A. 大数据时代你知道数据财产权归属于谁吗
大数据时代你知道数据财产权归属于谁吗
当前，大数据产业风生水起，走到哪里都有人谈大数据。但越接触大数据，我们就越担心，它到底是让我们生活得更好的"阿拉丁神灯"，还是会释放无数危险的"潘多拉魔盒"？
很多人都并未意识到，自己头顶依然悬着一把法律之剑。
目前，欧盟已经出台了苛刻的数据保护条例，美国也对出售客户数据的运营商施以重罚，那么，还处在萌芽状态的中国大数据行业，究竟将向何处去？是先放水养鱼，让产业发展和数据应用游走于现行法律法规的边缘；还是尽快修改和出台法律法规，尽可能与技术发展相匹配？在这个过程里，我们还有太多的法律问题需要考虑。
首先，现有法律限制的是什么样的数据交易，什么数据才是可交易的，法律保护的是客户隐私数据，还是数据的全部属性？
数据是有很多属性和分类规则，用户的个人数据除了客户资料之外，还包括用户数据，还有平台记录的与用户有关的行为，而法律主要禁止与个人隐私有关的部分属性交易。所以，不能将数据简单等同于个人信息和隐私（法律啥都保护，这个同前面一样，换个角度说妥当，法律禁止的是什么）。
因此，原则上无害于个人，不涉及隐私，不能被辨析到客户个体，那么数据的获取、交易甚至开放，与现行法律的基本原则不相冲突。所以说，在数据交易前，需要对数据做脱敏处理，或者匿名，或者打码，或者隐去，才能继续对"不具有个人识别性"的数据或属性进行交易。
但是，数据的哪些属性不具有个人识别性呢？在实际案例中，很多客户的隐私属性是通过分析识别出来的。从技术角度看，无论是海量数据的信息挖掘，还是不同属性的交叉分析，都可能把看似不泄密的数据，转化生成能够辨识客户的隐私信息。
客户信息不能被直接辨识出来，是不是就等同于去除了个人身份属性？通过技术手段能够间接导致将个人的数据甚至个人不愿为人所知的信息被披露，这样的数据泄露算不算侵犯个人的权益？甚至于，企业机密和国家安全都可能因为大数据的挖掘和披露，面临新的威胁。
对这些技术问题，法律专家并不熟悉，因此在讨论时往往被忽略了。
其二，经过加工之后处理的数据财产权，到底是归属于数据的生产者，还是原始数据的拥有者？
有的人认为：大数据源于对个人数据和信息的再利用，之后虽通过技术加工处理，但数据的产权还应该归属于个人。
另一种观点是：大数据应用就像开矿一样，如果没有企业的运作和投入，数据就不能产生应有的价值。企业投入巨资，为数据的采集、识别、存储、分析，买了那么多服务器和存储设备，资源投入几十亿，才将数据生产出来。因此，数据的所有权应该属于数据的生产企业，并拥有从中汲取收益的权利。
当然，对于用户自己填写的信息，用户与用户之间的行为，用户在平台留下的印记，这些不同情况下，处理的方式并不一样。比如如果一开始财产权就是共有的，那么后面只要不影响用户、不能识别出是谁，企业就可以利用。
还有一种比较客观中立的观点：为推动大数据的发展，应该允许进行数据加工的企业获得部分权利。例如，对用户数据进行匿名处理后，企业可以豁免个人数据保护法规定的相关的义务，这就意味着企业不必再征得用户的同意，就拥有了对数据的利用权利等等。
但通过这种方式获得权利的同时，企业也需要承担相应的义务。还以匿名处理为例，增加的义务应该包括：
（1）要确保数据始终处于匿名状态；
（2）对数据的匿名安全性作出评估，如果数据交易的对象具备对数据复原身份属性的能力，则应当限制此类交易。
（3）在交易协议中，需要通过协议来明确交易各方对于数据安全的责任，尤其约束交易方不得再进行身份识别性的利用。
其三，大数据的经营者们，看懂这些安全法律防范手段了么？
针对性营销的合法性问题：能否在识别客户身份的基础上开展市场营销？这个原本我看来天经地义的行为，居然并不一定合法，这让我大跌眼镜。
大数据营销中，用得最多的就是精准营销。数据交易中，最值钱的也是个人数据。我们日常分析中做的客户画像，目的就是给海量客户分群、打标签，然后针对性地开展定向营销和服务。
然而在一些激进的法律人士认为，如果利用用户的个人信息（比如年龄、性别、职业等）进行营销，必须事先征得用户的同意；如果向用户发送广告信息，如果用户反对，下次再发属于违法。
这么听下来，如果真要严格执法，是不是现在运营商、BAT做的大数据精准营销就全废了？众多希望通过数据交易获取客户信息的企业，也完全失去了商业前景？
如果说，前两个问题要靠进一步界定范围来解决的话，这个问题简直就是针锋相对，完全无解了。
其实精准营销模式在传统商业场景下，也是存在的，合理的。而且中国整体环境还是支持大数据的发展的，甚至由政府牵头开放数据交易。如果针对个人客户的定向营销无法施行，那么大数据的商业价值就只剩下海量数据的宏观分析，大规模数据的综合运用，虽然这并非没有空间（比如导航软件依靠车辆位置信息，计算出路况与大家分享；运营商根据用户真实使用情况，形成终端市场分析报告），但商业价值必然大打折扣，大数据的故事真不好讲了。
从宏观来说，法律滞后于发展是常态，真正法律的游戏规则最终会由个案创设，在碰撞中完善。好在，我们国家的法制建设还有相当长的路要走。
在野蛮生长主导的中国互联网领域，相信大数据的发展前景会先于欧美，好于国企，在试错与博弈中，迎接曙光。
B. 数字经济时代“数权”问题的几点思考
"数权"就是数据权益，分为所有权、使用权、交易权等。随着数字经济时代的到来，各类数据被作为数据资产，越来越具有市场价值。出于各种利益诱惑，数据也被滥用或非法交易，严重侵犯了政府、企业或个人的合法权益。目前国内“数权”的现状令人堪忧，保护“数权”任重道远。
国务院印发《“十四五”数字经济发展规划》提出，严厉打击数据黑市交易，营造安全有序的市场环境。国家发改委等部门也联合发布相关文件，明确提出严厉打击平台企业超范围搜集手机个人信息等违法行为，从严防控非必要搜集数据行为，依法依规打击黑市数据交易。
然而非法搜集、占有、使用、买卖各类涉及政务、交易、个人信息等数据的行为屡禁不止。尤其是个人信息更为严重，可能大家都遇到过刚买完房，各种中介的电话就没完没了；孩子刚入学，各种培训机构的电话接二连三的打进来；在网站搜索了一个关键词，浏览网页时就会看到各种购物网站的相关产品广告。这些令人头痛的骚扰电话和广告的背后，是对数据要素的非法侵占和数据黑市的非法交易。
工信部年初印发《“十四五”大数据产业发展规划》，提出加快培育数据要素市场，建立数据要素价值体系，并明确发挥大数据特性优势，强化大数据在政府治理、社会管理等方面的应用。在进行数据挖掘利用的同时，如何依法合规地使用数据要素，保护数据权益，也将是我们面临的重大课题。
其实国家先后出台了一些法律法规，来规范数据的合法使用，保护数据安全和个人隐私。《网络安全法》主要规范了建设、运营、维护和使用网络的活动以及网络安全的监管；《数据安全法》主要规范除个人信息以外的其他数据的安全、治理和交易行为；《个人信息保护法》 主要是对个人信息和个人隐私的保护。
今年2月15日由国家互联网信息办公室等十三部门联合修订发布的《网络安全审查办法》正式施行。既是适应国际国内网络安全新形势的必然举措，也是进一步落实2021年新实施的《数据安全法》和《关键信息基础设施安全保护条例》的必然要求。
数据权益的保护需要依靠法律依据，需要依法规范数据的获取、存储、管理、使用、交易等过程，保护数据权益人的数据所有权、使用权、交易权。然而当前对于数据权益的法律边界不是很清晰，需要企业和个人基于伦理准则去处理数据，数据伦理也是一个社会责任问题。尤其是涉及个人隐私数据时，伦理准则和法律规范都非常重要。
数据要素作为一种资产，业内也在一直争论其权属问题，到底数权应该归谁，政府、企业、还是个人？
首先来看政务平台行政业务数据，随着数字政府的推进，各级政府部门、行管部门都在开发应用数字政务平台，但由于政府自身很少有信息化系统建设能力，多数是通过科技公司建设开发的，毋庸置疑政务数据归政府部门所有。一些系统建成后有些是由政府部门自己维护管理，还有些地方政府部门没有相应的技术能力，必须依赖科技公司进行运行维护管理，因此这些科技公司拥有一些涉及政府运营或行政审批数据的权限，这样就造成了一定的风险。
再来看电子商务平台交易数据和社交平台的用户数据，数字经济时代，人们的衣、食、住、行、就医、社交、工作都深度依赖互联网，各类电商平台和手机应用不仅记录着你的交易数据，甚至追踪你的每次点击操作，你的浏览行为和关注商品都会被采集下来，还有各种物联设备，随时追踪着你的位置信息、实时监测数据，这些数据可能进入非正常营销活动，有些被大数据用来“人肉搜索”、“杀熟”，甚至被用来被骗。这些平台采集的数据都属于个人隐私，所有权不应当归平台或开发公司所有，平台和公司只能在有限授权下使用，更不能用来非法交易和传播。
首先，政府要加大立法和监管执法力度。应该依据《网络安全法》、《数据安全法》、《个人信息保护法》这几部法律法规，加大监管执法力度。另外，政府部门需要不断增强内部技术能力和数据治理能力，做好政务数据的数据安全和数权保护。
其次，企业要严守法律和道德底线。企业经营活动应该依法合规进行，在追求经济利益的同时，既要遵守法律法规，更要守住道德底线。
再次，个人要提高自我数权保护意识，在上网购物、使用手机应用的时候，多留意冗长的格式化“隐私”申明，避免不法商家在你不注意的情况“被动授权“你的隐私数据的授权使用。
C. 大数据管理局有实权吗
法律分析：大数据管理了局当然有实权，现在是大数据时代，大数据管理局在其职责范围内拥有对应的权利。
法律依据：《数据安全管理办法》第五条在中央网络安全和信息化委员会领导下，国家网信部门统筹协调、指导监督个人信息和重要数据安全保护工作。
地（市）及以上网信部门依据职责指导监督本行政区内个人信息和重要数据安全保护工作。
D. 大数据的权威定义
大数据是IT行业的术语，指的是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据起源 2008年9月，美国《自然》杂志，正式提出“大数据”概念
2011年2月1日，美国《科学》杂志，通过社会调查的方式，第一次分析了大数据对人们生活的影响
2011年5月，麦肯锡研究院分布报告。大数据是指其大小超出了常规数据库工具获取，存储，管理和分析能力的数据集。
具有4V特征（value，volume，velocity，variety）
Value：价值高。
Volume：体量大。（数据每个18月翻一番，而每年产生的数据量增长到44万亿GB）
Velocity：速度快。（数据生成，存储，分析，处理远远超过人们的想象力）
Variety：种类多。
大数据的来源
按产生主体
（1）企业（关系型数据库，数据仓库）
（2）人（浏览信息，聊天，电子商务......）
（3）机器（服务器产生日志，视频监控数据）
数据来源的行业划分
（1）BAT三大公司为代表
（2）电信、金融、保险、电力、石化系统
（3）公共安全、医疗、交通领域
（4）气象、地理、政务等领域
（5）制造业和其他产业
3.按数据存储的形式划分
（1）结构化
（2）非结构化
二．大数据技术支撑
大数据运用场景
环境，教育，医疗，农业，智慧城市，零售业，金融业。
大数据的处理方法
数据采集
数据抓取，数据导入，物联网设备自动抓取
数据预处理
数据清理，数据集成，数据转换，数据规约。
转换：过平滑聚集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。
规约：寻找依赖于发现目标的数据的有用特征，缩减数据规模，最大限度地精简数据量。
统计与分析
统计与分析主要是利用分布式数据库，或分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总，以满足大多数常见的分析需求，在这些方面需要使用不同的框架和方法。
Hadoop：大数据的核心，主要组成部分包括：maprece（处理）和HDFS（存储）和yarn（集群资源管理和调度）；
Hbase：常用数据库；spark：实时数据处理框架；sqoop：数据导入导出；flume：日志采集工具
Hive：数据仓库，必须有SQL基础，可以做离线的数据分析，把复杂的maprece代码转化为简单的sql语句，
而且可以处理的数据类型更加丰富，对接的工具也更多，是整个大数据学习中非常主要的一部分。
E. 大数据管理局有实权吗
目前各地大数据管理局的职责，目前主要包括1）组织实施大数据、信息化、智慧城市政策措施；2）推进社会经济、民生保障各领域大数据开发应用，引导和推动大数据分析研究和应用工作；3）统筹政务信息网络系统、政务数据中心、电子政务基础设施以及全省基础性、公共性政务信息化项目的建设和管理；4）统筹政府数据采集汇聚、登记管理、共享开放和推动社会数据汇聚融合、互联互通；5）组织实施大数据安全体系建设和安全保障工作；6）负责政府数据资产的登记、管理和运营，推动大数据产业发展；承担大数据、信息化领域对外交流合作，组织大数据、信息化领域相关企业参与国际国内重大交流合作活动和承办大数据、信息化会展活动；7）指导大数据、信息化、智慧城市领域行业协会、学会、联盟机构工作以及大数据、信息化人才队伍建设工作，并拟订、组织实施大数据、信息化人才发展规划，组织协调大数据、信息化人才教育有关工作。近期，湖南、辽宁、海南、山东、江苏、广东等省的机构改革方案已经通过，其中山东、福建等省新成立了大数据管理局，再加上广东等省在省经信委内部设立大数据局，意味着很多省份开始高度重视大数据战略和智慧城市战略，而大数据管理局的设立将是智慧城市建设的有力抓手。
当下我们正在阔步迈入人工智能时代，人工智能的关键在于云计算、大数据和算法三大因素，其中云计算是前提，大数据是燃料和基础，算法是灵魂。当前快速发展的人工智能都是靠海量的大数据“喂”出来的，即靠大数据驱动的，可以毫不夸张地说“无数据不智能”。
具体到当下各级政府正在如火如荼地推进的智慧城市建设，大数据无疑更是关键中的关键。然而，从各地智慧城市建设的具体实践来看，最大痛点和瓶颈也正是数据的匮乏。
各地大数据匮乏的核心症结在于各级部门未能充分认识到大数据的重要性，缺乏汇集大数据的意识和动力，而关键则是缺乏相应的大数据相关机构。
大数据管理局的成立表明，当地政府已充分认识到大数据的重要性，专职机构的设立也能真正敦促各级各部门更重视大数据建设，进而为当地智慧城市的建设提供源源不断的燃料。
在实践中，多元关联的大数据能发挥更好的效用，但是由于各级各部门从部门利益出发，宁愿让数据烂在自己手中也不愿共享数据。这一方面导致了一个个的“数据孤岛”，难以实现数据的互联互通。另一方面，相互割裂的数据事实上根本不是大数据，只能被称为“小数据”。
例如，工商数据在工商部门，金融数据在金融办，医疗数据在医疗部门，房屋数据在房管部门。而新设立的大数据管理局，通过有效措施，能切实打破各部门之间的“数据孤岛”。这样不仅能够提升效率，而且能够帮助相关部门提升现代治理能力。
例如，苏州市实现了水、电、气的数据互通，相关部门发现，有一户住户登记没有人居住，但是水、电、气却显示有人居住，根据这条线索，公安部门抓获了两名通缉犯。
尤其需要指出的是，当前我国正在大力推进“最多跑一次”改革，而一旦数据能完全互联互通，则政府目前所提供的所有公共服务，99%都可以在线上办理，不仅“最多跑一次”将变为“一生只要跑一次”，甚至有些服务会变为“一生一次也不用跑”。不仅智慧政务服务将能得到真正体现，而且还能节省大量的人力物力。
当然，当数据实现了互联互通之后，数据在整个政府部门内部就是透明的，就有工作人员泄露数据的可能。因此，可以在传统授权机制的基础上，通过区块链的加密机制对数据进行加密，并建立起有效的数据溯源机制来有效防范数据泄露的风险。
毫无疑问，大数据管理局的设立，为智慧城市的转型提供了有力抓手，但要真正转型成功，还任重道远。在今年疫情的倒逼下，几乎所有企业都认识到数字化转型已经成为一种必然。企业不再纠结于“不转型等死，转不好型找死”的选择题中，而是开始坚定地找寻数字化转型的目标和方法。
F. 什么部分有权查找大数据
国家机关有权查找大数据
根据法律规定，你是无权查看这些大数据的
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；
种类（Variety）：数据类型的多样性；
速度（Velocity）：指获得数据的速度；
可变性（Variability）：妨碍了处理和有效地管理数据的过程。
真实性（Veracity）：数据的质量。
复杂性（Complexity）：数据量巨大，来源多渠道。
价值（value）：合理运用大数据，以低成本创造高价值。
G. 大数据时代“裸奔”的大众穿上法治的衣服之前
《大数据时代》的作者维克托·迈尔-舍恩伯格在他早年写下的《删除》一书中曾提到，大数据时代的来临改变了生物性遗忘的特质，信息经由数字存储的方式保存下来，就变成了不易删除的记忆，遗忘反而成为例外。在这种“记忆”带给人们便利的同时，无形中“绑架”了那个“你”。你在哪，和谁在一起，做什么，心情如何……这些信息都已生成资料传到云端。“云端上的你”正在遭遇大数据的“偷窥”。
大数据时代已经到来，其带给我们机遇、价值的同时，也带来了新的安全挑战。近年来，大数据的安全与隐私问题广为关注、担忧，“棱镜门”的曝光更加凸显了这一问题。如果大数据没有得到妥善的处理，会为用户的隐私带来极大的威胁。根据受保护对象的不同，可以将隐私保护分为三类，即位置保护、连接关系保护以及标识符保护。在大数据时代，用户隐私所面临的威胁不只是个人的隐私泄露这一方面，还包括大数据对其状态及行为的分析预测。现在很多企业认为只要将信息进行匿名处理，公布不含有用户标识符的信息，就能够实现对用户的隐私进行保护了，然而事实证明，这种做法取得的保护效果并不理想。总的来说，目前对用户的数据进行采集、储存、使用以及管理等工作时，均缺乏相应的标准、规范以及监管，对企业自律性过于自信以及依赖。此外，用户并不会被告知其隐私信息被用于何处。
大数据时代，我们是否还有隐私？隐私又该如何界定？我们应该如何安放自己的隐私，带着这些问题，《中华儿女》杂志社采访了百分点科技产品研究总监，中关村大数据交易产业联盟副秘书长张涵诚。
《中华儿女》：大数据时代下，我们是否还有隐私？
张涵诚：任何时候都有隐私。企业隐私，个人隐私，国家隐私。涉及到商业活动，个人生活，国家政治的各种隐私都应该被保护。保护隐私是人生活的必需规则，是社会进步的需要，社会越发达隐私就越需要更好的保护。大数据时代，从数据、到信息、到智慧。数据是中性的，任何时候数据都可能被拿来滥用，只要涉及到个人敏感，本人不愿意公开的数据就是隐私被侵犯了。隐私的保护需要国家制定法律，政策，没有法规政策之前要有公约。最近中国通信研究院发起的的数据安全流通行业自律公约就是行业间的一种数据安全隐私的保护手段。隐私保护，每个人都要严格遵守《全国人大常委会关于加强网络信息保护的决定》以及《信息安全技术公共及商用服务信息系统个人信息保护指导》。
《中华儿女》：当人们在购物网站搜索某一种商品时，随后页面就会跳出很多相关页面，我在搜索时，是否就意味着我已经把我的需求交出去了？它已经不具有隐私性了？隐私性又该如何界定呢？
张涵诚：购物网站如果利用你的信息做有利于你的体验优化，优质服务，如给你推荐你喜欢的商品，就不会涉及隐私。因为你是自愿的，也是注册的时候淘宝和你说提前约定的。如果采集你的信息做不利于的事情就违法或者违规了，如恶意广告，骚扰电话。隐私的界定在于你和信息采集方的约定。
《中华儿女》：数据信息安全需要遵循哪些原则？
数据信息安全要遵循三个基本原则，即以保护用户隐私和数据安全为前提，明确用户对信息数据的所有权，明确企业对信息数据的保障义务，并保障用户在信息交换和使用时的知情权，这是大数据时代保护信息安全的基础原则。隐私的界定的主导权应该在消费者，隐私主体是人。一切原则应该以人为本。
《中华儿女》：大数据发展迅疾，关于隐私方面的保护与立法您认为与它的发展能否同步？张涵诚：目前不同步，有些地方走在前面，如我们国家贵州省想方设法推动大数据产业的发展，已经制定了地方性促进大数据发展的首部法律。但国家层面的大数据立法还没有出台。不过政府的相关部门，网信办，发改委，工信部已经在推动了。这个依赖我们集体的智慧推动，因为它涉及面很广，不同的数据，不同的行业，不同的场景数据保护都应该有不同的隐私描述。目前我们急切需要的隐私包括保护国家安全、个人隐私及法人商业秘密。很多企业在除用户默认许可或明确许可以及法律另有规定外，自律不对个人可识别信息进行出租、出售，或向第三方提供。但加强数据安全保护制度管理，也是技术活，技术推动的建立数据分级分层机制控制，加强数据脱敏、加密、存储、传输等环节的技术研究。所以立法不难，技术这个手段是核心支撑。技术能保护隐私有很好的安全权限控制，难保护的是人为的，恶意的，人性层面的。技术不能约束人善恶的本性。
《中华儿女》：您曾经撰文写道：未来，所有物体都会拥有智能，成为类人脑，都会互联网，从隐私方面理解的话，这是不是也可以理解，人与人之间互相允许共享的信息会更多，隐私空间也越少？不知这样理解对不对？我们共享某个物体或平台，我们的信息也分享的更多？张涵诚：有分享，就有不分享，隐私的界限是人定的，技术和法律都是手段。隐私空间大小和数据产业发展没有本质联系。国家层面，隐私保护各国不一样，美国的个人隐私保护就很严格。欧洲相比美国采取了相对宽松的数据管理政策，我国的个人信息是真正在裸奔。个人观点：欧美为大数据时代裸奔的大众穿上法治的衣服。我们该开放的公共数据开放不足，该保护的个人数据却保护不力。
《中华儿女》：你在文章中曾经写道，由你寻找目标信息转变为目标信息来找你的个性化定制时代，是不是也是网络汲取了你的信息所得来的便利？也可以说，我们在使用搜索时就交付了自己的喜好隐私？
张涵诚：是的，付出信息，收获服务。个性化服务依赖个性化多维度行为、兴趣、社交信息的采集。我们搜索的时候提交了自己的需求也罢，兴趣隐私也罢，是不是隐私在于你和网站之间的约定。
大数据时代各国隐私立法相关链接：
美国的《隐私法案》
美国是世界上最早提出隐私权并予以法律保护的国家，那么美国的法律是如何对大数据隐私进行保护的？在1974年通过了《隐私法案》，并在之后通过了一系列全面的隐私相关法案。奥巴马政府在2012年2月宣布推动《消费者隐私权利法案》（ConsumerPrivacyBillofRights）的立法程序，这是与大数据最为息息相关的法案，法案中不仅明确且全面的规定了数据的所有权属于用户（即线上/线下服务的使用者）并规定在数据的使用上需对用户有透明性，安全性等更多细节。尽管这一法案尚未通过国会，但表明了美国政府在隐私权方面立法的决心，这套法案将影响本世纪大数据在美国的发展。
欧盟与美国之间的《安全港》
在2012年3月，欧盟也颁布了类似的法规，《数据保护法规》(TheDataProtectionRegulation)。
早在2000年12月，美国商业部就跟欧洲联盟签订了一份名为”安全港”（Safeharbor）的协议。安全港协议（SafeHarbor）确立了美国和欧联之间隐私手续的框架。15个成员国中签署协议的企业都将服从该协议，这意味着这些企业必须经个人授权后才能被第三方进行使用与转移，超过4000家数据相关的美国企业都签署了这一协议，而未加入安全港的企业也必须单独从各个欧洲国家获取授权。
我国隐私权的法律现状
相比欧美在法律上对于数据与隐私的保护，在我国的法律中提及”公民的个人数据不得非法搜集、传输、处理和利用”，但我国《民法通则》并未将隐私权作为一项独立的人格权加以保护，所以隐私权方面，我国的立法暂时较为模糊。
扩展阅读 : “数据流通行业自律公约”正式在京公布
推荐语
中国IDC圈4月29日报道，4月27日，由工业和信息化部指导，中国信息通信研究院主办的“2016大数据产业峰会”在北京国际会议中心盛大召开。大会联合各级政府、数据安全领域专家、大数据企业共商大数据安全问题，由中国信息通信研究院等54家单位共同发起《数据流通行业自律公约》。(首批参加单位列表见下方)
“数据流通行业自律公约”在2016年大数据产业峰会开幕式上正式公布。中央网信办网络数据技术局的陈琦处长以及工信部信息化和软件服务业司的孙文龙处长与54家公约制定企业代表共同见证了这一时刻。
发布数据流通行业自律公约
据了解，为解决数据流通企业长期存在的缺乏行业规范问题，中国信息通信研究院结合行业发展现状与未来发展趋势，邀请数据流通上下游企业与相关专家在调研的基础上共同制订了“数据流通行业自律公约”。公约由数据中心联盟向全社会公布并负责解释。参与公约制订的单位包含数据流通各环节的代表性企业，具有一定的典型性。
公约包含遵守法律、合规采集、流向管控、数据保护、权益协调、服务提升、社会监督等七方面内容。公约明确了大数据资源的权属问题，提出有效保护数据资产价值;提出建立对数据安全保护不利和泄露隐私的惩处机制，推动完善行业自律作用。公约将对维护行业健康发展、推动中国大数据产业蓬勃发展起到积极作用。
张涵诚：资深大数据专家，管理专家。曾在国内外知名公司用友、SAGE、亚信科技、创新工场脉搏网,百分点科技任高级售前顾问，销售总监、咨询总监、营销副总裁等职务。
现中关村大数据交易产业联盟副秘书长，中国通信协会顾问专家，北大电子商务总裁班特聘讲师、大数据课题组主任，中国计算机学会会员，秦仁居餐饮公司创始人，从事参与多家大数据企业的初建工作，并发表过多篇大数据有影响力的文章，为多家知名企业和创业公司做大数据营销、个性化推荐系统，用户体验、用户评价管理、社交企业、微博营销、CRM系统建设、创业咨询服务。培训咨询过的客户涵盖北大总裁班、广东移动、广东电信、东方航空、中国农业银行、中电海康、贵阳市政府、沈阳市政府、阿里巴巴、创新工场、江苏移动、四川电信、四川移动、洛阳移动、中国人寿、中国工商银行、中国银行、深圳航空、贵阳数博会。同时是数据观、36大数据、数据猿、IT168、CSDN等机构媒体专业撰稿人和评论顾问；慧科教育大数据特约讲师，萝卜科技大数据特约讲师； 南开KAB特约讲师，Hadoop中国峰会专家，DTCC中国数据库大会专家。
Zhang Han Cheng: senior ITconsultant, management experts. At home and abroad well-known companies UF,SAGE, AsiaInfo technology, innovation workshop pulse network any seniorpre-sales consultant, sales director, vice president of marketing ties.
Zhongguancun is the largestdata trading instry alliance Deputy Secretary-General, China CommunicationsAssociation consultant expert, Peking University e-commerce president classlecturer, large data research group director, China Computer Association, QinRenju catering company founder, engaged in a number of large data The company'sinitial work, and published many articles on the impact of large data, for anumber of well-known enterprises and start-ups bigger data marketing,personalized recommendation system, user experience, user evaluationmanagement, social enterprise, microblogging marketing , CRM systemconstruction, business advisory services. Training consulted clients includePeking University President Class, Guangdong Telecom, China Eastern Airlines, AgriculturalBank of China, CLP Haikang, Guiyang Municipal Government, Shenyang MunicipalGovernment, Alibaba, Innovation Workshop, Jiangsu Mobile, Instrial andCommercial Bank of China, Bank of China, Shenzhen Aviation, the number ofGuiyang Expo. At the same time, the concept of data, 36 large data, data ape,IT168, CSDN and other institutions of the media professional writers andcommentary consultants; Hui Ke ecation data special lecturer, special data ofradish science and technology lecturer; Nankai KAB special lecturer, HadoopChina summit experts , DTCC China database expert meeting.
H. 谁才是数据真正拥有者
谁的孩子谁抱走，谁生成的数据谁就是数据的真正拥有者。
在大数据时代，一般所说的数据，指的是消费者数据，那消费者数据的真正拥有者当然就是消费者。
企业和组织通过消费者访问和使用的平台对消费者数据进行采集，并经过数据分析为自己所用，也可提供给第三方企业使用，原则上需要经过消费者的授权，当前情况下，这种授权通常在消费者注册成为平台会员时点击同意所签署的隐私协议中体现并达成。
但归根结底，数据的所有者仍是消费者所有。
企业收集的消费者数据造成泄露，或企业未经授权对消费者数据进行使用，或将消费者数据出售给其他组织，消费者有权对企业进行起诉。
I. 大数据背后的技术、商业和社会维度
大数据背后的技术、商业和社会维度
要想考察大数据最好同时考察大数据背后的技术、商业和社会维度。从发展成熟度来看，技术维度走的最远、商业维度有所发展但不算全面成熟，社会维度发展最差。所以虽然已经谈了很久大数据，但除了孕育出大数据自身的几个领域比如搜索等，其它领域却并没有从大数据中获得可见的收益。大多时候人们还是处在觉得这里肯定有金子，但需要更多的耐心的状态。这篇文章则尝试对大数据本身的特征做点挖掘，对未来的发展趋势做点预测。
大数据上的深度和广度
如果把大数据对应到海量的数据，那它就是非常含糊的概念，相当于变成信息的同义词，显然也就很难回答信息到底能干什么这样的问题。
这时候为了推进思考通常需要先分类。如果把时间空间作为最基本的视角，那首先要区分的就是大数据的深度和广度。从时间的角度看大数据是完整的历史，从空间的角度看大数据是全球活动的痕迹。前者可以看成一种深度，后者可以看成一种广度，不同的场景对深度和广度的侧重有所不同。
对于有些垂直的行业，比如医疗，大数据的深度更重要，所有的历史都可以在数据上得到找到之后，人们就可以更好的认知并优化相应的行业。
对社会而言，很多时候广度则更重要，具体到某个场景我们只有一鳞半爪的消息，但当这种信息足够多，范围足够广，就有可能描述出相对及时的全貌。经常举的Google预测传染病的例子依赖的就是这种广度。
这点决定了大数据的应用发展趋势，在深度重要的地方，公司这类组织需要成为主体，困难是如何跨越数据所有权的边界。对于医院而言，显然把所有治疗案例数据化并共享是有好处的，但如果只有一个医院这么做，那对这一家医院而言更多的可能是隐私上反弹所带来的坏处。
在广度重要的地方，虽然在搜索这样的领域里公司也可以受益，但真正可以从大数据全面受益的机构其实是政府。数据越广，其所描述的主体就越大，而如果描述的是整个社会，那显然应该是社会的主要责任人会从中受益。这是个常识问题，就和看病的时候不会吃了医生给别人开的药自己反倒好了差不多。有的时候央视会播放网络做的春节期间人员流动图，这件事情也正好可以从侧面说明这问题。这种人员流动地图对能做出地图的人公司帮助远没有对政府的帮助大。
深度和广度两个方向对数据的要求不同，前者需要更为详尽、有质量的数据源后者则对此要求不高，但两者在应用的时候都会面临付出回报不对等问题。大数据倾向于描述整体，而有能力收集或处理大数据的往往是个体，个体的回报在整体的提升中并不容易获得清晰体现。
现在大数据发展的瓶颈不是技术，而是背后所需要的分配关系的建立。这种关系理不顺，数据就会停留在孤岛层面，每个组织都有自己的东西，并把它命名为“大数据”。而为了理顺这种关系则要回到一个非常经典的问题，“公地”到底可不可以建立。
数据公地的设想
大数据其实有点像公地，在经济学里非常出名的一个论点是公地悲剧。《美国经济史》举了一个非常易懂的例子来说什么是公地悲剧：
这些经济推理命题有利于解释集体所有制和产出的共享(平分或固定份额)如何导致“免费搭车者”问题。为了说明这一点，考虑共享土地所有权，且共同生产了100蒲式耳玉米的10个工人，平均每人消费10蒲式耳玉米。假设一个工人开始偷懒并将其劳动努力减半，从而导致产出减少5蒲式耳。由于产出共享制度的安排，偷懒者的消费量和其它工人一样，现在都是9.5蒲式耳。尽管他的努力已经下降了50%，但他的消费量只下降了5%。偷懒者是在搭他人劳动的便车。…
这背后有非常深刻的人性问题，即使我们可以通过努力协作创造更多的财富，个人也可以从中分享更多，但在群体里明显的个人倾向则是自己工作更少但分享更多。这与囚徒困境其实是相通的。
基于实物的世界里眼下看不到彻底解决这问题的方法，只能依赖于某种被大家基本认可的分配秩序，比如：以前的血统现在的物竞天择，但基于比特的数字财富眼下看却有解决这问题的可能。
基于比特的数据与实物最大的区别是数据并非是你拿走我就没有的东西，并且硬件的价格在飞速下降，开源又使数据的访问工具基本免费。这几者叠加在一起，使数据公地成为可能。
如果大家更在意我拿到的东西是不是绝对值变大了那数据公地的形成可能性就大些，因为如果存在数据公地，那每个人(企业)一定收获更多，但如果大家更在意我是不是比你多，那数据公地的建设就会多很多障碍，因为公地其实是让相关人员站到同样的竞争起点上。
大数据整合营销专家罗百辉认为，大数据的问题，在数据的使用上是技术问题，但在数据源上其实是社会经济问题，后者更难，所以大数据应用的发展不取决于技术的发展而取决于社会经济方式的变革速度。在有限的领域里，比如搜索、电商、云计算，技术已经得到比较充分的发展，眼下来看谁付出谁受益的问题是把小数据变成大数据过程中最主要的问题。
大数据的路往那里走?
数据的内在发展动力是数据越全价值越大，其实这也是一种网络效应，这种内在动力导致宏观来看数据所有权的发展只有两种趋势：
一种是像现在移动端一样，每个人都有自己的私有数据源，接下来开始你死我活的竞争，最终有一家活下来，这也可以达成数据统一的终极目标。
另一种则是在竞争中开始联合，建设上面所说的数据公地。
如前所述行业数据和全社会的数据性质上差别很大所以要分开来探讨。
对于行业数据而言，竞争对手间彼此的坦诚合作除非有极为特别的人物出现，否则是不太可能的。这种情况下最简单的办法是引入第三方。
比如说每家运营商都握有几乎所有网民的行动数据，但要想让运营商彼此间开诚布公的合作把这些数据整合在一起创造某种价值，这就很难。这时候如果有第三方介入，制定好利益分配方案那就是可能的。
如果这点可以达成，那唯一的关键点就是相应的商业模式是不是可以超越数据处理的成本。这点必须强调下的是，大数据的价值密度是很稀疏的，很多东西有价值但并不一定值得做，视频网站之所以赚不到钱一个关键原因就是带宽和存储的成本比较高，而对大数据而言商业模式找不好，情形可能比视频网站还差。挖矿的成本怎么也要小于挖矿所得挖矿才有价值。
上述问题在行业数据里可能问题还不是太大，一般来讲行业数据的价值密度终究会大一些，并且因为相对比较垂直，总量终究有限制。所以大数据的行业应用比较容易发展。
但对社会性的数据，这在很多时候就是个问题。我们都知道样本的全面性比数据的多少更有价值，但是如果多是确保样本全面性的唯一手段的话，那就意味必须有全的数据做一件事情才有意义。
社会化的数据有两种应用方向，一种就是企业可以搞定的比如Google，一种则是属于社会层面，很难单独属于某个企业的比如智慧城市相关的人的活动数据。后者则需要上面所说的数据公地来做支撑。
从数据的视角来看，现在有两种数据存放形式：一种是Google这样的企业拥有整个社会某个横截面上的全部数据，这应该是种特例，并且数据会局限在公开信息;一种则是被割裂的各种与人行为相关的数据，比如购物相关的在电商，与人相关的在社交网络和IM，线下服务相关的则在O2O企业，铁路相关的在12306等。Google这种拥有全的数据，但并不拥有人的行为，所以说Google这种企业相当于拥有整个社会的一个横截面的数据。而所有其它企业则只拥有某个垂直领域的数据。
如果依赖于企业做这种数据统一的尝试，在前者就会有投资200亿做O2O类的举动，因为这会补全数据，在后者就会有做电商的想做社交，做社交的想做电商这类事发生。类似的故事还可以在终端上发生，所有这些行为的终极目标都是一家企业搞定所有这些事情，但这是不可能的，这种不可能还不单是经济原因。而数据不能打通，那就只能在割裂的数据上做自以为是大数据的大数据。
所以说这骨子里是数据公地究竟能不能建立的问题，而要想建立数据公地，那至少要解决谁来做的问题，对此开源给出的启示有两点非常关键：第一这不能是个盈利组织;第二这要能获得众多企业的支持。因为数据会牵涉隐私，所以同开源相比那就一定还要有比较清晰的界定数据使用的规则。
在有一种切实的办法解决数据所有和使用权之前，大数据的应用应该还都是局部的。因为它的深度应用牵涉社会很多部分的彼此协调，所以这个过程可能是非常漫长的。这里面有意思的事情是，大数据的出现直接推动了机器智能的发展，而机器智能产生影响的速度可能会远快于大数据本身。
以上是小编为大家分享的关于大数据背后的技术、商业和社会维度的相关内容，更多信息可以关注环球青藤分享更多干货