以下关于（大）数据隐私的说法，你认为哪些是正确的？
“我没什么可隐瞒的。”
隐私政策适用于数据，而非用户。
一份隐私政策就足以涵盖你的所有数据。
匿名化数据能保护我的个人身份隐私。
隐私已死。
答案是：这些说法都不正确。真的。
关于数据生态系统
在澄清上述说法之前，我们先通过四个层面简要了解一下数据世界：用户、数据、应用和平台。接下来讨论隐私政策时，了解这些层面会很有帮助。
用户
按受众对用户进行细分是一种常见的最佳实践，更具体地说，是根据他们将如何使用数据来划分。确定这些类别后，就可以为每一类制定隐私政策。
以下是一些用户类别示例：标准报告用户、临时查询用户、远程合作伙伴／供应商、高级用户、企业高管、统计学家／数据科学家、高管和董事会成员，以及人力资源人员。
在各自的公司中，你们需要创建符合自身组织结构和文化的用户细分。
数据
现在来看数据层。数据分类是一项很有价值的工作，因为它促使人们开始讨论数据有不同的“类型”，并非“千篇一律”。这类工作也能让数据所有权的分配更加容易。数据类型示例包括：交易数据、主数据、元数据、受控数据、参考数据、报告数据、分析数据、开放数据、跨职能数据、历史数据、部门专属数据和流程专属数据。
另一种数据分类方式，是按照第一方、第二方和第三方进行划分：
第一方数据 是公司直接从客户处收集的数据，例如网站点击数据、CRM 数据、订单交易数据、社交数据、跨平台数据和移动数据。这是最理想的数据类型。公司获得了收集这些数据的许可。
第二方数据 是其他公司的第一方数据。例如，两家公司通过合作关系或协议共享客户数据，用于联合推广活动。又或者，网站或应用允许你使用 Google 或 Facebook 等社交账号登录，而不必为又一个网站再创建一个用户名和密码。
第三方数据 是经过收集、汇总和匿名化处理的数据，通常由数据经纪商出售。这类数据广泛可得，包括你的竞争对手也能获取。消费者对这类数据几乎没有控制权，而且很可能没有明确许可你使用这些数据。
还有一种数据分类方式是依据数据的安全级别。这是一种很好的协作方法，尤其适用于政府、金融服务和医疗保健服务提供者；对这些机构而言，数据受到严格监管，隐私立法也是现实要求。在这种分类方法中，每个数据类别都有一套特定政策，这不仅进一步决定谁可以使用数据，也决定谁可以修改和管理数据。
数据分类没有绝对正确或错误的方法。每家公司都不一样。但确定数据类别后，就可以据此应用隐私政策。
应用
接下来是应用——用户访问数据的主要界面。这可以是让你访问公司 CRM 系统的桌面应用，可以是 Dropbox 这样的浏览器应用，让你把数据存储在云端；也可以是 Waze 这样的移动应用，帮助你避开前方的交通拥堵。你用来创建和运行报告、制作数据可视化的 BI 和分析应用也属于此类。
无论是企业应用还是个人应用，隐私政策通常都围绕谁可以访问哪些数据来制定。
平台
最后一个层面是平台。数据在这里存储和处理。这包括运营系统和数据仓库中的结构化数据、部署在公司数据中心的 Hadoop 集群，以及存储在 Amazon 云端的 Twitter 数据。
尽管大多数用户对平台的访问都可以通过应用加以控制，你也需要在平台层面制定隐私政策，以防有人——无论出于正当还是不正当理由——想绕过应用，直接访问平台中的数据。
综合来看，归结起来就是： 用户通过应用创建或访问存储在数据平台上的数据。每个层面都制定隐私政策至关重要。
澄清事实
现在，我们可以来讨论前面提到的五种说法，或对数据隐私的五种看法：
看法 #1：“我没什么可隐瞒的。”
你说过或听过这句话吗：“我没什么可隐瞒的”？或者这句呢：“只要我没做错事，就没什么好担心的。”
如果你这么认为，那就没有抓住重点。这类说法只是在转移人们对网络隐私真正问题的关注。想一想：每天都有人首次上网。也许是一个刚拿到人生第一部 iPhone 的年轻人，也许是某个地区里刚刚首次获得负担得起的网络接入的人。他们不了解规则。你或许不在乎自己被公开追踪，但别让他们误以为互联网是安全的，从而使他们陷入危险。因为互联网并不安全。
因此，更准确的说法是： 我们每个人都有需要隐瞒的事，只不过要看是对谁隐瞒。对自己的数据负责，也帮助他人对他们的数据负责。
看法 #2：隐私政策适用于数据，而非用户。
有些公司仍然认为，只要数据分类妥当并为其制定政策，谁来使用数据就无关紧要，因为隐私保护已经到位。这种假设是错误的，因为用户总能找到获取所需数据的方法。
因此，更准确的说法是： 如上一节所述，隐私政策适用于数据生态系统的每个层面——数据、用户、应用和平台——而不只是数据。
看法 #3：一份隐私政策就足以涵盖你的所有数据。
公司网站上的隐私政策就是单一隐私政策做法的一个典型例子。你知道我说的是哪种：最初在网站上创建账户时，我们快速点击同意、却没有阅读的那份政策。诚然，这份面向消费者的政策非常重要，而且随着我们在大数据隐私之路上不断前进，它也在持续演变。但正如我们一直在讨论的，它并不是你的公司应该制定的唯一政策。
因此，更准确的说法是： 你需要针对不同的数据类别制定多份隐私政策，更不用说还要为用户、应用和平台制定政策了。不过我这是在重复前面说过的话。
看法 #4：匿名化数据能保护我的个人身份隐私。
这是我最喜欢的一种说法。你可能熟悉去标识化或匿名化数据的概念。简单来说，就是从数据集中删除所有可能识别特定个人身份的信息，例如此人的姓名、信用卡号、社会安全号码、家庭住址等。出售消费者数据的公司，例如数据经纪商，通常只出售匿名化且往往经过汇总的数据。那么，问题出在哪里？
问题在于：借助当今的大数据技术，从这些匿名化数据中重新识别个人变得越来越容易。人们不断开发编程技术，将来自一个或多个数据集的这些匿名化信息重新拼合起来。因此，如果一家公司说它会在把你的数据交给他人之前先将其匿名化，请注意，先进的重新识别技术仍可能暴露你的身份。
因此，更准确的说法是： 匿名化数据仍可能被用于重新识别个人。[我将在下一篇文章中进一步讨论这个话题。]
看法 #5：隐私已死。
“隐私已死”这种宣言并不新鲜。以下是几位 CEO 的例子：
大约 15 年前，Sun Microsystems 的 Scott McNealy 曾说：“你根本没有隐私。接受现实吧。”
又过了 10 年，Google 的 Eric Schmidt 说：“如果你有不想让任何人知道的事，也许一开始就不该做。”
2010 年，Facebook 的 Mark Zuckerberg 一改之前的立场，称隐私已不再是一种社会规范。
那是 5 年多以前的事了。这些人很有才华，但他们错了。隐私并没有消亡，我们不应该对此听之任之。
因此，更准确的说法是： 隐私尚未消亡。至少现在还没有。对大数据隐私问题的关注正在迅速升温——随着越来越多的人开始了解其中利害，情况将会改变，而且已经 开始改变。
归根结底
在我们生活的大数据世界里，无论愿不愿意，作为消费者、公民，以及私营和公共部门的员工，我们都不得不面对隐私问题。让我们厘清有关大数据隐私的事实，并帮助他人也做到这一点。
本文与 The Smart Data Collective合作发表。本文的发表并不意味着世界经济论坛认同其中观点。
如需持续了解议程相关内容， 请订阅我们的每周通讯。
作者：Tamara Dull 是 SAS 最佳实践团队新兴技术总监。该团队是 SAS Institute 内一个引领思想的组织。
图片：一只手在电脑屏幕前拿着放大镜。路透社／Pawel Kopczynski。
