誰在用我們的數(shù)據(jù)賺錢?

2012-04-29 00:00:00

CHIP新電腦 2012年2期

數(shù)據(jù)挖掘?qū)τ谠S多人來說都是一個陌生的領(lǐng)域，但恰恰又是與每一個人關(guān)系異常密切的領(lǐng)域，信息時代，幾乎所有人的數(shù)據(jù)都會被收集和分析。那么，什么是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘又如何影響著我們的生活呢？

根據(jù)最著名的數(shù)據(jù)挖掘著作《數(shù)據(jù)挖掘：概念與技術(shù)》和最新出版的數(shù)據(jù)挖掘著作《數(shù)據(jù)挖掘?qū)д摗返亩x，數(shù)據(jù)挖掘是“從數(shù)據(jù)中提取出隱含的過去未知的有價值的潛在信息”，或者也可以說是“一門從大量數(shù)據(jù)或者數(shù)據(jù)庫中提取有用信息的科學(xué)”。這兩個相似但不完全相同的定義對數(shù)據(jù)挖掘做出了很好的闡述，不過，我們更感興趣的是誰收集了數(shù)據(jù)，如何收集，如何利用，以及數(shù)據(jù)挖掘?qū)⒔o我們帶來什么，是否能夠帶來便利，又是否存在安全隱患。

德國新元素有限公司是一家專門從事網(wǎng)絡(luò)智能、地理定位和用戶分析的網(wǎng)站，我們嘗試聯(lián)系其首席執(zhí)行官阿特蘇#8226;阿爾廷西，了解一下谷歌、亞馬遜等公司如何通過數(shù)據(jù)挖掘提高網(wǎng)絡(luò)廣告的效果，如何將數(shù)據(jù)變成錢。在發(fā)出了預(yù)約采訪的電子郵件之后，我們見到了一個異乎尋常的答復(fù)方式。當我們發(fā)出郵件后關(guān)閉郵件客戶端并開始瀏覽該公司的網(wǎng)站時，一個“CHIP編輯你好，我會在明天下午兩點鐘聯(lián)系你”的消息彈出。如此迅速和特別的答復(fù)令我們感到非常困惑，阿特蘇#8226;阿爾廷西到底是如何找到我們的？

在真正采訪阿特蘇#8226;阿爾廷西時他向我們解釋，這種異乎尋常的聯(lián)系方式背后有一個龐大的數(shù)據(jù)庫在提供支持，庫中包含大量的IP地址，其中也包括CHIP公司的IP地址。因而，阿特蘇#8226;阿爾廷西可以在我們聯(lián)系他的同時通過網(wǎng)站迅速做出回復(fù)。并且阿特蘇#8226;阿爾廷西補充說，他們只收集訪問他們公司網(wǎng)站的訪客地址，因為在德國收集和存儲個人用戶的IP地址是非法的，而且個人用戶的IP地址通常都是變化無常的，存儲的意義并不大。

數(shù)據(jù)挖掘的豐厚回報

令人印象深刻的用戶聯(lián)系方式就是數(shù)據(jù)挖掘的典型案例。不過，數(shù)據(jù)挖掘系統(tǒng)可以做的當然絕不只有這些，它可以通過各種數(shù)據(jù)挖掘模型對收集的數(shù)據(jù)進行分析，從中發(fā)現(xiàn)隱藏的規(guī)律。這是一種利潤豐厚的技術(shù)，僅在德國，IT企業(yè)使用的數(shù)據(jù)挖掘軟件市場規(guī)模就已經(jīng)高達800萬歐元。

事實上，數(shù)據(jù)挖掘并不是什么新鮮事物，而是一門已經(jīng)被使用超過40年的科學(xué)方法。我們在超市購物以及在街角的藥店中買藥時也同樣會留下痕跡，而這些痕跡一樣可以被用于數(shù)據(jù)挖掘，超市的經(jīng)理可以利用這些信息了解銷售的情況以及顧客的消費習(xí)慣，例如通常同時購買什么商品。藥店的老板會嘗試通過這些信息分析特定藥物的銷售是否與季節(jié)相關(guān)，以便在到處都是花粉的季節(jié)多準備一些抗過敏藥物。全世界的企業(yè)都在借助數(shù)據(jù)挖掘的方法改善經(jīng)營策略，例如，中國移動會對所有入網(wǎng)和退網(wǎng)的用戶進行分析，找出退網(wǎng)和入網(wǎng)的人群分布情況，并嘗試找出影響人們決策的原因。

許多表面上看似簡單的數(shù)據(jù)，經(jīng)過分析都可以為企業(yè)挖掘出更多的客戶。而互聯(lián)網(wǎng)是一個名副其實的數(shù)據(jù)海洋，全球有超過20億的互聯(lián)網(wǎng)用戶，建有152萬個博客，每天發(fā)送超過200萬的Twitter信息，對于數(shù)據(jù)挖掘的企業(yè)與研究人員來說這自然是最佳的數(shù)據(jù)來源，這其中所包含的信息，經(jīng)過精確的分析，可以揭示很多消費者在線活動的規(guī)律和購物模式。目前，每年網(wǎng)上商店的營業(yè)額超過600億美元，而數(shù)據(jù)挖掘是提高這一數(shù)額的主要手段，像阿特蘇#8226;阿爾廷西這樣的專業(yè)人員將負責(zé)完成這些工作。

數(shù)據(jù)挖掘有很多方法，其中包括運用大量的數(shù)學(xué)模型，分析的方法非常多，也非常復(fù)雜。舉一個例子，在正弦模型下研究人員將研究對象劃分為10個不同的人群圈子，有傳統(tǒng)、享樂等圈子，一應(yīng)俱全。他們對各個圈子人群的行為進行研究，盡可能地掃描存在關(guān)系的數(shù)據(jù)，篩選出符合某種模式的規(guī)律，最終，研究人員能夠找出各個圈子人群的行為規(guī)律與特點，并創(chuàng)建能夠匹配這些圈子人群的模型。通過模型的匹配，數(shù)據(jù)挖掘系統(tǒng)可以很輕松地為一個新的研究對象劃分圈子，并掌握其行為規(guī)律與特點。當然，系統(tǒng)不可能100%地準確，但是在研究數(shù)據(jù)足夠多的情況下，精確度會非常高。

站在商家的角度，他們越了解自己的客戶，自然就越能夠提供更好的產(chǎn)品或保險政策，廣告商也能夠提供更具吸引力的廣告。不過，站在個人的角度看，自己成了被研究的透明人，感覺確實不太好。不過，專業(yè)的數(shù)據(jù)挖掘研究人員施特凡#8226;魯濱安慰我們說，數(shù)據(jù)挖掘的研究并不以研究某一個人為目的，目的是研究更精確的廣告方案。重要的不是研究這個用戶究竟是誰，而是研究出什么樣的人對汽車和鞋子感興趣，研究規(guī)律和模型，然后，按照模型為符合條件的目標投放相應(yīng)的廣告。例如通過研究男性與女性的不同上網(wǎng)沖浪習(xí)慣，即可通過Cookie和點擊模式比較容易地區(qū)分出當前用戶是男還是女。

確實，正如施特凡#8226;魯濱所說，大部分循規(guī)蹈矩的市場研究都是為了提煉各種人群的特點，通過對無數(shù)人的產(chǎn)品調(diào)查和活動調(diào)查建立分組，每一個用戶都能夠經(jīng)由模型的匹配而被放入不同分組之中，然后用戶將收到根據(jù)該小組人群特點而設(shè)的廣告。例如我們在互聯(lián)網(wǎng)上搜索尿布，接下來我們會看到一個啤酒的橫幅廣告，這是由于美國超市研究人員發(fā)現(xiàn)，人們經(jīng)常同時購買這兩種產(chǎn)品。這是數(shù)據(jù)挖掘方法中“非監(jiān)督式學(xué)習(xí)”的一個分支，稱為“預(yù)測目標行為”，類似的廣告對消費者有的時候非常有價值，因為很多時候消費者并不一定知道自己需要什么，此時，根據(jù)消費規(guī)律量身定做的廣告可以提供有價值的消費建議。

數(shù)據(jù)挖掘帶來的憂慮

消費者感興趣的廣告，能夠真正吸引消費者的注意，這些廣告對于消費者來說是有價值的，因而，如果商家進行數(shù)據(jù)挖掘的目的僅僅是為了更了解自己的客戶而提供更有針對性的廣告與服務(wù)，那么這或許就不是一件壞事。

有時我們也會自己提供個人數(shù)據(jù)，例如在申請貸款時我們必須提供個人財產(chǎn)、房產(chǎn)、工資的情況，甚至是銀行的賬戶流水賬目以證明自己的經(jīng)濟狀況，銀行通過分析這些數(shù)據(jù)，并借助由多家銀行和企業(yè)聯(lián)網(wǎng)的信用評價中心提供的信用資料，只需要幾秒鐘的時間，就可以判斷我們是不是一個值得信賴的債務(wù)人。不過，這個例子中數(shù)據(jù)挖掘的方法實際上存在明顯的缺點，該數(shù)據(jù)挖掘軟件的模型假定未來的情況是不會改變的，但事實上，借貸人未來可能會變更工作，收入也會有所改變，另外，過去信貸還款問題背后的原因數(shù)據(jù)挖掘軟件是不予考慮的。

除了數(shù)據(jù)挖掘方法可能存在缺點而出現(xiàn)不利于消費者的結(jié)果之外，更令消費者擔(dān)心的是我們無法知道經(jīng)營者如何收集數(shù)據(jù)以及將如何使用它們。數(shù)據(jù)挖掘研究人員總是信誓旦旦地保證他們絕不非法收集數(shù)據(jù)，一再聲明不涉及用戶個人的隱私，但是以目前國內(nèi)的情況來說，消費者不得不擔(dān)心，現(xiàn)如今只要我們買了一處房產(chǎn)，接下來，在進行這項交易時登記的電話將會收到無數(shù)房地產(chǎn)商、中介、貸款按揭公司的推銷電話與信息；只要我們在醫(yī)院建檔準備生兒育女，接下來，推銷奶粉、兒童保險、嬰幼兒產(chǎn)品的推銷員也都將找上門來。

毫無疑問，我們的個人信息不僅被泄露，而且已經(jīng)被販賣給許多商家。或許，這些購買用戶個人信息的商家并沒有什么惡意，大部分只是希望能夠?qū)V告投放到更有效的目標人群。但是非法證券經(jīng)營者獲得證券公司用戶信息后成功實施詐騙的案例不在少數(shù)。因而，作為消費者，在自己的數(shù)據(jù)被收集后實在難以放心。

數(shù)據(jù)與竊賊

銀行泄漏用戶數(shù)據(jù)，這并不是什么新鮮事，甚至在德國等歐美國家也是如此，在德國甚至出現(xiàn)過一份包含21萬人銀行賬戶密碼的列表被公開叫賣的案件。事實上，銀行等擁有大量用戶敏感數(shù)據(jù)的場所，一直以來是數(shù)據(jù)竊賊的首要目標。但是根據(jù)IT公司Informatica在2011年10月進行的一項獨立研究顯示，26%被調(diào)查的銀行都沒有采取任何預(yù)防措施保護用戶數(shù)據(jù)的安全。這絕對不是危言聳聽，2011年7月發(fā)生的一個事件揭示了金融機構(gòu)缺乏安全意識的事實，美國花旗銀行200 000個信用卡數(shù)據(jù)被盜竊。而這類事件并不是第一次發(fā)生，更惡劣的事件發(fā)生在2009年11月，西班牙服務(wù)提供商數(shù)以十萬計的信用卡數(shù)據(jù)被盜。

數(shù)據(jù)挖掘并不光會成為黑客盜取用戶數(shù)據(jù)的工具，甚至同樣也可以在調(diào)查信用卡被盜這樣的事件上發(fā)揮作用，數(shù)據(jù)挖掘可以證明被盜信用卡的資料是否被濫用。在Visa公司的幫助下，數(shù)據(jù)挖掘研究人員發(fā)現(xiàn)一個模式，盜賊通常會使用被盜的信用卡做兩筆小額的交易，以測試信用卡是否被鎖定。接下來，他們會第三次使用該信用卡做大額的交易。這樣的行為習(xí)慣可以幫助信用卡公司預(yù)先判斷信用卡惡意使用的行為。事實上，目前大型網(wǎng)上交易場所都使用數(shù)據(jù)挖掘模型來檢測類似的非法活動，當有人嘗試大量購買在其他地方能夠以更低的價格購得的商品，或者付款方式和交易地址頻繁改變時，系統(tǒng)都將其列為異常行為，并將通知提醒網(wǎng)站經(jīng)營者。

數(shù)據(jù)如何變成錢

無論是互聯(lián)網(wǎng)還是現(xiàn)實世界，我們在生活中會留下很多數(shù)字痕跡，企業(yè)通過分析這些信息可以獲得豐厚的回報。下面，我們簡單地展示一個德國人生活中平凡的一天，從中我們可以發(fā)現(xiàn)許多數(shù)據(jù)與金錢的相互關(guān)系。