近日空姐搭乘網(wǎng)約車遇害事件受到了媒體、各級監(jiān)管和執(zhí)法機(jī)關(guān)、和廣大公眾的緊密關(guān)注。提倡嚴(yán)究平臺之過、重申這是黑車之禍、直指這是資本刺激下平臺野蠻生長導(dǎo)致的附帶傷害等等，多方解讀也把規(guī)范網(wǎng)約車市場的討論再一次推向輿論前沿。一周之內(nèi)，案件告破，平臺公司開展內(nèi)部整頓、配合公安部審核司機(jī)背景，交通部也開始擬定失信聯(lián)合懲戒黑名單。撥開繁花亂眼，此次事件中浮現(xiàn)的更深層次的問題，不應(yīng)當(dāng)隨著案件的告破和監(jiān)管的驟嚴(yán)而消弭。

并非偶然事件，而是結(jié)構(gòu)性失靈

更深層次的問題跟數(shù)據(jù)有關(guān)，準(zhǔn)確點說，跟數(shù)據(jù)的收集、使用以及它在當(dāng)下平臺經(jīng)濟(jì)中扮演的角色有關(guān)。中國城市出行市場在手機(jī)平臺廣泛使用的催化下，實現(xiàn)了平臺化、數(shù)據(jù)化的演變。傳統(tǒng)巡游或應(yīng)召出租車和網(wǎng)約車的區(qū)別，表面上看似乎是打車平臺取代了以往的出租車公司，成為了新的中介，運用技術(shù)讓乘客的出行需求能更有效地被滿足，讓司機(jī)減少空車等待和行駛的能耗，也為私家車主提供增加收入的途徑。盡管打車難的問題在網(wǎng)約車大行其道的今天依然存在，安全隱患也沒有因為黑車轉(zhuǎn)網(wǎng)約車而得到根本改善，甚至在資本不斷進(jìn)入市場時，有愈演愈烈的趨勢，但我們不得不承認(rèn)，數(shù)據(jù)驅(qū)動的打車平臺，確實為廣大的城市居民的出行帶來了深刻的改變。

這個改變是平臺化：手機(jī)叫車已經(jīng)是大多數(shù)人的日常行為。支撐實現(xiàn)平臺化的根本是數(shù)據(jù)。如果沒有海量的數(shù)據(jù)支持，出行供需的匹配無法實現(xiàn)。滴滴出行在國內(nèi)的網(wǎng)約車市場獨占鰲頭最主要的原因是前期公司的發(fā)展，包括合并“快的”和收購“優(yōu)步中國”，為這個平臺積累了海量的數(shù)據(jù)。

也正是因為和數(shù)據(jù)的收集和使用有關(guān)，所以此次事件不是單一、偶然性事件，而是數(shù)據(jù)驅(qū)動平臺經(jīng)濟(jì)中結(jié)構(gòu)性的失靈。已有新聞披露，女乘客受到騷擾和侵害的事件早就屢見不鮮，只不過沒有受到媒體和大眾眼球的聚焦。網(wǎng)約車平臺的安全隱患-空姐被害的事件鏈條敲響了當(dāng)前數(shù)據(jù)經(jīng)濟(jì)模式的警鐘。

那么，到底應(yīng)該如何給平臺經(jīng)濟(jì)中的數(shù)據(jù)定性？

在眾多新聞報道中，乘客用戶信息的泄露和社交評價體系的浮現(xiàn)，引起了一片嘩然?！邦佒当怼薄ⅰ懊琅萝嚂r絲襪走光容易讓人想入非非”這些有性暗示意味的標(biāo)簽拷問的是平臺是否“引狼入室”，在乘客被騷擾甚至是被侵害的事件中扮演了“共謀”的角色。也許有人會說，除了有強烈引導(dǎo)性的評價，網(wǎng)約車平臺更多的還有乘客司機(jī)互評準(zhǔn)點率和服務(wù)態(tài)度等，這類互評有助于建立數(shù)字經(jīng)濟(jì)下，陌生人交易的信用機(jī)制。

不可否認(rèn)，在平臺化的發(fā)展過程中，數(shù)據(jù)收集作為一種維護(hù)和改善平臺運行的手段，有積極作用。然而，個人信息安全和隱私權(quán)的研究者早就指出，數(shù)字時代中，個人、平臺和數(shù)據(jù)之間的關(guān)系，已經(jīng)遠(yuǎn)超出傳統(tǒng)定義的隱私這個范疇，更多指向的是個人信息收集后的（再）使用。

數(shù)據(jù)“目的性”的邊界

大數(shù)據(jù)技術(shù)被賦予了無限想象，數(shù)據(jù)被喻為當(dāng)代社會經(jīng)濟(jì)的原油，它的地位就如同煤和石油之于工業(yè)社會，不僅本身具有價值，也為經(jīng)濟(jì)和社會其他方面的發(fā)展提供助力。

那么，數(shù)據(jù)到底是什么？跟石油不同，數(shù)據(jù)不是天然存在的，它們是創(chuàng)造之物（Gitelman, 2013），以目的為導(dǎo)向。數(shù)據(jù)的英文datum的詞源在拉丁文里的意思是被賦予和被給予（Gregg, 2015）。雖然計算機(jī)科學(xué)中常常使用數(shù)據(jù)挖掘這一象征煤炭開采的術(shù)語，但是，數(shù)據(jù)挖據(jù)也是建立在系統(tǒng)提前設(shè)計好會收集和記錄哪些數(shù)據(jù)的前提之上，對大型數(shù)據(jù)集建模、分析的技術(shù)手段。

數(shù)據(jù)的收集和它背后的目的無法割裂。人類社會最早的大規(guī)模、系統(tǒng)性的數(shù)據(jù)收集始于人口普查。絕大多數(shù)國家的人口普查最初的目是征稅和征兵（或徭役），所以家里有幾口人、是男是女、什么籍、有無田地、多少地，這些方面的信息幾乎所有國內(nèi)外早期人口普查中都有收集。進(jìn)入20世紀(jì)后半葉，各國政府開始意識到人口和經(jīng)濟(jì)數(shù)據(jù)的重要性，不僅人口普查中收集的數(shù)據(jù)種類開始變多，像收入、職業(yè)、年齡都納入其中。經(jīng)濟(jì)學(xué)家也開始構(gòu)想各類數(shù)據(jù)指標(biāo)，以更好地監(jiān)管和調(diào)控經(jīng)濟(jì)發(fā)展。因此，消費數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、交易數(shù)據(jù)逐步開始進(jìn)入社會主流。時至今日，GDP、CPI、道瓊斯指數(shù)等，已經(jīng)被廣泛接受，成為認(rèn)識和衡量社會發(fā)展的標(biāo)桿性指數(shù)。

數(shù)據(jù)的目的性，這一屬性，沒有因為進(jìn)入數(shù)字時代而消失。只不過，與前數(shù)字時代相比，現(xiàn)在的互聯(lián)網(wǎng)技術(shù)讓數(shù)據(jù)的復(fù)制和再使用變得十分容易。然而手段的便捷無法抹殺數(shù)據(jù)以目的為導(dǎo)向的特性。相反，大數(shù)據(jù)技術(shù)的便捷在一次次地挑戰(zhàn)數(shù)據(jù)目的性的邊界。諸如乘客遇害、用戶數(shù)據(jù)泄露等事件的發(fā)生，凸顯得正是這種肆無忌憚的越界造成的不良反應(yīng)。

社交的目的導(dǎo)向，削弱了數(shù)據(jù)系統(tǒng)對安全的追求

回到平臺經(jīng)濟(jì)，無論是社交平臺還是服務(wù)平臺（如打車或外賣軟件），已由數(shù)字經(jīng)濟(jì)蛻變成數(shù)據(jù)經(jīng)濟(jì)主體。那么，更值得深思的問題就應(yīng)該是，平臺收集和使用它現(xiàn)在收集的那些數(shù)據(jù)有什么目的？數(shù)據(jù)收集后， 為什么平臺會選擇這樣使用數(shù)據(jù)？

1.以為社交名收集順風(fēng)車車主和乘客的社會職業(yè)、行為、和出行數(shù)據(jù)；

2.以安全為名收集司機(jī)的個人信息、駕駛軌跡和行為數(shù)據(jù)；

3.以優(yōu)質(zhì)服務(wù)、增強信任為名，讓司機(jī)乘客相互評價。

這次走入大眾視野的數(shù)據(jù)化社交手段叫印象標(biāo)簽（profiling）?！叭嗣劳乳L”、“準(zhǔn)時”、“有禮貌”、“相貌平平”，這些標(biāo)簽不僅是對外表或行為或態(tài)度的一種描述，在平臺的體系里，這類描述更代表著一個數(shù)據(jù)集，而且是可以被轉(zhuǎn)換到其他語境下的數(shù)據(jù)集。這也是為什么司機(jī)甲能看到司機(jī)乙、丙、丁對同一乘客的評價，反之亦然。無論是乘客還是司機(jī)，在平臺中都是活在平臺定義下的數(shù)據(jù)集合體。一位乘客所有的社會關(guān)系、特征和生活的全部在平臺的印象標(biāo)簽體系里，被簡化為寥寥數(shù)語。夜間用戶人臉驗證失靈，不是系統(tǒng)漏洞（bug），折射的恰恰是印象標(biāo)簽數(shù)據(jù)系統(tǒng)的特征，在這里，社交的目的導(dǎo)向削弱了系統(tǒng)對安全的追求。進(jìn)一步設(shè)想一下，除去幫助用戶實現(xiàn)交友目的，如果平臺將來要變現(xiàn)收集到的大數(shù)據(jù)，不難想象，會投放精準(zhǔn)廣告，那么是不是意味著相貌平平的用戶可能會面臨被改善顏值廣告的騷擾，盡管他們可能對自己的容貌相當(dāng)滿意？

再者，在數(shù)據(jù)經(jīng)濟(jì)中，“準(zhǔn)時”、“有禮貌” 等這一類看上去中性無害的標(biāo)簽，與具有強烈性暗示的評價的區(qū)別是五十步和百步的區(qū)別。本質(zhì)上，都是數(shù)據(jù)資產(chǎn)的衍生物。日前美國社交網(wǎng)站Facebook用戶泄密的丑聞反映出，數(shù)據(jù)資產(chǎn)的衍生物也可能帶來不可預(yù)測的毀滅性危機(jī)。Facebook收集用戶數(shù)據(jù)用以提高旗下產(chǎn)品開發(fā)，同時賣給第三方，早就不是秘密。2014年曾披露Facebook團(tuán)隊做了一組實驗：在用戶頁面上選擇性地顯示朋友社交分享中帶正面、或負(fù)面情緒的內(nèi)容，已驗證情緒是否能感染他人。2018年數(shù)據(jù)丑聞涉及英國一家數(shù)據(jù)應(yīng)用公司Cambridge Analytica，這家公司不正當(dāng)獲取8700萬Facebook用戶的數(shù)據(jù)，開發(fā)用戶“心理動向”的產(chǎn)品，兜售給為選舉酣戰(zhàn)的政客（包括特朗普），幫助他們投放精準(zhǔn)的“政治廣告?！鄙缃卉浖挠脩羰褂闷脚_的初衷是交友和維護(hù)社會關(guān)系，而情感實驗和“心理動向”這類衍生產(chǎn)品的開發(fā)卻有操縱用戶的嫌疑。

網(wǎng)約車乘客遇害、社交平臺用戶被操縱這類事件頻發(fā)的根源在于抹殺了數(shù)據(jù)收集的目的性。這里的意思不是要推翻所有的大數(shù)據(jù)技術(shù)，而是希望更多人更清醒地認(rèn)識數(shù)據(jù)和數(shù)據(jù)技術(shù)，以防將它們的使用日常化。

敲響數(shù)據(jù)經(jīng)濟(jì)的警鐘

認(rèn)識數(shù)據(jù)收集的目的性，能幫助我們設(shè)定科技應(yīng)用的邊界，也幫助現(xiàn)在的科技公司更深刻地認(rèn)識到自身的職責(zé)和權(quán)力?？萍际穼W(xué)家梅爾文·克蘭茲伯格曾提出六大技術(shù)定律，其中第一條說，“科技非好非壞，也不中立。”這條定律的深意在于揭示了科學(xué)技術(shù)本身沒有屬性，它的屬性體現(xiàn)在社會運用中。沒有天然、必然帶來社會進(jìn)步的科技，也沒有一定引發(fā)社會悲劇的科技?？颂m茲伯格對這條定律的闡釋對今天我們面臨的數(shù)據(jù)經(jīng)濟(jì)的挑戰(zhàn)也很有啟發(fā)：“科技與社會生態(tài)的相互作用給環(huán)境、社會、和人帶來的影響，往往遠(yuǎn)超于眼前的技術(shù)設(shè)備和直接的應(yīng)用本身。同樣的技術(shù)在不同的環(huán)境或情況中使用，會導(dǎo)致截然不同的后果。”科技非好非壞。那么，盲目崇拜大數(shù)據(jù)科技是社會經(jīng)濟(jì)發(fā)展的靈丹妙藥，意圖單一通過數(shù)據(jù)技術(shù)手段改善就業(yè)、改善交通，和一桿子打死平臺技術(shù)的邏輯，處處設(shè)置障礙，同樣不可取，它們代表了科技本質(zhì)論的一幣兩面。因為數(shù)據(jù)的產(chǎn)生、收集和應(yīng)用都有目的，那么什么樣的數(shù)據(jù)被收集、什么樣的數(shù)據(jù)被忽略、怎么被使用、誰在使用這些問題也變得重要起來。這也是歐盟在即將生效（5月25日）的《一般數(shù)據(jù)保護(hù)條例》賦予用戶五大數(shù)據(jù)權(quán)力的動因。數(shù)據(jù)主體的權(quán)力包括1）知情權(quán)、2）訪問權(quán)、3）反對權(quán)、4）個人數(shù)據(jù)可攜權(quán)和5）被遺忘權(quán)。

悲劇引發(fā)的深思不應(yīng)止步于結(jié)案、平臺內(nèi)部整改、或針對司機(jī)和網(wǎng)約車平臺的新條令出臺。成為網(wǎng)約車平臺合法化的第一個國家，我國已經(jīng)在平臺經(jīng)濟(jì)的監(jiān)管上走在了世界前列。正視數(shù)字經(jīng)濟(jì)到數(shù)據(jù)經(jīng)濟(jì)的演變中，平臺的數(shù)據(jù)屬性，才能幫助公司認(rèn)識自身的責(zé)任遠(yuǎn)大于平臺促成的一次次服務(wù)交易，也遠(yuǎn)大于平臺撼動的傳統(tǒng)產(chǎn)業(yè)或催生的新產(chǎn)業(yè)，也是監(jiān)管部門可以制定具有前瞻性、符合中國國情政策的第一步。

引用文獻(xiàn)

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.