安全的陷阱:警惕大数据壁垒化危害

  随着人们对大数据价值理解的深入,更多的公司将自身领域拓展至大数据层面。然而与高速发展相对应的是,数据管理行业急需的一系列数据使用标准及数据守则并没有被建立。在法律监管与行业监管都缺失的情况下,许多数据企业都在从利己的角度出发,将大数据安全与大数据壁垒联系在一起。我们不经要问:被分割成孤岛的大数据还能称作是"BigData"吗?

  拿目前大数据应用最前沿也最广泛的在线广告行业为例,许多现实问题产生的原因不光是透明度的缺失,也包括行业各方并未真正理解自己在整个生态中所处的位置。企业认为在线媒体及数据收集方在收集品牌企业相关数据,并将其卖给竞争对手。与之相应的,在线媒体认为广告代理商也在收集他们的用户数据,然后通过其他媒体实现用户定向。

  市场参与者们关心的核心问题无非就是:我的数据是否要被旁人所用?

  Hey!这是我的品牌!--品牌可辨VS不可辨

  数据使用的透明度一直是各方争议的关键,解决数据使用的问题不应该被归结到"要不要"而应该是"怎么做"。一些人担心第三方数据平台为了自身商业利益,加剧泄露数据,还有一些人抱着有罪推定的想法,认为泄漏数据是商业必然。但是从发展的角度看,无论历史上的哪个时期,"开放"和"诚信"始终是所有企业发展的必然选择。

  就目前市场发展所处的阶段,很多业内人士认为,解决信任问题,一方面需要行业自身的约束与监管;另一方面在数据的具体使用上,通过技术手段也可以规避风险。例如在得到参与各方完全同意前,品牌辨别信息不应该用于数据定向。这样就可以最大程度的避免广告主所担心的自己的数据被第三方交易平台、第三方数据管理平台(DMP)或媒体售卖给竞争对手。同时,媒体也不必担心广告主和代理商,会借助从自己这里收集的用户数据,在其他媒体那以更低的价格定向受众。

 Hey!这是我的数据!--私有数据VS公开数据

  就像广告主和媒体不希望自己的品牌信息被竞争对手利用一样,他们同样会更加在意产品效果等专有的数据被透露给第三方的可能性。在大数据时代,数据安全是一个相对的概念,数据方首先要了解自身数据的价值,以及自己所要达成的目的,在自己所需与数据安全之间找到一个平衡点才是有意义的。

(图为,缔元信网络数据总裁 梅涛)

  从理论上讲,将一段数据完全封闭所带来的安全性是最高的,但这样,数据的价值也就无法体现。大数据时代的一个特点就是互通互联和数据交换。缔元信总裁梅涛表示:大数据技术是把原来碎片化的、相互隔离的松散数据通过技术手段和服务,连接成一个尽可能长的完整的数据链条,越长也就越接近事实的全貌,这样才会产生相应的数据价值。想借助松散的数据片段实现洞悉,通过局部的数据链条去判断一些用户的行为是不准确的,就如同盲人摸象,我们自以为找到了有用的"木头",殊不知愤怒的大象已经盯着我们看了半天。

Hey!这是我的花园!--数据壁垒VS数据互通

  业界的另一个奇怪的风向是有许多公司在不经意间传递了大数据孤岛的概念,将数据安全与数据壁垒联系在一起。一些公司认为只有建立第一方数据管理平台(DMP),通过强效的数据控制,才能有效实现数据安全保障,企业建立起数据保护的"私家花园",方能坦然步入大数据时代。

  然而这样的信息与趋势,无疑与大数据时代的历史潮流相悖。大数据的开放性让它与之前时代产生了巨大的不同,流动中的数据把我们过去无法触及的角落连接在一起,提供更加深入的信息洞察和分析。上中下游数据的互通互流相互交换是大数据行业良性发展的必备因素。建立数据壁垒,将产生数不尽的数据孤岛,把我们再一次拖回"小数据时代"。

  例如一家世界500强公司,会在许多不同的媒体平台上投放广告,尽管数量已经非常多,但仍有很多媒体是覆盖不到的。为此,它需要对投放地做出选择。而他的目标客户常常会关注许多不同的门户频道,这样就导致企业无法立体全面的获取目标客户群的喜好信息。如果企业使用某些第一方DMP,出于数据壁垒设定的存在,数据无法互通,想要最大程度洞察用户就需要将广告从现在的规模扩大十倍甚至几十倍,带来非常大的数据成本。

  另一方面,将数据局限于第一方平台会使得企业对自身数据的价值产生错误的预判,无论企业的规模有多大,其自身数据对比整个市场依然只是较小的一部分。使用企业自有数据的小样本来推市场的大样本,是小数据时代无法处理海量数据情况下的一种折中方案。这种粗线条的人口学统计所带来的只是一个自圆其说的模型。缔元信梅涛表示:这就像两个男孩,年龄一样,零花钱一样,又是同班同学,但一个喜欢可口可乐,一个喜欢百事可乐。人口统计上的完全一致,却无法解释兴趣不同产生的原因。

  而大数据解决的是大样本下的差异化问题。大数据可以从地理位置、全网触点、跨屏、社会化媒介和门户网站等不同维度出发,不单是做出用户画像和标签,更是将碎片化的信息提炼出核心链路和逻辑。在逻辑之上,就是不同企业所需要的大数据定制的模型,电商可以了解消费者喜欢什么样的商品,喜欢什么样的优惠,品牌广告主可以从产品源头了解消费者的市场需求和喜好。换句话说,未来,大数据必将逐渐向所有行业产业链的上游发展,当企业在生产产品,制定产品计划的前期,就可以通过大数据模型,实现更全面的考量。

  结语:

  总而言之,大数据的发展必将围绕着数据流通,这其中有许多问题需要各方不断积累经验,探讨解决的方法,这一过程不免会走一些弯路,但是对于大数据的未来,缔元信梅涛持乐观态度。他认为,现在大数据的发展是有目共睹的,是大势所趋。尤其是未来互联网会不断有新的工具和应用产生,存在各种可能性,总会有更好的解决方案出现。

  见新浪科技:安全的陷阱:警惕大数据壁垒化危害

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏西安软件开发

探寻西安弈聪软件成为大数据运营与数据分析行业黑马的创业史

2017年工信部公布了《大数据产业发展规划(2016-2020年)》,提出了到2020年的发展目标:大数据相关产品和服务业务收入突破1万亿元,年均复合增长率保持...

993
来自专栏大数据文摘

进化的竞争:机器与人谁淘汰谁?

16910
来自专栏人称T客

管理软件正告别黑暗时代

企业软件是帮助企业整理数据和自动化麻烦的人工流程的重要工具。可惜的是,除此之外它并没什么帮助。称企业软件“哑巴”也许不大合理,但随着“智能”设备开始不断普及,我...

3334
来自专栏数据猿

数据猿专访诸葛io孔淼:数据与业务“动态”结合才能发挥最大威力

诸葛io创始人&CEO 孔淼 【数据猿导读】 诸葛io创始人&CEO孔淼在接受数据猿记者采访时表示:“互联网企业精细化运营的第一步是要时刻关注用户,对用户的行为...

2877
来自专栏上善若水

全球最值得关注的100家人工智能公司都在这里了

CB Insights的评选结果基于这些公司所提交的数据、对一系列问题的回答、以及企业的Mosaic分数。Mosaic是一种获得了美国国家科学基金会资助的算法,...

3384
来自专栏机器人网

揭秘亚马逊的蓝白领“机器人”生存状态

《纽约时报》早先的一篇文章展现了亚马逊公司「恶劣」的工作环境。但你也许会有和我有一样的困惑,为何这样一家创造了优秀用户体验、如此聪明的公司,会在 对待员工的事情...

3025
来自专栏CDA数据分析师

透过数据看新浪微博 -傅志华

傅志华先生在互联网行业、产品与营销研究有超过十年的经验,谙熟数据分析和数据挖掘方法。现为腾讯社交网络群数据分析中心总监,专注于互联网产品尤其是社交网络、会员服务...

18510
来自专栏携程技术中心

沙龙报名 | 敏捷总动员,6月9日上海

1536
来自专栏量子位

电信公司拥抱AI苦于招人难,Facebook把自家人才“共享”了出来

夏乙 发自 凹非寺 量子位 出品 | 公众号 QbitAI Bengio的AI研究机构Element AI曾经公开表示,有能力进行严肃人工智能研究的,全世界加起...

2655
来自专栏量子位

发明了互联网和AI的美军机构长文预测:人类正与机器合二为一

想说明DARPA是什么,莫过于看它曾经带给我们什么:互联网、无人驾驶汽车、手持电子设备、人工智能…… 近日DARPA负责人发布5千字长文,详细的告诉我们:人类正...

2698

扫码关注云+社区