摘要：伴随社会信息化程度的不断增高，各个行业都在广泛的进行数据的收集、分析和处理，国家层面也将信息化提到产业升级、促进经济发展的高度。然而，数据激增在蕴含巨大商业价值的同时对信息安全、隐私保护造成了极大的冲击。因此，深入分析大数据科技风险的特点、合理规避科技风险，不仅对大数据开发具有积极影响，对社会发展也有着非常重要的现实意义。
关键词：大数据、科技风险、风险规避
21世纪被称为信息爆炸的时代，信息量激增的同时，信息背后潜在的巨大商业利益日益突显。。现代社会工业极度发达，商品社会总量大于需求量，所以商业利润的最大化是通过数据分析确定市场导向，刺激消费。因此，数据资源的重要性显得格外突出，各国政府也相应启动了国家数据战略工程，有学者称之为大数据时代。
一、大数据时代及其特征
事实上，大数据并非是一个科学术语，而是一个较为抽象的概念，所以大数据至今尚无确切统一的定义，所以对大数据进行充分了解就要从大数据的起源进行分析。
结合大数据的成因，当前国内外学者对大数据的特征较为统一的认识是“四V”特性[3]-[9] ，同时大数据的特征也带来了新的风险：
1、数据规模大 （ Volume）—存储风险
如前所述，当数据的发布和传播媒介急剧增加，必然促使数据量的急速扩增。所以大数据的首要特征就是庞大的数据量和数据的海量增加。在科技领域中，数据量的增加也无疑带来了存储风险。
2、数据类型多样（ Variety）—结构性风险
数据类型繁多，复杂多变同样是大数据的重要特性。以往的数据尽管数量庞大，但通常是事先定义好的系统化、结构化数据，将数据基础特性分离出来。而个人成为数据媒介后，以文字为主的数据形式也受到图片、视频、音频等方式的冲击，体现出更强烈的非系统性和非结构化。
3、数据处理速度快（Velocity）—识别风险
高速的数据处理，是大数据区别于海量数据重要标志。随着数据媒介的激增和数据爆炸式的增长，对数据处理的速度的要求也在不断提升。数据高速、大量的在互联网络中不断流动，数据处理速度决定了该项数据的价值量，低效的速度处理甚至会出现无价值数据。激增的数据量带来的不是有效数据，更多低价值数据的增加，为数据处理和识别带来了非常大的难度。
4、数据价值密度低（ Value）—失真风险
数据价值密度低是巨量非系统化、结构化数据天生的弱点。大数据时代的数据媒介为个人，数据的发布和传播并未经过前期的预处理，大量没有意义甚至是错误的数据也在不断增加，同传统系统化、结构化数据相比起价值密度偏低。每个传播媒介都有可能对数据本身进行就修改，数据的传播链越长，数据的真实性越低，所以，数据的失真风险不断攀升。
二、大数据时代科技风险的特征
针对大数据的科技风险而言，自然风险相对较小，突出表现在虚假、错误数据对科技发展的迟延作用；社会风险较大，集中在数据媒介对信息安全和隐私保护的巨大冲击。所以与传统的数据相比，其科技风险特征也更为细化，而且大数据时代下科技风险表现出下列新的特征：
1、从风险表现形势看：影响范围广，影响速度快
个人自媒体作为重要的数据媒介与传统媒介不同的一点是传播范围的不确定性。媒体的理念、风格不同，发行地域不同会在不同地域和不同行业有着不同的影响，所以数据传播速度往往以天为计算单位。而个人自媒体成形后，以及手机移动终端的普及，数据发布和传播均是瞬间完成，数据的传播速度已经开始以分钟为计算单位，形成规模性数据流非常之快。
2、从整体稳定性看：无序性强，结构性弱。
传统的数据发布和传播以主流媒体为主，媒体都有相应的地域分区和影响领域，其数据传播具有系统性和结构性。而大数据时代下，个人成为数据媒介的重要组成，个人对数据发布和传播的影响很难具有系统化和结构化。而且数据在传播的过程中往往面临截取、增加甚至篡改的可能，所以相比传统数据媒介，大数据时代科技风险的表现出极强的无序性。
3、从功能上看：数据价值低，利用难度高
一方面，数据的数量在不断的持续高速增长，另一方面，数据在互联网络中不断传播。大量无效数据也在不断增长，有效数据也有可能因为无序传播而降低价值。整体而言，数据的价值越来越低，而且很多数据具有极强的时效性，数据处理速度决定了该项数据的价值量。
三、大数据时代科技风险的产生因素和规避
在仔细研究大数据成因、特征的基础上，我们对大数据时代科技风险进行了认真分析和思考，认为应当从科技风险的来源，科技风险的机制以及科学技术、社会管理和社会参与三个层面规避大数据带来的科技风险：
1、从科学技术层面而言，通过技术创新促进大数据的系统化、结构化
借鉴国外先进的经验和技术，对数据分类技术进行深化研究，从而有效的收集和分析数据，提高数据分析的速度，增强数据的时效价值；加强对数据筛选的研究，不盲目追求数据数量，增强数据的真实性和可辨识度，减少虚假信息的出现，有效防范虚假信息所带来的社会负面效应，促使数据由量变发展为质变，从而减少虚假数据对社会的不良引导。
2、从社会管理层面而言，政府和社会组织应当加强监管，合理引导
国家应当在信息管理和信息保护方面加大立法力度，明确信息管理和信息保护重要意义，建立健全相关机制，明确国家机关、社会团体及其公民个人在信息管理和信息保护方面的权利和职责，为信息管理和信息保护提供基本的法律依据和保障。
3、从社会参与的层面而言，加强对相关知识的普及，建立互动机制
大数据时代是个人传媒力量的不断上升、数据激增的时代，但是数据激增造成的信息无序化和真实性降低，对传统的传媒信息价值观造成了思想冲击，所以应当建立科研人员与公众的交流平台，普及科学技术的同时倾听公众对科技发展的期待，更有利于科技快速转化，推进社会进步程度，规避大数据带来的科技风险。
随着非结构化数据快速增长，数据样式的高度复杂，这为人类认识世界、改造世界提供了重要的资源，大数据在给我们带来巨大价值的同时也存在着其自身的弱点，我们应当扬长避短，在利用价值的同时规避风险，把握大数据时代的脉搏！
邮寄地址：黑龙江省哈尔滨市南岗区学府路279号大堂 禹露收 电话：13703607776
关键词：大数据、科技风险、风险规避
21世纪被称为信息爆炸的时代，信息量激增的同时，信息背后潜在的巨大商业利益日益突显。。现代社会工业极度发达，商品社会总量大于需求量，所以商业利润的最大化是通过数据分析确定市场导向，刺激消费。因此，数据资源的重要性显得格外突出，各国政府也相应启动了国家数据战略工程，有学者称之为大数据时代。
一、大数据时代及其特征
事实上，大数据并非是一个科学术语，而是一个较为抽象的概念，所以大数据至今尚无确切统一的定义，所以对大数据进行充分了解就要从大数据的起源进行分析。
结合大数据的成因，当前国内外学者对大数据的特征较为统一的认识是“四V”特性[3]-[9] ，同时大数据的特征也带来了新的风险：
1、数据规模大 （ Volume）—存储风险
如前所述，当数据的发布和传播媒介急剧增加，必然促使数据量的急速扩增。所以大数据的首要特征就是庞大的数据量和数据的海量增加。在科技领域中，数据量的增加也无疑带来了存储风险。
2、数据类型多样（ Variety）—结构性风险
数据类型繁多，复杂多变同样是大数据的重要特性。以往的数据尽管数量庞大，但通常是事先定义好的系统化、结构化数据，将数据基础特性分离出来。而个人成为数据媒介后，以文字为主的数据形式也受到图片、视频、音频等方式的冲击，体现出更强烈的非系统性和非结构化。
3、数据处理速度快（Velocity）—识别风险
高速的数据处理，是大数据区别于海量数据重要标志。随着数据媒介的激增和数据爆炸式的增长，对数据处理的速度的要求也在不断提升。数据高速、大量的在互联网络中不断流动，数据处理速度决定了该项数据的价值量，低效的速度处理甚至会出现无价值数据。激增的数据量带来的不是有效数据，更多低价值数据的增加，为数据处理和识别带来了非常大的难度。
4、数据价值密度低（ Value）—失真风险
数据价值密度低是巨量非系统化、结构化数据天生的弱点。大数据时代的数据媒介为个人，数据的发布和传播并未经过前期的预处理，大量没有意义甚至是错误的数据也在不断增加，同传统系统化、结构化数据相比起价值密度偏低。每个传播媒介都有可能对数据本身进行就修改，数据的传播链越长，数据的真实性越低，所以，数据的失真风险不断攀升。
二、大数据时代科技风险的特征
针对大数据的科技风险而言，自然风险相对较小，突出表现在虚假、错误数据对科技发展的迟延作用；社会风险较大，集中在数据媒介对信息安全和隐私保护的巨大冲击。所以与传统的数据相比，其科技风险特征也更为细化，而且大数据时代下科技风险表现出下列新的特征：
1、从风险表现形势看：影响范围广，影响速度快
个人自媒体作为重要的数据媒介与传统媒介不同的一点是传播范围的不确定性。媒体的理念、风格不同，发行地域不同会在不同地域和不同行业有着不同的影响，所以数据传播速度往往以天为计算单位。而个人自媒体成形后，以及手机移动终端的普及，数据发布和传播均是瞬间完成，数据的传播速度已经开始以分钟为计算单位，形成规模性数据流非常之快。
2、从整体稳定性看：无序性强，结构性弱。
传统的数据发布和传播以主流媒体为主，媒体都有相应的地域分区和影响领域，其数据传播具有系统性和结构性。而大数据时代下，个人成为数据媒介的重要组成，个人对数据发布和传播的影响很难具有系统化和结构化。而且数据在传播的过程中往往面临截取、增加甚至篡改的可能，所以相比传统数据媒介，大数据时代科技风险的表现出极强的无序性。
3、从功能上看：数据价值低，利用难度高
一方面，数据的数量在不断的持续高速增长，另一方面，数据在互联网络中不断传播。大量无效数据也在不断增长，有效数据也有可能因为无序传播而降低价值。整体而言，数据的价值越来越低，而且很多数据具有极强的时效性，数据处理速度决定了该项数据的价值量。
三、大数据时代科技风险的产生因素和规避
在仔细研究大数据成因、特征的基础上，我们对大数据时代科技风险进行了认真分析和思考，认为应当从科技风险的来源，科技风险的机制以及科学技术、社会管理和社会参与三个层面规避大数据带来的科技风险：
1、从科学技术层面而言，通过技术创新促进大数据的系统化、结构化
借鉴国外先进的经验和技术，对数据分类技术进行深化研究，从而有效的收集和分析数据，提高数据分析的速度，增强数据的时效价值；加强对数据筛选的研究，不盲目追求数据数量，增强数据的真实性和可辨识度，减少虚假信息的出现，有效防范虚假信息所带来的社会负面效应，促使数据由量变发展为质变，从而减少虚假数据对社会的不良引导。
2、从社会管理层面而言，政府和社会组织应当加强监管，合理引导
国家应当在信息管理和信息保护方面加大立法力度，明确信息管理和信息保护重要意义，建立健全相关机制，明确国家机关、社会团体及其公民个人在信息管理和信息保护方面的权利和职责，为信息管理和信息保护提供基本的法律依据和保障。
3、从社会参与的层面而言，加强对相关知识的普及，建立互动机制
大数据时代是个人传媒力量的不断上升、数据激增的时代，但是数据激增造成的信息无序化和真实性降低，对传统的传媒信息价值观造成了思想冲击，所以应当建立科研人员与公众的交流平台，普及科学技术的同时倾听公众对科技发展的期待，更有利于科技快速转化，推进社会进步程度，规避大数据带来的科技风险。
随着非结构化数据快速增长，数据样式的高度复杂，这为人类认识世界、改造世界提供了重要的资源，大数据在给我们带来巨大价值的同时也存在着其自身的弱点，我们应当扬长避短，在利用价值的同时规避风险，把握大数据时代的脉搏！
邮寄地址：黑龙江省哈尔滨市南岗区学府路279号大堂 禹露收 电话：13703607776
收藏