大数据产业与隐私计算的碰撞:变革与机遇

在大数据产业形成,数据孤岛存在和大量产业数据没有得到有效挖掘的当下,隐私计算能带来行业的变革。

区块链

随着移动互联网、物联网、云计算的深入发展,大数据国家战略的加速落地,大数据体量呈现爆发式增长态势

数据显示,2018年我国大数据产业规模突破6000亿元;随着大数据在各行业的融合应用不断深化,2019年中国大数据市场产值达到8500亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。

全社会都在信息化、数字化、智能化的道路上持续升级,数据已经成为了关键的生产要素

伴随着数据资源价值的逐步认可,企业自有数据成为了主要的数据来源,而随着数据流通和共享的需求正不断增加,数据收集、数据分析再到数据应用全过程的产业链日趋成熟与完善,形成了以行业联盟或行业融合的多维度的大数据产业。

然而,大数据产业的发展现状以互联网行业巨头为大数据应用的领跑者,真正有用、能够影响企业决策、影响人们认知的数据被拥有巨额流量入口的互联网巨头拥有,使得大数据产业在潜移默化中形成一个个的数据孤岛或颇具特色的大数据公司。大数据公司通过组建大数据、算法分析团队,利用爬虫、终端设备“埋点”等技术获取外部数据,再经数据加工处理以一种数据服务的形式对外提供或向内赋能,形成中心化的处理模式

中心化处理模式的局限性 

1. 企业获取到的是数据“观点”而不是数据生产要素本身,很大程度上企业很难基于一个看不到背后逻辑结构的外部观点来指引公司内部决策。

2. 数据生产要素不同于普通的生产要素。后者存在资源消耗的成本,而数据是有记忆的,数据被重复使用的成本趋近于零,这使得数据一旦开放使用后其价值难以得到保护,才需要以服务产品的形式进行包装,这一定程度上阻碍或削弱了数据真实的价值。

区块链

3. 数据生产要素以个人数据、金融类数据、互联网行为数据为主,数据同质化严重,大量产业数据没有得到有效挖掘,数据赋能的群体存在局限性。

4. 数据获取的方式和手段,以及数据使用的模式没有对数据隐私进行有效的保护,产生了许多信息泄露与安全性风险

随着数据流通的需求不断上升,企业间直接合作或与大数据公司合作外,更广泛、覆盖范围更广的数据交易市场成为了一个新的发展方向,如何建立数据需求方与供给方之间成规模化的直接联系,如何实现数据生产要素更加安全、可信的流通与分享,通过市场化的手段实现数据生产要素的流通与交易成为了数据生产要素交换模式2.0的发展方向。在这其中,隐私计算将成为数据开放协作的一大助力

隐私计算带来的变革

1. 可实现数据采集过程的可信与可追溯,确保数据隐私信息的安全,实现数据资产的确权与权属管理。

区块链

2. 可为原始数据生产要素提供不同级别的隐私保护手段,实现各类数据的隐私协作基础,达成数据使用中的价值保全,杜绝因数据明文留痕造成的使用价值递减风险。

3. 基于隐私AI与隐私计算引擎,实现去中介化的数据交易市场与数据价值实现网络,形成分布式的大数据商业,通过市场化的运营模式,提升数据流通与共享的范围,实现数据价值的实现与效用升级。

转载声明:本文 由CoinON抓取收录,观点仅代表作者本人,不代表CoinON资讯立场,CoinON不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。若以此作为投资依据,请自行承担全部责任。

声明:图文来源于网络,如有侵权请联系删除

风险提示:投资有风险,入市需谨慎。本资讯不作为投资理财建议。

(0)
打赏 微信扫一扫 微信扫一扫
上一篇 2020年4月14日 下午8:57
下一篇 2020年4月14日 下午9:55

相关推荐

大数据产业与隐私计算的碰撞:变革与机遇

星期二 2020-04-14 21:55:04

区块链

随着移动互联网、物联网、云计算的深入发展,大数据国家战略的加速落地,大数据体量呈现爆发式增长态势

数据显示,2018年我国大数据产业规模突破6000亿元;随着大数据在各行业的融合应用不断深化,2019年中国大数据市场产值达到8500亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破,成为推动经济高质量发展的新动力。

全社会都在信息化、数字化、智能化的道路上持续升级,数据已经成为了关键的生产要素

伴随着数据资源价值的逐步认可,企业自有数据成为了主要的数据来源,而随着数据流通和共享的需求正不断增加,数据收集、数据分析再到数据应用全过程的产业链日趋成熟与完善,形成了以行业联盟或行业融合的多维度的大数据产业。

然而,大数据产业的发展现状以互联网行业巨头为大数据应用的领跑者,真正有用、能够影响企业决策、影响人们认知的数据被拥有巨额流量入口的互联网巨头拥有,使得大数据产业在潜移默化中形成一个个的数据孤岛或颇具特色的大数据公司。大数据公司通过组建大数据、算法分析团队,利用爬虫、终端设备“埋点”等技术获取外部数据,再经数据加工处理以一种数据服务的形式对外提供或向内赋能,形成中心化的处理模式

中心化处理模式的局限性 

1. 企业获取到的是数据“观点”而不是数据生产要素本身,很大程度上企业很难基于一个看不到背后逻辑结构的外部观点来指引公司内部决策。

2. 数据生产要素不同于普通的生产要素。后者存在资源消耗的成本,而数据是有记忆的,数据被重复使用的成本趋近于零,这使得数据一旦开放使用后其价值难以得到保护,才需要以服务产品的形式进行包装,这一定程度上阻碍或削弱了数据真实的价值。

区块链

3. 数据生产要素以个人数据、金融类数据、互联网行为数据为主,数据同质化严重,大量产业数据没有得到有效挖掘,数据赋能的群体存在局限性。

4. 数据获取的方式和手段,以及数据使用的模式没有对数据隐私进行有效的保护,产生了许多信息泄露与安全性风险

随着数据流通的需求不断上升,企业间直接合作或与大数据公司合作外,更广泛、覆盖范围更广的数据交易市场成为了一个新的发展方向,如何建立数据需求方与供给方之间成规模化的直接联系,如何实现数据生产要素更加安全、可信的流通与分享,通过市场化的手段实现数据生产要素的流通与交易成为了数据生产要素交换模式2.0的发展方向。在这其中,隐私计算将成为数据开放协作的一大助力

隐私计算带来的变革

1. 可实现数据采集过程的可信与可追溯,确保数据隐私信息的安全,实现数据资产的确权与权属管理。

区块链

2. 可为原始数据生产要素提供不同级别的隐私保护手段,实现各类数据的隐私协作基础,达成数据使用中的价值保全,杜绝因数据明文留痕造成的使用价值递减风险。

3. 基于隐私AI与隐私计算引擎,实现去中介化的数据交易市场与数据价值实现网络,形成分布式的大数据商业,通过市场化的运营模式,提升数据流通与共享的范围,实现数据价值的实现与效用升级。