CNNIC发布报告:大数据应用对个人隐私提出严峻挑战

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

截至2015年12月,我国网络购物用户规模达4.13亿,同比增加5183万,增长率为14.3%,高于6.1%的网民数量增长率。

与此同时,我国手机网络购物用户规模达3.4亿,同比增长率为43.9%,手机网络购物的使用比例由42.4%提升至54.8%。

通过以上数据我们可见,大数据的挖掘利用成为互联网经济新的价值增长点。大数据的挖掘意义在于预测,比如流行趋势的预测、用户需求的预测等。

隐私数据之浏览痕迹

大数据挖掘提升用户体验愿景美好,但目前仅停留在根据浏览痕迹推荐商品阶段

在互联网这个比拼速度、简化流程和提升体验的时代,网民日益增长的期望和要求以及极度缺乏耐心的表现,使得精准的个性化推荐有理由满足用户的需求痛点,进而激发消费行为。即通过互联网技术提升网民的消费体验,拉动整个社会的消费需求。

然而,大数据挖掘目前处于根据浏览痕迹推荐商品阶段。通过大数据挖掘技术实现精准个性化推荐愿景美好,但当前的技术应用远没有达到精准匹配的程度,用户尚未完全体验到大数据挖掘利用的好处,越来越多的用户只是感觉到平台商家在根据自己的浏览痕迹推荐商品。

  (2015年用户遇到平台根据浏览痕迹推荐商品情况)

数据显示,2015年83.5%的用户察觉到并明确表示网购平台根据自己的浏览痕迹推荐商品,这一比例较2014年提升25.9个百分点

隐私数据之用户态度

用户对企业根据浏览痕迹营销的态度明确,为保护用户隐私需关注知情权和遗忘权

  购物网站目前的大数据推荐算法主要是:

1、根据用户搜索、浏览物品自身的相似度匹配

2、通过采集用户的购买、浏览、收藏商品的数据对用户进行聚类,推荐同一类用户购买的商品

3、通过寻找购买某一商品的人群之间的相似度进行推荐

4、基于两种或两种以上商品被同时购买的强关联概率推荐

上述算法显然不能达到精确匹配的要求,用户时常略过推荐的商品信息,甚至产生反感。

  (2015年网购用户对企业根据浏览痕迹营销的态度)

从2014年到2015年,对于企业根据浏览痕迹推荐商品的营销行为表现出明确态度消费者增加:

认为可以接受,有助于提升购物效率的网购用户比例由34.9%提升到40.1%,增加5.2个百分点

认为无法接受,觉得购物隐私数据被泄露的用户比例由21.9%提升到31.5%,增加9.6个百分点

随着商业模式的复杂多样化,大数据个人权利的边界越来越被淡化。互联网时代,人们更多的通过电脑和智能手机进行网络消费和社交活动。

在使用一些软件前,我们必须通过电子授权的方式(即浏览用户须知,点击确认)方能使用,无形之中将自己的个人隐私数据所有权转移给服务商。

在多重交易和多个第三方接入的情况下,大数据的个人权利边界被淡化,从而造成用户隐私泄露或频繁出现招致用户反感的推荐信息,从而带来不良的用户体验,出现大数据滥用的现象。

为此,需要相关监管部门在法律层面明确“知情权”和“遗忘权”。

一方面,在使用该软件前让用户享有“知情权”,保证用户知道自己的用户数据在何处如何使用;

另一方面,一旦对大数据挖掘推荐的结果产生反感,用户便可以行使“遗忘权”,即选择退订推荐商品信息,甚至通过合理的流程要求企业删除相关的个人信息,以及浏览、搜索和订单痕迹。而政府相关部门需要在法律层面上明确保护用户的“知情权”和“遗忘权”。

LEO君呼吁广大网民,无论使用电脑还是智能手机软件,大家都要提高自身的隐私安全防范意识!建议要从权威的应用市场下载手机软件!同时,也可以借助手机防护软件保护自己的合法权益不受威胁。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
133 1
|
14天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
28天前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
2月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
68 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
2月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
168 2
ly~
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
147 3
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
432 2
ly~
|
2月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
592 2
|
3月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
158 5
|
3月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
230 6