在數(shù)據(jù)搜集階段，應(yīng)對(duì)司機(jī)基于更完備的信用維度數(shù)據(jù)，來(lái)評(píng)估順風(fēng)車(chē)司機(jī)資質(zhì)準(zhǔn)入；數(shù)據(jù)分析階段，應(yīng)在關(guān)鍵指標(biāo)與業(yè)務(wù)影響間，建立分析鏈
近期，滴滴和華住接連發(fā)生的兩起全國(guó)數(shù)據(jù)危機(jī)，說(shuō)明了行業(yè)領(lǐng)軍企業(yè)在“用好大數(shù)據(jù)”上還有很長(zhǎng)的路要走。
在滴滴順風(fēng)車(chē)司機(jī)殺人事件里，滴滴的困境是：這么多個(gè)人信用數(shù)據(jù)，滴滴卻未能用好，以致未能識(shí)別高風(fēng)險(xiǎn)的司機(jī)。據(jù)報(bào)道，犯罪嫌疑人鐘某案發(fā)前曾向51家機(jī)構(gòu)借款，幾乎借遍了所有能借款的機(jī)構(gòu)，還發(fā)生過(guò)多起逾期。如果滴滴在審查順風(fēng)車(chē)司機(jī)資格時(shí)能將個(gè)人信用數(shù)據(jù)充分考量，本應(yīng)將這種頻頻失信者拒之門(mén)外。
在華住原始數(shù)據(jù)泄露事件里，華住旗下酒店開(kāi)房記錄泄露數(shù)據(jù)，并被放到“暗網(wǎng)”出售，上億人的隱私信息被曝光。華住的困境是：存儲(chǔ)了海量的用戶原始數(shù)據(jù)“不知道有何用”，且一旦泄露，公司形象受沖擊，股價(jià)也面臨大跌風(fēng)險(xiǎn)。大數(shù)據(jù)在這時(shí)卻成了“燙手山芋”。
華住與滴滴，按數(shù)據(jù)規(guī)模標(biāo)準(zhǔn)，都是“億級(jí)大數(shù)據(jù)公司”。但規(guī)模大不等于能用得好。
此類(lèi)事件屢有發(fā)生，僅今年就有視頻播放網(wǎng)站AcFun近千萬(wàn)條用戶數(shù)據(jù)泄露，前程無(wú)憂195萬(wàn)條用戶數(shù)據(jù)疑似泄露等。這為整個(gè)行業(yè)敲響警鐘。
筆者認(rèn)為，要用好數(shù)據(jù)，需要在數(shù)據(jù)搜集、數(shù)據(jù)對(duì)接、數(shù)據(jù)分析、數(shù)據(jù)預(yù)警等方面作更系統(tǒng)的安全設(shè)置。比如在數(shù)據(jù)搜集階段，應(yīng)對(duì)司機(jī)基于更完備的信用維度數(shù)據(jù)，來(lái)評(píng)估順風(fēng)車(chē)司機(jī)資質(zhì)準(zhǔn)入；數(shù)據(jù)分析階段，應(yīng)在關(guān)鍵指標(biāo)與業(yè)務(wù)影響間，建立分析鏈。
這些日子，我們已經(jīng)看到一些改變，比如滴滴在數(shù)據(jù)預(yù)警方面做出改進(jìn)，基于位置偏離信息的異常數(shù)據(jù)情況進(jìn)行診斷；根據(jù)指標(biāo)異常，聯(lián)系后臺(tái)進(jìn)行報(bào)警；一旦觸發(fā)主動(dòng)或自動(dòng)報(bào)警，就能直接連到公安進(jìn)行報(bào)警處理。
技術(shù)專(zhuān)家認(rèn)為，如果能在以上數(shù)據(jù)處理的幾個(gè)階段中，加入?yún)^(qū)塊鏈的安全多方計(jì)算，便能使問(wèn)題得到更好的解決。比如在數(shù)據(jù)搜集環(huán)節(jié)，區(qū)塊鏈可以提升信息真實(shí)性和數(shù)據(jù)分享的積極性。
區(qū)塊鏈大數(shù)據(jù)信用分析公司PTS（Points）的創(chuàng)始人張佳辰告訴筆者：“少量關(guān)鍵數(shù)據(jù)進(jìn)行鏈上存儲(chǔ)外，大部分原始數(shù)據(jù)可以在鏈下存儲(chǔ)。只要在區(qū)塊鏈中設(shè)置校驗(yàn)機(jī)制，就可以保證信息的真實(shí)性，也就是說(shuō)，當(dāng)信息之間校驗(yàn)結(jié)果出現(xiàn)差異時(shí)，區(qū)塊鏈可以根據(jù)自動(dòng)判斷并返回結(jié)果。同時(shí)，區(qū)塊鏈校驗(yàn)機(jī)制激勵(lì)正確信息提供者；并處罰提供虛假數(shù)據(jù)的人。這樣就同時(shí)保證了分享的積極性與可信度。”
在美國(guó)，Uber正在積極與加州大學(xué)伯克利分校合作，將非對(duì)稱隱私技術(shù)應(yīng)用在用戶個(gè)人數(shù)據(jù)共享中，從而既能將Uber體系的用戶行為數(shù)據(jù)提煉出公共治理和商業(yè)上有用的洞察，又防范用戶家庭住址和出行習(xí)慣等敏感信息泄露所導(dǎo)致的個(gè)人風(fēng)險(xiǎn)。
張佳辰表示，這種區(qū)塊鏈安全多方計(jì)算適用于所有的共享經(jīng)濟(jì)平臺(tái)，比如滴滴、美團(tuán)、airbnb，因?yàn)檫@些平臺(tái)都涉及用戶隱私保護(hù)，對(duì)服務(wù)提供方（司機(jī)、騎手、房東等）信用及安全的事前評(píng)估，以及服務(wù)過(guò)程中的實(shí)時(shí)數(shù)據(jù)分析與預(yù)警。
未來(lái)，無(wú)論是像airbnb這樣的O2O企業(yè)，還是像Facebook這樣的純線上服務(wù)互聯(lián)網(wǎng)公司，或者是像工商銀行這樣的傳統(tǒng)企業(yè)，基于區(qū)塊鏈的安全多方數(shù)據(jù)計(jì)算機(jī)制下，它們都將受益。
以美團(tuán)為例，在騎手招募階段，可以在騎手的手機(jī)端對(duì)其生活、借貸狀態(tài)做一個(gè)預(yù)判和分析，分析后對(duì)此人的風(fēng)險(xiǎn)進(jìn)行評(píng)分，并把評(píng)分系統(tǒng)貢獻(xiàn)在大的風(fēng)控體系中。以airbnb為例，在房東評(píng)估階段與房產(chǎn)租賃階段，也可以進(jìn)行同樣的評(píng)估；這樣的評(píng)估無(wú)需采集原始數(shù)據(jù)，所有的計(jì)算都可以在手機(jī)端、本地化地完成，最大限度保護(hù)各方隱私。
