数据安全有很多方面。云存储往往是数据的副本，可以大大降低硬件损坏导致数据丢失的可能性。在这方面，云存储有助于确保数据安全。当然，数据安全还有其他因素，比如会不会被黑客窃取，这要看云平台对黑客攻击的防护，有没有防火墙，入侵检测等等。比如数据加密，那么即使数据被盗，也不会造成信息泄露。
5、征信机构数据“跑马圈地”行将结束应如何保护数据安全?【监管弱、执法弱的时代将终结】近日，央行发布《征信业务管理办法(征求意见稿)》，对征信和征信业务、征信信息采集和处理等进行了规定。该办法被认为是对征信行业的一次重磅规范，也意味着征信行业将告别“弱监管、弱执法”的时代。随着征信应用的日益广泛，一些企事业单位打着大数据公司、金融科技公司的旗号，擅自过度采集个人信息，并用于非法牟利。信用边界不清、信息主体权益保护措施不到位等问题不断出现。
6、企业怎么应对数据安全考虑安全性，首先要分析自己的核心业务，然后存在哪些弱点，会造成哪些风险，然后制定应对风险的措施，并实施措施跟踪效果，不断改进。这是一般的方法论。~然后企业处理数据安全问题也是基于这个模型。一般来说，数据安全对应的风险包括数据丢失和数据泄露，而数据泄露又可以分为两种:被外部黑客丢失和被内部员工泄露。防止数据丢失一般是对数据存储的加固，比如使用冗余存储，定期远程备份等等。
防止员工泄密主要包括权限控制、文件加密等。不过最近看到一些解决方案(比如uzer.me)，如果能实现的话，在防止员工泄密和黑客攻击方面还是挺有创新的。一般投资方面，网络边界保护比较多，包括很多企业搞内外网物理隔离。不过据说有统计，大部分数据安全问题都是内部造成的。看来“家贼难防”这句老话还是蛮有道理的。
7、数据分析的结果该如何落地?前后两家公司，作为业务人员，一个通病就是后台不知道一线需要什么，上层不知道基层想要什么，所以经常闭门造车，最后给的往往不符合一线的需求。一方面我承认后台工作人员会有更好的全局观，但另一方面后台往往落实不到细节上。你得到的东西才是有价值的，不管你觉得有价值还是真的有价值。我认为这是值得商榷的。如果真的有价值，我觉得你应该做的应该是自上而下的推广。这些有价值的数据应该对公司的发展有帮助。这个应该由你来解释。毕竟不是每个人都样样精通。
8、数据分析的结果该如何落地数据分析师不再是吹捧者。我把我的想法告诉了县长。县长采纳不采纳是他的事。你有没有想过，数据分析师的职责就是做出有价值的数据结论，并成功让领导采纳？这个落地也是数据分析师的KPI。可变性和规律性。可变性是指不同事件量化的数据不同，有差异。正是因为数据的多变性，所以数据分析是必要的。规律性是指在包罗万象的数据中，可以有规律地发现数据，从而得出有价值的结论。正是因为有规律的数据分析，才有价值。
9、大数据落地背后,是未来“数据主义”的前奏?纵观科技发展历史，当某个跨时代的技术转折点到来时，两种情况似乎同时出现:流行概念中的鸡同鸭讲，以及实践者对概念追求的狂热。近年来一个很好的例子就是:大数据，公方:即使在2015年，马云数次宣布阿里从IT公司转型为DT公司的时候，舆论也普遍关注最新的商业鸡汤。从农业社会、工业社会到信息社会，中国两步一步的路径，让数据这个概念几乎远离了公共语境。
