本月初，扎克伯格宣布将把该公司打造成以隐私为中心的社交平台。然而仅过了两周，就被啪啪打脸……

当地时间3月21日，Facebook 被曝从2012年开始以 Plain Text（明文形式）储存了上亿个用户的账号密码，使得公司2万名员工可以对这些密码进行读取。同日，Facebook 发表声明称已解决相关问题，间接承认存在以明文形式记录上亿用户密码的事实。

调查显示，被储存了密码的用户涉及2-6亿人，6亿用户占 Facebook 全球27亿人口用户的22%。

（图片来源于网络）

在作死边缘反复试探的 Facebook

• 1.不止一次的大规模数据泄露

让我们来复盘下 Facebook 数据泄露的一系列事件：

2018年3月，Facebook 首次曝出史上最大数据泄露事件。剑桥分析公司（CA，一家服务特朗普竞选团队的数据分析公司）在未经他们同意的情况下使用其创建的 Facebook 应用程序 thisisyourdigitalife ，获得了 5000万用户的个人资料，留档以用于在2016总统大选期间定向宣传；

2018年10月份，Facebook 又陷入数据泄露事件的安全问题，暴露 2900 万用户的私人数据，其中1400 万人暴露了包括：用户名、性别、出生日期、关系状态、宗教、当前城市、工作等非常详细的信息；

2018年12月，Facebook 称因软件漏洞可能导致 6800 万用户的私人照片泄露。12月5日， Facebook 内部电邮们显示，Facebook 给予 Netflix、Lyft 等广告客户开了获得所有数据的白名单；扎克伯格曾考虑向第三方开发者开放一些数据权限，为此收取费用。

• 2.20亿月活用户数量造假

1月25日下午消息，据外媒 CCN 报道，Facebook 首席执行官扎克伯格的哈佛校友、科技创业家 Aaron Greenspan 在一份长达70多页的重磅研究报告中称，Facebook 所谓的全球 20 亿月活用户是假的。

Greenspan 称，由于人为地虚报用户数据，Facebook 向其他在其垄断型社交网站上投放广告的公司收取高价费用，该行为无异于公众诈骗。“事实是，扎克伯格可能是有史以来最‘大型’的骗子，他制造的复杂骗局，其规模一度达到庞氏骗局的十倍左右。

根据 Statista 的数据，Facebook 在2018年的广告收入高达338亿美元，假如 Facebook 确实在虚假账户这件事上撒了谎，那么，这就意味着公司须对其从广告主那里获得的数十亿美元不义之财负责。

（图片来源于 Statistic.com）

• 3.成美国最不信任公司

根据 Ponemon Institute（一家专门研究隐私和数据的独立研究公司）的一项调查显示，CA 丑闻事件以及扎克伯格在国会听证会上的公开表现，Facebook 用户对该公司的信心下降了 66％。

（图片来源于 nbcnews.com）

据 Statista 在2018年末统计的一份报告显示：在主流科技公司中，Facebook 已经成为美国人最不信任的科技公司，且不信任度远超排名第二第三的 Twitter 和 Amazon 的 8 倍。

（图片来源于 Statistic.com）

CCN 报道，Facebook 正积极尝试扩大其区块链团队。但是，随着数据泄露丑闻严重破坏了公司声誉，Facebook 越来越难招到顶尖的技术人才。

成也数据，败也数据

Facebook 公司的首席分析师 Ken Rudin 曾提到：“大数据关系到公司的生死存亡”。

大数据是一把双刃剑：通过大数据获取用户画像，能对企业带来巨大帮助；但也能利用大数据有目的性地引导用户，是一个无形的武器。显然。Facebook 在一点点验证这句话。

• 1.大数据时代已经来临

随着人工智能和区块链的兴起，大数据的作用会愈发凸显，数据分析也成为炙手可热的岗位。

专家预测，到2020年将有40千兆字节的数据存在。大数据的时代已经来临。麦肯锡预测2020年全球有超过150万数据人才缺口，2025年中国将需要高达220万的数据人才！

（图片来源网络）

• 2.一张图了解数据的4个就业方向

近年来，数据分析相关专业也成为留学生们竞相申请的专业，热门程度几乎赶超金融：

（美国DA/DS专业项目数量增长情况）

而数据类主要有以下四大就业方向：

（图片来源网络）

• 3.从事 Data 相关工作有哪些必备技能？

某种程度上讲，这四类数据科学专业人才有明显的侧重：

• Business Analytics：更注重统计学和数据分析技能；
• Data Analyst：更注重沟通交流和行业领域技能；
• Data Engineer：更注重数据库与编程语言等技能；
• Data Scietist：更注重数学、统计的训练和算法、模型的开发；

从学习的角度来讲，成为数据科学专业人才所需要的技能不外乎是以下四个：

• 扎实的理论知识（数学、统计、算法、模型）
• 熟练的数据库操作语言（SQL、PL/SQL…）
• 熟练的编程语言（Python、R…）
• 丰富的实战经验（项目与工作经验）