反思数据经济：社交目的使网约车数据系统放弃了安全

反思数据经济：社交目的导向，使网约车的数据系统放弃了安全

陈玉洁

近日空姐搭乘网约车遇害事件受到了媒体、各级监管和执法机关、和广大公众的紧密关注。提倡严究平台之过、重申这是黑车之祸、直指这是资本刺激下平台野蛮生长导致的附带伤害等等，多方解读也把规范网约车市场的讨论再一次推向舆论前沿。一周之内，案件告破，平台公司开展内部整顿、配合公安部审核司机背景，交通部也开始拟定失信联合惩戒黑名单。拨开繁花乱眼，此次事件中浮现的更深层次的问题，不应当随着案件的告破和监管的骤严而消弭。

并非偶然事件，而是结构性失灵

更深层次的问题跟数据有关，准确点说，跟数据的收集、使用以及它在当下平台经济中扮演的角色有关。中国城市出行市场在手机平台广泛使用的催化下，实现了平台化、数据化的演变。传统巡游或应召出租车和网约车的区别，表面上看似乎是打车平台取代了以往的出租车公司，成为了新的中介，运用技术让乘客的出行需求能更有效地被满足，让司机减少空车等待和行驶的能耗，也为私家车主提供增加收入的途径。尽管打车难的问题在网约车大行其道的今天依然存在，安全隐患也没有因为黑车转网约车而得到根本改善，甚至在资本不断进入市场时，有愈演愈烈的趋势，但我们不得不承认，数据驱动的打车平台，确实为广大的城市居民的出行带来了深刻的改变。

这个改变是平台化：手机叫车已经是大多数人的日常行为。支撑实现平台化的根本是数据。如果没有海量的数据支持，出行供需的匹配无法实现。滴滴出行在国内的网约车市场独占鳌头最主要的原因是前期公司的发展，包括合并“快的”和收购“优步中国”，为这个平台积累了海量的数据。

也正是因为和数据的收集和使用有关，所以此次事件不是单一、偶然性事件，而是数据驱动平台经济中结构性的失灵。已有新闻披露，女乘客受到骚扰和侵害的事件早就屡见不鲜，只不过没有受到媒体和大众眼球的聚焦。网约车平台的安全隐患-空姐被害的事件链条敲响了当前数据经济模式的警钟。

那么，到底应该如何给平台经济中的数据定性？

在众多新闻报道中，乘客用户信息的泄露和社交评价体系的浮现，引起了一片哗然。“颜值爆表”、“美女下车时丝袜走光容易让人想入非非”这些有性暗示意味的标签拷问的是平台是否“引狼入室”，在乘客被骚扰甚至是被侵害的事件中扮演了“共谋”的角色。也许有人会说，除了有强烈引导性的评价，网约车平台更多的还有乘客司机互评准点率和服务态度等，这类互评有助于建立数字经济下，陌生人交易的信用机制。

不可否认，在平台化的发展过程中，数据收集作为一种维护和改善平台运行的手段，有积极作用。然而，个人信息安全和隐私权的研究者早就指出，数字时代中，个人、平台和数据之间的关系，已经远超出传统定义的隐私这个范畴，更多指向的是个人信息收集后的（再）使用。

数据“目的性”的边界

大数据技术被赋予了无限想象，数据被喻为当代社会经济的原油，它的地位就如同煤和石油之于工业社会，不仅本身具有价值，也为经济和社会其他方面的发展提供助力。

那么，数据到底是什么？跟石油不同，数据不是天然存在的，它们是创造之物（Gitelman， 2013），以目的为导向。数据的英文datum的词源在拉丁文里的意思是被赋予和被给予（Gregg， 2015）。虽然计算机科学中常常使用数据挖掘这一象征煤炭开采的术语，但是，数据挖据也是建立在系统提前设计好会收集和记录哪些数据的前提之上，对大型数据集建模、分析的技术手段。

数据的收集和它背后的目的无法割裂。人类社会最早的大规模、系统性的数据收集始于人口普查。绝大多数国家的人口普查最初的目是征税和征兵（或徭役），所以家里有几口人、是男是女、什么籍、有无田地、多少地，这些方面的信息几乎所有国内外早期人口普查中都有收集。进入20世纪后半叶，各国政府开始意识到人口和经济数据的重要性，不仅人口普查中收集的数据种类开始变多，像收入、职业、年龄都纳入其中。经济学家也开始构想各类数据指标，以更好地监管和调控经济发展。因此，消费数据、生产数据、交易数据逐步开始进入社会主流。时至今日，GDP、CPI、道琼斯指数等，已经被广泛接受，成为认识和衡量社会发展的标杆性指数。

数据的目的性，这一属性，没有因为进入数字时代而消失。只不过，与前数字时代相比，现在的互联网技术让数据的复制和再使用变得十分容易。然而手段的便捷无法抹杀数据以目的为导向的特性。相反，大数据技术的便捷在一次次地挑战数据目的性的边界。诸如乘客遇害、用户数据泄露等事件的发生，凸显得正是这种肆无忌惮的越界造成的不良反应。

社交的目的导向，削弱了数据系统对安全的追求

回到平台经济，无论是社交平台还是服务平台（如打车或外卖软件），已由数字经济蜕变成数据经济主体。那么，更值得深思的问题就应该是，平台收集和使用它现在收集的那些数据有什么目的？数据收集后， 为什么平台会选择这样使用数据？

1．以为社交名收集顺风车车主和乘客的社会职业、行为、和出行数据；

2．以安全为名收集司机的个人信息、驾驶轨迹和行为数据；

3．以优质服务、增强信任为名，让司机乘客相互评价。

这次走入大众视野的数据化社交手段叫印象标签（profiling）。“人美腿长”、“准时”、“有礼貌”、“相貌平平”，这些标签不仅是对外表或行为或态度的一种描述，在平台的体系里，这类描述更代表着一个数据集，而且是可以被转换到其他语境下的数据集。这也是为什么司机甲能看到司机乙、丙、丁对同一乘客的评价，反之亦然。无论是乘客还是司机，在平台中都是活在平台定义下的数据集合体。一位乘客所有的社会关系、特征和生活的全部在平台的印象标签体系里，被简化为寥寥数语。夜间用户人脸验证失灵，不是系统漏洞（bug），折射的恰恰是印象标签数据系统的特征，在这里，社交的目的导向削弱了系统对安全的追求。进一步设想一下，除去帮助用户实现交友目的，如果平台将来要变现收集到的大数据，不难想象，会投放精准广告，那么是不是意味着相貌平平的用户可能会面临被改善颜值广告的骚扰，尽管他们可能对自己的容貌相当满意？

再者，在数据经济中，“准时”、“有礼貌” 等这一类看上去中性无害的标签，与具有强烈性暗示的评价的区别是五十步和百步的区别。本质上，都是数据资产的衍生物。日前美国社交网站Facebook用户泄密的丑闻反映出，数据资产的衍生物也可能带来不可预测的毁灭性危机。Facebook收集用户数据用以提高旗下产品开发，同时卖给第三方，早就不是秘密。2014年曾披露Facebook团队做了一组实验：在用户页面上选择性地显示朋友社交分享中带正面、或负面情绪的内容，已验证情绪是否能感染他人。2018年数据丑闻涉及英国一家数据应用公司Cambridge Analytica，这家公司不正当获取8700万Facebook用户的数据，开发用户“心理动向”的产品，兜售给为选举酣战的政客（包括特朗普），帮助他们投放精准的“政治广告。”社交软件的用户使用平台的初衷是交友和维护社会关系，而情感实验和“心理动向”这类衍生产品的开发却有操纵用户的嫌疑。

网约车乘客遇害、社交平台用户被操纵这类事件频发的根源在于抹杀了数据收集的目的性。这里的意思不是要推翻所有的大数据技术，而是希望更多人更清醒地认识数据和数据技术，以防将它们的使用日常化。

敲响数据经济的警钟

认识数据收集的目的性，能帮助我们设定科技应用的边界，也帮助现在的科技公司更深刻地认识到自身的职责和权力。科技史学家梅尔文·克兰兹伯格曾提出六大技术定律，其中第一条说，“科技非好非坏，也不中立。”这条定律的深意在于揭示了科学技术本身没有属性，它的属性体现在社会运用中。没有天然、必然带来社会进步的科技，也没有一定引发社会悲剧的科技。克兰兹伯格对这条定律的阐释对今天我们面临的数据经济的挑战也很有启发：“科技与社会生态的相互作用给环境、社会、和人带来的影响，往往远超于眼前的技术设备和直接的应用本身。同样的技术在不同的环境或情况中使用，会导致截然不同的后果。”科技非好非坏。那么，盲目崇拜大数据科技是社会经济发展的灵丹妙药，意图单一通过数据技术手段改善就业、改善交通，和一杆子打死平台技术的逻辑，处处设置障碍，同样不可取，它们代表了科技本质论的一币两面。因为数据的产生、收集和应用都有目的，那么什么样的数据被收集、什么样的数据被忽略、怎么被使用、谁在使用这些问题也变得重要起来。这也是欧盟在即将生效（5月25日）的《一般数据保护条例》赋予用户五大数据权力的动因。数据主体的权力包括1）知情权、2）访问权、3）反对权、4）个人数据可携权和5）被遗忘权。

悲剧引发的深思不应止步于结案、平台内部整改、或针对司机和网约车平台的新条令出台。成为网约车平台合法化的第一个国家，我国已经在平台经济的监管上走在了世界前列。正视数字经济到数据经济的演变中，平台的数据属性，才能帮助公司认识自身的责任远大于平台促成的一次次服务交易，也远大于平台撼动的传统产业或催生的新产业，也是监管部门可以制定具有前瞻性、符合中国国情政策的第一步。

引用文献

Gitelman．， M． （2013）． ed． “Raw Data” Is an Oxymoron． The MIT Press， Cambridge， MA， USA．

Gregg．， M． （2015）． “The Gift that Is Not Given，” in T． Boellstorff & B． Maurer． Ed． Data： Now Bigger and Better． The University of Chicago Press， Chicago， IL， USA．

Melvin， K． （July 1986）． “Technology and History： ”Kranzberg‘s Laws“”． Technology and Culture． 27 （3）： 544–560． 

责任编辑：孙剑嵩