我們談論大數據，就不能回避數據的公有權與私有權及其界定。不久前，阿里巴巴與順豐，就數據交換問題產生摩擦，以至于切斷了數據接口。此事鬧得沸沸揚揚，天貓（淘寶系）國家主管部門介入后，數據接口重新恢復，但電商與快遞公司之間的矛盾依舊。

　　理想狀態(tài)下，數據的權限、權益應當有非常清晰的劃分；對于用戶私有數據的使用，應當遵循經用戶授權的原則。但這往往難以實現，例如用戶在網站、APP上的注冊資料，通常就被數據企業(yè)列為數據資產，這些數據不僅被企業(yè)用于其他類別的業(yè)務，即通過所謂的數據挖掘分析，向潛在用戶開展精準營銷，而且還經常出現轉手數據的現象。盡管用戶大多對此不滿，然而由于用戶一方很難采集企業(yè)濫用數據的依據，且很多情況下無法清晰的概括數據遭濫用的后果，所以上述現象即便提出投訴、舉報，也很難尋求令人滿意的解決。

　　再來看大數據時代，所不可避免出現的隱性偏差風險。美國波士頓市政府曾推出一款手機APP，鼓勵市民通過APP向政府報告路面坑洼情況，借此加快路面維修進展。但該款APP的使用，卻因為老年居民使用智能手機的比率偏低，導致政府收集到的數據多為年輕人反饋數據，所以導致老人步行受阻的一些小型坑洼，反而長期得不到及時處理。

　　大數據時代，還經常出現數據安全問題。尤其是公共管理部門、業(yè)務得到普遍應用而帶有公共性質的數據平臺企業(yè)，一旦發(fā)生數據泄露，后果就會變得格外嚴重。中國數據化思考領先人物、阿里巴巴集團前副總裁、首任阿里數據委員會會長、紅杉資本中國基金專家合伙人車品覺在其所著的《數據的本質：無人不是分析師》一書中分析指出，大數據應用要格外注重倫理問題，而這其中涉及到的數據安全，又是重中之重。在他看來，安全原則要想得到業(yè)務方面的支持，轉化為業(yè)務應用中的安全操作，必須契合企業(yè)的商業(yè)目標、風險承受能力和部署能力。

　　車品覺認為，目前國內企業(yè)對于數據安全還沒有形成共識，對于本文開篇所提及到數據權限與權益的合理區(qū)分（公有權與私有權的劃分）、隱性偏差風險等的認知也很不平衡，這對于大數據的繼續(xù)縱深發(fā)展會造成影響?！稊祿谋举|：無人不是分析師》這本書頗為尖銳的提出，“大數據行業(yè)一直在忽略、回避和否認數據倫理問題。忽略的原因就是害怕：害怕一檢查就露出破綻，害怕過度關注倫理會扼殺創(chuàng)新，害怕倫理問題太過棘手而無從解決?！边@顯然不是解決問題的正確態(tài)度。筆者贊同書中觀點，在大數據、人工智能、機器學習等新生事物還在快速發(fā)展的過程中，及早確定數據倫理法則，非常重要，這將有利于而不是阻礙新生事物的健康成長。比如，基于算法和數據的無人駕駛汽車，目前尚未得到大規(guī)模應用，就應當盡早研判確定其邊界和規(guī)則，以避免未來在推廣過程中遭遇倫理沖突。

　　《數據的本質：無人不是分析師》是本土作者撰寫的以大數據、人工智能等新科技主題的圖書中的上佳之作。整本書基于大數據在中國國內的發(fā)展進程，從應用熱點和難點入手，多視角分析了數據驅動、數據應用的實質，深入剖析了數據治理的核心。全書開篇指出，商業(yè)基礎正因眾多終端帶來的全域大數據而發(fā)生著變化，如此之多和零散的數據及維度的疊加，使得數據利用的真正難題，變成了保證有效地存儲、更新、辨識和連接數據。例如，很多人都同時擁有多部手機、平板電腦，還有多張信用卡，以及多個可連接上網的智能化應用電器，企業(yè)能不能辨識出客戶分散在這些設備/銀行賬戶之間的信息，能不能建立數據聯系，又能不能結合客戶線上線上的行為數據進行進一步的分析研判，這對于包括大數據企業(yè)在內的各行業(yè)企業(yè)都提出了嚴峻的挑戰(zhàn)。

　　這本書也再度重申了數據相關性的重要性。數據收集活動的出發(fā)點來自于企業(yè)業(yè)務需要或者可以應對未來的業(yè)務發(fā)展，書中以阿里巴巴的數據實踐為例對于如何圍繞業(yè)務的長中短期目標，發(fā)展必要的數據能力進行了說明。在談到數據流動、數據連通時，書作者強調要實現數據各方的互惠互利，找到利益驅動的本源，尋找共同的痛點。事實上，包括阿里巴巴在內，大型企業(yè)內部不同部門、流程之間的數據共享，也建立在利益驅動的基礎上，而政府不同部門之間、不同地區(qū)的政府之間以及政府與企業(yè)之間，要實現數據共享，顯然需要首先尋求共識、共同利益的基礎，為數據流動創(chuàng)造動力。

　　大數據時代在成為熱詞后，數據使用已經深入人心，也切切實實的體現在了對于公共管理及各行業(yè)運營水平的推動之上。這本書歸結指出，未來，數據應用將像電力一樣，成為必需品、公共產品，滲透到公共生活、經濟生活的各個方面。書作者闡述了如何選擇人工智能與大數據的切入點的具體戰(zhàn)略，包括從零開始創(chuàng)建好的專有數據集；確保數據量與試圖解決的問題之間建立密切聯系、數據的收集、處理和運用，要從最小化應用做閉環(huán)，基于眾多應用做長遠規(guī)劃；嚴肅對待數據的標準和質量問題，提高數據質量，等等。