這可能是大數據行業經歷的最寒冷的一個冬天。年關將至，國人習慣于用各種圓滿的方式給即將過去的一年劃上句號，不過，這對于許多大數據行業從業者來說，似乎有些奢望。
整頓、倒閉、離職......最近數月以來，股股冷峻的氣息一直籠罩在行業上空。多次監管動作不斷提醒和鞭策著大數據公司，是時候告別野蠻生長的時代了，合規才是正途。
巨變啟幕
監管重錘落地，此前狂飆突進的大數據產業突然被按下“暫停鍵”。
自今年 9 月以來，多家大數據公司接連被查，巨變啟幕，行業“一夜入冬”。
9 月 6 日，大數據智能風控服務供應商魔蝎數據被警方調查，一位核心高管被帶走，官網至今無法正常訪問；另一家大數據公司新顏科技的 CEO 黃向前也在同一天被警方帶走調查；這天，聚信立發通知主動停止了爬蟲業務，然未能幸免于“難”，僅過了幾天后，聚信立被爆有警方進駐公司調查；
9 月 11 日，知名幣圈項目公信寶運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，天翼征信的總經理、副總經理及市場人員被警察帶走。
一周之內，5 家公司被查，如此陣勢引發業內恐慌，但這可能只是剛剛開始。
緊接著，有傳言稱百融云創數據查詢受影響、個人征信數據業務被暫停，深圳分公司員工被帶走，后被官方否認。9 月 27 日，同盾科技子公司信川科技高管被帶走協助調查；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查；10 月 25 日，新京報報道稱，央行發文緊急調研銀行與上述第三方數據公司合作情況，排查的合作內容主要涉及數據采集、信用欺詐、信用評分、風控建模....
有業內人士分析稱，上述公司被查與其開展的“爬蟲”業務有關，根源亦在于涉足現金貸、715 高炮、套路貸、暴力催收、“超利貸”等業務。
據 AI 前線不完全統計，此次清查波及的大數據公司至少 15 家左右（以下根據公開資料整理，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構：紅杉、阿里、騰訊和警方”的網紅段子在引人發笑的同時，也反映出了當下大數據公司的尷尬處境。
今年 11 月以來，公安部加大了 APP 違法違規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。據悉，今年以來，公安部“凈網 2019”專項行動，已查處違法違規采集個人信息的 APP 共 683 款。
監管風暴席卷而來。大數據行業內人心惶惶，經此一擊，許多大數據公司遭受重創，大量數據接口被切斷，數據產品停售，部分公司業務部門解散、裁員，還有一些公司瀕臨倒閉。據一本財經統計，或有上萬人因此離開大數據行業。
禍起爬蟲？市場已是風聲鶴唳。
一時間，人人聞“爬蟲”色變。白騎士、葫蘆數據、天機數據、立木征信、聚信立等大數據公司紛紛宣布暫停爬蟲業務；還有的公司在幾天之內火速將爬蟲業務從經營業務范圍中“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憂是否游走在違法邊緣，頭發又多掉了幾根....
業內有這樣一種說法，爬蟲貢獻了互聯網 50% 的流量，它對于互聯網的繁榮功不可沒。但該技術同時也因“用途”而充滿爭議。爬蟲是一項見不得“陽光”的技術，它廣泛運用，卻少有人愿意承認在使用它。因為它常常被用作非法收集信息的工具，站上數據隱私、數據安全的對立面。
“爬蟲技術本身并無對錯，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，“技術無罪，關鍵在于人。”
網絡爬蟲是非常普遍的一種數據挖掘技術，它是一種按照一定的規則，自動地抓取網絡信息的程序或者腳本。爬蟲技術最早主要運用在搜索引擎中，它滿足了人們的數據獲取、分析需求。早在 1995 年，為了不越“邊界”，互聯網搜索引擎與網頁持有者之間達成了一項“君子協定”——robot 協議。該協議規定了哪些信息該爬，哪些信息不該爬，20 多年來，該協議一直沿用至今。
在遵循 robot 協議的前提下使用爬蟲技術，是沒有任何風險的。但往往有些“作惡者”試圖越過紅線，一些大數據公司打著“大數據分析”的名頭違規違法，爬取任何網頁及訪問用戶的數據，致使“蟲災”泛濫。
現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、旅行網站、共享單車、等平臺的個人信息，用戶的通訊錄、上網地址、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，還可進行定制化爬取。
在互聯網金融領域，上述數據主要被濫用于借貸、風控環節，具體多用在導流獲客和暴力催收上。除了支付寶爬蟲、微信爬蟲，甚至還有同業爬蟲，同業爬蟲即爬取同行的信息。據了解，摩羯科技曾推出該款產品，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，這樣便相當于剽竊了同行的風控成果。
今年 3 月，號稱擁有中國最大的簡歷數據庫的巧達科技被警方一鍋端，該公司的簡歷數據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，巧達科技憑此業務營收高達 4.11 億元。泄露、買賣、濫用，這些違規收集來的數據被肆無忌憚的曝光、出售，令用戶信息猶如在裸奔，嚴重侵犯了用戶個人隱私。
爬蟲也是一項“矛盾”的技術。爬與反爬的“斗爭”每天都在上演，力量此消彼長。
據一位資深程序員介紹，現在比較常見的反爬蟲技術手段主要有，檢測 Header 信息；設置 IP 訪問頻率，分析同一 IP 或同一設備在短時間內多次訪問同一頁面或進行相同操作；識別 UA、通過動態頁面增加爬取難度等方式。
這幾年，隨著隨著 AI 的發展，一些機器學習、canvas 指紋等智能反爬蟲技術也被運用起來。例如，騰訊云網站管家 WAF 就將 AI 檢測引擎能力，運用到了爬蟲 Bot 程序檢測的環節上，AI 引擎能夠對站點訪問流量的會話進行追蹤，通過流量畫像，匹配行為模型及行為標簽進行識別，進而識別出爬蟲 Bot 程序流量行為。
今年 5 月，被稱為“中國版 GDPR”的《數據安全管理辦法》征求意見稿發布，第 16 條規定，網絡運營者采取自動化手段訪問收集網站數據，不得妨礙網站正常運行；如自動化訪問收集流量超過網站日均流量三分之一，網站要求停止自動化訪問收集時，應當停止。
一位業內人士認為，技術只是工具，在獲取數據時需要考慮數據到底有沒有獲得授權，需要幾方授權，在拿到用戶授權的情況下，有沒有拿到網站等數據來源方的授權，這其中涉及到的權責邊界應該更明確。
隨著監管越來越嚴格，爬蟲技術的使用邊界也將更加明晰。互聯網從業者應當懷有敬畏之心，要時時注意不要觸碰邊界，畢竟爬蟲只是技術，灰色的是“助惡者”。
繁榮下的危局
整頓風波揭開了大數據灰色產業鏈的冰山一角，也將大數據行業高光背后的暗影一并曝在了陽光下。
伴隨著互聯網 + 迅速成為潮流，以及深度學習推動下的第三次人工智能熱潮，大數據技術備受追捧，“得數據者得天下”是一度被風口裹挾著的大數據產業的繁榮寫照。
金融大數據是大數據產業應用最廣的領域之一。2013 年前后，互聯網金融開啟了發展元年，一大批 P2P、第三方支付等互金平臺涌現。P2P 平臺一騎絕塵，但缺乏數據能力、風控能力差是其發展掣肘之一，如此一來，就為第三方數據公司提供了誕生的契機。
同盾科技便是彼時的入局者之一。2013 年，時任阿里巴巴集團安全部技術總監的蔣韜，還曾因離職創辦同盾科技在業內引起一番不小的轟動。成立當年，同盾科技便拿到了來自 IDG 資本和華創資本的 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。
有數據統計，2013 年到 2015 年，中國市場上 P2P 網貸平臺數量從 800 家增長至 2595 家，累計交易規模超過 11.4 萬億。另據億歐智庫《2018 中國智能風控研究報告》顯示，截至去年年底，573 家金融風控企業共獲得投資金額超過 1000 億元，其中三成企業獲得三次及以上的投資。這些企業中，有 69.8% 成立于 2013 年 -2017 年。
最近兩年，金融科技成為 P2P 熱潮落幕后新的創投風口，再次助推大數據產業發展走向新的高潮，同盾科技、51 信用卡等大數據公司也躍升為明星獨角獸。
在草莽生長的早期階段，不少大數據公司趁機鉆了法律不完善的空子，其數據業務游走在道德和法律邊緣。自 2015 年以來的多次監管動作也無不為從業機構敲響警鐘——要合規化使用數據。
在很大程度上，這些 P2P 網貸平臺與第三方數據公司是“相互成就”的關系。而一榮俱榮，一損俱損，當監管“緊箍咒”收緊之后，大數據產業也迎來了洗牌階段。“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。”一位大數據行業從業者向 AI 前線表示。
某頭部互聯網消費金融平臺的大數據負責人表示，這次的監管行動從產品—爬蟲技術—相關的數據方—網貸平臺，可以說是一條鏈式的查處。盡管有些嚴格，但如果不經過整治， 行業內存在的“缺乏明確規則”的問題就很難作出改變。一些大數據公司“單純”的認為自己只是給甲方做數據服務，即便出了問題，也事不關己。但現在來看，這些權責是需要進一步明確的。
漸入寒冬深處，結局也格外凄冷。
一些重度依賴爬蟲業務的大數據公司輕則業務停滯，重則或將因此倒下，即便能勉強活下來的恐怕也要被迫轉型。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，沒有了大量數據持續“投喂”，模型該如何迭代優化？
“有時候市場表面上的虛假繁榮是難以持續的，泡沫總有一天要被戳破。這次監管風暴對小機構來說，以后可能更難做了，對一些大機構會有一定影響，但可能影響沒那么大，優勝劣汰會加劇。大浪淘沙后留下來的是那些對用戶來說定價更低、體驗更好的產品，而淘汰掉的絕大部分是那些不合規的企業。因此，從長期來看，通過強監管之后，大數據行業會更合規，總體來說對用戶會更友好。”上述大數據負責人繼續說道。
一位第三方數據公司的高管對形勢感到樂觀。她認為，這次監管風暴對行業的健康發展是有利的，監管介入、政策出臺，這都在引導行業往好的方向發展，數據采標清洗質檢等流程會逐漸趨向標準化、合規化、安全化，進而提高大數據行業的進入門檻，并倒逼從業者提升服務質量。
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據公司逆勢成為行業里的“香餑餑”。那些不合規的企業終將湮沒不斷滾滾向前的歷史洪流中，未來的大數據產業屬于合規的參與者。
湘公網安備 43010302000270號