大数据的权利
1. 大数据对于现阶段的中国,有怎样的现实意义如何确保数据本身的安全
大数据现在确实备受关注，但是在中国发展瓶颈还是很多。美国大数据发展有基础，很早就做数字化了，信息累积也比中国好（人家从一战发家，二战后稳稳当当发展到今天），而我国数据累积的基础还很薄弱。
总的来看，目前中国大数据产业还在累积阶段。也是一个初级阶段。需要准备的工作很多。其中就包括最简单的问题，数据从哪来？人们生活每天都产生数据，这些数据都是会被收集，最后形成原始数据。其次就是，数据怎么用？大数据最重要做的不是收集数据，而是通过数据发现问题。
对于数据应用，目前还有一个很大的问题就是法律不完善。简单来说，数据是属于谁的？就像你发个短信，短信内容会被电信公司存着，这种数据，属于个人还是属于电信公司？这次两会，神州数码郭为就提案说，应该立法把信息所有权明确，就好像物权法明确东西归属权，才能够有后续交易。每个人都应该拥有信息获取权、知情权，信息的决定权、更正权、公开权、封锁权、删除权，利用信息获取经济利益的权利以及获得救济权等。
2. 大数据属于谁
获取、记录数据需要耗费资源，因此，数据也就具有了资产的属性。在大数据出现以前，数据依附于具体业务而存在，人们更多的关注在使用数据的软件系统上。没有软件的使用，就没有数据的价值。当时有关数据的归属问题并不那么突出。在大数据时代，数据可以作为一种独立的存在，其“资产”性价值越来越引起人们的重视。 数据是物理世界客观事物性质、状态的反映，这是客观存在。你去收集了，有特定的表达形式，自然特定格式的数据就是你的。个人、企业、政府、组织都可以合法地去收集数据。如果违反了现有法律收集了数据，自然也是非法拥有，数据财产也是非法的了。 个人、企业、政府等都可能是数据的拥有者。比如，移动运营商收集个人使用全球定位系统的定位数据。这种情况下，个人成为大数据的来源，移动通信公司投资并收集大数据，以向用户提供更好的服务。类似地，政府可拥有特定的数据，如人口普查数据、天气信息、邮政编码等。不过，我们会对大数据如何使用或者是否应该被收集施加一些限制。 随着智能手机、网络和卫星定位系统的普及，每个人的一举一动都会产生很多数据。个体在购买手机、签署手机合同之时可能就同意手机网络公司有权获得个人位置之类的信息了。 今后的数据归属权与个人隐私的概念可能越来越无关，而且随着时间的推移，人们对于隐私的看法也在发生改变。以个人位置数据信息为例，以前，人们肯定很不乐意自己的行踪被别人获知。如今，似乎没有人为了不让别人知道自己的行踪而不使用手机。 欧洲民众要求政府公开信息的诉求越来越强烈，欧盟和欧洲各国的立法也在向这个方向推进。以荷兰为例，除了涉及国家安全和个人隐私的公共信息外，大部分信息都已经实现了公开。民众也有权向政府申请信息公开。 关于数据财产，目前法律上存在空白，套用目前的物权法或着作权法等相关法律可能都有些问题。所以，我们只能来谈谈数据权益归属的合理性问题。因为数据不是天然存在的，所以，“数据应该属于数据的生产者”的说法比较合情合理。但是，很多时候数据拥有者很难主张权利，这需要将来制定相应的法律来解决。现在面临的问题主要有两个：一是当数据有多个生产者时如何界定；二是当生产的数据涉及秘密和隐私时如何界定。 对于第一个问题，可以通过协商解决。例如，某人在电子商务网站购物，购物行为生产的数据是可以由购物者和电商（可能还有第三方支付平台）共同拥有。一般情况下，个人购物数据对个人几乎无用，目前被电商无偿占有了。再比如，微博数据现在几乎已经作为个人资产来看待了，因而微博运营商就不能无偿占有使用微博数据，需要协商处理。对于第二个问题， 就需要法律来界定了。例如，病历数据是病人和医生及医院共同生产的，医院销售病历数据就一定会遇到麻烦，这里不是数据权益的主张问题，而是涉及病人的隐私问题。
3. 大数据现状，风险是什么是否侵犯网民权益
大数据分析处理解决方案
方案阐述
每天，中国网民通过人和人的互动，人和平台的互动，平台与平台的互动，实时生产海量数据。这些数据汇聚在一起，就能够获取到网民当下的情绪、行为、关注点和兴趣点、归属地、移动路径、社会关系链等一系列有价值的信息。
数亿网民实时留下的痕迹，可以真实反映当下的世界。微观层面，我们可以看到个体们在想什么，在干什么，及时发现舆情的弱信号。宏观层面，我们可以看到当下的中国正在发生什么，将要发生什么，以及为什么？借此可以观察舆情的整体态势，洞若观火。
原本分散、孤立的信息通过分析、挖掘具有了关联性，激发了智慧感知，感知用户真实的态度和需求，辅助政府在智慧城市，企业在品牌传播、产品口碑、营销分析等方面的工作。
所谓未雨绸缪，防患于未然，最好的舆情应对处置莫过于让舆情事件不发生。除了及时发现问题，大数据还可以帮我们预测未来。具体到舆情服务，舆情工作人员除了对舆情个案进行数据采集、数据分析之外，还可以通过大数据不断增强关联舆情信息的分析和预测，把服务的重点从单纯的收集有效数据向对舆情的深入研判拓展，通过对同类型舆情事件历史数据，及影响舆情演进变化的其他因素进行大数据分析，提炼出相关舆情的规律和特点。
大数据时代的舆情管理不再局限于危机解决，而是梳理出危机可能产生的各种条件和因素，以及从负面信息转化成舆情事件的关键节点和衡量指标，增强我们对同类型舆情事件的认知和理解，帮助我们更加精准的预测未来。
用大数据引领创新管理。无论是政府的公共事务管理还是企业的管理决策都要用数据说话。政府部门在出台社会规范和政策时，采用大数据进行分析，可以避免个人意志带来的主观性、片面性和局限性，可以减少因缺少数据支撑而带来的偏差，降低决策风险。通过大数据挖掘和分析技术，可以有针对性地解决社会治理难题；针对不同社会细分人群，提供精细化的服务和管理。政府和企业应建立数据库资源的共享和开放利用机制，打破部门间的“信息孤岛”，加强互动反馈。通过搭建关联领域的数据库、舆情基础数据库等，充分整合外部互联网数据和用户自身的业务数据，通过数据的融合，进行多维数据的关联分析，进而完善决策流程，使数据驱动的社会决策与科学治理常态化，这是大数据时代舆情管理在服务上的延伸。
解决关键
如何能够快速的找到所需信息，采集是大数据价值挖掘最重要的一环，其后的集成、分析、管理都构建于采集的基础，多瑞科舆情数据分析站的采集子系统和分析子系统可以归类热点话题列表、发贴数量、评论数量、作者个数、敏感话题列表自动摘要、自动关键词抽取、各类别趋势图表；在新闻类报表识别分析归类： 标题、出处、发布时间、内容、点击次数、评论人、评论内容、评论数量等；在论坛类报表识别分析归类： 帖子的标题、发言人、发布时间、内容、回帖内容、回帖数量等。
解决方案
多瑞科舆情数据分析站系统拥有自建独立的大数据中心，服务器集中采集对新闻、论坛、微博等多种类型互联网数据进行7*24小时不间断实时采集，具备上千亿数据量的数据索引、挖掘分析和存储能力，支撑政府、企业、媒体、金融、公安等多行业用户的舆情分析云服务。因此多瑞科舆情数据分析站系统在这方面有着天然优势，也是解决信息数量和信息（有价值的）获取效率之间矛盾的唯一途径，系统利用各种数据挖掘技术将产生人工无法替代的效果，为市场调研工作节省巨大的人力经费开支。
实施收益
多瑞科舆情数据分析站系统可通过对大数据实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。
4. 大数据的权威定义
大数据是IT行业的术语，指的是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据起源 2008年9月，美国《自然》杂志，正式提出“大数据”概念
2011年2月1日，美国《科学》杂志，通过社会调查的方式，第一次分析了大数据对人们生活的影响
2011年5月，麦肯锡研究院分布报告。大数据是指其大小超出了常规数据库工具获取，存储，管理和分析能力的数据集。
具有4V特征（value，volume，velocity，variety）
Value：价值高。
Volume：体量大。（数据每个18月翻一番，而每年产生的数据量增长到44万亿GB）
Velocity：速度快。（数据生成，存储，分析，处理远远超过人们的想象力）
Variety：种类多。
大数据的来源
按产生主体
（1）企业（关系型数据库，数据仓库）
（2）人（浏览信息，聊天，电子商务......）
（3）机器（服务器产生日志，视频监控数据）
数据来源的行业划分
（1）BAT三大公司为代表
（2）电信、金融、保险、电力、石化系统
（3）公共安全、医疗、交通领域
（4）气象、地理、政务等领域
（5）制造业和其他产业
3.按数据存储的形式划分
（1）结构化
（2）非结构化
二．大数据技术支撑
大数据运用场景
环境，教育，医疗，农业，智慧城市，零售业，金融业。
大数据的处理方法
数据采集
数据抓取，数据导入，物联网设备自动抓取
数据预处理
数据清理，数据集成，数据转换，数据规约。
转换：过平滑聚集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。
规约：寻找依赖于发现目标的数据的有用特征，缩减数据规模，最大限度地精简数据量。
统计与分析
统计与分析主要是利用分布式数据库，或分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总，以满足大多数常见的分析需求，在这些方面需要使用不同的框架和方法。
Hadoop：大数据的核心，主要组成部分包括：maprece（处理）和HDFS（存储）和yarn（集群资源管理和调度）；
Hbase：常用数据库；spark：实时数据处理框架；sqoop：数据导入导出；flume：日志采集工具
Hive：数据仓库，必须有SQL基础，可以做离线的数据分析，把复杂的maprece代码转化为简单的sql语句，
而且可以处理的数据类型更加丰富，对接的工具也更多，是整个大数据学习中非常主要的一部分。
5. 大数据的特点包括哪些
1、容量（）：
数据的大小决定所考虑的数据的价值和潜在的信息。
2、种类（Variety）：
数据类型的多样性。
3、速度（Velocity）：
指获得数据的速度。
4、可变性（Variability）：
妨碍了处理和有效地管理数据的过程。
5、真实性（Veracity）：
数据的质量。
6、复杂性（Complexity）：
数据量巨大，来源多渠道。
7、价值（value）：
合理运用大数据，以低成本创造高价值。
大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。
(5)大数据的权利扩展阅读：
一、结构
第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。
第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
二、意义
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。
阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。
有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。
与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。
大数据的价值体现在以下几个方面：
1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销
2) 做小而美模式的中小微企业可以利用大数据做服务转型
3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值
6. 大数据时代，玩“爬虫”可能触犯哪些法律
可能会侵犯一些别人的个人信息和网络安全吧。
7. 大数据下如何制定授权管理制度
大数据确实是一个开放的生态，各种产品层出不穷，没有形成事实上的标准。每一家公司的大数据架构或者是技术栈可能都不相同。即算是技术栈看起来一样，使用相同技术解决的问题也不尽相同。这也就造成了很难借鉴别人的经验。但这里的经验指的是战术上的，具体实施层面的。总的来看方法和传统的数据管理并无二致。那就是人、技术和流程规范缺一不可。
1、从人上来说，要培养或者招聘有经验的人才，并且要具备生产安全和信息安全意识；
2、技术上，尽量采用比较成熟的技术，具备较完善的权限管理和运维管理功能；
3、制定相关的数据管理规范，权限管理规范，架构规范等，并且从开发到测试到生产的各个流程严格管控，防范信息安全事件问题发生。
总之，如果担心安全，就要一开始将安全考虑进去，并且要考虑到方方面面。