报2

风口上的“大数据”产业

短短十数年，大数据、物联网、云存储、移动互联从趋势成为主流，商业生态早已迈过无数个可能，进入了今天飞速发展的快车道。

目前，大数据产业已渐趋成熟，亟待被各行各业所运用。随着大数据概念越来越清晰，运用产品类型的形式在数据当中应用将会越来越多。

大数据规模日趋庞大

所谓的大数据技术，就是从各种类型的数据中，采用新处理模式快速获得有价值的信息，从而实现深度理解、敏锐发现与精准决策。随着互联网+影响力的不断深入，人们的生产和生活方式发生了极大的改变。新一代信息技术与经济社会各领域的深度融合，引发了数据量的爆发式增长，使得数据资源成为国家重要的战略资源和核心创新要素。

完善大数据体系建设

对制造业企业而言，大数据技术的战略意义不仅在于掌握庞大的数据信息，更在于对数据的“加工能力”——对大量的数据进行专业化的处理，使之转化成为对企业有用的信息。

目前，形形色色的大数据已然成为了各领域发展的新宠。伴随技术的发展，大数据正在引领一场营销变革。大数据的存在让营销者能更好地、更实时地对消费者画像并实现无限的消费者细分。大数据强大的分析、挖掘、整合能力让营销变得简单起来。

新闻速报3

高考志愿填报：大数据和机器自动化是热门

今年3月我国出台的《十三五规划》，提到支持战略性新兴产业发展，包括大力推进先进半导体、机器人、智能系统、新一代航空装备、智能交通、精准医疗、虚拟现实与互动影视等新兴前沿领域。跟随十三五规划热议的“关键词”，考生们可从中寻找新视角来了解行业发展与专业选择，从国家战略层面规划未来、填报高考志愿。

关键词1：大数据

【相关专业：计算机科学与技术、数据科学与大数据技术等】

近年来我国不少高校也都设置了“大数据”相关专业，其中就有专科专业“大数据采集与管理”以及本科专业“数据科学与大数据技术”。中南大学于2015年3 月成立了信息安全与大数据研究院，中国香港中文大学、西安交大、浙江大学、厦门大学等高校都设立了数据科学研究中心，培养具备大数据思维和创新能力的复合型人才。

关键词2：虚拟现实与互动影视

【相关专业：数字媒体技术等】

而与之相关的工学专业“数字媒体技术”就是一门在媒体网络、新媒体工程等领域，研究开发如信息可视化、移动开发、电脑游戏、人工智能及网络多媒体应用等的交叉学科。

关键词3：物联网

【相关专业：物联网工程等】

与之对应的工学专业“物联网工程”就是一门学习研究实现各种物体通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管理。

关键词4：智能电网

【相关专业：智能电网信息工程等】

“智能电网信息工程”是一门研究数字化信息系统，将能源开发、转换、传输、存储、配送等环节，与终端用户的各种用电设备连接在一起，通过智能化控制，实现精确供能、对应供能、互助供能和互补供能的新兴专业。

关键词5：机器人

【相关专业：自动化、智能科学与技术等】

机器人发展的四大关键技术，分别是：计算、视觉、语音和驱动。所以它涉及的专业也不单单只是自动化这一个专业，还会涉及到很多其他专业，例如智能科学与技术等等专业。

新闻速报4

大数据面临的两大挑战：数据权利确认+数据价值趋向

近日，由中国人民大学国际货币研究所主办的“第一届中国大数据与经济预测论坛”在京举行。明略数据金融大数据行业专家杨昀与会指出：“大数据时代遇到两个明显挑战：一是数据权利确认，二是数据价值趋向”。

杨昀指出，目前，在国家层面已经将数据定位战略资源，对于每个人来说，数据也是无形的资产，对这一块我们如何确定它的权利，包括如何来在一个比较有效的法制当中保护相应的权利，目前在实践上还是全世界的一个难题，这里涉及到非常多的法律概念，包括数据的所有权、收益权、隐私权。

另外，大数据蕴藏大量噪声冗余，评估价值密度并不符合未来企业应用的场景，包括做宏观预测当中需要提炼和评估的过程。“不是数据越大越好，要有前提，当数据有足够的价值密度时，数据才越大越好。”杨昀指出，需要进行排除和筛选，建议所有企业包括机构在选择数据的时候尽量选择噪声比较低、而数据来源上选择价值密度更高的数据。

新闻速报5