当前课程知识点:大数据技术与应用 >  王新锐:金融大数据的法律实践 >  用户个人信息分类 >  用户个人信息分类

返回《大数据技术与应用》慕课在线视频课程列表

用户个人信息分类在线视频

下一节:金融大数据法律框架

返回《大数据技术与应用》慕课在线视频列表

用户个人信息分类课程教案、知识点、字幕

我首先讲一个这个

用户数据的用户信息的分类

我们今天讲的大数据里

我觉得最后回到一个点

回到一个非常聚焦的点

就是个人信息

你会发现

所有我们说到大数据的时候

我们在法律这块的时候

在商业上来说

有意义的事情是什么

是个人信息

当然你也可以说

我们现在看到比如说

做企业征信

包括我们清华校友

做的这个(00:36)

这种企业都做的很好

像他们这样的这种做企业的

做这种大数据

其实也是整个一大块

包括像医疗的大数据

包括像很多应用

实际应用

所以我们讲到的地方就是说

这些方面都是有的

但是相对来说

就是非个人的这部分大数据

在上面

其实处理上会更简单一些

因为企业之间是有商业利益的

他们相对达成交易是比较容易

而个人是高度分散

所谓原子化的

那么这个中间

你要是想把这个

把一些授权

把这些公开的事情做好不容易

所以我们今天重点的

会聚焦在个人用户这个地方

这个跟大数据的关系

其实最紧密

而且现在应用场景是最多的

个人信息呢

分为一般信息和敏感信息两类

什么叫一般信息

不是敏感信息就是一般信息

不是一般

不是这个就是敏感信息的

这些东西都是一般的

那么我们看到这个敏感信息

是这样

基本上会分为几个大类

就是这些类别是说

如果你泄露以后

会对个人信息主体

造成这种不良影响

包括说这个但是它这个里面

敏感信息根据不同的行业

比如说医疗 金融

这个零售

根据不同的行业

其实敏感信息的范围

是不一样的

大概的我们看到现在

从法规从实践中

我们认为敏感信息

常见的包括比如说基因信息

病例的资料

和这个就是健康检查资料

这个地方就是跟身体有关的

然后犯罪记录

犯罪记录因为你一旦这个

这个人在犯罪记录泄露以后

可能会对他很长的这种

很长时间的这种在社会上的生活

在这个活动中

求职这些东西都会有影响

家庭住址这个不用说

私人的活动

私人的活动其实就很广泛了

所以这也是像私人活动这块

怎么去界定其实也是一点

但总的来说

像这一些都是敏感信息

个人信息和敏感信息的分类

重点的是说从法规的规定也好

从国内外的处理的原则也好

敏感信息是需要明示的同意

一般的信息是漠视的同意

也就是说

我们触及到敏感信息的时候

我们在用户授权的时候

一定要非常清晰

反复的问你同意吗

你同意我这么干

我干的是一个什么事情

要说的非常清楚

从这个个人信息的这种

就是我们平时去做业务

或者从业角度

又可以这么去划分

就是这样说身份信息

财务信息 行为信息 设备信息

身份信息不用多讲

财务信息也不用多讲

大家都知道比如说

你的房产 你的股票

你的这个资产的这个部分

行为信息就是包括你在

线下的部分

也包括你在线上的各种活动

各种这个你做的事情

比如说你访问了哪个网站

这是很典型的

我们在社交网站上的活动

我们这个租车 我们租房

我们婚恋

这个都是这些

在网站上的这种表现

都是跟行为

都是行为信息

设备信息这一点就是

实际上是说我们每一个

移动的设备

现在是更明显

不管是手机还是电脑

这些东西其实它都是有

这个唯一的这种ID的

那么这种设备信息

其实在做金融大数据的

具体的业务的时候

你会发现其实很重要

比如说在反欺诈的事情里面

很多你会发现你

当你发现一台电脑

发出大量的请求

大量的申请

这十有八九是欺诈

因为一个人申请一个东西

他不会申请几十万

几万份这种申请

那这种东西往往是存在着这种

欺诈的可能性

所以这种设备信息

其实也很重要

那么这里面这些信息里

其实身份信息和财务信息

肯定是属于我们刚才说的这种

敏感的信息

那么行为信息和设备信息

就不一定

所以这个里面也是有

就是说你是

你是这种一般信息还是敏感信息

你是这些里面的哪一类

这些方面这种分类

其实有的是来自于法规

有的来自于学历

有的甚至是我们做业务中

自己的总结

这种总结其实也是为了

整个在判断一个信息

它是不是它的性质的时候

更方便

处理的环节这一块就是说

大概有这么四个环节

我跟大家今天讲这个

这些技术性的东西

是整个是你其实就是你做这个

所谓的金融大数据也好

包括征信也好

你后面整个

你在做业务中的环节

大家可能会觉得说

我今天我们讲的重点

并不是一些那种很神秘的说

这个我有找到两个数据

中间找到了神秘的联系

最后这个带来了一个很好的效果

我告诉大家没有这个事情

这个事情至少在我们看到的

这种实例中非常非常少

有的时候他们出来

给大家讲故事

给媒体讲故事

怕媒体记不住

就会重点讲这么一两个案子

但实际上一旦

到做业务的时候发现

没有这个事

这个事其实是一个

作为一个营销是可以的

但是整体上都是这样很枯燥的

对于数据的这种处理的过程

每一个过程你要保证合规

你要保证相对的这种安全性

最后你这块业务才能转起来

这个处理的环节

包括这四个环节

收集加工转移和删除

那么这个四个环节里

每一个环节

其实都有要注意的地方

比如说收集的环节

你收集的这个数据

一定是跟你的这个

我们后面法规

也大家可以看到

一定要有合法性

一定要有正当性

比如说有很多阅读

现在我们也看到很多这个

阅读的这种(APP)

他们会收集各种各样的数据

他们收集你的地理位置

收集这种(05:57英文)

你说你一个阅读的

为什么要收集这个东西

其实是没有必要的

但是他收集了以后

他试图把这些数据拿去做什么

这种收集其实就超出了这种

必要性

当然你也可以去论证就是说

我为什么要收集这个数据

实际上我们现在看到

大量的这种不管是做APP也好的

还是做OS

做操作系统的也好

还是很多其他的一些

做实体业务的

他收集的数据是远远超出

他做这个业务的必要性的

那么这种收集数据

在目前这个阶段

好像没有特别多的人管你

但实际上我们可以看到

从法规上从执法上来说

越来越收紧

而且每年现在这个

我们过两天就3・15的

大家可以看到

每年的3・15现在是

一定会有一两个

关于个人用户收集的方面的问题

我们去记录发现是很多年了

这个连续很多年了

每一个每年3・15

都会有这个问题

而且以后会越来越多

所以这个在收集的过程中

你就需要目的的合法要正当

在加工的时候其实

这就是你加工的时候

怎么去加工这些数据

怎么样去做(脱敏)

怎么样把数据里面

这个有用的

实际上有商业价值的地方

提取出来

而把一些危险的

带有这个可能会侵犯到

个人的这个部分

怎么把这部分数据这个处理掉

这也是一个很大的一个

一个选择其实

所以这个里面

后面的话转移其实是涉及到

我持有的数据以后

我怎么去跟第三方去合作

这个我拿了这个数据以后

我跟其他第三方去谈说

我们两个互相授权

第三方又说

你的数据合法吗

你的数据合规吗

然后现在其实我们可以看到

做很多业务的时候

跟银行这样的金融机构谈的时候

银行第一句话

不问你的数据效果好不好

他知道你的效果一定还不错

才能跟他来谈

他第一句话问你

你的数据合规吗合法吗

你的这个数据来源是什么

得到用户授权了吗

这也是在转移的过程中

就涉及到说

我把我现在获得的数据

转移给什么样的人

在这个过程里

要经过什么样的程序才是合法的

这里面就是涉及到

这种转移的目的和范围

你要符合法律的规定

删除就是

你最后你这个数据

你是不是收集了以后

你永远存着

你存的越来越多

你是能一直拿着这个数据吗

你是不是在什么时间内

应该把这个数据删除

包括现在欧洲在讨论的

所谓的这个遗忘权

或者叫被遗忘权的这个概念

这种存在于搜索引擎上

存在于各个

这个网络服务商那种数据

我有没有权利去要求说

我把这个数据删除掉

因为这里面涉及到

数据你是一个财产权吗

还是一个什么权利

这里面就是涉及到

所以我再给大家讲一点

就是一个概念上的东西

就是互联网这块

我们做法律服务的

感受特别深的一点是

这个领域其实特别的全球化

虽然说有的时候

你的法规你国内的法规

并没有规定到那个程度

但是很多大家的用户的时候

会感受到

比如说我接受谷歌

接受苹果这样的公司的服务

然后我又看到国内公司的这种

他会把这个事比较

所以其实在这块很多

法律以外的规则上

很多人是希望说

我国际上不要拉的太远

我们有这种接轨

这也是他会提出这些要求

所以我们像在这种数据的

流程中的时候

也会你会发现领先的公司

你越是跟国际接轨

比如说你的操作实践

跟谷歌公司差不多

你跟苹果公司差不多

那总体上来说

你会让用户感觉到相对安全

如果你的做法非常流氓

很多用户就会觉得

我把数据放在这特别不安全

他可能随时想走

而且发生一些恶性的事件以后

大数据技术与应用课程列表:

李国杰:面向大数据的数据科学

-完整讲座

--完整讲座

-李国杰:面向大数据的数据科学--课后习题

吴甘沙:大数据分析师的卓越之道

-数据思维方式的改变

--数据思维方式的改变

-数据的假设与采集

--数据的假设与采集

-数据的准备

--数据的准备

-数据的分析

--数据的分析

-数据的解释与验证

--数据的解释与验证

-吴甘沙:大数据分析师的卓越之道——课后习题

董飞:硅谷公司的大数据实战分析

-个人介绍

--个人介绍

-硅谷热门公司

--硅谷热门公司

-大数据简介

--大数据简介

-大数据平台系统

--大数据平台系统

-工业实践

--工业实践

-结尾

--结尾

-董飞:硅谷公司的大数据实战分析--课后习题

杨光信:数据系统架构

-数据系统架构历史

--数据系统架构历史

-从sql到nosql

--从sql到nosql

-数据库系统实现变革

--数据库系统实现变革

-负载融合

--负载融合

-数据系统架构成本

--数据系统架构成本

-杨光信:数据系统架构——课后习题

时磊:大数据网络可视化

-什么是可视化

--什么是可视化

-网络可视化

--网络可视化

-大数据带来的新挑战

--大数据带来的新挑战

-大数据网络可视化的若干案例

--大数据网络可视化的若干案例

-时磊:大数据网络可视化—— 课后习题

彭元:网络安全与大数据

-网络安全概述

--网络安全概述

-大数据安全分析平台

--大数据安全分析平台

-大数据安全应用

--大数据安全应用

-大数据平台安全

--大数据平台安全

-彭元:网络安全与大数据——课后习题

钟义信:“人工智能与大数据”的创新研究

-人工智能系统的本质功能模型

--人工智能系统的本质功能模型

-隐性智慧,显性智慧

--隐性智慧,显性智慧

-人工智能:能与不能

--人工智能:能与不能

-人工智能的技术现状

--人工智能的技术现状

-机制主义人工智能模型

--机制主义人工智能模型

-信息转换和智能创生定律

--信息转换和智能创生定律

-人工智能与大数据

--人工智能与大数据

-钟义信:“人工智能与大数据”的创新研究——课后习题

吴军:数据为王和机器智能的时代

-什么是机器智能

--什么是机器智能

-大数据的重要性及特点

--大数据的重要性及特点

-大数据中的因果关系与关键技术

--大数据中的因果关系与关键技术

-大数据与机器智能

--大数据与机器智能

-大数据思维

--大数据思维

-讲座问答环节

--讲座问答环节

-吴军:数据为王和机器智能的时代——课后习题

苏中:从大数据到认知计算

-大数据概述

--大数据概述

-大数据相关新趋势

--大数据相关新趋势

-大数据技术创新1

--大数据技术创新1

-大数据技术创新2

--大数据技术创新2

-大数据技术创新3

--大数据技术创新3

-大数据商业价值和前景

--大数据商业价值和前景

-大数据机遇和挑战

--大数据机遇和挑战

-苏中:从大数据到认知计算——课后习题

王新锐:金融大数据的法律实践

-金融大数据概述

--金融大数据概述

-用户个人信息分类

--用户个人信息分类

-金融大数据法律框架

--金融大数据法律框架

-实际案例和业界实践

--实际案例和业界实践

-核心风险点

--核心风险点

-王新锐:金融大数据的法律实践——课后习题

刘鹏:互联网变现与计算广告

-互联网与商业化

--互联网与商业化

-大数据与计算广告

--大数据与计算广告

-计算广告介绍

--计算广告介绍

-数据交易

--数据交易

-刘鹏:互联网变现与计算广告——课后习题

杨保华:区块链与数据科学

-从记账技术到区块链

--从记账技术到区块链

-区块链确保数据真实性

--区块链确保数据真实性

-区块链确保数据安全性

--区块链确保数据安全性

-区块链衡量数据价值

--区块链衡量数据价值

-区块链的应用和总结

--区块链的应用和总结

-杨保华:区块链与数据科学——课后习题

杨紫陌:个性化内容推荐

-个性化推荐系统

--个性化推荐系统

-推荐系统的召回与排序

--推荐系统的召回与排序

-智能制作之个性化海报

--智能制作之个性化海报

-线上推荐系统其它要素

--线上推荐系统其它要素

-杨紫陌:个性化内容推荐——课后习题

陆祁:用户行为大数据

-个人介绍及用户理解背景

--个人介绍及用户理解背景

-用户理解与用户画像

--用户理解与用户画像

-案例1:用户属性识别

--案例1:用户属性识别

-案例2:自然人识别

--案例2:自然人识别

-案例3:WOI与社交关系识别

--案例3:WOI与社交关系识别

-陆祁:用户行为大数据——课后习题

阳任科:大数据与AI的内容分析

-内容智能生态——数据、算法、应用

--内容智能生态——数据、算法、应用

-大数据在内容分析的应用

--大数据在内容分析的应用

-IP价值评估系统

--IP价值评估系统

-爱奇艺的剧本评估

--爱奇艺的剧本评估

-爱奇艺的智能评分

--爱奇艺的智能评分

-阳任科:大数据与AI的内容分析——课后习题

王栋:美团外卖的大数据应用

-外卖行业及场景简介

--外卖行业及场景简介

-餐饮及外卖行业大数据应用框架

--餐饮及外卖行业大数据应用框架

-案例分析:智能营销场景的用户画像

--案例分析:智能营销场景的用户画像

-案例分析:智能助手场景的菜品画像

--案例分析:智能助手场景的菜品画像

-王栋:美团外卖的大数据应用——课后习题

赵楠:商业思维与大数据技术在美团旅行业务中的结合

-旅行业务的特点

--旅行业务的特点

-美团旅行业务的用户画像构建

--美团旅行业务的用户画像构建

-用户画像的应用案例

--用户画像的应用案例

-住宿需求预测问题

--住宿需求预测问题

-营销补贴策略建模

--营销补贴策略建模

-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题

陈彧:美团点评金融服务的大数据与人工智能

-互联网金融背景介绍

--互联网金融背景介绍

-互联网金融科技

--互联网金融科技

-数据智能的三个案例

--数据智能的三个案例

-技术展望

--技术展望

-陈彧:美团点评金融服务的大数据与人工智能——课后习题

毛波:阿里全息大数据构建与应用

-数据的进化历程

--数据的进化历程

-阿里DMP平台介绍

--阿里DMP平台介绍

-核心技术及案例

--核心技术及案例

-数据应用

--数据应用

-毛波:阿里全息大数据构建与应用——课后习题

韩定一:在线营销中的竞价机制与数据价值

-在线营销

--在线营销

-竞价机制

--竞价机制

-数据价值

--数据价值

-韩定一:在线营销中的竞价机制与数据价值——课后习题

龚笔宏:大数据在工业界中的经典案例分享

-竞价排名搜索

--竞价排名搜索

-主要技术问题

--主要技术问题

-点击率预测概述

--点击率预测概述

-点击率预测实践

--点击率预测实践

-龚笔宏:大数据在工业界中的经典案例分享——课后习题

[补充] 郝井华:即时配送中的人工智能

-即时配送业务的背景及挑战

--即时配送业务的背景及挑战

-案例1:订单分配策略

--案例1:订单分配策略

-案例2:供需平衡策略

--案例2:供需平衡策略

-未来展望

--未来展望

-郝井华:即时配送中的人工智能——课后习题

[补充] 陈辉:数据驱动营销

-什么是数据驱动营销

--什么是数据驱动营销

-LTV留存分析

--LTV留存分析

-RFM会员体系

--RFM会员体系

-消费者微群画像

--消费者微群画像

-渠道倾向性分析及行业竞争分析

--渠道倾向性分析及行业竞争分析

-机器学习潜客挖掘模型

-- 机器学习潜客挖掘模型

-陈辉:数据驱动营销——课后习题

[补充] 艾小缤:大数据评价体系在金融、征信领域的创新

-金融大数据时代

--金融大数据时代

-大数据客观信用

--大数据客观信用

-我国的金融环境

--我国的金融环境

-客观信用的实践

--客观信用的实践

-应用案例与成果

--应用案例与成果

-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题

[补充] 郑宇:大数据驱动智能城市

-外部链接

--外部链接

讨论专题

-课程总结讨论单元1/2

-课程讨论总结单元2/2

用户个人信息分类笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。