O1.12.3Inferred data and portability设计研究
衍生数据与推断结果通常不在可携范围内
别名: 衍生数据可携 · 推断数据 · observed versus inferred data
概念解释
推断数据与可携性（inferred data and portability）关注“个人提供的数据”与“控制者通过分析生成的数据”之间的范围界线。在 GDPR 可携权的解释中，个人主动输入和因使用服务而被观察到的数据可落入范围，而控制者后续生成的画像、评分、分类或算法结果通常不属于可携数据。这不是说推断数据不再是个人数据，也不意味着个人通过访问权等其他机制一定看不到它。
机制
原始活动与推断结果具有不同的生成关系。位置点、播放记录或设备测量直接来自个人及其活动，风险评分和兴趣分类则加入了组织的模型、特征工程与判断。可携权旨在让个人带走自身投入而不过度要求企业移交分析成果，因此在两者之间划界。但系统若只导出表单输入，排除所有观察数据，就会把“提供”错误缩窄；反过来把模型参数与个人评分混为一谈，也会掩盖不同权利与利益。
怎么研究
可为实际数据目录逐字段标注来源链：主动提供、行为观察、转换值、推断或聚合，并让独立评审者依据适用规则分类，记录分歧与理由。用合成账户比较访问副本和可携导出，检查用户能否理解差异。边界研究需追踪生成过程而非只看字段名称；“活跃度”既可能是直接计数，也可能是模型预测，两者语义相同但来源不同。
边界
“通常不在”是对 GDPR 可携权范围的限定性表述，不是全球规则。其他法域、合同承诺或产品自愿导出可以覆盖更多内容。推断数据排除于可携权，不等于可任意隐藏、保留或免受纠错；访问、透明度、自动化决定和公平性规则可能仍适用。包含商业秘密或他人权益时也应评估能否部分提供，而非自动拒绝整个请求。
怎么落地
- 在数据目录中记录每个字段的产生方式、输入、模型或转换和适用权利，不凭表名判断范围。
- 导出说明分别列出主动提供、观察数据、转换数据和未包含的推断，并解释可通过何种入口查询其他个人数据。
- 对混合字段保留可携的原始观察部分，不因最终产品同时生成评分就排除全部活动记录。
- 建立包含原始事件、简单计数和模型评分的测试账户，对照血缘核验访问与可携输出；任何来源分类无法解释的字段进入人工复核。