大數據在中國：從迷思到政治經濟學

【內容摘要】從追溯“大數據”的概念史入手，本文首先解構了基于技術理性的“大數據”迷思及其與過往新技術迷思之間的承繼關系；其次，討論了“大數據”作為一種“技術法則”施加給社會的影響。從迷思轉向政治經濟學，接下來分析了“大數據”在金融和電子商務市場上的生產性和商品性，及其對中國經濟結構轉型的潛在影響；指出了對百度、騰訊和阿里巴巴而言，“大數據”的價值仍然表現在廣告和（吸引）投資兩個傳統領域中；指出了政府部門與市場在“大數據”市場上的壟斷性和聯盟關系，以及“大數據”在社會領域使用中所引發的差異。最后討論了新聞傳播學術圈圍繞“大數據”形成的分化，以及不確定的未來。

【關鍵詞】大數據；迷思；權力；傳播；政治經濟學

對社會公眾來說，“大數據”（big data）概念的創新擴散過程短暫而神秘。曾經的集體式喧囂已經不再，但“大數據”的迷思仍然流行于社會各個領域之中，尤以不斷信息化的經濟部門為盛。根據加拿大傳播政治經濟學者文森特·莫斯可（Vincent Mosco）對“迷思”（myth）運作過程的分析，當一個“迷思”興盛的時候，恰恰是它還沒有融入具體的政治經濟和社會進程；而當人們不再談論它了，“迷思”也就已經在人們的日常生活中產生作用了。①如此而言，至少就當下的中國社會來說，“大數據”仍然處于從“迷思”到“政治經濟”的過渡過程中。②因此，有關“大數據”的理解和分析，也需要關注這一階段性特征。本文沿用文森特·莫斯可的這一路徑，致力于從批判傳播學的角度，提供一種基于歷史和建構主義分析的“大數據”觀念，并以此與主流的技術專家精英主義，以及逐漸明朗的新自由主義“大數據”發展路徑相區別。文章最后也討論了“大數據”迷思和政治經濟學在傳播學術領域的多方面表現，尤其是對學術權力結構的影響。

一、定義“大數據”：從迷思到權力

早在2015年，美國皮尤中心（Pew Research Center）的一份報告就描述道，“我們正暢游在數據的海洋中，而海平面正在迅速上升。”③“大數據”的技術發展趨勢如風卷殘云般影響著包括經濟、社會、學術和政治等多個領域。這個“大數據的幽靈”④，正在包括信息與傳播產業、媒體、傳統制造業、農業、物流等經濟和社會部門的上空徘徊。

有關“大數據”（big data）之“大”的比喻十分具有煽動性。《經濟學人》的數據編輯肯尼斯·庫克（Kenneth Kukier）和牛津大學互聯網研究院的教授維克托·梅耶（Viktor Mayer）在《外交事務》（Foreign Affairs）雜志上發表的文章中描述道：“公元前三世紀，世界上最古老的圖書館亞歷山大圖書館被認為儲存了人類所有的知識。而如今，每一個人可以獲得多達320倍亞歷山大圖書館全部存量的信息，大約為1200艾字節（Exabyte）。這些信息如果儲存在CD中，疊起來，其高度是地球到月球距離的五倍。”⑤在這個意義上，超出現代人想象的數據量級成為“大數據”迷思或神話立足之根基。

另外，“大數據”概念的產生也展示了這一迷思的形成過程。麥克·尼爾森（Mike Nelson）在2013年的一篇文章中提到，面對幾何級數增長的數據，人們給了它眾多的名字，如“胖數據”（fat data）、“快數據”（fast data）和“亂數據”（messy data），然而，“大數據”最終成為命名這一領域和趨勢的廣泛用語。為什么“大數據”最終脫穎而出？這無疑涉及一個話語技巧和話語主體的問題。可以說，這些不同的通俗化概念，代表了目前技術和產業界對于“大數據”基本特征的理解，即四個“V”⑥：數量大（volume）、變化快（velocity）、多樣性（variety）和價值大（value）。然而，任何一個具體描述數據化過程的概念都無法將這一技術“迷思”建立起來，因為不夠抽象和模糊。唯獨“大數據”可以，它作為一個“開放的敘事”⑦，不僅涵蓋了上述顯在的技術特征，而且給擁有相關知識和專業能力的人群提供了豐富的進一步解釋空間，并通過“大”這一最通俗化的語言，召喚社會大眾乃至其他權力機構如政府和企業的跟進。

“大數據是以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合，正快速發展為對數量巨大、來源分散、格式多樣的數據進行采集、存儲和關聯分析，從中發現新知識、創造新價值、提升新能力的新一代信息技術和服務業態。”⑧隨著以儲存和計算能力為代表的新設備、新技術和新工人的出現，人類開始調整自身的技術觀念，通過利用大數據來提升分析和解決問題的能力，并將這一技術潛能推廣至似乎所有的社會領域。而未來，就是一個基于大數據的“美麗新世界”⑨。這一斷裂式的歷史敘事，曾經和正在充斥著媒體報道、市場報告、學術討論和街談巷議之中，尤以《連線》（Wired）雜志主編克里斯·安德森（Chris Anderson）的名言為例：“足夠多的數據，可以自己發聲。”⑩另外還有“大數據比你自己更了解你”。而有關“迷思”敘事的構成，我們也許可以劃分成如下三個方面：崇拜大數據的技術潛力；認為大數據能解決一切社會問題；相信大數據對人人有益。另外，基于文森特·莫斯可對于迷思的解構，除了對超現實的崇拜，有關“大數據”的神話敘事，也掩蓋了某些事實。

筆者在一篇評論文章中曾對這一“迷思”敘事進行了小結：“如曾經對天地、星球和自然的頂禮膜拜一樣，人類因為自身能力無法企及的大數量級數據的存在，將‘神化’的語言和想象投向它；因為客體化的計算機器和技術（如超級計算機和云計算）的存在，將莫名的信心再次賦予了自己；更因為進化論的歷史視野，認為‘大數據’代表了新的進步和發展，以及更加美好的未來。”

然而，“在很多時候，大數據是一個貧乏的概念”。這是博伊德·丹雅（Boyd Danah）和凱特·克勞福德（Kate Crawford）早在2012年就提出的質疑。不管是通俗化的理解還是所謂的“數字實證主義”（digital positivism），充滿技術理性和數據理性的敘事不僅忽視了“大數據”產生的社會歷史進程，而且將“大數據”的社會影響窄化為單向的技術過程。與“技術中心主義”（techno-centrism）的“大數據”觀不同——這一流行觀點繼承了“技術決定論”的衣缽，在忽略技術產生背景和過程，本質化技術的同時，將技術看作是改變的起點和影響的始源——本文強調解構“大數據”產生的技術過程，與此同時多維度考察“大數據”的創造者、使用者和擁有者，以及這一過程中動態的權力關系。

如其他現代科技一樣，“大數據”也代表了某種技術權力。技術哲學學者安德魯·芬博格（Andrew Feenberg）基于技術批判邏輯發展出了“批判的建構主義”（critical constructivism）路徑，認為“技術法則”（technical code）是這一權力的核心，它通過技術專家和工程師傳遞給社會的是一套特定的看待技術發展的世界觀和利益；而在技術理性或者技術確定性的話語中，這一法則的歷史來源和具體過程實際上被掩蓋了。那么，就“大數據”而言，這一套“技術法則”是什么？博伊德·丹雅和凱特·克勞福德的文章也許作出了初步的解答，那就是：“大數據與數據量的龐大有關，但是更與一種搜索、整合和跨數據庫關聯分析的能力有關”。在這個基礎上，二人將大數據放置在技術潛力、分析能力和迷思的互動關系中加以批判分析。

那么，“誰擁有這個能力”就成為接下來我們要關注的核心問題。在進入具體的經濟過程分析之前，我們有必要重申一個技術概念，“大數據”的主要所指在很大程度上是“數據化”（datafication），因為所謂的“大”從根本上是相對的。與單純的“數字化”（digitization）不同，“數據化”的目標是改變具體進程的方向，并創造新的價值。怎樣改變，創造怎樣的、誰的價值，將成為下文討論的重點。

重思了“大數據”的“迷思”敘事和權力本質之后，再次返回博伊德·丹雅和凱特·克勞福德發表于2012年的那篇帶有里程碑意義的文章，其帶有冷靜態度和批判鋒芒的警示如今更具學術意義。如其所說，“是時候開始就大數據這一現象及其假設和偏見進行批判分析了。”

二、“大數據”的經濟化過程：權力轉型？

與社會大眾被“啟蒙”從而追捧的“大數據”迷思不同，產業界的“大數據”實踐則更加具體而現實。在具體的經濟過程中，（大）數據不僅成為吸引投資的新概念，而且變成了一種嶄新的生產要素，伴隨著生產關系的調整，從而為更大的經濟體系而服務。在要素市場和產品市場中，“大數據”既是新成員，也正在逐漸演變成核心成員。以中國的“大數據”應用為例，我們可以從以下四個方面以點帶面地加以分析：

（一）吸引投資的概念股

長江商學院市場營銷專業助理教授李洋認為，中國企業使用大數據的主要目的是吸引媒體和投資者的注意，“這個產業充滿了泡沫，熱錢洶涌。人們關注的主要是獲得錢，吸引投資，然后就是上市……但核心的問題是這些數據到底與五年前我們擁有的數據有什么不同。”不管這個所謂的核心問題是否能找到答案，“大數據”的概念股確實已經成為“圈錢”的重要手段，尤其是在發展初期和中期。2015年5月，馬云卸任阿里巴巴CEO，同時聲稱“中國已進入大數據時代”。緊接著，大數據概念股集體爆發，諸多股票相繼漲停，而目前中國的大數據概念股至少有37只。

在各個產業都開始“+互聯網”或者“+大數據”的時代，在各類企業都開始購買數據服務或者延攬大數據人才的初級階段，以“大數據”的概念吸引各類和多輪融資，從而最終上市，無疑是“大數據”迷思在經濟領域的先行實踐。然而，更值得注意的是，這也表明了“大數據”與資本的天然共生關系。高昂的建設和運營成本，以及潛在的對于市場空間的拓展和巨大的盈利預期，使得“大數據”發展必然依附于資本，尤其是大資本力量。這一邏輯也延伸到目前的所謂共享經濟平臺，“燒錢”成為此類公司運營的主要經濟基礎。這也是為什么在現代人類歷史上，技術創新往往與商業精神（entrepreneurship）共生。

（二）升級傳統經濟，解決增長問題

遍地開花的“大數據”似乎與各個產業都開始結合，但“數據化”在不同領域的不均衡發展，使得某些產業站在潮頭，從而引領著其他產業的跟進步伐和路徑。顯而易見的是，信息與傳播產業扮演了這一引導者角色。正如一篇行業分析文章犀利地指出：“相對其他擁有大數據的金主來說，互聯網企業的技術甩開它們幾條街。運營商技術是外包；銀行的技術外包居多；其他公共部門例如交通、教育、能源等行業，技術對他們是遙遠的名詞。”在廣義上眾多的信息與傳播企業中，百度、騰訊和阿里巴巴（即BAT）——三家中國最大的互聯網公司——成為大數據經濟的領頭羊。各有所長使得三家公司在大數據要素市場和產品市場上呈現出分庭抗禮的局面：百度基于搜索功能研發的各類數據服務，騰訊依托社交媒體形成的網絡化數據，以及阿里巴巴主營的網上交易和信用數據三足鼎立。簡單看來，三個不同的“大數據”產品似乎非常清晰地勾勒出三個公司與數據有關的主營業務，但如果考慮到三家公司的主要收入，具體的經濟過程則指向一個我們曾經熟悉的商品類型，那就是“廣告”，除此之外，還包括新的數據商品。“廣告和電子商務仍然是大數據在中國的主要應用，前者以百度為代表的搜索引擎廣告為主，后者以阿里巴巴為代表的網上交易數據商為主。”

上圖所示，2015年中國公司大數據營銷的資金花費達到20.3億元：其中的柱狀圖為年度大數據營銷費用，曲線為年度大數據營銷投入增長率。

就廣告而言，基于“大數據”的百度的搜索廣告、騰訊的社交廣告和阿里巴巴的空間廣告，在技術上比傳統媒體（報紙、廣播和電視）的廣告經營過程更加精確和可控。這也是傳統廣告業下滑、新媒體廣告收入陡增的具體表現，代表了廣告投放的重要轉型，更暗示了經濟增長對于廣告效果的精確化要求。中國互聯網觀察（China Internet Watch）公布的數據顯示，2015年是大數據營銷（big data marketing）在中國增長最快的一年，增長率為153%，而在2014年是141.9%。這一漲勢在未來將持續。大數據營銷的主要手段包括精準廣告、程序化購買、廣告監測、創意優化、客戶關系管理、線上和線下銷售、風險控制、研究和洞察、企業內部管理和新產品研發等。就精準廣告而言，在2015年，微博和微信仍然是最主要的市場營銷渠道。整個廣告市場因為大數據營銷的驅動，在2015年呈現出7.8%的增長。可以說，一直以來，廣告都被認為是經濟發展的風向標。廣告投放向大數據平臺的轉移，為我們分析中國經濟整體的轉型過程，提供了一個切入點。在這個意義上，“大數據”應用并未改變經濟運行的基本過程，而只是通過技術革新提升了精確管理的水平，使得增長變得可控和可預期，潛在的市場風險可以因此降低。

雅各布·瑞吉（Jakob Rigi）和羅伯特·普雷（Robert Prey）在《分析社交媒體的政治經濟學》一文中提出，社交媒體上產生的價值并不來源于用戶，而是廣告空間的租用和虛擬資本所期待的意外之財。這也是馬克思的價值理論在社交媒體時代的延伸。審視上述“大數據”作為概念股和作為解決傳統經濟形式如“廣告”的效用問題從而維持總體經濟增長的角色，我們發現了一致性。在這個意義上，“大數據”的經濟角色并不如“迷思”所說的那么具有跨時代的斷裂性。大數據并不是革命性的，而是內在于資本主義信息與傳播產業內部的技術改良運動。同時，兩位學者對于批判傳播研究中盛行的“媒介中心主義”的反思和對宏觀的資本主義經濟體系的重視，值得我們在相關研究中關注。

那么，如上所述，第二種主要的大數據應用存在于電子商務領域。大量的網上交易數據自身成為商品，被擁有者加以買賣，獲得利潤，阿里巴巴就是一個典型代表。當然，數據的商品化絕不僅僅以網絡購物這一單一的平臺為應用空間，它的價值更在廣泛的交易中達成。在2015年的“兩會”上，騰訊集團董事局主席馬化騰建議更多地開放政府手中掌握的公共數據，以利于數據基礎設施建設和數據在全社會的分享和使用。與馬化騰的建議一致，浪潮集團（Inspur Group）董事長孫丕恕提出，數據的價值只有在市場中才能得到體現，因此，政府公開公共數據、數據交易和轉移應該常態化。于是，在2015年，我們看到了中國首個大數據交易中心“貴陽大數據交易中心”在國家大數據戰略的首要省份貴州的成立。隨后，一系列大數據交易機構在湖北、江蘇等地出現。

于是，不管是政府手中掌握的公共數據，還是市場原生的商品化數據，都被技術和資本力量催促著進行商品化，從而作為生產要素和新的產品便利于正在升級中的中國經濟，繼續維持較高水平的增長。

（三）“大數據”與社會治理

博伊德·丹雅和凱特·克勞福德在分析圍繞“大數據”形成的階層分化和權力等級結構的時候，具有洞見地指出了，“政府和產業界是驅動收集和攫取大數據最大價值的主要力量”。除了上述對于市場領域的分析，以及市場對于政府公開數據的驅動，對政府獲取、存儲和分析“大數據”的各類法律、道德甚至“威權主義”的質疑，也是中國“大數據”發展的重要方面。但是，對于政府與市場的單一、分離式分析，忽略了兩者之間在“大數據”（硬件和軟件）基礎設施建設和服務、“大數據”應用互利共贏上的合作關系。

比如，近年來，為了建立全國性的公民征信體系，有關部門正在與互聯網公司合作，通過收集網上購物記錄等信息，計算和測定公民的信用水平，并儲存在中國人民銀行。這些信用記錄可以有多種用途，包括公民可以通過提升信用水平獲得某些服務便利，比如機場的快捷通道——當然這是建立在大量網絡使用行為的基礎之上，如果考慮到中國的互聯網滲透率，仍然有一半左右的非網民無法被納入這一體系；政府可以通過信用記錄評價公民的誠信水平和可信度；更值得注意的是，通過申請和批準，某些企業可以獲得這些信用信息。根據FT中文網的報道，至今已有八家企業獲得了政府許可，其中包括騰訊和阿里巴巴這兩家中國最大的互聯網企業，以及平安保險等。不管最終有關網民信用記錄的大數據收集、整理和分析是否能夠達成上述目標，但FT中文網的報道的確指出了圍繞大數據的技術潛力而形成的權力結構。

簡而言之，政府投資建設的電信網絡便利了互聯網公司的崛起，互聯網公司的“大數據”資源提升了政府的社會治理水平，而集合公民市場行為和公共行為的儲存于政府保險箱里的“大數據”又可以成為服務于相關企業（尤其是數據敏感型產業，如保險、金融）的生產性要素，政府可以通過許可等方式掌控市場。在這個意義上，政府與企業（尤其是大型企業和數據生產企業）是“大數據”市場上的主導者，無疑擁有不可比擬的主導型權力。

（四）“大數據”鴻溝（big data divide）

技術決定論者——除了技術專家還有打著技術旗號服務于每一個社會個體的資本家——往往會夸大互聯網和“大數據”在抹平傳播權力鴻溝，使得傳播權力格局走向“扁平化”方面的巨大作用。然而，事實并非如此。各類“數字鴻溝”不僅沒有隨著技術革新而消失，反而會增大。如上文對占有“大數據”的經濟和知識成本的分析，由于對“大數據”的獲取、儲存和分析能力的差異，圍繞大數據的階層分化也正在形成。博伊德·丹雅和凱特·克勞福德將這一分化描述為新的“數字鴻溝”，亦即形成了“大數據富有者”（Big Data Rich）和“大數據貧窮者”（Big Data Poor）。兩位作者引用了曼諾維奇（Manovich）的分析，將圍繞大數據形成的階層分化劃分為三個維度，即數據創造者、數據收集者和數據分析者。普通網民作為數據創造者并不具備收集和分析“大數據”的能力，后者多是政府和企業。

另外，將視野轉向具體的勞動與技術的辯證過程：在他的“批判建構主義”框架中，安德魯·芬博格沿用馬克思對資本主義技術發展的批判，提出了技術的異化問題，即資本主義將知識從人身上轉到了機器上，從而使熟練工人消失，使勞動依附于機器。換句話說，“大數據”分析工具的出現——如超級計算機和云計算——使得人更多地依賴機器，從而喪失了“主體性”。然而，這一批判尚未深入到資本主義技術發展的核心，那就是機器本身作為商品也是資本盈利的工具，比如以中央處理器和芯片為代表性產品的硬件廠商（比如因特爾）和以各類分析工具為代表的軟件廠商（比如甲骨文）。除此之外，我們還需要看到勞動者內部由于“大數據”賦權的不均衡所導致的分化，因為將人與機器對立起來將會忽略充滿著斗爭關系的技術過程。就“大數據”而言，這里呈現的并不是簡單的人與技術的對立，而是社會權力關系的轉移——技術的“賦權”和“去權”是一個過程的兩面，熟練工人消失了，技術就成為“技術精英”的專屬品。這一點尤其表現在日益專業化的“大數據”及相關產業中，于是就出現了，“在大數據時代，‘超級數字天才’們會比你自己更了解你的行為。”在勞動力市場上，未來將不僅有“數字勞工”（digital labor），更會出現“數據勞工”（data labor），從事著不同環節、充滿等級乃至剝削的數據處理工作。

總而言之，“大數據”的發展一方面延續了資本主義的經濟增長路徑，扮演著虛擬資本撈金的概念股和傳統營銷與廣告渠道升級者的角色，并未從本質上改變經濟運行的基本原則；另一方面，“大數據”作為新的生產性要素和商品，確實提升了經濟運行的效率和精確水平。當然，更值得注意的是，“巨量數據信息，多樣化的數據類型與來源，高速的數據處理速度共同構建了大數據的權力‘金字塔’”。在這個金字塔尖，站立著政府和企業。除此之外，“大數據”的賦權過程是不平衡的，圍繞著創造和使用，出現了“大數據”富有者和貧窮者，也導致了勞動者的分化。正如邱林川所總結的那樣，“‘大數據’其實就是新自由主義拓殖的一個新的工具；而它的道德上的困境與資本主義一樣古老”。

可以說，資本主義首先征用或者說殖民了“大數據”，如人類現代歷史中其他技術創新的命運一樣，而“大數據”所解決的是追求持續增長的資本主義經濟體系中的結構性問題。

三、“大數據”、學術權力與另類的未來

“所有的研究者都是數據的闡釋者”。博伊德·丹雅和凱特·克勞福德早在2012年就不無擔憂地如此回應了“大數據”給社會科學研究帶來的挑戰。當研究對象從樣本轉向總體（即N=ALL），研究質量從精確性轉向混雜性，研究結果從因果關系轉向相關關系，我們看到，圍繞“大數據”而形成的新的學術權力關系，正在排斥傳統的學者群體。他們不僅包括堅守思辨傳統和闡釋學路徑的人文學者，也涵蓋堅稱經典社會科學方法論科學性（如抽樣統計）的傳統社會科學學者。然而，不管“大數據”方法論的漏洞或者有限性有多少，迷思已經盛行，資源配置已經傾斜，背后的資本的力量正在對學術界施加結構性影響，數據專家及其所代表的利益集團正在上位。

麥克·尼爾森（Michael Nielsen）在《麻省理工學院技術評論》（MIT Technology Review）上曾經呼吁說，“少數公司正在掌控數據基礎設施。事實本應該這樣嗎？我們是否可以創造一個人人皆可以使用的數據基礎設施？”仿照這一質疑，我們也許可以追問，我們是否可以創造一個研究“大數據”的多元學術環境？畢竟它的形成和發展是一個歷史和社會過程，需要多種研究視角的介入才可以勾畫其全貌。也許，這取決于研究者自身的反思性學術行動，甚至整個學術界對于人文和批判傳統的堅守。

正如獨立作者安德魯·海吉拉（Andrew Heikkila）在一篇分析文章中提到的，“有關大數據的道德討論應該最終指向民主的維護，因為在未來的某一天，也許就是你的聲音能夠讓我們分清一個道德規范下的大數據，而不是喬治·奧威爾式夢魘的一些假象。”

注釋：

①Mosco， Vincent. The Digital Sublime： Myth， Power and Cyberspace （Cambridge： MIT Press， 2015）， 19.

②市場化調查研究機構“易觀智庫”對于中國正處于大數據“高速發展期”（2014-2016）的分析也印證了上述判斷，參見易觀智庫，《中國大數據整體市場趨勢預測》，http：//www.analysys.cn/yjgd/6334.shtml，2014-2017[EB/01]。

③ Anderson， Janna， and Lee Rainie. \"The Future of Big Data.\" Pew Research Center： Internet， Science Tech. July 20， 2012. Accessed April 22， 2018. http：//www.pewinternet.org/2012/07/20/the-future-of-big-data/.

④姬德強：《大數據并軌：電視產業的轉型與未來？》，《上海評論》2015年第8期。

⑤Cukier， Kenneth， and Viktor Mayer-Sch?nberger. \"The Rise of Big Data： How It's Changing the Way We Think About the World.\" Foreign Affairs. https：//www.foreignaffairs.com/articles/2013-04-03/rise-big-data.

⑥可參見Oracle， Big Data for the Enterprise[EB/01]， http：//www.oracle.com/us/products/database/big-data-for-enterprise-519135.pdf.

⑦Mosco， Vincent. The Digital Sublime： Myth， Power and Cyberspace （Cambridge： MIT Press， 2015）， 10.

⑧《國務院關于印發促進大數據發展行動綱要的通知》，中華人民共和國中央人民政府網，http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm，2018年3月1日。

⑨[美]阿道司·赫胥黎：《美麗新世界》，宋龍藝譯，北京理工大學出版社2013年版，第1頁。

⑩Anderson， Chris. \"The End of Theory， Will the Data Deluge Makes the Scientific Method Obsolete？\" Edge. June 30， 2008. Accessed April 22， 2018. http：//www.edge.org/3rd_culture/anderson08/anderson08_index.html.

Turner， Brad. \"When big data meets big brother： why courts should apply United states v. Johns to protect people’s data.\" North Carolina Journal of Law Technology 16， no. 2 （January 2015）： 395.

Mosco， Vincent. The Digital Sublime： Myth， Power and Cyberspace （Cambridge： MIT Press， 2015）， 19.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 663.

Mosco， Vincent. To the Cloud： Big Data in a Turbulent World （New York， NY： Routledge， 2015）， 2.

Feenberg， Andrew. \"Great Refusal or Long March： How to Think About the Internet， in Christian Fuchs Marisol Sandoval.\" Critique， Social Media and the Information Society （Routledge， 2013）， 110.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 663 . 664

Cukier， Kenneth， and Viktor Mayer-Sch?nberger. \"The Rise of Big Data： How It's Changing the Way We Think About the World.\" Foreign Affairs. https：//www.foreignaffairs.com/articles/2013-04-03/rise-big-data.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 664.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 664.

《2017年最新大數據概念股一覽表》，金融界，http：//stock.jrj.com.cn/concept/conceptdetail/conceptDetail_ddsj.shtml，2018年3月1日。

羅超：《大數據如何玩兒？》， 虎嗅，http：//www.huxiu.com/article/31397/1.html？f=wangzhan，2018年3月1日。

Swanson， Ana. \"The Power of Big Data in China.\" Accessed April 22， 2018. http：//knowledge.ckgsb.edu.cn/2015/07/28/technology/the-power-of-big-data-in-china/.

CIW Team. \"China Internet Watch Team， China Big Data Marketing Spends Surged to over $325.4M in 2015.\" Accessed April 22， 2018. http：//www.chinainternetwatch.com/16638/big-data-marketing-spends-325-4-million-2015/.

Rigi， Jakob， and Robert Prey. \"Value， Rent， and the Political Economy of Social Media.\" The Information Society 31， no. 5： 392-406.

參考Chen Jing， Big data getting practical[EB/01]. http：//en.ce.cn/Insight/201601/26/t20160126_8566284.shtml.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 675.

截至2017年6月，中國互聯網普及率為54.3%。參見《第40次中國互聯網絡發展狀況統計報告》，中國互聯網絡信息中心（CNNIC）， http：//www.cnnic.cn/hlwfzyj/hlwxzbg/201601/P020160122469130059846.pdf，2018年3月1日。

Clover， Charles. \"China： When Big Data Meets Big Brother.\" Financial Times. January 19， 2016. Accessed April 22， 2018. https：//www.ft.com/content/b5b13a5e-b847-11e5-b151-8e15c9a029fb.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 674.

Feenberg， Andrew. \"Great Refusal or Long March： How to Think About the Internet， in Christian Fuchs Marisol Sandoval.\" Critique， Social Media and the Information Society （Routledge， 2013）， 112.

何帆：《像信主一樣信大數據？》，FT中文網，http：//www.ftchinese.com/story/001053355？full=y，2018年3月1日。

黃升民、劉珊：《大數據時代，電視如何作為？》，《南方電視學刊》2013年第3期。

Qiu， Jack Linchuan. \"Reflections on Big Data： ‘Just Because It Is Accessible Does Not Make It Ethical’.\" Media， Culture Society 37， no. 7 （2015）： 1089-094. doi：10.1177/0163443715594104.

Boyd， Danah， and Kate Crawford， \"Critical Questions for Big Data： Provocations for a Cultural， Technological， and Scholarly Phenomenon.\" Information， Communication Society 15， no. 5 （2012）： 671.

[美]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代：生活、工作與思維的大變革》，盛楊燕、周濤譯，浙江人民出版社2013年版，第27頁、第98頁。

Nielsen， Michael. \"Who owns big data？\" MIT Technology Review. Accessed April 22， 2018. https：//www.technologyreview.com/s/533856/who-owns-big-data/.

Heikkila， Andrew. \"The Dangers of Big Data： China Begins Ranking Citizens by Credit Scores.\" Accessed April 22， 2018. http：//www.v3b.com/2015/12/the-dangers-of-big-data-china-begins-ranking-citizens-by-credit-scores/.