（一）数据的敏感性
大数据时代，数据内容越来越敏感。“机密性”是指在数据披露后对个人产生负面影响，或者对个人产生的好处和价值不公开。敏感性的表现有直接和间接两个水平。
首先，如果个人数据的处理比例增加，那么数据的机密性就会提高。机密数据越是反映个人生活的实际状态，商务价值越高。机密性高的个人数据在数据收集和使用的实践中发挥着重要的作用。
其次，由于大数据的规模效应，机密性低的数据会给个人生活带来威胁。大数据可以通过分析用户在网络上的习惯来掌握流行病的扩展等，也可以利用没有关联的数据来获得相关结果，因此机密数据和非机密数据的边界模糊。虽然有些数据在个人方面没有问题，但是如果集中处理可能会导致意料之外的结果。
数据的敏感性增加了删除数据的必要性，却不影响删除过程本身。一般来说，越是对个人敏感的数据越需要删除。(www.xing528.com)
（二）数据的脆弱性
所谓数据的脆弱性，不是指数据的物理状态，而是指在未被许可的状态下容易被他人取得的状态。因此，脆弱性实际上意味着数据安全性低。脆弱性是大数据时代数据的显著特征，其原因是多方面的。首先，我们不了解如何收集、使用、交易和储存资料。第二，我们没有相应的保护数据的补救手段。此外，为了获得经济利益，数据管理员通常在数据安全方面理解不足，特别是在法律遵守不充分的情况下。最后，由于安全系数低，黑客可以简单地突破防御线，致使数据泄漏频繁发生。
（三）数据的不确定性
大数据时代的另一个特征是数据挖掘的不确定性。牛津大学互联网社会研究院教授graph-Schroeder阐明了其深层的理由。初始数据实践的目的是收集数据，而大型数据通常在收集数据之后要考虑挖掘的方向性，以便允许“在上下文之间使用”数据。也就是说，大数据的实践是收集解释前的模式。因为数据的收集不是以结果为指向，所以数据挖掘的结果显示出不确定性并不令人吃惊。但是，不确定性给数据保护带来了很大的课题。目的不明确加强了信息的非对称性，我们不知道产业中自己数据的最终命运，所以当然会产生“退意”。被遗忘权的设计理念是创造数据处理的结束机制（opt-out）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
