Прогнозное моделирование и его социальные проблемы
Нет однозначного ответа относительно использования данных для целей прогнозирования. Многие компании делали это по-разному, некоторые даже сделали себя полностью управляемыми данными. Если мы проанализируем пример PayPal, это может создать картину того, как они применяют этот подход. Являются ли эти действия этичными или нет, полностью субъективно; Отдавать предпочтение одному перед другим тоже непросто.
PayPal обладает одним из самых больших преимуществ всех подходов, основанных на данных - транзакционными данными. Компании извлекают выгоду из данных только в том случае, если они могут извлечь из них выгоду, и что может быть более прибыльным, чем знание модели покупательской истории в этом отношении. Обратите внимание, что это не просто знание времени транзакции или суммы транзакции и т. Д., Но гораздо больше. PayPal использует даты платежей, историю покупок, веб-сайт продавца, который вы посещаете, файлы cookie, хранящиеся на устройстве, ваше местоположение и многое другое. Некоторые из них этичны, но некоторые выходят за рамки морально правильного. Следовательно, наш оцифрованный мир не смог различить их количество.
Две основные технологии, которые использует PayPal, - это управление большими данными и машинное обучение. Платформа для управления большими данными использует Hadoop, который позволяет им работать через облачные вычисления, делая информацию повсеместной. Небольшое облегчение вызывает тот факт, что они анонимизируют любую информацию, которую собирают, поскольку Hadoop не очень хорош в обеспечении мер безопасности. Лично говоря, пока мое имя не фигурирует, я думаю, у меня не будет проблем с этим. Но подождите, разве они не делают ничего неэтичного? Я очень сомневаюсь в этом!
PayPal использует данные о транзакциях и помогает другим продавцам ориентироваться на потребности своих клиентов, что, в свою очередь, увеличивает доходы этих продавцов. Поскольку PayPal - одна из немногих компаний, хранящих такую информацию, компания имеет собственное значение для заинтересованных сторон. Вдобавок ко всему, продавцы нанимают PayPal, чтобы использовать для них прогнозное моделирование с целью нацеливания на клиента. Удивительно то, что они не могут просто предсказать тех, кто пользуется услугами PayPal, но они могут предсказать любого, кто попадется в их ряды с купленными товарами; учитывая, что они уже построили свою модель на основе данных тех, кто пользуется их сервисом. Действительно, очень умный ход!
А вот и аспект машинного обучения PayPal. После фильтрации неструктурированных данных из Hadoop они запускают на них алгоритм глубокого обучения и нейронной сети для прогнозирования поведения клиентов, настроений клиентов и т. Д. В реальном времени. Точнее, они могут даже использовать обработку естественного языка - концепцию глубокого обучения в области искусственного интеллекта.
- по истории общения клиента для определения вышеуказанных пунктов. Однако я твердо считаю, что это совершенно неэтично. Нарушение чьей-либо истории чата не оставляет места для споров о том, что этично, а что нет.
Но с точки зрения безопасности, эти типы компаний, похоже, хорошо справляются со своей задачей. Промывка, несмотря на конкурентную среду, заключается в том, что они делают все, чтобы соблюдать меры безопасности, установленные руководящими органами. Более того, потеря доверия клиентов и возмещение убытков могут легко стоить миллионы долларов. По той же причине они используют алгоритм обнаружения мошенничества, основанный на методологиях машинного обучения; однако обратная сторона заключается в том, что они ограничивают взаимодействие с пользователем, чтобы обеспечить более строгие меры безопасности, что не всегда желательно. Что, если люди задерживают свои транзакции только потому, что алгоритм машинного обучения определил их как мошенничество.
Много шумихи было вокруг вопросов конфиденциальности, связанных с подходом, основанным на данных, который используют компании. Нет сомнений в том, что использование чужой информации прямо неэтично. Но давайте посмотрим на это поближе.
Во-первых, не хватало строгости со стороны пользователя; они склонны игнорировать проблемы нарушения прав на данные как что-то, что не оказывает реального влияния на их повседневную жизнь. Однако кто-то достаточно осмотрительный должен знать, что через 5 лет данные могут быть использованы для нежелательных открытий. Мы, как обычные граждане, и наша законодательная политика ничего не сможем с этим поделать. Так как правительству потребуются новые методы для решения собственных проблем.
Но в то же время мы должны понимать, что развитие технологий позволяет предприятиям исследовать новые способы извлечения выгоды из информации о потребителях, что усложняет работу законодателей по обеспечению соблюдения прав потребителей. С другой стороны, если мы углубимся в историю, «Закон о справедливом кредитном отчете 1970 года» был, возможно, одним из первых законов в пользу конфиденциальности информации, однако в этом быстро меняющемся мире законодатели могут с таким же успехом поток. Но можно сказать, что это не лишено оснований - поскольку сейчас у нас есть широкие массивы атрибутов данных, которые нужно хранить, стиралась линия в отношении того, что запрещено, а что этично использовать.
Мы говорим о точке зрения клиентов, но с точки зрения заинтересованных сторон они должны понимать, насколько ценны для них их клиенты. По той же причине они должны попытаться защитить свою конфиденциальность, и PayPal, похоже, очень плохо справляется с этим аспектом бизнеса.
Компания всегда прилагает усилия, чтобы максимально обезопасить информацию о потребителях. Почему это? - Кто-то может спросить - потому что, если данные могут быть прибыльными для бизнеса, они могут быть еще более плодотворными для хакеров и злоумышленников. С развитием технологий повсеместное распространение лазеек создало благоприятную почву для хакеров, и, поскольку обмен данными становится жизненно важным для функционирования бизнеса, он также становится доступным для хакеров. Это также причина, по которой PayPal искажает информацию перед ее сохранением, поскольку они используют Hadoop, который не обеспечивает безопасности.
При этом бизнес имеет очень сложную систему, в которой участвуют заинтересованные стороны, клиенты, партнеры, конкуренты и сотрудники и т. Д. Нарушение информации о потребителе может произойти в любом месте этой системы, учитывая, что компания несет ответственность за доступную информацию. Иногда это даже не большой выбор для компаний, и они обязаны раскрывать свою личную информацию другим организациям в своей системе. Что удивительно, так это то, что это доказывает, сколько данных о весе хранится в обычном деловом мире; несмотря на то, что они несут ответственность за конфиденциальность потребителей, компании готовы пойти на уступки, рискуя потерять конфиденциальную информацию.
Необходимо сформировать новую систему, чтобы обеспечить прозрачность сбора, прогнозирования и использования данных. Это должно потребовать вовлечения пользователей, а также заинтересованных сторон, чтобы прийти к соглашению, прежде чем эта информация может быть использована. Хотя в настоящий момент пользователи действительно дают разрешение компании на извлечение своей информации, но эти компании играют очень тонко и не позволяют пользователю действительно знать, что они раздают что-то ценное. Следовательно, для правильного продвижения управления данными требуется более единый подход. Компании, потребители и партнеры должны найти общий язык в рамках
структурированный образ. Однако в нынешних сценариях это кажется маловероятным, поскольку все происходит слишком быстро.
Ссылка:
Анонимный. Как вопросы конфиденциальности данных могут объединить интересы бизнеса и потребителей VirtruCorporation. https://www.virtru.com/blog/data-privacy-issues/
Сакр, М. (сентябрь-октябрь 2017 г.). Большие данные и возникающие этические проблемы. Получено из Национального центра биотехнологической информации. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5654190/
Абрахам, К., Харкинс, Р. (18 сентября 2018 г.). Время действовать, чтобы улучшить анализ правительственных данных. Получено из Brookings. Https://www.brookings.edu/opinions/time-for-action-to- улучшить-правительство-анализ-данных /
Абрахам, К., Харкинс, Р. (18 сентября 2018 г.). Время действовать по улучшению анализа правительственных данных. Получено из Brookings. Https://www.brookings.edu/opinions/time-for-action-to- улучшить-правительство-анализ-данных /
