数据流通与交易有利于促进数据的融合挖掘,数据的使用必须面对保护的责任与义务,尤其是对个人隐私数据的保护。大数据已经对当下生产生活的各个方面都产生重大影响,但目前中国的数据还没有完全共享。

大数据应用不断延伸大数据 完全共享状态仍未达到

大数据应用不断延伸完全共享状态仍未达到

日前,2017未来科学大奖颁奖典礼暨未来论坛年会在北京举行。在基因科学研讨会上,中国科学院马普学会计算生物学伙伴研究所所长韩敬东主持了研讨。

对于人工智能对生命科学的影响,路易斯-西格勒综合基因组学研究所教授Olga表示,更多的数据可以带来更多的发现,这一点已经经过了实践证明。

的确,大数据已经对当下生产生活的各个方面都产生重大影响。当前越来越多的企业将运营核心向数据的收集、分析与利用转变,两种主要商业现象值得注意,一是企业会对提供服务获得的相关数据进行分析,提升服务质量;二是企业会为了获取数据而进行交易,而这种信息交易未来发展的趋势必然是规范化。

而对于人工智能与生命科学的结合方面,有什么误区需要小心?同济大学生物信息学系教授刘小乐认为,大数据分享效率很重要,中国的数据还没有完全共享。对此,陆思嘉认为,这需要建立信息共享机制,首先要有对共享哪些数据有可衡量的指标。此外,Olga认为共享数据之外,还需要共享现有的知识、资源。

中国科学院动物研究所基因工程技术研究组组长、未来论坛青年理事王皓毅表示,除了共享数据之外,还有一个挑战是如何理解这些数据。大数据共享究竟指的是什么呢?简单来说,大数据共享包括政府部门之间的数据共享、跨行政区域政府间的信息共享、政府与企业间数据的合作和共享、企事业单位之间的数据共享等。

对此有业内专家提出,首先,通过政界与商界不断的交流,不断实验,可以加强双方的互动,在了解社会需求的基础上,在社会管理的层面,将政府和社会、商界自治的多元管理模式转变。也就是说,政府、市场、社会三者之间的数据共享可以通过政府开放数据、建立数据交易机制等方法予以解决。

其次,可以在时机成熟时,及时将政商数据共享模式通过制定规范性文件的方式进行规范。政府部门之间的数据共享可以通过规范政府数据采集的标准、建设统一的政府大数据中心等方法予以解决。另外,建立开放效果评价制度,让公众来“投票”,让第三方来评估;加强重点领域数据共享开放。

最后,在政商数据共享的合作过程中也要保证数据的保密和安全,在不断的实践中真正发现数据安全可能存在的问题,反过来促进相关技术的不断革新和发展。要知道,一旦这些数据信息被恶意利用大数据自动化技术进行整合,个人的一举一动将完全暴露,无处躲藏。稍有不慎,如一些系统漏洞和黑客攻击,将会导致公民信息泄露,威胁到个人的隐私安全。

数据流通与交易有利于促进数据的融合挖掘,数据的使用必须面对保护的责任与义务,尤其是对个人隐私数据的保护。数据的共享开放、流通交易和数据保护以及数据安全,对数据技术提出的研究挑战,区块链技术在数据流通交易的保护方面能够起到一定的作用,数据的共享开放流通交流使用保护对法律的制定与执行提出了很高要求,同时需要平衡数据的保护与数据的开发利用。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2018-01-03 11:29:17
市场情报 2017年终策划:五大锐词带你回顾IT运维这一年
综览2017,作为IT运维领域从业十多年的北塔软件,精心挑选出IT运维领域的五大年度锐词。这些经过重新诠释的语词,浓缩了过去一年中的IT运维技术创新与业界动态,从而帮助你 <详情>
2018-01-03 10:38:24
大数据技术 AI和大数据2017“成长的烦恼”
人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼,包括:人工智能无IQ标准、人工智能延伸边缘、AI嵌入超算和云计算、大数据风口已过、数据保鲜难等等。 <详情>
2017-12-28 15:52:23
市场情报 《2017新科技·新商业年度报告》重磅发布:千亿ABC驱动万亿级新商业市场
12月22日, 30年前,邓小平根据当代科学技术发展的趋势和现状,在全国科学大会上提出了“科学技术是第一生产力”的论断。30年来,这一伟大论断被不断实践和佐证。2017年, <详情>
2017-12-28 10:27:42
大数据应用 数据将主导一切?研究发现53%的公司正在使用大数据分析
研究公司Dresner Advisory Services发现,使用大数据分析公司的比例已经自2015年的17%激增到了2017年的53%。 <详情>
2017-12-28 10:14:00
大数据应用 大数据在金融行业的五大应用与挑战
相比其他行业,金融数据逻辑关系紧密,安全性、稳定性和实时性要求更高,通常包含以下关键技术:数据分析,包括数据挖掘、机器学习、人工智能等,主要用于客户信用、聚类、 <详情>