数据生态的乱象
2021年7月2日，由于滴滴App存在严重违法违规收集使用个人信息的问题，国家互联网信息办公室对此发布了“关于下架滴滴App的通报”，并要求滴滴对此进行整改，切实保护个人信息安全。此次对滴滴出行的审查是国家首次对企业启动网络安全审查，此事件可谓轰动了社会各界。随后，网络安全审查办公室组织对网上购物、运动健康、网络游戏等常见类型且公众大量使用的部分App的个人信息收集使用情况进行检测，通报了57款违法违规收集使用个人信息的App。
上述案例仅仅是当前数据生态乱象中的冰山一角。随着数据逐渐成为人们获得新的认知、创造新的价值的源泉，在数据的使用上也开始出现了诸多问题。
数据垄断。各领域都意识到海量数据蕴藏着巨大衍生价值，数据成为数字经济时代的战略性资源，引发不同行业主体的争夺。随着数据积累差异的形成，数据垄断现象已经发生，部分平台企业在掌握了海量数据控制权的同时，也掌握了前所未有的权利。事实上，在当前环境下，数据因其规模性、丰富性等特点，很容易被平台级企业垄断，而且垄断形式也多种多样，从垄断技术到垄断市场，从垄断消费者到垄断产品。而且，数据积累的马太效应也尤其明显，最终强者愈强的状态会导致“闭环”数据垄断的形成。比如，一个头部平台在积累了大量用户之后可以不断拓展其业务版块，最终成为一个覆盖用户衣食住用行等方方面面的数字生态系统。这在给用户带来数字便利的同时，其实也在某种程度上剥夺了用户向这个生态说不的权利。不管用户意愿如何，都被编织进了平台构筑的这张数字生态网中。而当用户数据集中在部分电商、社交媒体平台时，个人数据的聚集效应越来越明显，不可避免会出现数据歧视、“信息茧房”、大数据杀熟乃至隐私侵犯等诸多问题。而从行业竞争层面来看，数据垄断也使其他中小型企业无力与这些头部企业抗衡，造成少数平台垄断市场的局面。
数据隐私与安全。虽然近几年社会和企业对于数据安全及合规的相关认知逐渐加深并在推进相应的能力建设，但是在海量数据下的合规治理、安全管控等方面，依然存在诸多风险。2021年，在央视“3·15”晚会公布的9个事件中，有3个都与个人隐私数据相关。一是人脸识别系统被滥用，多家知名商店安装人脸识别摄像头，科勒卫浴、宝马、Max Mara均在列；二是伸向简历的黑手，多家知名招聘平台，只要给钱，简历就可以随意下载；三是老人手机里的陷阱，假冒手机清理类的软件，却在偷偷窃取信息，将老人推向诈骗深渊。侵犯个人数据隐私的现象越来越普遍，数据隐私与安全已经成为一个世界性的社会问题。而要想实现数据的资产化，解决这一问题又是无法绕开的关键环节。(https://www.daowen.com)
数据造假。2018年，乎睿数据提供的数据显示，马蜂窝的海量点评中85%以上来源于竞争对手网站，马蜂窝的2100万条“真实点评”中1800万来自其他网站。马蜂窝上有7454个抄袭账号，合计从携程、艺龙、美团、Agoda、Yelp上抄袭搬运了572万条餐饮点评与1221万条酒店点评。近两年最火爆的直播电商也是数据造假的重灾区，动辄几百万、几千万的观看量，上亿元成交额，看似如火如荼，其实这背后有不少观看人数虚假、销售数据“注水”问题。有记者调查发现，只需要16元就可以让你的淘宝直播间增加10000观看人数，2元可以增加10000个点赞，只需要30元就可以让你的直播间出现一种不断有用户购买的假象。在一些QQ群和微信群中，除此类的刷单广告比比皆是外，还有专门的商家组织真人粉丝进行直播刷数据。[9]数据造假所形成的广告黑产也成为数字营销发展的毒瘤。2017年宝洁全球CMO Marc Pritchard 在佛罗里达州好莱坞举行的 IAB（美国互动广告局）年度领袖会议上强势炮轰数字营销造假，引发了业界的关注。在Marc Pritchard 看来，数字营销造假、不透明的潜规则主要集中在“媒介供应链”和“广告效果衡量和透明度”问题上，前者针对的是服务于宝洁的第三方媒介采购代理公司，后者则针对的主要是诸如Facebook、Instagram、Twitter、Snapchat、Pinterest、YouTube等媒体平台。根据市场调研机构 comScore 的统计，因为存在广告欺诈，有半数以上的展示广告实际上并未被真实的受众看到。来自 IAB 的报告也指出，无效流量使广告主每年至少损失42亿美元。第三方监测公司秒针系统公布的《2018年中国互联网广告无效流量行业报告》也显示，2018年中国互联网广告全年无效流量占比达30%，中国品牌市场因异常流量（IVT）造成的损失高达200多亿人民币。要解决数据造假，一方面可以依靠反作弊技术，如通过搭建异常IP库、限制频率等过滤掉虚假流量，另一方面，相关法律法规体系建设也需要不断跟进，提高造假的经济风险和法律风险，最终推动数据生态的良性发展。
数据孤岛。随着对数据价值认知的深化，不同主体都在收集和积累大量数据。然而当前数据的流通性并不强，不管是不同组织之间，还是同一组织的不同板块之间，其数据往往缺乏关联性和兼容性，难以进行有效连接互动。大量数据堆积在不同的空间，就像一个个孤岛一样。数据孤岛又可以分为物理性和逻辑性两种。物理性的数据孤岛指的是，数据在不同主体间相互独立存储，独立维护，彼此间相互孤立，形成了物理上的孤岛。逻辑性的数据孤岛指的是，不同主体站在自己的角度对数据进行理解和定义，使得一些相同的数据被赋予了不同的含义，无形中加大了数据合作的沟通成本。需要格外注意的是，数据孤岛现象不仅仅发生在商业层面，公共服务层面的数据孤岛现象也十分显著。比如，不少地方都在提升行政审批效率，不约而同喊出了“一个窗口办结”的口号，但在很多地方，这“一个窗口”的支撑不是不同部门间的数据打通和交换，而是不同部门的工作人员的集中办公。尽管我国政府信息化建设已历经20多年，形成了相当完备的政府业务网和政府公众信息网，然而由于各自为政、标准不一等，造成各部门之间的数据始终缺乏有效整合，结果形成了一个个的“数据孤岛”，大量有价值的数据资源不能发挥更大作用。地方上投入巨额资金建设的信息系统，也因为缺乏数据资源，导致原本设计的诸多功能全无用武之地，形成另一种浪费。[10]