大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對這些含有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理。換而言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵，在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。而這可能是大數(shù)據(jù)行業(yè)經(jīng)歷的最寒冷的一個冬天。整頓、倒閉、離職... 最近數(shù)月以來，股股冷峻的氣息一直籠罩在行業(yè)上空。多次監(jiān)管動作不斷提醒和鞭策著大數(shù)據(jù)公司，是時候告別野蠻生長的時代了，合規(guī)才是正途。

巨變啟幕

監(jiān)管重錘落地，此前狂飆突進(jìn)的大數(shù)據(jù)產(chǎn)業(yè)突然被按下“暫停鍵”。自今年 9 月以來，多家大數(shù)據(jù)公司接連被查，巨變啟幕，行業(yè)“一夜入冬”。9 月 6 日，大數(shù)據(jù)智能風(fēng)控服務(wù)供應(yīng)商魔蝎數(shù)據(jù)被警方調(diào)查，一位核心高管被帶走，官網(wǎng)至今無法正常訪問;另一家大數(shù)據(jù)公司新顏科技的 CEO 黃向前也在同一天被警方帶走調(diào)查;這天，聚信立發(fā)通知主動停止了爬蟲業(yè)務(wù)，然未能幸免于“難“，僅過了幾天后，聚信立被爆有警方進(jìn)駐公司調(diào)查;9 月 11 日，知名幣圈項目公信寶運(yùn)營主體被杭州警方查封;次日，有媒體報道，集奧聚合深圳分公司十余人被帶走，北京辦公室也有多人被深圳警方帶走;另有爆料稱，天翼征信的總經(jīng)理、副總經(jīng)理及市場人員被警察帶走。一周之內(nèi)，5 家公司被查，如此陣勢引發(fā)業(yè)內(nèi)恐慌，但這可能只是剛剛開始。

緊接著，有傳言稱百融云創(chuàng)數(shù)據(jù)查詢受影響、個人征信數(shù)據(jù)業(yè)務(wù)被暫停，深圳分公司員工被帶走，后被官方否認(rèn)。9 月 27 日，同盾科技子公司信川科技高管被帶走協(xié)助調(diào)查;10 月 21 日，51 信用卡委托外包催收公司因涉嫌尋釁滋事等罪被調(diào)查;10 月 25 日，新京報報道稱，央行發(fā)文緊急調(diào)研銀行與上述第三方數(shù)據(jù)公司合作情況，排查的合作內(nèi)容主要涉及數(shù)據(jù)采集、信用欺詐、信用評分、風(fēng)控建模....有業(yè)內(nèi)人士分析稱，上述公司被查與其開展的“爬蟲”業(yè)務(wù)有關(guān)，根源亦在于涉足現(xiàn)金貸、715 高炮、套路貸、暴力催收、“超利貸”等業(yè)務(wù)。

據(jù) AI 前線不完全統(tǒng)計，此次清查波及的大數(shù)據(jù)公司至少 15 家左右。(以下根據(jù)公開資料整理，力有不逮，難免遺漏或錯誤，請見諒)那個“2019 年，捕獲獨角獸最多的機(jī)構(gòu)：紅杉、阿里、騰訊和警方”的網(wǎng)紅段子在引人發(fā)笑的同時，也反映出了當(dāng)下大數(shù)據(jù)公司的尷尬處境。今年 11 月以來，公安部加大了 APP 違法違規(guī)采集個人信息集中整治力度，共下架整改 100 架 APP，其中考拉海購、房天下、樊登讀書、天津銀行等知名 APP 也在列，這些 APP 多涉及無隱私協(xié)議、收集使用個人信息范圍描述不清、超范圍采集個人信息和非必要采集個人信息等情形。據(jù)悉，今年以來，公安部“凈網(wǎng) 2019”專項行動，已查處違法違規(guī)采集個人信息的 APP 共 683 款。監(jiān)管風(fēng)暴席卷而來。大數(shù)據(jù)行業(yè)內(nèi)人心惶惶，經(jīng)此一擊，許多大數(shù)據(jù)公司遭受重創(chuàng)，大量數(shù)據(jù)接口被切斷，數(shù)據(jù)產(chǎn)品停售，部分公司業(yè)務(wù)部門解散、裁員，還有一些公司瀕臨倒閉。據(jù)一本財經(jīng)統(tǒng)計，或有上萬人因此離開大數(shù)據(jù)行業(yè)。

繁榮下的危局

整頓風(fēng)波揭開了大數(shù)據(jù)灰色產(chǎn)業(yè)鏈的冰山一角，也將大數(shù)據(jù)行業(yè)高光背后的暗影一并曝在了陽光下。伴隨著互聯(lián)網(wǎng) + 迅速成為潮流，以及深度學(xué)習(xí)推動下的第三次人工智能熱潮，大數(shù)據(jù)技術(shù)備受追捧，”得數(shù)據(jù)者得天下“是一度被風(fēng)口裹挾著的大數(shù)據(jù)產(chǎn)業(yè)的繁榮寫照。金融大數(shù)據(jù)是大數(shù)據(jù)產(chǎn)業(yè)應(yīng)用最廣的領(lǐng)域之一。2013 年前后，互聯(lián)網(wǎng)金融開啟了發(fā)展元年，一大批 P2P、第三方支付等互金平臺涌現(xiàn)。P2P 平臺一騎絕塵，但缺乏數(shù)據(jù)能力、風(fēng)控能力差是其發(fā)展掣肘之一，如此一來，就為第三方數(shù)據(jù)公司提供了誕生的契機(jī)。同盾科技便是彼時的入局者之一。2013 年，時任阿里巴巴集團(tuán)安全部技術(shù)總監(jiān)的蔣韜還曾因離職創(chuàng)辦同盾科技在業(yè)內(nèi)引起一番不小的轟動。成立當(dāng)年，同盾科技便拿到了來自 IDG 資本和華創(chuàng)資本的 A 輪融資。AI 前線查詢天眼查顯示，同盾科技自成立以來已獲 6 輪融資，除 2018 年外，幾乎每年都有融資，最近的一次是在今年 4 月完成的超 1 億美元 D 輪融資，估值近 20 億美元。

有數(shù)據(jù)統(tǒng)計，2013 年到 2015 年，中國市場上 P2P 網(wǎng)貸平臺數(shù)量從 800 家增長至 2595 家，累計交易規(guī)模超過 11.4 萬億。另據(jù)億歐智庫《2018 中國智能風(fēng)控研究報告》顯示，截至去年年底，573 家金融風(fēng)控企業(yè)共獲得投資金額超過 1000 億元，其中三成企業(yè)獲得三次及以上的投資。這些企業(yè)中，有 69.8% 成立于 2013 年 -2017 年。

最近兩年，金融科技成為 P2P 熱潮落幕后新的創(chuàng)投風(fēng)口，再次助推大數(shù)據(jù)產(chǎn)業(yè)發(fā)展走向新的高潮，同盾科技、51 信用卡等大數(shù)據(jù)公司也躍升為明星獨角獸。在草莽生長的早期階段，不少大數(shù)據(jù)公司趁機(jī)鉆了法律不完善的空子，其數(shù)據(jù)業(yè)務(wù)游走在道德和法律邊緣。自 2015 年以來的多次監(jiān)管動作也無不為從業(yè)機(jī)構(gòu)敲響警鐘 — 要合規(guī)化使用數(shù)據(jù)。在很大程度上，這些 P2P 網(wǎng)貸平臺與第三方數(shù)據(jù)公司是“相互成就”的關(guān)系。而一榮俱榮，一損俱損，當(dāng)監(jiān)管“緊箍咒”收緊之后，大數(shù)據(jù)產(chǎn)業(yè)也迎來了洗牌階段。“那些能夠滿足政策及市場客戶需求的團(tuán)隊，肯定會越做越好，而那些無法真正滿足需求的，將面臨淘汰”，一位大數(shù)據(jù)行業(yè)從業(yè)者向 AI 前線表示。

某頭部互聯(lián)網(wǎng)消費(fèi)金融平臺的大數(shù)據(jù)負(fù)責(zé)人表示，這次的監(jiān)管行動從產(chǎn)品— 爬蟲技術(shù)—相關(guān)的數(shù)據(jù)方— 網(wǎng)貸平臺，可以說是一條鏈?zhǔn)降牟樘帯１M管有些嚴(yán)格，但如果不經(jīng)過整治， 行業(yè)內(nèi)存在的“缺乏明確規(guī)則”的問題就很難作出改變。一些大數(shù)據(jù)公司“單純”的認(rèn)為自己只是給甲方做數(shù)據(jù)服務(wù)，即便出了問題，也事不關(guān)己。但現(xiàn)在來看，這些權(quán)責(zé)是需要進(jìn)一步明確的。漸入寒冬深處，結(jié)局也格外凄冷。

一些重度依賴爬蟲業(yè)務(wù)的大數(shù)據(jù)公司輕則業(yè)務(wù)停滯，重則或?qū)⒁虼说瓜拢幢隳苊銖?qiáng)活下來的恐怕也要被迫轉(zhuǎn)型。另一方面，一些 AI 公司、金融科技公司也會受到不同程度的影響，沒有了大量數(shù)據(jù)持續(xù)“投喂”，模型該如何迭代優(yōu)化?“有時候市場表面上的虛假繁榮是難以持續(xù)的，泡沫總有一天要被戳破。這次監(jiān)管風(fēng)暴對小機(jī)構(gòu)來說，以后可能更難做了，對一些大機(jī)構(gòu)會有一定影響，但可能影響沒那么大，優(yōu)勝劣汰會加劇。大浪淘沙后留下來的是那些對用戶來說定價更低、體驗更好的產(chǎn)品，而淘汰掉的絕大部分是那些不合規(guī)的企業(yè)。因此，從長期來看，通過強(qiáng)監(jiān)管之后，大數(shù)據(jù)行業(yè)會更合規(guī)，總體來說對用戶會更友好”，上述大數(shù)據(jù)負(fù)責(zé)人繼續(xù)說道。

一位第三方數(shù)據(jù)公司的高管對形勢感到樂觀，她認(rèn)為，這次監(jiān)管風(fēng)暴對行業(yè)的健康發(fā)展是有利的，監(jiān)管介入、政策出臺，這都在引導(dǎo)行業(yè)往好的方向發(fā)展，數(shù)據(jù)采標(biāo)清洗質(zhì)檢等流程會逐漸趨向標(biāo)準(zhǔn)化、合規(guī)化、安全化，進(jìn)而提高大數(shù)據(jù)行業(yè)的進(jìn)入門檻，并倒逼從業(yè)者提升服務(wù)質(zhì)量。一半是海水，一半是火焰，值得一提的是，一些具有國企背景的大數(shù)據(jù)公司逆勢成為行業(yè)里的“香餑餑”。那些不合規(guī)的企業(yè)終將湮沒不斷滾滾向前的歷史洪流中，未來的大數(shù)據(jù)產(chǎn)業(yè)屬于合規(guī)的參與者。

禍起爬蟲?

市場已是風(fēng)聲鶴唳。一時間，人人聞“爬蟲”色變。白騎士、葫蘆數(shù)據(jù)、天機(jī)數(shù)據(jù)、立木征信、聚信立等大數(shù)據(jù)公司紛紛宣布暫停爬蟲業(yè)務(wù)，還有的公司在幾天之內(nèi)火速將爬蟲業(yè)務(wù)從經(jīng)營業(yè)務(wù)范圍中“抹掉”，招聘“爬蟲工程師”的公告信息也被緊急撤下，一些爬蟲程序員因為擔(dān)憂是否游走在違法邊緣，頭發(fā)又多掉了幾根....

業(yè)內(nèi)有這樣一種說法，爬蟲貢獻(xiàn)了互聯(lián)網(wǎng) 50% 的流量，它對于互聯(lián)網(wǎng)的繁榮功不可沒。但該技術(shù)同時也因“用途”而充滿爭議。爬蟲是一項見不得“陽光”的技術(shù)，它廣泛運(yùn)用，卻少有人愿意承認(rèn)在使用它。因為它常常被用作非法收集信息的工具，站上數(shù)據(jù)隱私、數(shù)據(jù)安全的對立面。

“爬蟲技術(shù)本身并無對錯，但要看怎么用，用錯了肯定違法啊”，一位程序員向 AI 前線表示，“技術(shù)無罪，關(guān)鍵在于人”。網(wǎng)絡(luò)爬蟲是非常普遍的一種數(shù)據(jù)挖掘技術(shù)，它是一種按照一定的規(guī)則，自動地抓取網(wǎng)絡(luò)信息的程序或者腳本。爬蟲技術(shù)最早主要運(yùn)用在搜索引擎中，它滿足了人們的數(shù)據(jù)獲取、分析需求。早在 1995 年，為了不越“邊界”，互聯(lián)網(wǎng)搜索引擎與網(wǎng)頁持有者之間達(dá)成了一項“君子協(xié)定”— robot 協(xié)議，該協(xié)議規(guī)定了哪些信息該爬，哪些信息不該爬，20 多年來，該協(xié)議一直沿用至今。

在遵循 robot 協(xié)議的前提下使用爬蟲技術(shù)是沒有任何風(fēng)險的。但往往有些“作惡者”試圖越過紅線，一些大數(shù)據(jù)公司打著“大數(shù)據(jù)分析”的名頭違規(guī)違法爬取任何網(wǎng)頁及訪問用戶的數(shù)據(jù)，致使“蟲災(zāi)”泛濫。現(xiàn)在的爬蟲似乎無所不能，只要有賬號密碼都可以爬，包括電商平臺、外賣平臺、地圖、旅行網(wǎng)站、共享單車、等平臺的個人信息，用戶的通訊錄、上網(wǎng)地址、收貨地址、聊天記錄、搜索記錄、支付記錄，甚至央行的征信報告... 總之，一切皆可爬，還可進(jìn)行定制化爬取。

在互聯(lián)網(wǎng)金融領(lǐng)域，上述數(shù)據(jù)主要被濫用于借貸、風(fēng)控環(huán)節(jié)，具體多用在導(dǎo)流獲客和暴力催收上。除了支付寶爬蟲、微信爬蟲，甚至還有同業(yè)爬蟲，同業(yè)爬蟲即爬取同行的信息。據(jù)了解，摩羯科技曾推出該款產(chǎn)品，其要求借貸者提供在其它平臺上的用戶名與密碼，并通過爬蟲爬來競品的貸款額度及還款記錄，這樣便相當(dāng)于剽竊了同行的風(fēng)控成果。

今年 3 月，號稱擁有中國最大的簡歷數(shù)據(jù)庫的巧達(dá)科技被警方一鍋端，該公司的簡歷數(shù)據(jù)庫全部是通過非法手段爬取而來，非法獲取的簡歷超過 2 億條，它將簡歷庫以 13800 元每年的價格出售非法獲利，光是 2017 年，巧達(dá)科技憑此業(yè)務(wù)營收高達(dá) 4.11 億元。泄露、買賣、濫用，這些違規(guī)收集來的數(shù)據(jù)被肆無忌憚的曝光、出售，令用戶信息猶如在裸奔，嚴(yán)重侵犯了用戶個人隱私。

爬蟲也是一項“矛盾”的技術(shù)。爬與反爬的“斗爭”每天都在上演，力量此消彼長。據(jù)一位資深程序員介紹，現(xiàn)在比較常見的反爬蟲技術(shù)手段主要有，檢測 Header 信息;設(shè)置 IP 訪問頻率，分析同一 IP 或同一設(shè)備在短時間內(nèi)多次訪問同一頁面或進(jìn)行相同操作;識別 UA、通過動態(tài)頁面增加爬取難度等方式。這幾年，隨著隨著 AI 的發(fā)展，一些機(jī)器學(xué)習(xí)、canvas 指紋等智能反爬蟲技術(shù)也被運(yùn)用起來。例如，騰訊云網(wǎng)站管家 WAF 就將 AI 檢測引擎能力，運(yùn)用到了爬蟲 Bot 程序檢測的環(huán)節(jié)上，AI 引擎能夠?qū)φ军c訪問流量的會話進(jìn)行追蹤，通過流量畫像，匹配行為模型及行為標(biāo)簽進(jìn)行識別，進(jìn)而識別出爬蟲 Bot 程序流量行為。

今年 5 月，被稱為“中國版 GDPR”的《數(shù)據(jù)安全管理辦法》征求意見稿發(fā)布，第 16 條規(guī)定，網(wǎng)絡(luò)運(yùn)營者采取自動化手段訪問收集網(wǎng)站數(shù)據(jù)，不得妨礙網(wǎng)站正常運(yùn)行;如自動化訪問收集流量超過網(wǎng)站日均流量三分之一，網(wǎng)站要求停止自動化訪問收集時，應(yīng)當(dāng)停止。一位業(yè)內(nèi)人士認(rèn)為，技術(shù)只是工具，在獲取數(shù)據(jù)時需要考慮數(shù)據(jù)到底有沒有獲得授權(quán)，需要幾方授權(quán)，在拿到用戶授權(quán)的情況下，有沒有拿到網(wǎng)站等數(shù)據(jù)來源方的授權(quán)，這其中涉及到的權(quán)責(zé)邊界應(yīng)該更明確。

隨著監(jiān)管越來越嚴(yán)格，爬蟲技術(shù)的使用邊界也將更加明晰?；ヂ?lián)網(wǎng)從業(yè)者應(yīng)當(dāng)懷有敬畏之心，要時時注意不要觸碰邊界，畢竟，爬蟲只是技術(shù)，灰色的是“助惡者”。