最近我們發(fā)現有關部門出臺了個人信息保護的法律，有些不良企業(yè)為了個人利益，我們公民的個人信息數據被捆綁“銷售”等等新聞層出不窮

“大數據殺熟”行為屢見不鮮，但你真的知道大數據是什么?它和我們每個人的生活有什么關系?“大數據殺熟”的底層邏輯是什么?普通人如何避免大數據殺熟?讓我用通俗易懂的語言和你科普一下!

一、大數據是什么?如何通俗易懂地理解大數據

這個大數據的5V特點：Volume (大量)、Velocity (高速)、Variety (多樣)、Value (價值密度)，下面用通俗易懂的語言做出解釋

大量：特別是短視頻的火熱，一個視頻至少都上100M，僅是視頻每天產生多少數據?何況還有圖片、文字等形式

高速：通過技術手段記錄我們每個人的行為數據，當然也是為了挖掘背后的商業(yè)價值，還有從2G到5G，數據是不是傳輸越來越快了

多樣：生活和工作中，數字，圖片，音頻，視頻，網頁等數據，多樣化

價值密度：所謂的價值密度，有些不良商家正是利用這一點實施大數據殺熟的欺客行為

真實性：隨著各種技術的發(fā)展，我們在互聯網上產生的行為都被真實地記錄在我們使用的設備的后端服務器上

二、和我們每個人的生活有什么關系

個人基礎信息：

比如我們的個人基礎信息數據在各地區(qū)的公安部門是有詳細記錄的，

這無可厚非，這是大數據有利的一面，方便公安部門快速破案

個人戶外行動：

行為數據，都被記錄各大應用的后端服務器上，據說在某看樓盤的區(qū)域，安裝有攝像頭，通過人臉用于記錄客戶的信息

進行“針對性”的營銷，所以有的人建議看房要“戴頭盔”，防被“大數據殺熟”

吃穿方面數據：

比如在某寶上留下來的行為數據，都被詳細地記錄，比如你最近瀏覽想買衣服，某寶就會瘋狂推薦此類產品

更有甚者，社交平臺的聊天數據也被泄露了，例如你在社交軟件和家人說想要買手機

你會發(fā)現在某平臺就突然出現此類廣告，這是個人隱私數據泄露的不良行為

但最近，也出現了個人信息保護的相關法律，可自行查閱

征信系統(tǒng)數據：

比如要買房，在銀行的征信系統(tǒng)是有對客戶進行評估的

這是由于有了大數據，銀行會從各個維度去分析個人征信情況，比如通過個人收入支出情況，支付寶的信用分等等

廣告展示數據：

這個大多數讀者應該深有體會，你所感興趣的相關產品，系統(tǒng)會給你推薦相應的廣告

三、“大數據殺熟”的底層邏輯是什么

底層邏輯其實就是系統(tǒng)的算法，這玩意比較高深，不展開討論，就舉一個某平臺上坑外賣騎手的案例

通過智能手機和上面安裝的配送軟件，大數據可以不斷地追蹤騎手的軌跡

包括騎手到達商家的時間、停留的時長、等待消費者取餐的時長、顧客的信息、商家的信息、消費者的偏好與脾氣等等

通過收集的各項數據進行分析建模，這個算法給騎手規(guī)劃路線、時間，提升送餐的效率

但這對騎手的壓榨也是明顯的，根據大數據的測算騎手達到的時間，盡可能地壓縮時間，逼迫騎手們用各種辦法越來越快地送餐

比如，一條正常的路線是10分鐘，有一個小門抄近路可以只用2分鐘，系統(tǒng)在記錄很多訂單的實際時間之后，會自動把2分鐘作為參考，可見多么坑人

其他的案例，比如不用用戶、不用手機、不同設備等服務價格或者商品竟然出現價格不一樣的情況，這都“多虧”了大數據

大多“宰殺”的是那些價值比較大的所謂“熟客”，算法會根據數據判斷你是否是高消費用戶、活躍用戶、VIP用戶等，進行針對性的“宰殺”

四、普通人如何避免大數據殺熟

少用或者不用這些大數據殺熟的app或設備

買比較貴重的物品或者經常購買的產品可以貨比三家，避免被“殺熟”

多平臺同時使用，這樣就降低了在各平臺使用的頻次，而且一般平臺對新用戶是有優(yōu)惠的，系統(tǒng)就不會判斷你為高價值的用戶

不要輕易下載授權各類APP和鏈接，后臺會通過這些直接獲取你的個人信息

當然，隨著個人信息保護相關法律的出臺，我們的信息安全才能得到根本的保障

我們應如何理性看待大數據

大不可“一刀切”，認為大數據一定是不好的，一味抨擊，以下都多虧了有大數據

公安部門利用大數據破案2020年爆發(fā)的新冠疫情，健康碼，個人軌跡記錄，針對性防控都起到了重要的作用人口普查，人口的大數據對于城市建設規(guī)劃、路線規(guī)劃、交通規(guī)劃等都起到很大的推動作用醫(yī)療系統(tǒng)方面，大數據的積累，加快了對病情的準確判斷等等征信系統(tǒng)，通過多維度數據對個人征信情況進行評估，對社會穩(wěn)定起到至關重要的作用等等

大數據是一把雙刃劍，作為普通人，我們應該認識到它給我們帶來的便利，但同時也要防范和監(jiān)督“大數據殺熟”的現象

我是"與數據打交道"，不定時分享職場和生活干貨，想保持學習的朋友，麻煩關注一下!

你有學習到嗎，你有過被“大數據殺熟”的經歷嗎?