在數據搜集階段，應對司機基于更完備的信用維度數據，來評估順風車司機資質準入；數據分析階段，應在關鍵指標與業務影響間，建立分析鏈

近期，滴滴和華住接連發生的兩起全國數據危機，說明了行業領軍企業在“用好大數據”上還有很長的路要走。

在滴滴順風車司機殺人事件里，滴滴的困境是：這么多個人信用數據，滴滴卻未能用好，以致未能識別高風險的司機。據報道，犯罪嫌疑人鐘某案發前曾向51家機構借款，幾乎借遍了所有能借款的機構，還發生過多起逾期。如果滴滴在審查順風車司機資格時能將個人信用數據充分考量，本應將這種頻頻失信者拒之門外。

在華住原始數據泄露事件里，華住旗下酒店開房記錄泄露數據，并被放到“暗網”出售，上億人的隱私信息被曝光。華住的困境是：存儲了海量的用戶原始數據“不知道有何用”，且一旦泄露，公司形象受沖擊，股價也面臨大跌風險。大數據在這時卻成了“燙手山芋”。

華住與滴滴，按數據規模標準，都是“億級大數據公司”。但規模大不等于能用得好。

此類事件屢有發生，僅今年就有視頻播放網站AcFun近千萬條用戶數據泄露，前程無憂195萬條用戶數據疑似泄露等。這為整個行業敲響警鐘。

筆者認為，要用好數據，需要在數據搜集、數據對接、數據分析、數據預警等方面作更系統的安全設置。比如在數據搜集階段，應對司機基于更完備的信用維度數據，來評估順風車司機資質準入；數據分析階段，應在關鍵指標與業務影響間，建立分析鏈。

這些日子，我們已經看到一些改變，比如滴滴在數據預警方面做出改進，基于位置偏離信息的異常數據情況進行診斷；根據指標異常，聯系后臺進行報警；一旦觸發主動或自動報警，就能直接連到公安進行報警處理。

技術專家認為，如果能在以上數據處理的幾個階段中，加入區塊鏈的安全多方計算，便能使問題得到更好的解決。比如在數據搜集環節，區塊鏈可以提升信息真實性和數據分享的積極性。

區塊鏈大數據信用分析公司PTS（Points）的創始人張佳辰告訴筆者：“少量關鍵數據進行鏈上存儲外，大部分原始數據可以在鏈下存儲。只要在區塊鏈中設置校驗機制，就可以保證信息的真實性，也就是說，當信息之間校驗結果出現差異時，區塊鏈可以根據自動判斷并返回結果。同時，區塊鏈校驗機制激勵正確信息提供者；并處罰提供虛假數據的人。這樣就同時保證了分享的積極性與可信度。”

在美國，Uber正在積極與加州大學伯克利分校合作，將非對稱隱私技術應用在用戶個人數據共享中，從而既能將Uber體系的用戶行為數據提煉出公共治理和商業上有用的洞察，又防范用戶家庭住址和出行習慣等敏感信息泄露所導致的個人風險。

張佳辰表示，這種區塊鏈安全多方計算適用于所有的共享經濟平臺，比如滴滴、美團、airbnb，因為這些平臺都涉及用戶隱私保護，對服務提供方（司機、騎手、房東等）信用及安全的事前評估，以及服務過程中的實時數據分析與預警。

未來，無論是像airbnb這樣的O2O企業，還是像Facebook這樣的純線上服務互聯網公司，或者是像工商銀行這樣的傳統企業，基于區塊鏈的安全多方數據計算機制下，它們都將受益。

以美團為例，在騎手招募階段，可以在騎手的手機端對其生活、借貸狀態做一個預判和分析，分析后對此人的風險進行評分，并把評分系統貢獻在大的風控體系中。以airbnb為例，在房東評估階段與房產租賃階段，也可以進行同樣的評估；這樣的評估無需采集原始數據，所有的計算都可以在手機端、本地化地完成，最大限度保護各方隱私。