Page 33 - 网络电信2016年第4期
P. 33

大数据分析

识未必能够彻底脱敏。美国研究显示：即使把姓名、地址等标             而未来市场的参与者可能同时是提供者与请求者。其次，交易
识信息拿掉，只要有邮政编码、性别、生日等3项信息，就有             将不仅是简单的“ 给”和“ 得”，而是融合、使用从而产生
60%～90%的可能性锁定个人。即使去标识很彻底，仍有“ 阿喀         新的衍生价值。因此，数据的定价不是那些比特的固有价值，
琉斯之踵（致命弱点）”。一种攻击的方法是通过多数据源的             而是在这一次“使用”中产生的当前价值。数据市场应该是使
比对来缩小搜索范围，重新标识；另一种方法是基于统计的攻             用和买卖一站式服务，并且是先使用再买卖。
击，比如根据两个打分再加上一定的时间范围约束，还是有接
近70%的可能性锁定个人。                                 Steven Johnson 的TED 演讲《伟大创意的诞生》是从咖啡
                                        馆说起，它创造了一个安全的空间，让不同的人做思想碰撞，
      （4）防止隐私攻击的匿名化技术。比较典型的如            创造新的想法。数据何尝不需要这样一个咖啡馆，让各方的数
k-anonymity和Ldiversity等，但在敏感属性不够多样化，或攻  据能够产生“化学作用”。“数据咖啡馆”项目基于多方安全
击者具有背景知识时，这两种技术仍不够鲁棒。目前最好的一             计算，试图解决3个问题：安全可控的开放；数据市场和云计算
种技术叫差分隐私，即把噪声加入到数据集中，但仍保持它的             的一体化；数据定价的问题。
一些统计属性，支持特定的机器学习算法。
                                              然而，绝大多数数据的价值是不确定的，这正是数据的外
      这些困难和挑战都不能阻挡开放数据运动的深入人心。在         部性。这种属性决定了数据与石油本质上的区别：石油的价值
数据（尤其是商业数据）仍然无法充分流通的今天，开放数据             在燃烧的一瞬间实现并消失了，但数据能够反复使用，产生不
无疑能够让具有数据思维和分析能力的创意者点石成金，把死             可预期的新价值。基于Moody的信息估值七律，可以衍生出数据
的、消耗成本的数据变活、创造利润。                       估值七律：

    基于数据安全流通和定价的数据市场                          （1）数据可以被无限次共享，可以产生更大的总体价值，
                                        但多次复制会使所有权复杂化，增加成本；
      数据之于数据社会，就如同水之于城市或血液之于身
体——城市因河流而诞生，也受其滋养；血液一旦流动停滞，                   （2）数据用得越多，价值越大；
身体就有危险。所以，在数据化生存的今天，一定要让数据                    （3）数据价值会随时间衰变；
流动起来。数据开放更多适用于政府公                             （4）数据越精确，价值越大；
共数据和纳税人资助的科研数据，而更
多涉及私人隐私或企业机密的数据无法                                                           （5）多个独立数据源的融合为
通过简单的开放获得。如果把数据看作                                                    1+1>2；
一座冰山，公开的只是露出海面的一点
点，绝大多数藏在暗黑的海面以下。                                                            （6）更多的数据不见得能带来更多
                                                                     的价值；
      数据拥有者不愿意把数据拿出来，
有两个原因：担心数据被偷窃；对自己                                                           （7）数据不会损耗，反而会越用越
并无好处。所以，解决时该问题时需要                                                    多。
把握两点：保障数据的安全流通；对数
据的使用进行定价，而实现这两个关键                                                           这些基本原则对数据的定价具有指
的载体是数据市场。数据市场并非是新                                                    导意义——数据的使用频度、新鲜度、
概念。早年的综合数据市场多进行原始                                                    质量、外部性等都是重要变量。Glue
数据集的下载交易，由于数据容易复                                                     Reply公司据此提出了基于使用的估值模
制，版权保护困难，这种形态逐渐被几                                                    型。
种新的形态取代：
                                                                            另一方面，Gartner分析师
      （1）为特定用户定向采集或加工数据，如某公司从事人脸                                     DougLaney——大数据3V的提出者，把信
分析技术，委托第3 方采集各类、各种姿态和光照条件的人脸                                         息和数据的估值模型分成非金融模型和
数据，或某公司具有大型数据集，需要特定的服务来做标注。                                          金融模型。

      （2）专业领域的数据服务，如交通领域的Inrix或金融领                                          我们期待未来的数据市场有灵活的
域美国三大征信公司。                              数据定价模型，该模型既考虑数据的使用历史和时间嬗变所形
                                        成的基础价值，又能计量当前的这次租用中可量化的价值，计
      （3）不给出整个数据集，只能基于查询或应用程序接口         算出这次交易的数据定价。同时，如果这次使用有多方数据参
（API）提供数据的受控访问，中国出现的数据交易市场多为此           与，根据各方在计算中贡献的大小，对其数据分别进行定价。
类型。                                     数据的安全流通和定价将鼓励数据拥有者将其数据参与流通，
                                        对其数据价值化、货币化和资产化，从而形成“ 收集-使用-价
      （4）不给出原始数据，只交易加工信息，这是之前大数据        值化-更多收集-更多使用”的正向反馈，为开放式创新提供更
时代的主流，有些公司（如彭博社）甚至提供专门的终端保证             广泛的原材料供给。
信息服务。
                                            开放的基础设施
      随着数据生态的完善，数据市场的形态将更为丰富。首
先，上述形态多为数据提供者与数据请求者的简单交易关系，                   笔者的同事Eric Dishman罹患肾癌23年，尝试了各种治疗
                                        方案，甚至换肾，一直没有进展，直到他选择了基于基因分析
                                        的精准治疗。整个测序和锁定致病基因片段的过程花了3个月；

44 网络电信 二零一六年三月
   28   29   30   31   32   33   34   35   36   37   38