从健康码出发，聊聊大数据的利与弊

产品工具箱 2023-07-22 14:23:24

2020年，疫情的爆发使健康码在各大城市相继使用，健康码是以真实数据为基准，识别人员是不是直接或间接接触过一些感染者，从而判断人员是否需要隔离排查。

杭州市委副书记在接受新闻采访时表示，健康码的评判来源于三个维度：空间维度、时间维度和人际关系维度。这说明了健康码的生成充分利用了用户的数据，虽官方暂未公开数据使用的详情，但猜测健康码会结合用户的人际关系数据、GPS定位数据、电信运营商数据、消费记录数据、线下扫码位置数据等相关信息，进而判断人员是否出入高危场地。

健康码的应用，属于大数据技术的典型案例，网络服务提供者利用收集到的用户数据，预测用户的健康情况，使疫情防控更加高效、精准。

人们在享受大数据带来便利的同时，若网络服务提供者不按照规定使用用户数据，也将对用户造成骚扰，威胁到用户的隐私信息。

一、到底什么是大数据

“任何理论首先必须澄清杂乱的，或者说是混淆不清的概念和观念。只有对名称和概念有了共同的理解，才能清楚而顺利地研究问题”。——克劳塞维茨《战争论》

李笑来曾经提及过，在写《韭菜的自我修养》这本书之前从来不会使用“韭菜”一词，因为没有弄清“韭菜”一词的定义，在没有弄清一个词的定义之前，不应该随便使用。

自从大数据概念被提出，我们已经广泛使用了这么多年的“大数据”，那么“大数据”的具体概念应该是什么？

现实世界中，有很多词汇是没有官方定义的，比如“人工智能”，没有哪个机构说他们定义的就是正确的“人工智能”概念。在不同的时代里人们对人工智能的定义也是不同的，上个世纪60年代，人们认为可以下跳棋的计算机就是人工智能，但现在看来这个说法显然是无法被人们接受的。

相同的，大数据的定义，也没有一个官方机构明确地说明什么就是“大数据”。早些年对于政府机构来说，数据汇集也叫做大数据，而后出现了一些数字办、大数据局等新成立的单位，把各地方、各单位的数据汇聚起来，以发挥后续政府数据的价值。对于金融机构来说，可以通过用户的行为进行用户画像就是大数据，通过用户的行为数据，判断用户的偿还能力及偿还意愿，识别用户贷款的风险。

麦肯锡对大数据给出的定义是：“一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。”在《大数据时代》中，大数据指“不用随机分析法，而是采用所有数据进行分析处理。”IBM提出，“大数据是具备5V的特性数据，5V包括：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。”在上述基础上，业内人士已将大数据拓展成了“十字特性”，即：一“大”，二“杂”，三“全”，四“多”，五“快”，六“久”，七“活”，八“简”，九“稀”，十“联”。

大数据的定义如此之多，致使每个人心中都有对大数据的不同理解。如今多数情况下，人们提到大数据，都是在特指通过数据分析，可以得到数据中的价值，具体价值可以是协助人们进行决策判断，预测未来事情的变化，发现事务中的关联性等价值体现。本文所说的大数据，就是在遵循这样的描述。

二、大数据的“利”

1. 预测

预测是自古人们都在向往的活动，生活中的预测无处不在，比如通过概率分析法预测彩票的中奖号码，通过价值分析法预测股价的走势。

古代人们利用占卜进行预测，就是通过多年观察到的事务变化，结合历史数据总结出来规律，应用在后续的占卜活动中。占卜并没有科学依据，但实际上占卜就体验了人们的大数据思维，利用对过往数据的总结，不必非得知道现象背后的因果，只要知道相关性就可以预测未来。

古代的中医从业者，并没有能力提炼出草药中的成分，哪种草药可以抑制哪种疾病，完全是在结合大量的实际案例，根据经验从数百种种草药中挑选出不同的组合，从而医治不同的疾病。

预测从古代发展到近代，出现了利用数学模型预测的方法，比如利用过往数据和数学模型的结合，预测未来几年的人口增长情况。

数学模型是用数学符号、公式、方程等对现实世界规律的抽象描述。如今的气象预报，还在应用数学模型的方法来预测未来的天气，气象局会根据气象图的变化趋势，结合温度，压力，湿度，风向，风速，阳光照射情况等，应用数学模型预测天气的变化趋势。

当今的大数据分析，就是在结合了占卜和天气预报的方法，利用历史数据，结合数学模型，预测未来、预测结果。健康码应用，通过我们的电信运营商数据、交通出行数据、交易记录数据等信息，预测我们是否为高危感染人群，判断是否需要进行隔离观察，这就是在预测结果。搜索引擎，通过用户的搜索喜好，预测美国总统的未来人选，这就是在预测未来。

预测是大数据最典型直观的价值体现，有时预测也被看作人工智能的范畴。在未来，利用大数据预测，将给人们带来更多的便利。利用数据预测可能的疾病，以便提早做出预防；利用数据预测学习的缺陷，以便精准教育及练习；利用数据预测用户的真实需求，从而不需要产品经理来瞎猜（估计到时候我也就下岗了）……

2. 发现相关性

2004年，沃尔玛从以往数据中发现，在季节性飓风来临之前，不仅仅飓风用品的销量会增加，而且蛋挞的销量也会大幅增加。因此每当季节性飓风来临之前，沃尔玛就会把蛋挞商品摆放到飓风用品旁边，以便让快速购买飓风用品的顾客留意到蛋挞，增加蛋挞商品的销售量。沃尔玛的人也并不知道为什么蛋挞就成了飓风来临时的畅销产品，但是他们只需要知道飓风来临时沃尔玛的蛋挞会畅销就可以了，找到了这个相关性之后即使不用找到背后的原因，也可以提升销量。

大数据时代，我们不必非得知道现象背后的因果，只需要发现相关性，应用到后续的活动中，就可以创造巨大的经济或社会价值。利用大数据发现相关性，可以加快社会的进步，加快人们的决策，避免了找到“因”，在想清“果”的繁琐过程。

三、大数据的“弊”

1. 威胁用户隐私

在大数据时代，人们偶然间发现自己的隐私受到了威胁，我们的隐私被互联网服务提供商监视着，购物应用监视着我们购物习惯，搜索引擎监视着我们网页浏览习惯，社交软件监视着我们的社会关系，理财产品监视着我们的财富……

互联网服务提供商监控着我们的数据，利用我们的数据搞“大数据杀熟”，形成“千人千价”，从而提高自身的利润，受害的却是我们消费者。美国国家安全局2007年发起的棱镜计划，通过互联网服务器中的数据监听着我们每一个人的一举一动，在其面前我们没有隐私可言，拥有大量数据的机构，知道我们的每一个真实行为，有时甚至比我们自己都了解我们。

互联网服务提供商不合规利用数据对我们造成的影响尚可原谅，一旦数据被泄露或非法交易，将造成不可预知的后果。当今泄露事件层出不穷，脸书把用户的点赞数据非法供给了剑桥分析公司，间接性对美国大选结果造成一定影响；雅虎2016年泄露15亿人次的用户信息，使广大互联网用户的生日，电话号码，账户密码在暗网流传，随时有可能流入不法分子之手。

2. 强者愈强

未来将是人工智能的时代，从人工智能的历史发展中观察，人工智能算法的优化，用程序员主动去写算法，算法的精准度不如利用大量数据去训练算法的效果好。因而数据在人工智能的发展中，将会起到至关重要的作用。

企业拥有的数据量越大，其算法的训练越充分；算法训练越充分，产品将越趋于完善；产品越完善，用户越多；用户越多，企业的数据量越大。这样就走到了一种无限的循环之中，形成强者愈强的马太效应，使小企业更难赶超大企业。

四、大数据将会带来的机遇

1. 商业模式创新

未来可能会存在部分企业，不在以向用户收费或广告商收费的方式盈利，而是以产生数据，售卖数据服务的方式来达到盈利的目的。

例如智能冰箱制造企业，免费提供智能冰箱给用户使用，但冰箱中的货物情况制造企业需要进行监控。企业将监控到的数据售卖给商超形式的货物提供企业，货物提供企业自动对冰箱中的缺货情况进行补货，从而承包用户的全家食材。

同时智能冰箱制造企业还可以将用电数据卖给电力供应商，告知电力供应商每户家庭的冰箱使用及耗电情况。电力供应商通过购买全部智能家电的用电情况，从而实现精准生产电能，避免造成电能的浪费。

2. 数据连接企业

当前企业间、政府间的数据，无法做到互联互通，形成了一个又一个的数据孤岛，但是一些企业可能又需要其他机构的数据，来实现自身业务的优化。例如银行就需要用户的房产数据、车辆数据来判断用户的财富；保险机构需要用户的医疗数据来判断用户的以往病史。

在数据互联需求的驱动下，未来将会催化数据连接平台产品的诞生。平台连接数据的供需双方，成为“数据淘宝”，为供需双方提供数据的信息流和资金流。

由于受到法律的制约，直接进行数据售卖显然将存在法律风险。因而数据连接平台的发展可能会朝着授权流通、画像流通、去标识化流通的方向发展。

授权流通就是在用户的合法授权之下，把数据从供应方转移到需求方；画像流通就是将需求方的用户画像模型运行于供应方的系统之中，从而在供应方的系统中只输出画像结果，不输出原始数据；去标识化流通就是将用户的隐私信息去标识化，只流通无隐私的数据，例如流通某地区的用户购买数据，分析购买喜好，但不能对应到具体个人。