⑴ 什麼是「大數據」殺熟為什麼會出現這種現象

隨著社會的發展，我們的科技變得越來越好，很多人都會利用科技來改善我們的生活，但是有的時候科技也有可能損害我們的生活，比如說大數據殺熟的現象，什麼是大數據殺熟呢？為什麼會出現這種現象呢？其實我認為主要是因為人們都在追求利潤，接下來跟大傢具體說明。3.很多人為了利潤，所以會出現這種現象。
對於公司來說，他們的主要目的是利潤，他們雖然知道客戶花多了錢，但是對於他們來說，通過這樣的方式能夠讓自己賺取更多的利潤，從而表現不錯，獲得更多人的投資，改善自己的生活，所以歸根結底還是利潤，但是我們在賺取利潤的時候也應該考慮到消費者的利益，更應該注意對於企業的影響，所以這種行為應該被制止。


總而言之，科技的發展是雙刃劍，既有好處也有壞處，就比如大數據用在好的一方面能夠方便我們的生活，為我們省錢，用在壞的一方面能夠讓很多消費者多花錢，坑了消費者，所以說很多公司為了自己的利潤，為了自己的報表好看，會選擇做這種事情，這種行為應該被制止，是不符合商業規則的，應該對消費者負責。

⑵ 為什麼說5g是一把雙刃劍呢

一方來面，它實現了計算源與通信的融合，基於大數據人工智慧的網路運維，減少了人為的差錯;智能化的監控有利於提高網路的安全防禦水平。另一方面，5G的虛擬化和軟體定義能力以及協議的互聯網化、開放化也引入了新的安全風險，使網路有可能遭到更多的滲透和攻擊。

⑶ 大數據安全的重要性

大數據在企業和事業單位應用越來越廣泛，也越來越被人所熟知，數據的價值也越來越多的被人所認識。它已經成為了一種新的經濟資產，被看作是新世紀的礦產與石油，為整個社會帶來了全新的創業方向、商業模式和投資機會。
大數據時代，組織和企業會更多的依靠數據分析而非經驗和直覺來制定決策。充分挖掘和使用數據的價值將為組織和企業帶來強大的競爭力。我們的周圍也不乏有希望通過挖掘數據價值，提升組織或和企業競爭力的客戶。像所有的科學技術一樣，大數據也是一把雙刃劍，能否合理利用成了其劍鋒所向的分界點。
數據安全存在著多個層次，如規章制定、信息收集、信息傳輸、信息傳輸等環節安全。對於業務數據的安全，三分制定，七分技術，其他安全也是至關重要。
業界通常以四個「V」來概括大數據的基本特徵：Volume（數據體量巨大）、Variety（數據類型繁多）、Value（價值密度低）、Velocity（處理速度快）。而恰恰是這四個特點，也決定了其安全風險。
數據安全比傳統信息安全更加復雜，體現在三個方面。
（1）業務數據越來越大，包括越來越多企業數據、個人資料、客戶的隱私，數據的集中存儲環節存在很大數據泄露隱患。
（2）敏感數據的應用界限不明確，大數據的分析大多未考慮到個體隱私問題。
（3）大數據對數據安全依賴提升，傳統的像APT、DDos等安全工具，在數據防丟失、防泄漏上存在一定的技術難度。
大數據技術，主要是針對事物之間或者人和事物之間進行關系分析，如果大數據技術只是單純的輔助決策的作用，那並不可怕，但事實上，大數據分析技術逐漸變成了一項重要的業務決策流程，越來越多的決策結果受到大數據分析結果所影響，對於決策者來說，最艱難的事情就是讓我們邏輯思考來做決定，還是有智能分析的數據做決定，現在來看，智能分析的結果往往是正確的，並且讓我們對其產生依賴，試想一下，如果大數據分析手機的基礎信息數據出現問題，或者分析的邏輯是不正確的，那麼將會引導我們走向錯誤，所以，面對海量的數據，存儲、管理和分析，傳統的對錯分析和奇偶校驗可能不能滿足需求。
3 大數據就是大風險
大數據之「大」實際上指的是它的種類豐富、存儲量大，因此管理起來是一個具有挑戰性的工作。然而，無論企業在數據的存儲、應用以及環境角度來看，「管理風險」不可避免地成為了「大數據就是大風險」的潛在推力。而數據安全是使用單位的重中之重，數據安全技術直接影響國家安全。總結起來，主要體現在五個方面。
3.1 雲數據
目前來看，企業對諸如雲服務等新技術的應用還是面臨很多的困難，因為在實際應用中可能會遇到一些無法預料的問題。另外，黑客們對於放在雲端的大數據更容易獲取對於他們有用的信息，因此企業對雲計算的安全性要求就會更高。
3.2 網路安全
隨著互聯網、移動互聯網和物聯網的發展，IT資源產生的在線數據正在被利用，但是數據量越來越大，已有的分析利用效率越來越低，數據的維護和利用壓力正在變大。所以企業對於大數據應用中，對網路的恢復、防範依賴性就越來越高。
3.3 隱私
個人隱私作為一直備受關注的社會問題，隨著各式各樣的數據量越來越大，通過多種關聯技術的分析成熟，個人隱私問題也將愈加凸顯。
3.4 消費化
隨著移動辦公的興起和廣泛使用，在數據收集、存儲、訪問、傳輸都必不可少的有移動設備的介入。大數據時代的興起帶動了移動設備數量的驟增，為了方便，越來越的員工使用自己的移動設備進行辦公。使用方便的同時，也給企業帶來了安全隱患，移動設備很容易成為黑客入侵到內網的跳板，所以，移動設備的安全性關系著企業的安全。
3.5 互相聯系的供應鏈
企業是供應鏈中的一部分，而這個供應鏈具有復雜性、全球性、還相互關聯。信息將供應鏈緊密地聯系在一起，從數據到商業機密再到知識產權，而信息的泄露會給企業帶來經濟和名譽上的重大損失，因此信息安全也越來越被重視。
不難看出，圍繞大數據的五個主要問題多是其安全問題。的確，信息安全是關乎企業生存命脈的一根紅線，在任何時期都是不可碰觸的。面對大數據的雙刃劍，保護好這些敏感數據的安全及其大數據分析生成的各種戰略方案、機密文檔、市場報告等成果，是促使大數據助力企業發展的關鍵環節。 各類技術都在考慮它們的安全性，並力求從中尋求一個契合點，雲計算還有大數據，也都在尋求安全和各類技術有效融合。當大數據考慮安全性的時候，一個全新的安全生態系統伴隨著大數據生態系統的成熟逐漸在我們眼前清晰地展開，資本運作和創新的動力不斷地驅動著安全向前邁進。
4 數據信息的「安保」直接影響數據開發
不可否認，信息化程度越高，信息安全受到拷問的程度就越大。困擾全球各國的數據安全問題，同樣也在考驗中國。不能實現數據信息的「安保」，數據的開發就是一場災難，世界主要經濟體對此無一不有清醒認識。

⑷ 大數據帶來的大影響

大數據帶來的大影響_數據分析師考試

如果把「數據化」視為信息社會的初級階段，則名不見經傳的英國科學家維克托·邁爾-舍恩伯格，用他別具洞見的天才新著《大數據時代》首次告訴我們：人類正在進入「數據顛覆傳統」的信息社會中級階段。

在此階段，信息無所不在無所不包，其無限膨脹的天文海量催生了「統計+分類-推理分析=決策」的計算機處理程序(有點像刷卡消費一步到位，節省了算賬找補等繁瑣環節)，悄然挑戰「去粗取精、去偽存真、由表及裡、由此及彼」的傳統認識論模式，冥冥之中潛移默化，對我們的生活、工作與思維，對人類「階級斗爭、生產斗爭、科學試驗」三大實踐活動產生著重大而深刻的影響。

大數據點燃

美國政府曾為定期公布消費物價指數CPI以監控通脹率，僱用了大量人員向全美90個城市的商店、辦公室進行電話、傳真拜訪，耗資2.5億美元搜集反饋8萬種商品價格的延時信息。然而麻省理工學院兩位經濟學家採取「大數據」方案，通過一個軟體在互聯網上每天搜集50萬種商品價格即時信息。2008年9月雷曼兄弟公司破產後，該軟體馬上發現了通脹轉為通縮的趨勢，而官方數據直到11月才發現。之後該軟體被暢銷到70多個國家。這一案例充分體現出「大數據」顛覆傳統的力量和變革思維的智慧。

「小數據」時代追求精準，竭力避免不精準信息誤導誤判。然而95%被傳統資料庫拒絕接受的非結構化(非標准)數據，在「大數據」時代的模糊化資料庫中發揮了重要的作用，因為數據越模糊越全面，才能有效避免誤導誤判。

從因果關繫到相關關系的思維變革，是「大數據」顛覆傳統認識論模式的關鍵。電腦畢竟不是人腦，電腦永遠搞不懂氣候與機票價格之間有什麼因果關系。公雞打鳴和天亮之間雖無因果關系，但古人通過公雞打鳴來預報天亮卻很少失敗。「如果數百萬條醫療記錄顯示橙汁和阿司匹林的特定組合對癌症治療有效果，那就用不著通過一次次實驗來探索其具體的葯理機制了」。「蘋果之父」喬布斯就主動試用過一些醫療記錄有效但未經臨床驗證的療法同癌症抗爭。你可以嘲笑喬布斯「不講科學」，但他卻因此多活了好幾年。

從根本上說，所謂「大數據挑戰傳統認識論」，其實是人類把復雜的認識過程「全部打包」給了電腦，而電腦懶得分析推理驗證，只通過統計分類對比，交出「最終答案」就OK了。大數據的精髓在於變「少而精」為「多而全」，變「因果」為「相關」。當實地調研開始被數據採集所替代，當嚴密的實驗開始被非線性邏輯所替代，當「唯一真理」開始被多項選擇所替代，「大數據」就用事實向人類宣告：「知其然不知其所以然」，既是電腦望塵人腦的劣勢，也是電腦超越人腦的優勢！

大數據滲透大世界

不要以為「大數據」只是科幻故事或政府與科學家的「專利」。環顧四周，「大數據」早已滲透我們生活和工作的方方面面，衍生出形形色色的數據超市、數據易趣、數據交友、數據聯誼、數據作坊、數據課堂、數據IB等傳奇版本。從治安管理、交通運輸、醫療衛生、商業貿易、批發零售、公益救援直到政治、軍事、經濟、金融、社會、環境、文藝、體育。

UPS國際快運公司從2000年開始通過「大數據」檢測其遍布全美的6萬輛貨車車隊，統計出各損耗零部件的生命周期，改「備份攜帶」為提前更換，有效預防了半路拋錨造成的嚴重麻煩和巨大損失，每年節省數百萬美元。UPS還依靠「大數據」優化行車路線(例如盡量右轉彎，避免左轉彎)，2011年全公司車輛少跑4828萬公里，節省燃料300萬加侖，減少碳排放3萬公噸。

為紐約提供電力支持的愛迪生電力公司，針對每年多起電纜沙井蓋爆炸造成嚴重事故，採取「大數據」手段統計出106種預警先兆，預測2009年可能出事的沙井蓋並嚴加監控。結果位列前十分之一的高危井蓋中，預測准確率達44%。

美國里士滿市警察當局憑經驗認定槍擊事件往往導致犯罪高峰期，「大數據」證明這種高峰期往往出現在槍擊事件後2周左右。孟菲斯市2006年啟動「大數據」系統鎖定了更容易發生犯罪的地點和更容易抓捕罪犯的時間，使重大犯罪發生率下降26%。

沃爾瑪2004年依靠「大數據」發現了颶風前夕銷量增加的各類商品，進而每逢預報便及時設立颶風用品專區，並將手電筒、早餐零食蛋撻等擺放於專區附近，明顯增加了「順便購買」的銷量。

至於「大數據」的經濟價值，僅需略舉數例：2006年微軟以1.1億美元購買了埃齊奧尼的Farecast公司，2008年穀歌以7億美元購買了為Farecast提供數據的ITA Software公司。同年在冰島成立的DataMarket網站乾脆專靠搜集提供聯合國、世界銀行、歐盟統計局等權威機構的免費信息來獲利生存，包括倒賣各類研究機構公開發布的研究數據——只要找到買主，往往願出高價！

大數據創造大金融

金融領域當然是「大數據」的主戰場之一。程序化交易也許是現今最主要的「大數據」新式武器。美國股市每天成交量高達70億股，但其中三分之二的交易量並非由人操作，而是由建立在數學模型和演算法之上的計算機程序自動完成。日新月異的程序化交易只能運用海量數據來預測收益、降低風險。幾乎所有銀行、券商、保險、期貨、QFII和投資公司都開發了自己的程序化交易工具。誰的武器更先進？競爭到最後恐怕還是比誰搜集處理的數據更海量。

一家投資基金通過統計大商場周邊停車場及路口交通擁擠狀況，來預測商場經營及當地經濟狀況，進而預測相關股價走勢，最後居然拿數據統計資料換得了該商場的部分股權。

不少對沖基金通過搜集統計社交網站推特上的市場心情等信息來預測股市的表現。倫敦和加利福尼亞的兩家對沖基金，利用「大數據」形成119份表情圖和18864項獨立的指數，向許多客戶推銷股市每分鍾的「動態表情」：樂觀、憂郁、鎮靜、驚恐、呆滯、害怕、生氣、激憤等，以幫助和帶動投資決策。

在金融機構競相拉客理財的今天，如果能及時搜集處理海量的微博、微信、簡訊，自然也能從茫茫人海中及時發現怦然心動打算開戶的，或一氣之下打算「跳槽」的投資者。

當然，如果投資者都能通過「大數據」直接決策，將「刷卡消費」拓展成「刷卡投資」，那藏龍卧虎的分析師群體和爭雄斗妍的研究報告未來還有市場嗎？

大數據暗藏大隱患

像所有新生事物一樣，大數據也是一把雙刃劍。宏觀上看，「大數據」在各個不同的領域將人類虛擬分割為「數據化」與「被數據化」兩大陣營。持續發酵的「棱鏡門」事件披露了美國政府長期監控全世界的「最高機密」，但美國總統、國會和政府都認定這種監控「天經地義」，是「維護國家核心利益」。雖然社會早已建立起龐大的法律法規體系來保障個人信息安全，但在「大數據」時代，這些體系正蛻變為固若金湯但可以隨意繞過的「馬其諾防線」。

「大數據」導致個人信息被交易、個人隱私被外泄還不算，更大的危險在於「個人行為被預測」。正如作者預言——「這些能預測我們可能生病、拖欠還款甚至犯罪的演算法程序，會讓我們無法購買保險、無法貸款，甚至在犯罪實施前就預先被逮捕」——也許你認為這對全社會來說無疑是好事。可是如果預測系統不完善、軟硬體出差錯、數據搜集處理不當、臨時數據未經檢驗、黑客攻擊、有人惡意或善意開玩笑製造假信息……導致你、你的家庭、你的親朋好友、你的所在單位甚至你的祖國被冤枉被制裁，你還能無動於衷嗎？

微觀上看，即使是出於正當目的採集的「大數據」，仍可能在「擴展開發」過程中產生無法想像的副作用。例如谷歌的街景拍攝和GPS數據為衛星定位和自動駕駛儀提供了關鍵的支持，但同時因其有助於黑幫盜賊便捷挑選有利目標而引發了多國民眾的強烈抗議。當谷歌對圖像背景上的業主房屋、花園等目標進行模糊化處理後，反而引起盜賊更加註意。

無論你驚奇還是恐懼，歡迎還是躲避，關注還是漠視，理解還是拒絕，「大數據」都在加快步伐向我們走來。我們只有順勢而為，趨利避害，才不至於被這個充滿機遇和挑戰的新時代提前淘汰。

以上是小編為大家分享的關於大數據帶來的大影響的相關內容，更多信息可以關注環球青藤分享更多干貨

⑸ 什麼是大數據殺熟

所謂「大來數據殺熟」，有人將其自定義為互聯網廠商利用自己所擁有的用戶數據，對老用戶實行價格歧視的行為。
也就是說：同一件商品或者同一項服務，互聯網廠商顯示給老用戶的價格要高於新用戶。
精準殺熟？這些情況你是否也遇到過…
此前，媒體調查就曾發現，在機票、酒店、電影、電商、出行等多個價格有波動的平台都存在類似情況，且在在線旅遊平台較為普遍，而國外一些網站早已有過類似情況。
還有一種根據用戶的「上一次行為」而默認捆綁相應服務，例如剛剛注冊會員的用戶，他在購買機票時，系統僅默認顯示一張機票的價格；
而一旦他在這一次同時勾選了貴賓休息室、接送機服務或酒店優惠券等附加服務，那麼在下一次下單時，系統會默認幫他勾選同樣的服務。

⑹ 有人說網路是一把雙刃劍

網路猶如一把雙刃劍，在增強了青少年與外界溝通和交流的同時，難免也會因內一些不良內容容而對他們造成精神傷害。有一部分青少年上網瀏覽本性、暴力網路等不良內容，沉迷於格調低俗的網上聊天等。而網路游戲，更是讓不少未成年人深陷其中，不可自拔。

網上的不良內容不僅造成了人的心理傷害，生理上的傷害也已出現，「網路上癮症」就是近年來出現的醫學新名詞。這種患者深陷於網路世界而不能自拔，無意與正常人溝通，下網後就出現斷絕症狀，如精神萎靡、身體不適等，以至造成學業、工作的荒廢。當網路的美麗把我們的生活裝點得絢麗多姿的時候，一種無色無味無形的毒性也正在迅速的滋生，在不經意間，把這種美麗消散於無形……

網路是一把雙刃劍，美麗卻擁有著毒性！！！

⑺ 如何理解大數據是一把雙刃劍：既是天使也是魔鬼

好的是數據可以達到轉化，壞的是人們的數據都公開了，沒有什麼隱私可言了。總體來說，利大於弊吧。檸檬學院大數據。

⑻ 對大數據和人工智慧的冷思考

對大數據和人工智慧的冷思考
大數據和人工智慧是今年最熱門的話題，在司法領域更是如火如荼，司法在大數據時代的範式革命已經到來。但利之所在弊亦隨之，如果對大數據和人工智慧的風險缺乏充分認識，不能在熱情之餘做一番冷思考，則可能會產生許多難以預料的後果。
首先，是大數據和人工智慧的安全性問題。該問題雖屬老生常談，但在互聯網犯罪模式從攻擊計算機和網路本身轉向徹底的虛擬犯罪的時代背景下，可能歷久彌新。當前，在互聯網犯罪中，已經大量出現了犯罪人接受他人委託，侵入政府部門與企事業單位的計算機系統修改數據以及攔截修改計算機信息數據的案例。因此，筆者認為沒有理由認為司法大數據能獨善其身。畢竟，在互聯網犯罪海洋中，沒有哪個地方是絕對的安全島。
其次，是大數據和人工智慧的可靠性問題。圍繞美國威斯康辛州法院採用的COMPAS量刑程序的爭議和訴訟就是一例。有研究者認為，COMPAS傾向於高估某些特定人群的再犯可能性，而這很可能反映了設計者所固有的偏見。如果數據分析本身就受偏見的左右，那麼以此為基礎的人工智慧所作出的決定還能可靠嗎？更令人擔憂的是，有相當一部分人工智慧系統依靠的是機器學習演算法。這種演算法幾乎就是「黑盒子」，因為演算法的開發者也難以解釋演算法的真正運行機制和可能造成的後果。法律乃善良公正之術。當司法擁抱科技時，如果人類將公平正義的決定權交給演算法，那麼就會面臨正義與科技誰會笑到最後的難題。
但對大數據和人工智慧的冷思考並不意味著對它們的拒斥。大數據和人工智慧在司法領域的運用是大勢所趨。如果因為它們現在所存在的缺陷就將其拒之千里之外，無疑是因噎廢食。實際上，在未來，隨著可供使用的數據越來越多，更多更好的工具被開發出來，也行大家今天所面臨的擔憂可能會得到緩解。但大家必須清醒地認識到，大數據和人工智慧是一把雙刃劍。如果不能正確評價和對待它可能帶來的風險，那麼就可能造成難以預料的後果。
大數據和人工智慧並不免除任何人作出判斷的責任。因為這一責任屬於人類最核心的領域——理性。大數據和人工智慧歸根結底只是人類理智的產物，盲目地迎合理性的產物而冀圖免除自己的責任是非理性的表現。正確認識理性產物中蘊含的非理性，以更好地履行自己的責任才是理性的表現。

⑼ 隱私權受威脅 大數據到底有哪些弊端

數據由來已久，但大數據則是近1年來才頻繁出現在媒體報端。大數據具有大價值，這似乎是每個人都認同的觀點。但人們往往總是關注事物好的一面，卻忽視大數據所帶來的弊端。 毋庸置疑，大數據能夠給企業、機關等機構帶來大量的經濟價值和利益，直接影響著他們的未來走向。其實，大數據是一把雙刃劍，在給企業帶來無往不利的前進動力的時候，往往也會對企業和個人帶來傷害。請看下面的小故事：以前的情人，在你聊天工具上顯示成可能認識的人。 上面的情況是通過大數據分析工具而提供的一種服務，雖然只是一種特例，但卻讓雙方甚至雙方的家人都感到尷尬。但這確實真實存在的。無論是在我們的微博上，或者是聊天工具上，都會出現類似的問題，雖然看起來一個非常方便的功能，但是對於一些人來說卻是麻煩。下面我們來看一下大數據所帶來的弊端。 個人隱私受威脅：對於個人來說，其在大數據時代往往是作為數據的來源和被分析的對象。無論是個人的生活情況，還是消費習慣，身份特徵等，都變成了以各種形式存儲的數據。這雖然對企業來說可以根據用戶數據去分析數據，得到價值，但是對於個人用戶來說，無疑是以個不得不被動接受的事情，而這種數據在收集、分析、傳輸等過程中都可能對用戶帶來不利的影響。 隱私受到威脅 企業在傳輸這些私人數據的時候可能會遇到麻煩，企業很難保證在整個傳輸過程中是否有人會查看私人的數據，很有可能有人對這些私人的數據進行了監控等操作，這就大大加大了其泄漏的可能性，數據一旦泄漏，很可能為個人帶來難以挽回的損失，而個人卻又不知道自己的數據時如何泄露出去的，對這讓個人用戶的隱私權受到無限大的挑戰。 大數據不等於大價值：只有當存儲數據的量達到一定值才會有價值，單獨出來的數據即使有一定價值但也沒有整體的參考價值。這往往給企業一種錯覺，大數據定於大價值。 其實，大數據並不等於大價值。大數據分析存儲產品設備往往對企業IT設備有更高的要求，企業原有IT設備很難滿足大數據時代的挑戰。在這種情況下，企業IT部門面臨這樣一種情況：需求越來越多，但滿足這些需求的能力越來越弱。而且企業投入價值與所得信息量價值成反比。當數據達到一定值時，投入的價值甚至超過所得數據價值。 大數據對企業有更大挑戰：近年，由於伺服器出現故障而造成服務不能提供的事件時有發生，而隨著大數據時代的到來，這些故障可能會進一步增多。而這些故障往往會直接造成數據的丟失，服務的中斷。例如谷歌泄露個人隱私事件、盛大雲數據丟失事件、亞馬遜伺服器宕機事故等等。 當這些服務中斷的時候，用戶是毫無解決辦法的，只能等待服務提供商的修復，而對數據丟失、損壞等方面，用戶對數據保護更是束手無策，只能等待提供商。這樣很多用戶在發生故障並不能及時作出反應，使損失降到最低。無疑，大數據帶來了更多的挑戰。 大數據使企業面臨廠商綁定：當我們提到大數據的時候，總是提到大數據的諸多優點，但是卻很少提企業如何將大數據變成切實的價值。 容易被廠商綁定 目前，很多廠商都針對大數據推出了自己的解決方案。而這些方案雖然號稱兼容性非常強，能夠兼容其他廠商的設備，但是當你真正的採用一個提供商的設備(軟體、硬體)的時候，你會發現你真的很難去改變一個提供商，尤其是在軟體方面，很容易被一個提供商綁定。這就大大限制了企業IT基礎設置的靈活性。 總結：大數據時代雖然一切勾畫的都是那麼美，但是離真正的為企業提供價值的路之間還有不可逾越的鴻溝。大數據並沒有想像的那麼完美遍地黃金，企業在接下來應考慮如何應對大數據的挑戰，而不要僅僅空談價值。

⑽ 隱私權受威脅 大數據到底有何弊端

數據由來已久，但大數據則是近1年來才頻繁出現在媒體報端。大數據具有大價值，這似乎是每個人都認同的觀點。人們往往總是關注事物好的一面，卻往往忽視隨著大數據所帶來的弊端。毋庸置疑，大數據能夠給企業、機關等機構帶來大量的經濟價值和利益，直接影響著他們的未來走向。其實，大數據是一把雙刃劍，在給企業帶來無往不利的前進動力的時候，往往也會對企業和個人帶來傷害。請看下面的小故事：以前的情人，在你聊天工具上已經顯示了可能認識的人。上面的情況是通過大數據分析工具而提供的一種伺服器，雖然只是一種特例，但卻讓雙方甚至雙方的家人都感到尷尬。但這確實真實存在的。無論是在我們的微博上，後者聊天工具上，都會出現這種問題，雖然看起來一個非常方便的功能，但是對於一些人來說卻是麻煩。下面我們來看一下大數據所帶來的弊端。個人隱私受威脅：對於個人來說，其在大數據時代往往是作為數據的來源。無論是個人的生活情況，還是消費習慣，身份特徵等，都變成了以各種形式存儲的數據。這雖然對企業來說可以根據用戶數據去分析數據，得到價值，但是對於個人用戶來說，無疑是以個不得不被動接受的事情，而這種數據在收集、分析、傳輸等過程中都可能對用戶帶來不利的影響。隱私受到威脅企業在傳輸這些私人數據的時候可能會遇到麻煩，企業很難保證在整個傳輸過程中是否有人會查看你的數據，很有可能有人對這些私人的數據進行了監控等操作，這就大大加大了其泄漏的可能性，數據一旦泄漏，很可能為個人帶來難以挽回的損失，而個人卻又不知道自己的數據時如何泄露出去的，對這讓個人用戶的隱私權受到無限大的挑戰。大數據不等於大價值：只有當存儲數據的量達到一定值才會有價值，單獨出來的數據即使有一定價值但也沒有整體的參考價值。這往往給企業一種錯覺，大數據定於大價值。其實，大數據並不等於大價值。大數據分析存儲產品設備往往對企業IT設備有更高的要求，企業原有IT設備很難滿足大數據時代的挑戰。在這種情況下，企業IT部門面臨這樣一種情況：需求越來越多，但滿足這些需求的能力越來越弱。而且企業投入價值與所得信息量價值成反比。當數據達到一定值時，投入的價值甚至超過所得數據價值。大數據對企業有更大挑戰：近年，由於伺服器出現故障而造成服務不能提供的事件時有發生，而隨著大數據時代的到來，這些故障可能會進一步增多。而這些故障往往會直接造成數據的跌勢，服務的中斷。例如谷歌泄露個人隱私事件、盛大雲數據丟失事件、亞馬遜伺服器宕機事故等等。當這些服務中斷的時候，用戶是毫無解決辦法的，只能等待服務提供商的修復，而對數據丟失、損壞等方面，用戶對數據保護更是束手無策，只能等待提供商。這樣很多用戶在發生故障並不能及時作出反應，使損失降到最低。無疑，大數據帶來了更多的挑戰。大數據使企業面臨廠商綁定：當我們提到大數據的時候，總是提到大數據的諸多優點，但是卻很少提企業如何將大數據變成切實的價值。容易被廠商綁定目前，很多廠商都針對大數據推出了自己的解決方案。而這些方案雖然號稱兼容性非常強，能夠兼容其他廠商的設備，但是當你真正的採用一個提供商的設備（軟體、硬體）的時候，你會發現你真的很難去改變一個提供商，尤其是在軟體方面。很容易被一個提供商綁定。這就大大限制了企業IT基礎設置的靈活性。總結：大數據時代雖然一切勾畫的都是那麼美，但是離真正的為企業提供價值的路之間還有不可逾越的鴻溝。大數據並沒有想像的那麼完美遍地黃金，企業在接下來應考慮如何應對大數據的挑戰，而不要僅僅空談價值。