贵州出台首部大数据地方法规 数据开放引入负面清单

简介:

贵州省近日通过的《贵州省大数据发展应用促进条例》(下称“条例”)在大数据行业圈子里被刷屏。作为中国首部大数据地方法规,这一条例填补了这个“燥热”行业的空白。具有大数据产业纳入法治轨道的意义。

对于《条例》的出台,各方评价不一,但总体来说,点赞者居多。

国务院发展研究中心技术经济研究部副部长田杰棠分析,这个标志性事件,是贵州省作为西部省份试图跨越式发展的一大突破。首先,明确将大数据纳入地方经济社会规划;其次,全力推进数据开放共享,引入负面清单制度;第三,提出隐私泄露有相应的法律责任和应急预案。

不过,也有不少学者指出了这个法规的“缺憾”——业界最为关注的数据权属和数据交易的敏感问题并未涉及。

大数据应用纳入县级以上规划

《条例》共6章39条,自2016年3月1日起施行,包括规定了发展应用、共享开放、安全管理、法律责任等。

《条例》有近一半的篇幅关于县级以上政府支持发展大数据产业。

其中,包括以立法的形式规定,县级以上人民政府应当将大数据发展应用纳入本行政区域国民经济和社会发展规划。

在发展应用上,《条例》多处强调县级以上政府在大数据产业中的作为,例如,根据需求成立大数据发展专项资金,确定本行政区域大数据发展应用重点领域,制定支持大数据产业发展、产品应用、购买服务、引进人才等政策措施。

《条例》还涉及到土地规划,即县级以上人民政府应当根据土地利用总体规划,和大数据发展应用总体规划、专项规划,保障大数据项目建设用地;对新增大数据项目建设用地,优先列入近期城乡规划、土地利用年度计划;年度内新增建设用地优先用于大数据建设项目。

上述举措褒贬不一,有人认为强调了地方对大数据行业的重视,也有专家对地方以法规的形式密集布局产业,或有过度干预市场迹象。

数据公开列负面清单

在大数据行业人士看来,《条例》比较有意义的地方,在于以地方立法的形式,规定了地方政府的公共数据共享和开放。

目前80%以上的数据掌握在政府手中,但政府数据开放推进缓慢,备受诟病。2015年国家层面多次发文提出推进政府数据开放,但在地方由于部门割裂形成“数据孤岛”,开放意愿并不强。

《条例》规定,贵州将实行公共数据开放负面清单制度。除法律法规另有规定外,公共数据应当向社会开放;依法不能向社会开放的公共数据,目录应当向社会公布。

此前贵州的大数据公开平台主要以CSV格式开放,多以文件形式出现,表格形式开放较少,且均不能直接下载,很多以政府信息公开文件为形式,在数据统计时难以抓取。这也是在地方政府日常数据开放中比较普遍的现象。

《条例》强调,公共数据共享开放,应当符合统一的格式标准,内容应当真实、准确、完整。

贵州还提出,全省统一的大数据平台“云上贵州”将汇集、存储、共享、开放全省公共数据及其他数据。除法律法规另有规定外,公共机构信息系统应当向“云上贵州”迁移,公共数据应当汇集、存储在“云上贵州”并与其他公共机构共享。

数据交易和权属领域存遗憾

不只一位大数据行业人士告诉21世纪经济报道记者,整个法规在一些涉及大数据立法的关键和敏感领域并无太多突破,比如数据权属和数据交易的问题。

而大数据产权的界定正是大数据交易和商业化的前提,也是瓶颈。

工信部一位专家表示,目前关于大数据交易以及权属的立法研究,还没有到成熟阶段,正在实践中总结和摸索,也不大可能指望一部地方性法规来梳理清楚。

不过,田杰棠认为,《条例》未能明确数据产权归属问题,仍属遗憾,当然也是个难题;《条例》出台对减少产业发展阻力仍有很大的积极作用,尤其对中西部地区转变发展方式具有重要的实践意义。

上海政法学院经济法学院副教授肖卫兵表示,《条例》在征求意见稿阶段还有一些关于数据的交易内容,最终成稿进一步淡化和回避了关于数据交易的相关规定,主要是目前国内相关研究并不成熟,未来发展方向不清晰,立法不可能走在实践前面;同时国家层面立法不清晰,地方在敏感领域的突破比较难。

云上贵州大数据产业发展有限公司总经理欧阳赟告诉21世纪经济报道记者,有法规总比没法规好,相当于划了底线,美国和欧盟的一些数据开放,很多是立法先行,对于地方来说,很多需要地方政府来推动,依法行政,有依据总是有利于开展工作。

比如,在数据安全方面,《条例》提出,大数据采集、存储、清洗、开发、应用、交易、服务单位,应当建立数据安全防护管理制度,制定数据安全应急预案,并定期开展安全评测、风险评估和应急演练;发生重大数据安全事故时,应当立即启动应急预案,及时采取补救措施,告知可能受到影响的用户,并按照规定向有关主管部门报告。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
3月前
|
机器学习/深度学习 存储 分布式计算
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
4月前
|
存储 SQL 大数据
dataCompare大数据对比之异源数据对比
dataCompare大数据对比之异源数据对比
102 0
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
33 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
4天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
11 3
|
7天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。