步入数据经济时代，你的数据安全吗？（上）

无人零售--这个在2017年中国零售圈最火的高频词，已经可以和冯唐老师“油腻的中年男人”点击率不相上下。如果今天您问10位零售百强大佬，什么是无人零售？得到的多半是白眼和不屑，因为他们已经快速飞奔在攻破传感技术壁垒和套圈资本市场的康庄大道上。在编译这篇稿件之前，我曾经和一个行业资深的媒体老师探讨，无人零售究竟是个什么物种？他讲了笑话给我：年前老家一个亲戚打电话，说要做无人零售和互联网+，老师熟悉这个远方表弟，多年冰柜维修工出身，最终熬成了知名乡镇冰柜企业高管。表弟说我要做无人零售？怎么做：无非就是传统冰柜+二维码扫一扫....电话这端的老师瞬间石化，不过仔细想想--你能说这不叫无人零售吗？

      上帝之手让亚马逊开创了“Amazon Go””，一个全新零售纪元的到来。无人零售口含大数据、人工智能、物联网、云计算、移动应用等多把金钥匙诞生至今。高技术基因的商业物种已经决定了它的行业准入门槛需要依赖成熟的主体技术框架。在中国，无人零售主要是指基于智能技术实现的无导购员和收银员值守的新零售服务。要达到这一标准，无人零售店需要用到计算机视觉、传感器融合、深度学习、生物识别等前沿技术。让我们纵观当下，无人零售的落地应用在中国短短时间内遍地开花，目前国内玩家按形态从小到大可分为便利货架/货柜、自助贩售机、无人便利店三类，主要采用的技术包括人工智能、物联网RFID、二维码识别等。一大部分的国内无人零售企业还不能达到上述定义所描述的，完全脱离人工服务环境的零售服务，只能能说是实现了“半无人零售”。无人零售最重要的场景意义就是：通过一系列智能化的技术，数据化到店顾客信息，再通过实时可交互的技术与机器，完成从顾客到店感知-选品-排队-清算-支付到顾客离店的消费闭环。

      未来的无人零售，将是基于大数据基础上的物品售卖。这里面最重要之一的就是到店顾客信息的数据化、数据处理和数据安全监管。中国在互联网新物种的消费应用一直名列世界前茅，为什么中国的消费者这样热衷于高新科技的体验与使用？从另一个角度观察，因为中国在用户私人数据监管和安全的政策法规上，还存在的很大的提升与改进空间。今天的无人零售可以如此蓬勃的落地和发展，也不得不说是因为我们有着如此获取用户数据的机会空间，但是这并不意味着未来这些机会就是绝对自由和无人监管的。

      兜了这样大的一个圈子，今天我们要说什么？数据化才是无人零售真正的应用核心。本期我们节选了2017欧盟对欧洲数字经济发展、顾客数据商业化、无人经济的数据采集相关行业政策和案例分析，希望帮助中国更多的零售企业可以从国际化的视角窥见，中国的无人零售生态在世界数据经济一体化的未来，是否可以扬帆远航，拥抱更多种商业新希望的可能。

      步入数据经济时代

      --欧盟政策：蓬勃的数据生态

      数据成为全球经济命脉势不可挡。它代表着一种全新的核心经济模式。在这个互联共通的世界里，那些知道如何利用数据的人掌握着压倒性的竞争优势，通过提高表现，提供更多以用户为中心的产品和服务，培养革新，将数十年的对手远远甩在身后。

      世界正处于全新突破性科技力量的尖端??人工智能、区块链技术、机器人--借以数据革命，发达经济体能够获取巨大利益。最新研究表明，排名前100的欧盟制造商即使仅仅汲取有限的大数据分析，就能使得欧盟经济在2020年额外增长个百分点。能从中获利的当然并不仅仅是制造业。于公于私，数据分析都必将很快成为所有经济活动和决策过程必不可少的一环。

      大数据---未来经济的基石

      可以说，世界正在经历一场数据大爆炸。日常产生的信息量维度广，并且呈指数型增长。

      起初，这些数据通过我们的固网、手机、笔记本电脑、平板等其他电子设备关联。如今，像互联汽车、电度表、消费型电子产品等各种设备--所谓的“物联网”--均能传输。介于已有61%的世界人口在使用网络，数字科技的需求将会持续增长。据预测，物联网将由2015年仅46亿台设备快速增长，于2021年赶超160亿。

      互联系统结合了传感器、软件和数字用户界面，脱离了传统的实体产品进而转向复杂的互联系统，制造生无法忽视的价值变迁随之产生。实际价值不再只依存于商品中，同样，在各种机会中，实际价值可以借由获取信息和体验来提供给用户。商业也好，客户也罢，都在紧跟这一趋势，越来越多的消费者需求能通过不同设备同时满足个性化和互联的产品。

      很大程度上，公司利用手中不断累积的数据使得这一价值变迁成为可能。公司有越多的数据，就能提供更多更优质的量身定制的服务。然而，想要通过开发大量、高速、多样的“大数据”以创造经济价值不仅需要发展诸如云计算、高级分析应用等科技，更需要一种全新的思考方式，全新的技能组合以及全新的工作模式。

      对于正处于转型期的汽车业而言，数据分析对商业有着可见的深远影响。九成的自动化行业的高管坚信，汽车和自动互联将会破坏其商业模式，80%的高管坚信，在互联自动驾驶领域，他们将会迎来新的竞品带来的挑战。

      全球贸易上的资料显示，数据流正以一种潜在的实体产品替代品的形象出现，也多亏了像3D打印这类科技。2012年全球范围内的跨国数据类交易与2008年相较增长了49个百分点，而物品类交易和服务类交易只增长了%。

      数据--生产力、工作和革新的新驱动者

      大数据产生的经济利益是数篇研究报道的重点研究对象。采用数据驱动决策的公司被发现有高于平均5-6%的产出和生产力。

      很多公司早已意识到实施数据驱动决策带来的潜在利益，开始迅速对大数据科技和服务进行投资。全球市场上，大数据相关的硬件、软件和专业服务（如数据中心计算、联网、存储、信息管理或分析）繁荣发展，预测将于2019年达437亿欧元价值--2010年的十倍。

      然而，对破坏性经济效应的顾虑、对潜在滥用大数据分析的担忧不容忽视，政府当局仍需谨慎对待。商业转型和社会转型或多或少都会产生附带后果，人工智能的出现就是一例很好的说明??本质上，人工智能就是基于大数据分析保证的自动学习过程。一方面，机器学习或会毁坏现有的工作模式，导致裁员，甚至是智能设备取代劳动力造成岗位的消失。密切监控以及公共政策干预的必要性就此显现，以此帮助失业员工重返就业市场。另一方面，伦理问题随着人工智能浮出水面，人工智能可以预测分析，大大增加了歧视的风险。例如，数据分析可以用来预测求职者中可能存在的怀孕迹象，或是分析获取求职者未来的健康状况。同时，这种致力于使日常生活“更容易”的服务能终结重塑人与人之间的关系，比如，“预测性聊天程序”能根据用户提供的内容给出针对预测性的情绪反应。数据革命产生的这种新风险不容忽视，风险带来的社会影响也不容小觑。

      欧洲在数字革命和数据革命上的滞后

      大数据与物联网，这一新工业革命的核心，与第一次工业革命蒸汽动力的出现相媲美，正改变着我们的经济形态，促进着全球生产力。

      然而在欧洲，接纳数字化的企业少之又少：2025年，仅有五分之一的欧洲企业呈现出高或者非常高的数字化强度，仅有6%的信息通信技术及专业化服务公司策略性地密集利用数据。数字专家在大多数成员国的全部就业市场中仅占有1%的比例。同时，精通数据的劳动力供给短缺的严重存在，使诸如美国一类的科技先进国家受到影响，大数据基础架构的滞后也出现与欧洲。世界经合组织国家中超过半数的数据中心坐落于美国。

      来看一组令人忧心的信号：面对日益激烈的全球竞争，欧洲经济再也不能无错失数据革命机会，也无法承受竞争优势的丧失。数据及数据分析的受限使欧洲企业无法适应全球市场的竞争，其中，中小企业及新兴企业首当其冲。麦肯锡研究表明，相较于欧洲与美国，中国顾客对信息共享势不可挡的开放态度，使中国或成为“汽车数据革命”的热门之地。

      欧洲商业若想在未来存活并长盛不衰，就必须通过某种手段与工具武装自己，即对大数据的采集、处理、存储与分析并利用大数据创造价值。

      此外，欧洲的公共管理必须接纳这一新形态，开拓数字市场，以在欧洲法律的新框架下，获取效率增益，减少成本消耗，拓宽为公民及商业提供的服务范围。如何在与民间团体与公民协会紧密合作，构建本地数据系统以培养创业精神与社会创新，同样是欧洲公共管理的新课题。通过改变数据统计的产生渠道与使用途径，通过不断提高关键数据的时效性与粒度，数据革命能够显著增强决策制定的质量，加强政府当局的问责制，协助缩短公共机构和公民间的差距。

      第一步：理解数据系统中的价值创造

      一般而言，数据系统中的角色分为四类。

      1. 数据产生者

      用户浏览网络、消费者使用信用卡、利用GPS读取位置数据、智能冰箱减少能耗，更甚是在阿姆斯特丹的夏日降雨：这些都是数据的首要来源。任何来源于人类或非人类的行为或非行为均能传递信息，这些信息很可能通过收集、整合，用于有效地数据分析。

      当主体生成数据时没有意识到其行为正传输着被另一实体收集的信息，数据被动产生，例如驾驶者使用地图设备。数据同样能主动生成，比如，用户为订阅服务，在社交网络上输入其邮箱地址。其他方面而言，主动与被动的区别与数据创造者是否允许对数据进行处理有关，也与收集数据的目的有关。

      既然创造的信息对数据服务有价值，数据创造者就能通过将这些信息“货币化”从中获利，例如从相关的产品或服务中换取折扣价。大多数情况下，这种交易是隐性的。广告商业模式即典例??用户可以免费使用其服务（例如使用搜索引擎、在线新闻服务等），同时，用户使用的这些信息均含有特定的宣传目的。

      相反，数据创造者无法避免风险，如隐私和安全漏洞??即使在数据安全存储的情况下。尽管数据集的加密处理和假名化能减轻这类风险，通过与其他来源的数据进行交叉搜索，一名数据来源实现去个人化，数据的“去匿名化”得以成为可能，这一点仍让人们担忧不断。一份最新的英国议会报告已将数据去匿名化认定为犯罪行为。

       2.   数据服务器

       所谓的信息支撑下的”数据“只是一种现实的副产物。实际上，信息只有在处理与分析时才会创造价值，其中包括信息的收集、记录、组织、构建、存储、适应或变更、恢复、咨询、使用、曝光、传播或使其可用、数据调整或组合、限制、消除或破坏。

      在数据价值创造链的任一阶段都可能出现瓶颈，迫使创造出的价值对不同的数据服务供应商、数据使用者以及下游用户造成损害--特别是当数据无法轻松地从一个服务器转移到另一个上的时候。当服务供应商之间的竞争有限时就会出现这种情况：如果互联网服务供应商喜爱相当强的市场力量，就能限制数据通信，而基础设施服务供应商可以通过专利技术实现供应商锁定，使其难以或是根本无法转型为竞争者的产品或服务，即意味着减少了客户选择。

      实际上，在数据工业的某些部门，市场集中度是大趋势所在，特别是在某些具有鲜明的网络外部性和规模经济效益的领域。简言之，用以分析的数据越多，服务器越优质、高效。正如夏皮罗(Shapiro)与瓦里安(Varian)所言，“积极反馈尝导致极端结果，它使强者更强，弱者更弱”。举例来说，一个网页搜索引擎拥有越多的用户，就能获取越多的反馈，就能更有效地回应给用户他们想要搜索的内容，从而极大地巩固了这一搜索引擎的市场地位。

      监管干预同样能制造瓶颈，监管干预限制了获取数据的渠道，阻碍数据的流通，给服务供应商带来过高的遵从成本。比如，数据本土化的条件要求服务供应商在特定的地理区域内处理数据，从而导致企业被置于数据处理和管理成本高的区域。

      3.   数据业务用户

      企业和公共管理即数据业务用户，它们利用数据分析的结果提高表现，从增量变化到颠覆性改变都离不开数据分析。其中包括加强内部监控、调整营销策略、缩减加工成本、开发全新产品、甚至从根本上改革商业模式等。企业从数据分析中赢得经验，窥探到潜在收益，可以说，增量变化和颠覆性变化间的天平将向后者倾斜。

      尽管如此，企业和公关管理为在其组织内嵌入大数据分析，仍需克服层层阻碍。细数这些阻碍，中小企业再次首当其冲：企业和公关管理对数据分析的运营以及其潜在利益缺乏认知；排斥、惧怕大数据分析势必带来的潜在组织结构变更；缺乏技术手段，尤其是指整合、管理庞大数据集的能力；缺乏技艺娴熟、精于数据分析的员工，对于技术和人力资源缺乏投资的财政手段等比比皆是。

      隐私、数据保护和安全的监管框架定位模糊，同样阻碍着大数据分析的使用。人们看到了欧洲的进步--在处理个人信息方面采用了一般性数据保护条例，然而，要想刺激数据系统发展，促进非个人数据，即机器数据的获取渠道，一个共同的欧盟框架不可或缺，进而才能克服地区分裂，才能为改革者提供便利。再者，监管部门和决策者这一角色必须积极主动地支持并鼓励数据友好型的企业文化，例如通过建立既定基准（如与3%的研发目标相持平的数字化投资目标），或者把税收抵免政策列入考虑范围（一些成员国已采用税收抵免以推动研发的投资）。

      4.  终端用户

      最后一种角色就是下游买家，包括消费者、商业客户以及一些涉及企业与公共管理并在事务中使用大数据分析的公民。降价、提供优质的服务或产品--包括必须依赖于数据分析存活的新产品，都是数据分析对终端用户产生的最直接的影响。另外，能提供更精确的营销策略的完善定制服务对终端用户也大有裨益，如能绘制实时交通地图、为驾驶者规划最畅通线路的应用程序。这种应用程序都是基于大量驾驶者在实时驾驶中共享的信息，没有大数据，这类服务寸步难行。

      有利必有弊：因为终端用户常常也是数据创造者，他们无法规避安全和隐私的风险。卖方可以利用数据分析提取精确的买家资料，相应地更改成贴近买家支付意愿的定价，使终端用户也更容易遭受掠夺性定价的问题。从社会福利的角度来看，这样的“价格歧视”并不一定意味着无效，它甚至代表着从消费者剩余转变为卖方剩余。这类价格歧视也并不一定与个人信息的处理有关，如此一来或会存在于一般数据保护条例的保护之外。例如，医疗保险公司基于越来越大的非个人化数据集获取统计推断，来在一些特定疾病发病率高的地区增加保费。

      ----未完待续----