1.数据的特征

从数据的定义来看，数据具有两个特征，一个是差异性，另一个是规律性。

差异性主要体现为数据多数描述的是事物的数量特征，现实世界中每件事、每个人、每种物都有不同的特征，因此反映于数据也会有各种不同的表现，甚至从表面看起来可能是杂乱无章的。

规律性则主要体现为，数据是具有一定规律的，对数据进行分析研究，很重要的目的就是从数据中找出某种规律和关联。

2.大数据的特征

业界普遍认为，大数据具有数据规模海量（Volume）、数据流转快速（Velocity）、数据类型多样（Variety）和数据价值巨大（Value）四大特征。

（1）数据规模海量

当前，以大数据、物联网、人工智能为核心特征的数字化浪潮正席卷全球，全世界每时每刻都在产生大量的数据。

（2）数据流转快速

与传统的图书、报纸、广播等数据载体不同，数据产生和传播的速度非常快，数据被高速地创建、移动、汇集到服务器。

（3）数据类型多样

传感器、智能设备及移动互联网的飞速发展使数据变得更加复杂，除了传统的关系型数据，还包含结构化、半结构化和非结构化数据。

（4）数据价值巨大

大数据最大的特点在于通过各种数据分析和挖掘方法，发现诸多看似无关的数据之间暗含的规律和关联。

3.数据区别于传统生产要素的三个特征

可再生、无污染、无限性。

可再生是指数据资源不是从大自然获得的，而是人类自己生产出来的，通过加工处理后的数据还可以成为新的数据资源。

无污染是指数据在获得与使用的过程中不会污染环境 。

无限性是指数据在使用过程中不会变少，而是越变越多。

4.资产的三个基本特征

从资产的界定来看，它具有现实性、可控性和经济性三个基本特征。

现实性是指资产必须是现实已经存在的，还未发生的事物不能称为资产。

可控性是指对企业的资产要有所有权或控制权。

经济性是指资产预期能给企业带来经济效益。

 

5.数据资本区别于实物资本的特性:

非竞争性，即实物资本不能多人同时使用，但是数据资本由于数据的易复制拷贝特点，其使用方可以无限多。

不可替代性​，即实物资本是可以替换的，人们可以用一桶石油替换另一桶石油，而数据资本则不行，因为不同的数据包含不同的信息，其所包含的价值也是不同的。

6.数据采集对数据的要求

数据量是全面的，具有足够的分析价值。

数据是多维度和多类型的，能够满足不同的需求。

数据是高效的，具有比较明确的针对性和时效性。

7.常用的数据采集方法

主要有传感器采集、日志文件采集、网络爬虫采集。

传感器采集​

传感器通常用于测量物理变量，一般包括声音、温湿度、距离、电流等，将测量值转化为数字信号并传送到数据采集点，让物体拥有“触觉”“味觉”和“嗅觉”等“感官”，变得鲜活起来。

日志文件采集

日志文件数据一般由数据源系统产生，用于记录对数据源的各种操作活动，如网络监控的流量管理、金融应用中的股票记账和Web服务器记录的用户访问行为。

网络爬虫采集

网络爬虫是指为搜索引擎下载并存储网页的程序，它是针对搜索引擎和Web缓存的主要数据采集方法。该方法将非结构化数据从网页中抽取出来，以结构化的形式将其存储为统一的本地数据文件，支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。

8.针对大数据采集，目前主要流行运用以下技术

Hive

Hive是由Facebook开发的数据仓库，可支持SQL相似的查询声明性语言（HiveQL），可自定义插入相关脚本（Map-Reduce），并且支持基本数据类型、多种集合和组合等。只需要一些简单的查询语句，就能分析计算数据仓库中的数据。

Transform

Transform操作是大数据采集中的一个关键流程，利用多种数据分析和计算系统对清洗后的数据进行处理和分析。

Apache Sqoop

将数据在Hadoop HDFS分布式文件系统和生产数据库相互转换，需要考虑数据是否一致，以及资源配置等问题。为了防止使用效率不高的脚本进行传输，将使用Apache Sqoop。Apache Sqoop能快速实现导入和导出数据，解决数据来回转换中暴露的问题，还可通过数据库元数据预测数据类型。

9.机器学习主要包括三种类型

监督学习、无监督学习及强化学习。

监督学习​从给定的训练数据集中学习一个函数，当有新数据时，可以根据这个函数预测结果 。监督学习分为回归和分类两种类型，包括线性回归、Logistic回归、CART、朴素贝叶斯、KNN等几种算法。

无监督学习就是输入一些并不知道输出的数据，然后给这些数据打上标签。它主要有关联、群集及维度降低三种类型，集中使用Apriori、K-means、PCA三种算法。

强化学习是让机器通过不断的测试，在环境中获得高分。在这个过程中，机器会一而再、再而三地出错，从而获取规律。

10.数据开放共享面临的问题

第一，已有数据资源积累的部门或企业出于观念、利益和安全等多重因素的考虑，绝大多数都不愿意分享自己的数据，即“无意愿”开放共享。

第二，数据泄露等安全事件频发和出于数据伦理问题的考量，使企业乃至国家对数据开放共享望而却步，即“无胆量”开放共享​。

第三，大数据的4V特性使对数据进行分析处理的难度大大增加，数据的利用具有专业性强、难度大的特点，对技术要求较高，而且全球多数国家对数据开放共享的要求、规范、场景和条件都尚未形成具体的法律法规和标准规范，这些因素均加重了“数据孤岛”现象，即“无本领”开放共享。

11.数据跨境流动的影响

积极影响:

首先，数据跨境流动带动了创新想法的扩散。全球的互联网用户都可以接触、利用最新研究成果和技术，并激发更多创意，催生更多新企业。

其次，数据跨境流动极大地推动了国际贸易的发展。企业利用互联网出口货物；各类商品可以足不出户在线购买；通过对数据进行分析和处理，还能够提高业务附加值。尤其对于中小企业来说，互联网和全球数据流动使它们能够参与国际贸易并从中获益。

消极影响:

由于各国数据安全和隐私保护水平不一致，当用户数据从具有保护水平的地区流向保护水平较低的地区时，可能会因为立法不足或保护技术管理能力有限，导致存在数据泄露的风险。

数据跨境流动使本国政府依法获取企业数据的难度增加，增加了执法的不确定性，也会增加本国政府执法困难程度的风险。

数据跨境流动的模式会导致数据资源集中到少数具备产业和管理优势的国家，虽然可以节约企业的成本，但对于用户所在的国家而言就面临产业发展困难的问题。

12.公共领域利用大数据造福人类的实例

①大数据曾被洛杉矶警察局和加利福尼亚大学合作用于预测犯罪的发生。

②麻省理工学院利用手机定位数据和交通数据建立城市规划。

③谷歌流感趋势利用搜索关键词预测禽流感的散布。

④气象局通过整理近期的气象情况和卫星云图，更加精确地判断未来的天气状况。

13.价格操纵的发生需要满足三个条件

①掌握消费者的支付能力和意愿。

②产品或服务具有垄断市场的能力。

③产品或服务缺少可替代的选择。

14.动态定价的意义

积极意义：

①社会资源合理分配。

②企业营收增加。

③消费者满意度提升。

消极意义：

①损害厂商的利益。

②极易导致个性化定价。

③可能涉嫌价格欺诈。

15.企业和个人应该如何使用网络爬虫这把双刃剑

①爬取数据前，首先识别数据性质，严格禁止侵入内部系统数据。

②爬取数据时，避免获取个人信息、明确的著作权作品、商业秘密等。

③爬取数据后，严格限定数据应用场景，切忌不劳而获、“搭便车”地利用他人数据，侵害他人的商业利益。

16.新加坡为促进政府数据全面开放采取的举措

①建立完善的数据开放法律制度保障体系。

②完善组织机构建设。

③积极引入大数据人才。

④创新研发应用模式。

17.数据保护相关法律实施的困难

①个人信息的收集及使用行为无处不在。

②个人信息的收集、使用行为具有很强的隐蔽性。

③个人信息的收集、使用正在融入组织运营的方方面面，成为组织赖以生存和发展的命脉。

18.美国对个人信息的保护具有以下特点

①采取分散的立法保护模式。美国没有制定一部统一的个人信息法律，以避免立法过于集中。

②根据个人信息的具体内容进行分业监管，既有专门针对隐私的法律，也有在调整某事项时涉及隐私的法律；既有规范政府行为的法律，也有调整商业主体或医疗、教育机构等特定主体的法律。

③专门保护特殊数据主体。对不同的数据主体进行有针对性的法律保护，是美国个人数据保护立法的一大特色。

④坚持以隐私权为中心的保护理念。在权利保护方面，美国以隐私权保护为基础。隐私权是宪法层面的基本权利，各类个人信息保护成文法对个人信息保护的规定也大多以隐私权的形式存在。

⑤偏重对信息使用的规制。纵观美国个人信息保护法，可知美国在个人信息保护理念上更加注重对个人信息的利用，而非收集。

19.欧盟的个人信息保护具有以下特点

①统一立法模式。在立法模式方面，欧盟采用统一立法模式，即制定一个综合性的个人信息保护法来规范个人信息收集使用行为，统一适用于公共部门和非公共部门，并设置一个综合监管部门集中监管。

②人格权保护模式。在权利保护方面，欧盟采取人格权保护模式，将个人信息视为公民人格和人权的一部分，上升到基本权利高度，按照一般人格权的保护路径进行严格保护，赋予用户知情权、查阅权、被遗忘权、删除权等一系列权利，严格规范网络运营者在信息收集、存储、使用、更改、流动、消灭等全生命周期的行为界限。

③采用公法路径。欧洲各国采取消费者法与公法规制进路为个人数据提供保护，而未创设一种私法上的个人信息权或个人数据权，更没有主张公民个体可以凭借个人信息权或个人数据权对抗不特定的第三人。

20.各国个人信息保护方案对我国的启示

①统一立法与分业监管相结合，充分发挥各自的优势。

②建立个人信息保护集体诉讼机制，为个人提供更多的救济渠道。

③加强源头治理，提升行政执法能力。

④设立专门的网络个人信息保护监管机构。

21数据跨境流动美国方案与欧盟方案对我国的启示

①建立重要数据分级分类管理制度。

②针对不同场景设置多样化的数据跨境流动机制。

③推动建立数据跨境流动行业自律制度。

④强化国际合作，积极参与制定国际规则。

22.中国大数据对世界的贡献主要表现在三个方面

①引领大数据的创新应用，大量新应用和服务层出不穷并迅速普及。

②互联网公司、初创企业引领技术创新步伐，特别是语音识别、图像理解、文本挖掘等方面已涌现出明星企业。

③已成为产生和积累数据量最大、数据类型最丰富的国家之一。

​

23.数据的分类

从数据生命周期角度，数据可分为原始数据和二次开发利用数据。

从主体角度，数据可分为政府数据、企业数据和个人数据。

从信息内容参与方角度，数据可分为单方数据和交互性数据，等等。

24.数据开放共享的原则
政府与企业之间的数据开放共享应遵循以下原则：
（1）可持续性：既要满足当前需要，又要着眼长远发展；共享机制的建立不是临时性的，可能使用一次或多次。
（2）协调性：当开放共享主体涉及多方时，要充分考虑多个利益方的利益诉求和群体态度，寻求利益的平衡点。
（3）互利性：要以效率优先、兼顾公平的原则，降低控制成本的同时提高效率，争取以最少的成本投入获得最大的收益，不断激发各利益主体进行开放、参与共享的积极性；要承认各方对有关产品和服务的数据生成所做出的努力。
（4）透明性：应清楚地界定数据使用者的情况，希望获取数据的类型和详细程度，以及使用数据的目的等。
（5）良性竞争：在交换敏感数据时应促进良性竞争，保障数据提供方及其相关利益不被泄露。
以上是一般性原则，企业在将数据开放共享给政府时还应同时遵循以下原则：
（1）数据使用的相称性：使用企业数据应以公开透明的公共利益为目的，确保做到具体详细、相关联和数据保护；对于预期的共享收益，应保证企业成本的合理性。
（2）目的限制：应在合同或协议条款中明确限制企业数据使用的目的，限定为一个或多个；规定数据使用的期限，同时要保证企业数据不被用于无关的行政或司法程序。
（3）不造成伤害：保护企业的商业机密及相应利益。
（4）数据再利用：企业与政府的合作应力求互惠互利，尤其在付给酬金时也要考虑公共利益。当其他政府机构也有类似的数据需求时，企业应该无差别对待。

25.数据产权的立法方向

（1）构建开放型的数据产权体系
数据产权立法需要打破封闭的传统财产权体系，构建一个具有开放性、包容性、发展性的体系。

（2）协调权利体系的整体性与数据产权的独特性

应站在整个财产权体系的高度掌握数据产权的构建思路，让其逻辑合理顺畅，同时还应保持数据产权自身的独特性，以此来区别于其他权利。

（3）明确数据产权的权利边界，防止权利滥用

要明确数据产权的权利红线。权利主体只有在该红线内才能享有有效的财产权，其权利的行使才能不受侵犯。

（4）从《民法总则》到民事单行法对数据产权进行层级保护

针对我国数据产权的立法，应当对数据财产进行从《民法总则》到民事单行法的层级保护。

26.个人信息保护的现有举措​

①加快立法，为个人信息保护装上“法律盾牌”。

②标准先行，探索个人信息保护的中国方案。

③强化监管，多部委组织开展专项行动。

④加强宣传，提升个人信息安全意识。

27.个人信息保护的痛点和难点

当前在个人信息保护方面，我国依然存在很多痛点和难点。其主要表现在两个方面：

第一，相关规定过于抽象，往往只是一个概念或一个具体要求（通常是禁止性要求），缺乏系统的整体制度设计。

第二，未建立统一的立法规划与数据保护执法机构，导致现有法律法规对个人数据的保护力度相对较小。

28.数据采集、存储、开放共享等各个环节的安全隐患：

第一，传统数据保护的“匿名化”措施失效。

第二，透明度原则受到冲击。

第三，“通知—同意”规则难以有效执行。

第四，责任追究的难度加大。

第五，越来越多的企业聚集成共同利益集团，在集团内部进行数据的共享，同一数据需要供给多个主体使用，即呈现“多对多”的模式。

第六，政府的监管执法能力也显得不足。

29.国家、企业、个人在个人信息保护方面的举措：

（1）加快法制建设，国家要行动
国家应尽快出台《个人信息保护法》：

首先，《个人信息保护法》需进一步明确个人信息的范围。

其次，要以立法的形式明确信息主体的各项权利。

最后，通过立法完善个人信息收集及使用规则。

除了加强立法，我国还要加强对个人信息保护的监管：

第一，加快研究制定个人信息安全保护相关标准。

第二，创新个人信息保护监管手段。

第三，强化执法能力建设。

（2）保护数据源头，企业要自律

在企业眼里，个人信息意味着商业开发的场景和价值；在用户眼里，个人信息意味着权益和安全。

第一，设定危险权限。

第二，规范应用隐私条款。

第三，设立数据安全官。

企业应坚持从源头开始保护数据安全，从以下三个方面进一步加强自律：

一是重视隐私条款政策的制定和规范性。

二是要承担起保护用户个人信息的责任。

三是管理和技术手段结合，保护用户个人信息。

（3）维护自身权益，个人要加强

首先，认识到个人信息泄露的严重后果。

其次，加强自我保护意识和提升保护技能。

最后，了解与个人信息保护相关的法律法规，做到知法懂法、守法用法。

30.数据跨境流动应遵循的三个“不危害”原则

①不危害国家安全利益
利用先进的大数据分析技术，往往能通过跨境流动的数据分析出与国家政治、经济、社会等各个领域息息相关的重要信息，一旦这些关键数据流动到境外，很有可能会影响数据主体国家的安全。

②不危害企业商业利益
除了不能危害国家安全外，数据的跨境流动也不能危害企业的商业利益。在经济迈向全球化的今天，跨国合作已成为企业在日益激烈的国际竞争中谋求发展的重要形式之一。

③不危害个人信息

数据跨境流动可能对数据主体的隐私或财产带来威胁，因此，不危害个人信息也应作为数据跨境流动须遵循的原则之一。

31.国家在数据跨境流动方面的相关举措

（1）完善跨境数据流动的法律体系

①在《网络安全法》确立的网络安全管理框架下，尽快研究制定跨境流动的个人信息及重要数据保护法，以保障数据跨境流动中数据主体的合法权利。
②建立数据跨境流动的配套法律体系。

③积极参与国际平台关于数据跨境流动规则的探讨和磋商。

（2）加强数据跨境流动监管

①保障国家安全，严格监管重点领域的数据跨境流动。

②制定数据分类分级监管体系，对数据跨境流动实施分级分类管理。

③加大数据跨境流动管理方面的研究，以应对可能面临的数据跨境流动问题。

（3）督促企业落实数据跨境流动的安全主体责任
①建立企业内部数据跨境流动管理制度。

②企业加强跨境数据安全监测。

③提升企业对数据跨境流动的安全保护责任意识。