第三章 作业
2、请阐述大数据安全与传统数据安全的不同。
答：两者之间的不同主要表现在以下4个方面
①大数据成为网络攻击的显著目标。在网络空间中，数据越多，受到的关注也越高，因此，大数据是更容易被发现的大目标。一方面，因为大数据的量大，而且包含了复杂和敏感的数据，大数据对于潜在的攻击者具有较大的吸引力；另一方面，当数据在一个地方大量聚集以后，安全屏障一旦被突破，攻击者就能一次性获得较大的收益。
②大数据加大隐私泄露风险。从大数据技术角度看，Hadoop作为一个分布式系统架构，具有海量数据的存储能力，存储的数据量可以达到PB级别；一旦数据保护机制被突破，将给企业带来不可估量的损失。同样，目前NoSQL数据库由于发展历史较短，还没有形成一整套完备的安全防护机制，另外，NoSQL数据库对于不同系统、不同应用程序及不同活动的数据进行关联，也加大了隐私泄露的风险。
③大数据技术被应用到攻击手段中。大数据为企业带来商业价值的同时，也可能被黑客利用来攻击企业，给企业造成损失。
④大数据成为高级可持续攻击的载体。在大数据时代，黑客往往将自己的攻击行为较好的隐藏，依靠传统的安全防护机制很难被检测到。而高级可持续攻击是一个实施过程，并不具备能够被实时检测出来的明显特征，因而无法被是实时检测。
6、请阐述大数据时代人类思维方式的转变主要体现在哪些方面。
答：大数据时代最大的转变就是思维方式的3种转变：全样而非抽样、效率而非精确、相关而非因果。此外，人类研究和解决问题的思维方式，正在朝着“以数据为中心”和“我为人人，人人为我”的方式迈进。
①全样而非抽样。由于数据采集、数据存储和处理能力的限制，在科学分析中，通常采用抽样的方法，即从全集数据中抽取一部分样本数据，通过对样本数据的分析，来推断全集数据的总体特征。通常，样本数据规模要比全集数据小很多，因此，可以在可控的代价内实现数据分析的目的。而抽样保证了在客观条件达不到的情况下，可能得出一个相对靠谱的结论，让研究有的放矢，但是抽样分析的结果具有不稳定性。而目前大数据技术的核心就是海量数据的实时采集、存储和处理。因此，有了大数据技术的支持，科学分析完全可以直接针对全集数据而不是抽样数据，并且在短时间内得到分析结果。
②效率而非精准。我们在科学分析中采用抽样分析的方法，就必须追求分析方法的精确性，而放大到全集数据以后，可能会变成一个很大的误差，为了保证误差被放大到全集数据时仍然处于可以接受的范围，就必须保证抽样分析结果的精确性。正是因为这个原因，传统的数据分析方法往往更加注重提高算法的精确性，其次才是提高算法效率。大数据时代数据分析具有“秒级响应”的特征，若几秒内未给出分析结果，就会丧失数据的价值。
③相关而非因果。在无法确定因果关系时，数据为我们提供了解决问题的新方法。数据中包含的信息帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到想要知道的答案，这就是大数据思维的核心。
④以数据为中心。全世界各个领域数据不断向外扩展，很多数据开始出现交叉，各个维度的数据从点和线渐渐形成了网，关联性极大增强。这样的背景下，大数据出现了，使得“以数据为中心”的思考和解决问题的方式的优势逐渐得到显现。
⑤“我为人人，人人为我”。这是大数据思维的另一体现，城市的智能交通管理和导航软件都是他的其中体现。
7、请根据自己的生活实践举出一个大数据思维的典型案例。
答:以谷歌流感趋势预测为例。谷歌趋势预测运用了全样而非抽样。谷歌 建立起流感 趋势（GFT）模型，利用该模型和实时的搜索来提前9个星期预测与流感相关的就医量。谷歌流感趋势预测使用全样而非抽样这种大数据。大数据是指那些数据量特别大、数据类别特别复杂的数据集 ，这种数据集不能用传统的数据库进行转存、管理和处理，是需要新处理模式才能具有更强大的决策力、洞察发现力和流程优化能力的海量、高增差率和多样化的信息资产。
8、请阐述大数据伦理的概念。
答:大数据伦理中的伦理是指一系列指导行为的观念，是从概念角度上对道德现象的哲学思考。它不仅包含对人与人、人与社会和人与自然之间关系处理中的行为规范，而且蕴涵着依照一定原则来规范行为的深刻道理。现代伦理已然不在是简单的对传统道德的法则的本质功能体现，它已经延伸至不同的领域，因而也愈发具有针对性，引申出了环境伦理、科技伦理等不同层面的内容。科技伦理是指科学技术创新与运用活动中的道德标准和行为准则，是一种观念与概念上的道德哲学思考。
9、请阐述大数据伦理问题具体表现在哪些方面。
答:大数据的伦理问题主要包括隐私泄露问题、数据安全问题、数字鸿沟问题、数据独裁问题、数据垄断问题、数据的真实可靠问题、人的主体地位问题等。
①隐私泄露问题。隐私伦理是指人们在社会环境中处理各种隐私问题的原则和规范的系统化的道德思考。大数据时代是一个技术、信息、网络交互运作发展时代，在现实和虚拟世界的二元转换过程中，不同的伦理感知使隐私伦理的维护处于尴尬的境地。
②数据安全问题。个人所产生的数据包括主动产生的数据和被动留下的数据，其删除权、存储权、使用权、知情权，本属于个人可以自主行驶的权利，但很多情况下难于得到保障。
③数字鸿沟问题。数字鸿沟是一个涉及公平公正的问题，在大数据时代，每个人原则上就可以有一连串的数字符号来表示，从某种程度上来讲，数字化的存在就是人的存在。如果有大部分人难以接受和利用大数据资源，会造成数据占有的不公平，这又会导致信息红利分配不公平的问题，加剧群体差异，导致社会矛盾加剧。
④数据独裁问题。它是指在大数据时代，由于数据量的爆炸式增长，导致做出判断和选择的难度陡增，迫使人们必须完全依赖数据的预测和结论才能作出最终的决策。
⑤数据垄断问题。因为大数据而产生的垄断问题主要包括以下几类:一是数据可能造成进人壁垒或扩张壁垒，二是拥有大数据形成市场支配地位并滥用，三是因数据产品而形成市场支配地位并滥用，四是涉及数据方面的垄断协议，五是数据资产的并购。
⑥整个世界，包括人在内， 正成为一大堆数据的集合，可以被测量和优化。于是在一切皆数据的条件下，人的主体地位逐渐消失。大数据把主体塑造成一个固化的对象，缩小了主体的表征。这是一一种对主体不尊重、不公正的现象，大大限制了主体在他人心中的具体形象，且影响主体的认知。总体而言，互联网的使用在悄悄地对人们的生活习惯和行为活动进行塑造，而人们对这种塑造所带来的伦理问题还没有充分的自觉。
15、请阐述什么是政府数据孤岛问题即产生原因。
答：①政府掌握着大量的数据资源，拥有其他社会主体不可比拟的数据资源优势。然而，一些地方数据共通、共享与共用还存在较大的障碍，“数据孤岛”现象较为普遍。由于各政府部门建设数据库所采用的技术、平台及网络标准不统一，导致政府职能部门之间难以实现数据对接与共享，各标准间存在差异与冲突，缺少兼容，整合治理成本偏高。再加上各部]协同性不够，阻碍了数据开放共享。
②原因：政府数据无法共通、不能共享，原因是多方面的。有些政府部门错误地将数据资源等同于一般资源，认为占有就是财富，热衷于搜集，但不愿共享;有些部门只盯着自己的数据服务系统，结果因为数据标准、系统接口等技术原因，无法与外单位、外部门共通;还有些地方，对大数据缺乏顶层设计，导致各条线、各部门固有的本位主义作祟，壁垒林立，数据无法流动。当然，也有的情况是出于工作机密、商业机密的考虑，那就另当别论。
20、请阐述政府开放数据的理论基础。
答：理论基础主要有三种。
①数据资产理论
身处大数据时代，数据已经被当作一种重要的战略资源，也可以成为一种资产。数据资产是无形资产的延伸，是主要以知识形态存在的重要经济资源，是为其所有者或合法使用者提供某种权利、优势和效益的固定资产。
②数据权理论
数据权主要将其视为信息社会的一项基本公民权利，让政府所拥有的数据集能够被公众申请和使用，并且按照标准公布数据。因此，早期的数据权理念强调的是公民利用信息的权利。数据开放运动的兴起，推动了世界各国建设数据网、保障公民应用数据权利的学据民主浪潮。
③开放政府理论
要强化政府服务意识，以用户为中心，关注用户体验，围绕政府职责与任务，形成与企业、公众良好的互动，促进数据开发与应用共享，同时需要重视资源整合，提供整体解决方案，开展一站式服务。
22、请阐述政府数据开放的重要意义。
答：政府开放数据不仅有利于促进透明政府的建设，在经济发展、社会治理等方面同样具有重要的意义。
①政府开放数据有利于促进开放透明政府的形成
数据是政府手中的重要资源，政府开放数据的范围、程度、速度都代表着政府开放的程度。一般来说，政府开放数据的范围越广、程度越深、速度越快，就越有助于提高政府的公信力，从而增加政府的权威，以及提高公众参与公共事务的程度。政府开放数据在政治上最大的意义，就是促进政府开放透明。因此，在大数据的环境下，政府有必要通过完善政府信息公开制度来进一步扩大数据开放的范围，从而保障公民的知情权。
②政府开放数据有利于创新创业和经济增长
政府开放数据对经济的促进作用明显，企业可以从数据中挖掘对企业自身发展有价值的信息，提升竞争力。随着大数据时代的到来，美国政府通过政府开放数据取得了巨大的经济效果。
③政府开放数据有利于杜会治理创新
政府数据的开放不仅打破了政府部门对数据的垄断，促进了数据价值的最大发挥，同时构建起了政府同市场、社会、公众之间互动的平台。数据分享和大数据技术应用，不仅可以有效推动政府各部门在公共活动中实现协同治理，提高政府决策的水平，也能够充分调动各方的积极性来完成社会事务，实现社会治理机制的创新，给公众的生活带来便利，比如缓解交通压力、保障食品安全、解决环境污染等。
23、请阐述什么是大数据交易平台？（类型、数据来源、产品类型、涉及的主要领域、交易规则、运营模式）
答：大数据交易平台是有效推动大数据流通.充分发挥大数据价值的基础与核心，它使得数据资源可以在不同组织之间流动，从而让单个组织能够获得更多、更全面的数据。这样不仅有助于提高数据资源的利用效率，也有助于其通过数据分析发现更多的潜在规律，从而对内提高自身的效率，对外促进整个社会的进步。
①类型：
主要包括综合数据服务平台和第三方数据交易平台两种；从大数据交易平台的建设与运营主体角度来说，目前的大数据交易平台还可以划分为3种类型:政府主导的大数据交易平台、企业以市场需求为导向建立的大数据交易平台、产业联盟性质的大数据交易平台。
②数据来源：
政府公开数据、企业内部数据、数据供应方数据、网页爬虫数据
③产品类型
API、数据包、云服务、解决方案、数据定制服务、数据产品
④涉及的主要领域
国内外大数据交易产品的主要领域包括政府、经济、教育、环境、医疗、人文、地理、交通、通信、人工智能、商业、农业、农业等；
⑤交易规则
平台的交易规则是交易平台中的用户的行为规范，是安全有效进行交易的保障，也是大数据交易平台对各个用户进行监管的法律依据。由于大数据这种商品的特殊性，对大数据交易过程监管的难度更高，这对交易规则的制定提出了更高的要求。
⑥运营模式
运营模式主要包括两种：一种是兼具中介和数据处理加工功能的交易平台，技能提供数据交易中介的服务，也提供数据的的存储、处理加工和分析服务；另一种是只具备中介功能的交易平台，仅提供纯粹的数据交易中介服务，并不是提供数据存储和数据分析的服务。
28、请阐述什么是大数据交易？
答：①大数据交易是指利用服务器上的最新科技，对海量的、非结构数据进行分析归类，从而获取决策及最优化策略的技术。它采用如精准营销、智能投资等形式，能够给企业提供相关洞察和信息分析，从而增加企业的竞争力。
②大数据交易实现了从批量处理和静态分析到实时处理和动态分析的跨越，其中二项关键技术是分布式存储技术。通过构建多节点存储架构，可以更有效地传输、存储和处理大量数据，实现企业决策的及时支撑。这种分布式存储的重要性正日益受到重视，可以更方便地处理大数据交易中的海量数据。
③此外，大数据交易还依赖机器学习、深度学习等技术，使得系统能够更加准确及有效地把握数据变化趋势。机器学习和深度学习为大数据交易系统提供自动化，可以帮助企业自动分析用户的行为，及时识别出客户的需求变化，进而调整营销策略，实现相关的增值效果。
④大数据交易是企业发展的必要手段，因为它们不但提供了准确的数据和分析，
还可以为企业获得优势提供重要的技术服务，以及准确的业务分析方法，使其可在联合竞标、筹资活动等商业领域获取优势。
