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 > 核心风险点 > 核心风险点
OK 我们讲到最后一部分
这一部分
我会讲的比较简单
时间也比较长了
估计大家听着比较累
因为确实这是一个
这是一个比较复杂的一个题目
我们最后一部分
其实简单的过一下
就是我们在做大数据的时候
我们面临着哪些风险
我实际上最后一部分讲的是
你作为一个创业者
或者你作为一个从业者
你怎么样去规避这些风险
这些核心的风险怎么识别
怎么规避这些风险
第一个是监管
在这一块其实监管
比大家想象的更严格
而且以后会越来越严格
因为个人数据这一块
是关系到社会的稳定
是关系到一些安全上的事情
所以以后会越来越严格
那么刚才我们前面
介绍的法规政策
包括这个
整个的一些负面的案例
比如说CATV的监管
对吧
媒体的监管
媒体可能会定期的曝光你
曝光你的时候
有可能你很委屈
你说他不懂我的算法
他不懂我做的事儿
他把我曝光了
其实我没那么恶劣
但如果出现这种事情的时候
你就需要说
你提前做好一些相应的政策
做一些公示
你才能够在这种情况下
在这种监管来临的时候
你做一个很好的解释
你说我已经做了相应的这种
内部的保护
内部的这种控制
内部的这种信息隔离
出了问题
假设说哪一天早上
有一个负面的新闻
我也能够解释通
知识产权我们刚才强调了
就是一方面跟商业秘密保护有关
还有一个方面是知识产权里
涉及到这个整个的
双方各方的数据的这种所有权
包括数据加工了以后
这种权利
其实这块也是一个
比较复杂的事情
包括你跟员工
公司在员工在里面
这个职务作品
员工在这个里面
员工说我走了
我要把这算法都带走
我在新的公司里继续用
行不行
这种行为
包括知识产权还有一点就是
我们做数据的人
很多做数据（实务）的人
都会（扒）数据
这个是业内公开的
公开的这个秘密
很多人上来说没关系
我去扒
我去各个网站上
找它重版
数据前面扒一下
我各个网站我都有
行不行
我们从法院的判例上来看
这种超过一定限度
你如果是
如果是小范围的扒
可能人家也不会发现
如果你把它整个网站上
比如说大众点评这样的
你说我觉得大众点评
这个数据特别好
我把数据全扒下来
我在我的网站里集合
我把五个网站十个网站
全扒下来
放到我的网站集合
我不就大数据了嘛
行不行
实际上这就涉及到
这种行为的话
其实从法院的判例来讲
因为你构成了
对这个
整个它的这个数据的
这种替代性
而且他在编辑整理数据的过程中
投入劳动
所以在这些方面是有著作权的
或者说这是不正当竞争
就是如果说打不下著作权来
至少是不正当竞争
所以在这块
知识产权这块很多
大家就是业内常见的操作
以后越来越行不通
数据外泄不用讲了
这个现在一些数据库
一旦泄露出数据去
我讲一个实例
就是我自己是2004年
参加司法考试
我过完司法考试以后
我每年我的手机上都会收到
关于推荐我去参加一个
司法考试班的这么一个
一个短信
我就非常生气
因为这个东西就是说
我知道我在什么渠道
去提供了这个我的电话
然后他把这个提供发信息这个人
他知道我是一个
要考司法考试的人
这件事情我知道从哪个来源
去提供的
对吧
这个一定是有人偷偷的
把我的数据卖掉
然后让它能这么精准的
把这个东西推荐给我
那我要是有途径去起诉
或者说要有途径去那什么的话
其实这种东西就是
是很大的
这种数据泄露
而且这种数据泄露
让用户感受到说
我精确的知道是谁把我卖了
比如说我到银行去
这个填了数据
转头就给我推荐过一些东西来
我非常精确的知道
我的数据被人卖掉了
这个以后这种纠纷
可能越来越多
我觉得在互联网时代的
数据的种类越来越多
我这种数据
包括像cookie
包括像浏览记录
我前头做完这事儿
转头我就发现被卖掉了
我就会跟愤怒
但这种事情以后
其实跟 这个大数据也是
你不能说光说
我把大数据整合的时候
我很有价值
你不能光不考虑这个
让用户感觉到
心里上的这种安全感
这就是我们前面讲到的
如果你科幻电影出来以后
用户坐在电影院里突然想说
不对呀我也是这样的
对吧
这个我也是
这个这个被侵犯的很厉害
他的安全感下降了以后
你的产品的商业价值就会降低
因为他以后不敢用你的产品
他觉得用这个产品
有可能数据会泄露
那数据外泄分为客观的外泄
和主观的外泄
你刻意的去卖
还是这种
因为你的数据能力不行
被黑客入侵
那用户投诉这块就是说
你要给用户一个投诉的通道
要让用户感受到
用户说我觉得数据不准备
或者是我的数据外泄了
我需要一个投诉的通道
把这些数据去做纠正
你需要建立这么一个机制
能够让
否则的话用户就会起诉你
现在的话
很多的时候我们遇到
包括银行的金融机构
有的时候他给了用户
因为比如说有的人是在境外
说借款或者是怎么样
这个一小
一个违约行为
然后后来没有得到修正
这个用户说发现我去做房贷
做不下来
做车贷做不下来
他很生气
他就直接把银行告了
说你把我这个
个人的这个负面的信息这地方
要去删除
而且这种很多时候
你没发现
诉讼里头就是胜率是非常高的
因为这个过程里
做（合规性）做的不够
媒体曝光
当然是这个
就是我前面讲了
这种315晚会各种媒体的这种
对你这个负面的这种批评
其实这种比较里头
有的东西是合理的
有的东西不合理
但是你提前你要把你的
产品的结构啊
你去公证的时候
要参加透明度
你如果透明度很低
你也不跟大家说我的用户
我的数据怎么收集
我怎么处理
然后最后出了问题
你又很委屈
这个可能就是
所以做这块也要考虑到
做大数据一方面你是个黑盒子
你要把你的算法
很精心的保护起来
另外一方面你要在这个媒体
在这种方面要提高这种透明度
这也是像阿里这样的这种
像蚂蚁这个下面做的
（06：10）这种
这种东西
他要尽量的去把这个
自己的算法自己的这种评价
向外界去透露
这样也是为了提高
这种媒体透明度
OK
这个是我个人的这个联系方式
然后我们今天要
重点要讲的是这个东西
就是核心的东西
还是整个在这个大数据的这个
金融大数据这个过程中
有哪些东西
是我们必须要去这个
去注意到的
其实还有很多东西
是商业上的操作的
有些东西不方便讲
但有些东西
可能是
等到各位去
真正去做实务的时候
可能会有这个切身的感受
那又是另一个层面的问题了
其实我想讲的是
就是大数据这一块
里面有非常虚
非常无聊
非常媒体讲的这个
就是把这个事情神秘化
甚至有很多我们知道
这个很多做这个行业的人
会刻意的把这个行业神秘化
让大家感受到
我这个很厉害
我这个怎么样
但实际上大数据这里面
就是说最后还是
基本上是一个试错的过程
所以大家看到每一个
这个领域内领先的人
你看到他
你作为一个专家的话
你都会说这个方式有缺陷
从学术上看有缺陷
从实际上看有缺陷
但是我们要说这种公司其实还是
当你如果有如够的数据量
有大量的数据量进来
有金钱有这个资金的支持
能够去试错的时候
最后会有一个相对合理的
这么一个模型出来
比如说大家会提到
有人会说为什么（07：37）
这种分数相对准确
其实很简单
它是从一堆公司里杀出来的
它最后是合理的这种生存下来
所以我相信大数据这一块
也一样
会有一些算法合理措施规范
然后有资金支持
有各方面数据来源的这种公司
最后一定能够
这个在这里面
就是说整个
而且他最后
一定会改变整个互联网金融生态
这点
而且甚至是整个社会的生态
这点我还是信心很大的
因为实际上从互联网这个业务上
现在已经把整个的
线下的很多东西都在做改变
而这个在征信也好
金融大数据这一块
跟互联网天然就是结合的很好
所以后面可能会有一些
有些更有意思的事情发生
-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
-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
-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
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-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
-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
-大数据网络可视化的若干案例
-时磊：大数据网络可视化—— 课后习题
-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
-人工智能系统的本质功能模型
-隐性智慧，显性智慧
-人工智能：能与不能
-人工智能的技术现状
-机制主义人工智能模型
-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
-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
-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
-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
-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
-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
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华：区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌：个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1：用户属性识别
-案例2：自然人识别
-案例3：WOI与社交关系识别
-陆祁：用户行为大数据——课后习题
-内容智能生态——数据、算法、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
-外卖行业及场景简介
-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
-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
-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
-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
-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
-数据的进化历程
--数据的进化历程
-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
-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
-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
-即时配送业务的背景及挑战
-案例1：订单分配策略
-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
-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
-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
-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
-外部链接
--外部链接
