大数据危险吗？

从人口普查记录到出生登记，我们收集数据的历史已有数百年。然而，自互联网诞生以来，我们创造和收集的数据量呈爆发式增长，达到了惊人的规模。2013 年有观点称，全球 90% 的数据是在此前两年内产生的，而这一数字此后会大大增加。

“大数据” 一词最早于 2005 年提出，用于描述这些海量信息 —— 数据集庞大到传统分析方法无法处理。如今，政府、私营企业和公共服务供应商都在试图挖掘大数据的潜力。尽管它有许多潜在好处，但也伴随着一些风险。

在本文中，我们将探讨大数据带来的潜力和风险，特别关注其引发的隐私、安全和伦理问题。

大数据的好处有哪些？

在讨论大数据的风险之前，我们有必要了解为何如此多的组织试图利用它。大数据已经彻底改变了我们生活的许多方面。让我们来看看它的一些好处。

1. 大数据提供更深刻的见解。大数据极大地提升了数据分析的潜力。如果使用得当，组织可以利用大数据发现全新的趋势，以惊人的准确度对客户进行细分，并在技术和产品设计方面实现前所未有的创新。

2. 大数据提供独特的竞争优势。从定义上讲，大数据是实时信息流。通过利用这种信息流，组织还可以实时适应变化。这意味着它们可以帮助企业保持竞争优势。

3. 大数据在提高生产力方面潜力巨大。像 Apache Hadoop 和 Spark 这样的大数据工具使数据分析师能够处理原本无法处理的数据集。这不仅提高了数据分析师的生产力：借助增强的工具，他们可以收集更深入的见解并检测模式，从而也提高员工的生产力。

大数据与物联网

在大多数情况下，互联网用于人类之间的通信，以机器为媒介。然而，随着物联网的出现，我们开始看到设备之间直接通信。这有巨大的潜力。例如，您的恒温器可以根据天气报告自动调节温度，您的汽车可以向制造商发送信息以改进安全措施，或者您的冰箱可以简单地提醒您买牛奶！
这只是大数据如何潜在改变我们周围世界的一个缩影。虽然这很令人兴奋，但所有这些潜力也带来了许多风险。让我们更详细地探讨这一点。

大数据的风险有哪些？

虽然人们很容易被大数据带来的机遇所吸引，但它并不是没有风险的。如果收集、存储或使用不当，大数据会带来一些严重的问题。然而，克服这些风险的关键是了解它们。

概括地说，大数据的风险可以分为四大类：安全问题、伦理问题、恶意参与者（如有组织犯罪）对大数据的故意滥用，以及无意的误用。

1. 大数据的安全问题。一个组织收集的数据越多，安全存储数据的成本就越高，难度也越大。

这已经是一个问题。根据基于风险的安全年中数据泄露报告，仅在 2019 年上半年，就有 41 亿条记录通过数据泄露暴露。这凸显了数据安全的重要性，也凸显了组织在保护我们的数据安全方面面临的挑战。一家公司持有的数据越多，保护其安全的成本和实际负担就越高。

与此相关的是隐私问题。政府、社交媒体巨头、保险公司和医疗保健供应商只是少数几个能访问我们数据的组织。尽管它们受数据保护法约束（可能面临巨额罚款），但过去几年中越来越多的数据泄露事件表明，需要采取更多行动。组织 —— 尤其是大型科技公司 —— 可能掌握我们的个人信息、交易记录等信息。随着个人银行信息和其他敏感信息由它们保护，以及网络攻击的增加，这就引出了一个问题：仅仅因为公司可以存储大量数据，就意味着它们应该这样做吗？这很好地过渡到下一部分……

2. 大数据的伦理问题。假设组织设法保护我们的数据免受黑客和网络攻击，但这并不排除它们自己可能滥用信息的可能性。尽管数据保护法已经存在，但对于合法获取数据的公司如何使用数据，仍有一些灰色地带。

以保险公司和信用卡公司为例。这些组织根据客户行为设定保费和限额，这已不是什么秘密。例如，如果你曾经发生过车祸，你就会知道你的汽车保险费会上涨。大数据使这些公司能够对未来做出更精细的预测，从而进行更具针对性的财务分析。

早在 2009 年（甚至在大数据像现在这样庞大之前），就有一个人他的信用额度被降低，仅仅是因为和他在同一家商店购物的其他客户还款记录不佳。这只是大数据使用中一个模糊领域的小例子，它有着明显的伦理影响。围绕授权、所有权和隐私还有许多其他伦理问题。这些问题导致了 “被遗忘权” 的出现，并催生了新的法律。

3. 恶意参与者对大数据的滥用。大数据的另一个危险是，如果第三方获得敏感信息。 2020 年，我们每天产生 25 亿字节的数据。这很难想象，但你可以相信这是一个巨大的数量 —— 远远超过任何组织所能轻松管理或分析的。尽管如此，黑客和网络攻击者仍可以针对这些数据在暗网上出售。

网络钓鱼、银行欺诈和保险诈骗都是犯罪集团故意滥用大数据的常见例子。那种碰碰运气、只要你提供银行信息就给你一百万美元的电子邮件的日子已经一去不复返了！如果你最近成为诈骗的受害者，你就会知道它们有多复杂。

大数据在过去五年的公共辩论中所特有的错误信息和假新闻传播中也扮演了重要角色。邪恶的组织可以利用大数据来定位广告或假新闻，旨在影响我们的想法、信仰，甚至我们的投票对象。如此多的假新闻成功的原因是它具有良好的针对性，并利用了人们的恐惧心理 —— 所有这些都可以从大数据中追踪到（或至少推断出）。随着数据盗窃风险日益增加，这个问题仍有待解决。

4. 大数据的无意误用（包括系统性错误）。虽然那些故意滥用大数据的人是一个问题，但并非所有危险都一定是有预谋的。

机器学习就是一个例子。这是分析和提取大数据见解的关键工具。

然而，尽管机器学习算法可以自主学习，但它们首先必须被编程如何学习，这就容易把人类偏见编入算法。人类偏见、数据分析中的不良做法，甚至只是质量差的数据，都可能导致错误的见解。如果这些见解被用于做出重要的财务或安全决策，就会产生负面影响。

由于数据科学是一个新领域，我们还无法预测这些问题将如何演变。人工智能的使用正在增加，但这种新兴技术也存在未知的风险。虽然机器不太可能很快起来取代我们，但人工智能确实存在风险。人工智能已经可以做一些惊人的事情，但它也有局限性。例如，它不太擅长处理细微差别，缺乏人类的直觉。这可能会产生悲剧性的结果，如 2018 年一辆Uber自动驾驶汽车撞死一名妇女的事件所示。事实证明，事故发生的原因是负责汽车的人工智能不明白行人有时会乱穿马路。

为了避免未来出现这类风险，我们必须在技术被更广泛采用之前解决系统性问题。

大数据危险应用实例

在探讨如何解决大数据带来的问题之前，我们先来看一些现实中滥用大数据的案例。

1. 大数据与选举干预。大数据滥用最典型的例子或许是 2016 年美国总统选举和英国脱欧公投。
在这两场投票结果引发震惊后，英国 “脱欧派” 和美国特朗普竞选团队被曝与一家名为Cambridge Analytica的可疑数据分析公司有关联。这家现已倒闭的公司利用从 Facebook 非法收集的信息，为两场投票制定传播策略。其影响至今仍在塑造全球政治格局。

2. 大数据与国家监控。我国政府目前正在推行新的社会信用体系。

该体系与每个公民的永久记录挂钩，旨在倡导良好公民行为。“好公民”（如向慈善机构捐款或按时付账单的人）将获得信用积分，可兑换头等舱机票或火车票等权益；而 “坏公民”（如违反交通规则或拖欠债务的人）可能面临惩罚，如网络限速或限制接受私立教育。

3. 大数据与种族偏见。再次强调，故意滥用并非大数据的唯一风险。

亚马逊的面部识别软件 Rekognition 就是一个典型例子。2018 年，该软件错误地将 28 名美国国会议员识别为有犯罪记录者。尽管这暴露了软件的整体问题，但被误识别者中绝大比例是有色人种。这并非孤例 —— 大量研究表明，此类技术中存在显著的种族（在某些情况下还有性别）偏见。

如何将大数据的风险降至最低？

尽管大数据带来的危险不容忽视，但我们也不应忽视。大数据推动积极变革的潜力是巨大的。幸运的是，这并非非此即彼的选择。

大数据分析是一门新兴学科，难免会犯错。关键在于从错误中吸取教训并积极改进。通过实施安全措施和伦理准则，我们可以在收获大数据益处的同时降低风险。以下是数据分析师和数据科学家推动大数据安全使用的几种方式：

1. 时刻警惕安全措施。对于任何大数据管理者而言，制定有效的安全措施并确保其与时俱进至关重要。许多组织容易在后端上栽跟头：尽管前端通常有严密防护，但备份数据往往存储在灾难恢复系统或测试环境中，这些地方的保护往往不够完善。

2. 删除不必要的信息。防止数据泄露最可靠的方法之一，是从一开始就不存储敏感数据。

许多公司囤积着从未使用的数据，认为未来可能有用。然而，通过定期审计，组织可以保留业务必需的数据，清除冗余信息。良好的数据管理还有一个额外好处：让分析工作聚焦于最需要的领域。

3. 确保遵守数据法规。尽管我们有数据保护法规来保障个人数据安全，但许多公司并未完全遵守。

例如，在 Talend 2019 年的一项调查中，全球仅有 58% 的企业遵守 GDPR 法规。为了保护数据，公司需要在数据保护和安全方面进行适当投资，并遵守其他指导方针。作为数据分析师，倡导所在组织遵守数据保护措施至关重要。

大数据的 “希波克拉底誓言”

单个公司的行动对大数据安全很重要，但也需要其他举措。

英国数学家和数据科学家汉娜・弗莱（Hannah Fry）呼吁数据科学家立下伦理誓言，其理念类似于医生的希波克拉底誓言。尽管存在争议，但 “数据科学誓言” 的构想促使人们讨论大数据伦理 —— 这并非坏事。与此同时，许多数据科学家也在游说政府，要求对大数据的收集、存储和使用制定更严格的规则。

总结

在本文中，我们探讨了大数据的益处与风险。要回答最初的问题 ——“大数据危险吗？”—— 简而言之，它是否危险取决于我们如何对待它。正如我们所见：

1. 大数据潜力巨大：它可用于获取更深刻的见解，并改变世界的运作方式。

2. 大数据存在安全隐患：安全和隐私问题是大数据的关键问题。

3. 不良分子可能滥用大数据：如果数据落入坏人手中，可能被用于网络钓鱼、诈骗和传播虚假信息。

4. 见解质量取决于数据质量：糟糕、嘈杂或 “脏” 数据（或不当的分析实践）会导致错误的结论，在某些场景下可能引发风险。

5. 存在伦理争议：作为新兴领域，大数据伦理仍在发展中。这就是为什么有人呼吁制定 “数据科学誓言” 和伦理准则。

大数据的潜力与风险之争仍在继续。然而，识别并承认其潜在风险是解决问题的重要一步。最终，我们都需要在数据科学领域推动诚信文化。制定安全措施并定期审查，是关键所在。