- Duomenų kūrimu (datafikacija) kasdieniai veiksmai paverčiami skaitmeniniais duomenimis, kurie yra saugomi ir analizuojami, siekiant gauti naudingą informaciją ir žinias.
- Dideli duomenys ir dirbtinis intelektas priklauso nuo šio masinio duomenų generavimo, kad aptiktų modelius, numatytų elgesį ir priimtų automatizuotus sprendimus.
- Duomenų kūrimą naudojantis sistema (Duomenimis) galima aiškiai pasinaudoti suasmeninimo, efektyvumo, sveikatos ir saugumo aspektais, tačiau taip pat kyla rizika privatumui, autonomijai ir socialinei lygybei.
- Leidimų peržiūra, privatumo konfigūravimas ir istorijos tvarkymas padeda geriau kontroliuoti savo skaitmeninį pėdsaką ir asmeninės informacijos naudojimą.
Ar kada nors jaučiate, kad jūsų telefonas, laikrodis ar programėlės jus pažįsta geriau nei jūs patys save? Tai ne paranoja: už šio jausmo slypi duomenų kaupimas – tylus procesas, kuris beveik kiekvieną kasdienį veiksmą paverčia analizuojamais duomenimis. Kiekvienas mokėjimas kortele, kiekvienas jūsų žingsnis, kiekvienas paspaudimas socialiniuose tinkluose ir kiekviena atlikta paieška tampa naudinga informacija įmonėms, platformoms ir net, jei žinote, kaip ja pasinaudoti, jums.
Supratimas, kaip jūsų duomenys yra sudaiktinti, nėra techninė detalė; tai asmeninės galios klausimas . Žinojimas, kas renkama, kaip tvarkoma ir kokiais tikslais, leidžia priimti labiau pagrįstus sprendimus dėl savo privatumo, skaitmeninės tapatybės ir kasdien naudojamų paslaugų. Šiame straipsnyje mes tiksliai nagrinėsime, kas yra sudaiktinimas, kuo jis skiriasi nuo didžiųjų duomenų ir dirbtinio intelekto, pateiksime realių pavyzdžių iš jūsų kasdienio gyvenimo, naudą, riziką ir kaip kontroliuoti savo informaciją.
Kas yra duomenų kaupimas ir kuo jis toks ypatingas?
Paprastai tariant, duomenų kaupimas yra procesas, kurio metu veiksmai, įvykiai ar gyvenimo charakteristikos paverčiami skaitmeniniais duomenimis, kuriuos sistema gali įrašyti, saugoti ir analizuoti . Kalbame ne tik apie nuskaitytų dokumentų ar nuotraukų turėjimą telefone (tai labiau panašu į skaitmeninimą), bet ir apie jūsų elgesio, santykių, įpročių ir net emocijų pavertimą kiekybiškai įvertinamais rodikliais.
Esmė ta, kad duomenimis gali tapti beveik viskas : jūsų gimimo data, kiek žingsnių žengiate per dieną, kiek laiko trunka kelionė į darbą ir atgal, kada paprastai tikrinate „Instagram“, kokį serialą nutraukiate pusiaukelėje ar kiek pinigų išleidžiate prekybos centre savaitgaliais. Visa tai, surinkus, yra sutvarkoma, struktūrizuojama ir integruojama su kitais duomenimis, kad būtų gauta informacija ir galiausiai naudingos žinios.
Šiandieninis duomenų kaupimas įmanomas dėl jutiklių, ryšio ir debesijos infrastruktūros derinio . Jutikliai mobiliuosiuose telefonuose, laikrodžiuose, automobiliuose ir buitiniuose prietaisuose fiksuoja signalus iš fizinės aplinkos ir jūsų veiklos. Šie signalai paverčiami dvejetainiu kodu ir keliauja internetu į serverius, kur jie saugomi didžiulėse duomenų bazėse. Iš ten analizės įrankiai, didžiųjų duomenų algoritmai ir dirbtinis intelektas išskiria modelius, koreliacijas ir prognozes.
Svarbus duomenų kaupimo aspektas yra tai, kad jis ne tik saugo „daiktus“, bet ir nuolat vykstančius procesus . Jis fiksuoja ne tik tai, kad ką nors įsigijote, bet ir kada, kur, kaip dažnai, kiek vidutiniškai išleidžiate, ką perka panašūs į jus žmonės ir kaip keičiasi jūsų elgesys laikui bėgant. Šis dinamiškas požiūris paverčia jūsų kasdienį gyvenimą savotišku nuolatiniu duomenų srautu.
Kaip duomenų kaupimas techniškai veikia jūsų įrenginiuose
Už kiekvienų sugeneruotų duomenų slypi gana aiški techninė grandinė, net jei jos nematote . Jūsų prijungti įrenginiai, apskritai kalbant, atlieka nuoseklių fazių seką, kuri nuolat kartojasi, kol juos naudojate.
Pirmiausia seka fiksavimas . Jūsų mobiliajame telefone, išmaniajame laikrodyje, išmaniojoje garso kolonėlėje ar prie interneto prijungtame automobilyje yra jutikliai (GPS, akselerometras, giroskopas, kamera, mikrofonas, biometriniai jutikliai ir kt.), galintys fizinius dirgiklius ar skaitmeninius veiksmus paversti išmatuojamais signalais. Pavyzdžiui, GPS konvertuoja jūsų geografinę padėtį į koordinates; širdies ritmo matuoklis matuoja jūsų širdies ritmą; programėlės įrašo paspaudimus, jose praleistą laiką arba kuriuos įrašus ignoruojate.
Toliau seka informacijos vertimas ir struktūrizavimas . Šie signalai konvertuojami į dvejetainį kodą ir susisteminami į formatus, kuriuos gali apdoroti mašinos: lentelės, įrašai, įvykiai, žurnalai ir kt. Čia į pagalbą ateina metaduomenys – duomenys apie duomenis: įrašymo laikas, naudotas įrenginys, vieta, veiksmo tipas ir kt. Duomenys ir metaduomenys galiausiai tampa prasminga informacija.
Kitas žingsnis – saugojimas nuotolinėse infrastruktūrose . Didžioji dalis informacijos keliauja į debesijos serverius, paskirstytus visame pasaulyje. Šios sistemos leidžia saugoti didžiulius duomenų kiekius, juos replikuoti, kad būtų išvengta duomenų praradimo, užtikrinti saugumą ir prieinamumą beveik realiuoju laiku atliekamai analizei.
Galiausiai atliekama analizė ir aktyvavimas . Analizės įrankiai , didžiųjų duomenų algoritmai ir dirbtinis intelektas palygina jūsų duomenis su milijonų žmonių duomenimis, kad išskirtų modelius: ką paprastai veikiate, kas jus domina, kas jums panašu. Šis „intelektas“ sukelia atsaką: turinio rekomendaciją, pritaikytą skelbimą, saugumo įspėjimą, alternatyvaus maršruto pasiūlymą arba pranešimą iš jūsų banko.
Duomenų kūrimas, didieji duomenys ir dirbtinis intelektas: kokį vaidmenį atlieka kiekvienas iš jų?
Įprasta sutapatinti duomenų kūrimą, didžiuosius duomenis ir dirbtinį intelektą, tarsi tai būtų tas pats dalykas, tačiau iš tikrųjų tai yra skirtingos tos pačios grandinės dalys . Supratimas skirtumo padeda suprasti, kur prasideda jūsų duomenys ir kuo jie tampa.
Datafikacija yra atspirties taškas : tai realybės (jūsų veiksmų, miesto procesų, ekonominės veiklos ir kt.) pavertimas skaitmeniniais duomenimis. Tai momentas, kai kažkas, kas anksčiau buvo efemeriška ar nematoma (pavyzdžiui, laikas, kurį praleidžiate žiūrėdami reklamą), tampa užfiksuota.
Dideli duomenys – tai tokių didelių, įvairių ir greitai judančių duomenų rinkinių, kurie perkrauna tradicines sistemas, valdymas . Tai dažnai aiškinama naudojant garsiuosius „tris V“: apimtį (didžiulis duomenų kiekis, pavyzdžiui, milijonai tviterio žinučių per dieną), įvairovę (skirtingi formatai: tekstas, garsas, vaizdo įrašas, jutiklių duomenys, vaizdai ir kt.) ir greitį (duomenys, kurie generuojami ir turi būti apdorojami beveik akimirksniu, pavyzdžiui, eismo rodmenys ar meteorologinių stočių duomenys). Prie šių trijų V pridedamas ketvirtas pagrindinis elementas: vertė, t. y. galimybė išgauti realų naudingumą iš tų duomenų.
Dirbtinis intelektas pasirodo kaip „smegenys“, kurios mokosi iš šio didžiulio duomenų kiekio . Mašininio mokymosi algoritmai aptinka paslėptus modelius, prognozuoja elgesį ir priima automatizuotus sprendimus: nuo TV serialo rekomendavimo iki numatymo, kurie klientai ruošiasi atsisakyti paslaugos ar kuris pirkinys yra nesąžiningas.
Be išankstinio duomenų apdorojimo nei didieji duomenys, nei dirbtinis intelektas neturėtų žaliavos, su kuria galėtų dirbti . O be didžiųjų duomenų infrastruktūros dirbtinis intelektas negalėtų efektyviai išnaudoti visos šiandien pasaulyje generuojamos informacijos. Jie yra skirtingi sluoksniai, bet visiškai tarpusavyje priklausomi.
Duomenys, informacija, žinios ir vertė: kodėl metaduomenys tokie svarbūs
Vienas svarbiausių aspektų norint suprasti duomenų kūrimą (datafikaciją) yra atskirti duomenis, informaciją ir žinias . Skirtumas gali atrodyti teorinis, tačiau praktiškai jis lemia, kas gali būti padaryta su jumis, atsižvelgiant į tai, ką įrašo mašinos.
Pats savaime duomenų elementas yra izoliuota reikšmė be konteksto . Pavyzdžiui, „1983-09-18“ arba „120“. Tik pridėjus metaduomenis (ką jie reiškia, kam priklauso, kada buvo įrašyti), jie tampa informacija: „kliento gimimo data“ arba „ramybės būsenos širdies ritmas“.
Metaduomenys yra esminis elementas, kuris neapdorotus duomenis paverčia prasminga informacija . Kuo daugiau metaduomenų pridedama, tuo didesnis detalumo lygis ir todėl didesnė galimybė išgauti praktines įžvalgas. Pavyzdžiui, prekybos centras ne tik žino, kad asmuo apsipirko šeštadienį; jis analizuoja laiko intervalus, vidutinę sandorio vertę, įsigytus produktus, mėnesio dažnumą, ar asmuo apsipirko vienas, ar su kitais, mokėjimo būdą ir kita.
Žinios atsiranda, kai informacija interpretuojama turint konkretų tikslą . Prekybos centro pavyzdyje viena išvada galėtų būti tokia: „Klientai, gimę 1975–1985 m., dažniausiai apsiperka savaitgaliais.“ Ši įžvalga leidžia kurti tikslines akcijas, geriau organizuoti darbuotojus arba koreguoti atsargas.
Štai čia ir prasideda ketvirtoji didžiųjų duomenų „V“: vertė . Nėra prasmės registruoti daugybę paspaudimų ar matavimų, jei niekas jų nenaudoja sprendimams priimti, paslaugoms tobulinti ar žmonėms naudingiems dalykams teikti. Duomenų kaupimas turi prasmę tik tada, kai jis yra integruotas į verslo procesus, viešąją politiką ar paslaugas, kurios iš tikrųjų išnaudoja tą vertę.
Jūsų skaitmeninis pėdsakas: kaip jūs save suduomeninate to nesuvokdami
Beveik viskas, ką veikiate internete, palieka pėdsaką, kuris sudaro jūsų skaitmeninį pėdsaką . Šis pėdsakas yra visos informacijos, sugeneruotos jums sąveikaujant su skaitmeninėmis technologijomis, suma: žinutės, pirkiniai, vietos, paieškos, patiktukai, nuotraukos, įvertinimai ir kt.
Šio skaitmeninio pėdsako supratimas suteikia keletą aiškių privalumų . Pirma, galite geriau valdyti, ką ir su kuo bendrinate, tiksliai koreguodami savo socialinės žiniasklaidos profilių, programėlių ir įrenginių privatumo nustatymus. Antra, pradedate aiškiai suprasti, kodėl jums rodomi tam tikri skelbimai ar rekomendacijos: jie nėra atsitiktiniai; jie pagrįsti modeliais, sukurtais remiantis jūsų ir panašių į jus žmonių elgesiu.
Be to, žinojimas apie savo skaitmeninį pėdsaką padeda nuspręsti, kuriuos leidimus suteikti , o kurių ne . Kai nauja programa prašo prieigos prie jūsų vietos fone, kontaktų ar mikrofono, galite įvertinti, ar ši prieiga pateisinama jos siūloma funkcija, ar tai yra per didelė „našta“. Ši kritinė perspektyva yra būtina ekosistemoje, kurioje daugelį sprendimų priima nematomas algoritmas.
Taip pat galite išmokti išnaudoti teigiamus duomenų kaupimo aspektus . Pavyzdžiui, galite naudoti išmaniojo laikrodžio veiklos ataskaitas miegui pagerinti, pasinaudoti banko išrašais, kad geriau valdytumėte savo finansus, arba naudoti socialinių tinklų analizę, kad plėtotumėte profesionalų ar asmeninį projektą.
Kasdieniai duomenų panaudojimo pavyzdžiai: nuo išmaniųjų laikrodžių iki elektroninės prekybos
Duomenų kaupimo teorija daug geriau suprantama, kai pritaikote ją kasdieniame gyvenime . Tiesa ta, kad gyvenate apsupti sistemų, kurios renka, susieja ir naudoja duomenis, jums nereikalaujant nieko tiesiogiai daryti.
Vienas aiškiausių pavyzdžių yra tai, ką matote ant savo riešo, jei naudojate išmanųjį laikrodį arba fitneso sekiklį . Šie nešiojami įrenginiai įrašo žingsnius, numatomą sudegintų kalorijų skaičių, mankštos laiką minutėmis, širdies ritmo kintamumą, miego kokybę ir net deguonies kiekį kraujyje. Remdamasi šiais duomenimis, programa rodo tendencijas, nustato tikslus ir netgi gali aptikti anomalijas, kurios kai kuriais atvejais padėjo numatyti sveikatos problemas.
Socialinė žiniasklaida yra dar vienas svarbus duomenų kaupimo epicentras . Svarbūs ne tik paspaudimai „patinka“, komentarai ar jūsų skelbiamas turinys: taip pat laikas, kurį praleidžiate žiūrėdami vaizdo įrašą, temos, kuriomis domitės, ką atmetate per kelias sekundes ir su kuo bendraujate dažniausiai, o su rečiausiai. Visa tai sudaro labai išsamų jūsų pomėgių ir socialinio elgesio profilį.
Žemėlapių ir mobilumo programėlės visiškai priklauso nuo šio didžiulio duomenų srauto . Kiekvieną kartą, kai įjungiate GPS vykdami į darbą, jūsų telefonas siunčia buvimo vietos ir greičio informaciją į serverius. Vienu metu derindama tūkstančių žmonių duomenis, sistema gali apskaičiuoti eismo sąlygas realiuoju laiku, pasiūlyti alternatyvius maršrutus arba koreguoti atvykimo laiką.
E. prekybos pasaulyje duomenų fiksavimas yra bet kurios duomenimis pagrįstos strategijos pagrindas . Jis matuoja parduotus produktus, apsilankymų skaičių viename produkto puslapyje, apleistų krepšelių procentą, srauto šaltinius, konversijų rodiklį, vidutinę užsakymo vertę ir daugybę kitų kintamųjų. Pažangūs analizės įrankiai , tokie kaip specialios el. prekybos platformos, gali susieti daugiau nei dešimt duomenų šaltinių, kad sugeneruotų kiekvieno produkto našumo rodiklius, nustatytų tuos, kurie turi didžiausią potencialą, ir atitinkamai paskirstytų reklamos investicijas.
Šio tipo sprendimai leidžia imtis veiksmingų veiksmų, pavyzdžiui, padidinti mokamų kampanijų paspaudimų rodiklį, sumažinti reklamos išlaidas produktams, kurie niekada nekonvertuoja, ir žymiai pagerinti prekių įdėjimą į krepšelį. Jie taip pat suteikia įžvalgų, kaip optimizuoti SEO, SEM ir pačią katalogo strategiją.
Išmanieji namai ir įrenginiai, reaguojantys į jūsų duomenis
Prijungtas namas yra dar vienas scenarijus, kai duomenų kūrimas transformuoja įprastas užduotis į automatizuotus procesus . Kiekvienas „išmanusis“ įrenginys prideda matavimo ir reakcijos lygmenį, pagrįstą jūsų kasdienio elgesio duomenimis.
Pavyzdžiui, įsivaizduokite išmanųjį termostatą . Jis sužino, kada paprastai grįžtate namo, kokią temperatūrą pageidaujate priklausomai nuo sezono ir kiek laiko užtrunka, kol kambariai įkaista arba atvėsta. Turėdamas šią informaciją, jis automatiškai reguliuoja šildymą arba oro kondicionavimą, kad būtų užtikrintas optimalus komfortas su mažiausiomis įmanomomis energijos sąnaudomis.
Išmanieji garsiakalbiai analizuoja jūsų balso komandas, kad suprastų, kaip kalbate, jūsų įpročius (kokią muziką klausotės ryte, kokių naujienų klausotės, kokius grojaraščius naudojate darbe) ir reaguoja vis greičiau bei tiksliau.
Robotai dulkių siurbliai sukuria išsamius jūsų namų žemėlapius , aptinka pasikartojančias kliūtis, optimizuoja valymo maršrutus ir koreguoja savo takus pagal tai, kiek užterštos tam tikros vietos. Šis „namų žemėlapis“ yra aiškus jūsų fizinės erdvės duomenų kaupimo pavyzdys.
Srautinio perdavimo platformos atidžiai stebi jūsų turinio vartojimo įpročius : kada pristabdote seriją, kokio tipo serialus nutraukiate, kiek laiko laukiate tarp serijų ir kuriame įrenginyje žiūrite kiekvieną epizodą. Taip jos kuria suasmenintas rekomendacijas ir nusprendžia, į kokį turinį verta investuoti.
Tuo tarpu bankininkystės programėlės automatiškai suskirsto jūsų išlaidas į kategorijas (maisto prekės, laisvalaikis, transportas, prenumeratos ir kt.) ir aptinka modelius, kad įspėtų jus, jei kas nors atrodo neįprasta. Šis duomenimis pagrįstas metodas derinamas su kovos su sukčiavimu sistemomis, galinčiomis per kelias sekundes blokuoti įtartinas operacijas.
Tiesioginė duomenų kaupimo nauda jūsų kasdieniame gyvenime
Be verslo pritaikymo, jūs pats pastebite aiškią duomenų kūrimą (datafikaciją), net jei to taip nevadinate . Akivaizdžiausia yra ypatingas paslaugų ir turinio suasmeninimas.
Dėl duomenų kaupimo daugelis platformų išmoksta jūsų pageidavimus ir taupo jūsų laiką . Jums nereikia valandų valandas ieškoti muzikos, serialų ar produktų: jūsų programų savaitės rekomendacijos jau yra pritaikytos prie to, ką paprastai vartojate ir ką vartoja panašūs vartotojai.
Sveikatos priežiūros sektoriuje duomenų kūrimas atveria duris daug aktyvesnei prevencijai . Integruotos stebėjimo sistemos (nuo nešiojamųjų įrenginių iki medicinos prietaisų) gali iš anksto įspėti, kai aptinka nenormalius jūsų širdies ritmo, miego ar aktyvumo modelius, dar prieš jums pastebint problemą.
Šis metodas taip pat naudingas finansiniam saugumui . Bankai naudoja duomenimis pagrįstus modelius, kad nustatytų įtartinus pirkimus, prieigą iš neįprastų vietų ar elgesį, atitinkantį sukčiavimo bandymus. Kai kas nors atrodo ne taip, jie blokuoja operaciją arba prašo papildomo patvirtinimo.
Viešajame sektoriuje gerai tvarkomi duomenys gali pagerinti esmines paslaugas . Miesto eismo valdymas, viešojo transporto planavimas, taršos kontrolė ir reagavimas į pandemijas labai priklauso nuo duomenų, susijusių su mobilumu, vartojimu, sveikatos incidentais ir orais, analizės. Vadinamieji „išmanieji miestai“ yra kuriami remiantis šiuo nuolatiniu matavimo ir optimizavimo sluoksniu.
Rizika ir šalutinis poveikis jūsų privatumui ir teisėms
Nors duomenų kaupimas turi daug privalumų, jis taip pat kelia labai rimtą pavojų jūsų privatumui, autonomijai ir socialinei lygybei . Esmė ne demonizavimas, o budrumas dėl galimo jų panaudojimo ir piktnaudžiavimo.
Vienas akivaizdžiausių pavojų yra privatumo praradimas . Kai praktiškai visas jūsų kasdienis gyvenimas yra vienaip ar kitaip įrašomas, padidėja tikimybė, kad trečiosios šalys gaus prieigą prie neskelbtinos informacijos, jei bus saugumo pažeidimų , blogos praktikos ar neskaidrių verslo modelių.
Nuolatinis jūsų buvimo vietos ir įpročių stebėjimas gali lemti pernelyg didelį sekimą . Įmonės ir vyriausybės gali sužinoti, kur esate, su kuo esate, kiek laiko praleidžiate kiekvienoje vietoje ir kokiais maršrutais paprastai keliaujate, todėl kyla nepatogių klausimų apie socialinę kontrolę ir judėjimo laisvę.
Kita reikšminga rizika – informacijos burbulų ir automatizuotų šališkumų susidarymas . Algoritmai, kurie rekomenduoja naujienas ar turinį pagal jūsų esamus pageidavimus, gali jus įkalinti aido kamerose, kuriose matote tik dalinį realybės vaizdą. Be to, kredito balų modeliai, personalo atrankos procesai ar socialinės rūpybos paskirstymo sistemos, jei apmokytos remiantis šališkais duomenimis, gali įtvirtinti nelygybę ir diskriminaciją.
Duomenų fiksavimo srityje taip pat klesti tapatybės vagystės ir skaitmeninis sukčiavimas . Jei užpuolikas gauna prieigą prie pakankamai jūsų informacijos fragmentų (asmeninių duomenų, naudojimo modelių, pirkimo įpročių), jam tampa daug lengviau apsimesti jumis. Tyrimai rodo, kad gerokai padaugėjo atakų, kuriomis siekiama pavogti išsamius vartotojų profilius, būtent dėl to, kad jie yra tokie vertingi juodojoje rinkoje.
Galiausiai, yra neskaidrumo problema . Daugelį svarbių sprendimų, susijusių su jūsų gyvenimu – kokias reklamas matote, kokias sąlygas siūlo bankas, ar automatizuota sistema jus laiko „tinkamu“ gauti kažką – priima algoritmai, kurių logikos negalima lengvai patikrinti ar kvestionuoti. Šis galios disbalansas tarp tų, kurie kuria sistemas, ir tų, kuriems jos daro įtaką, yra viena iš pagrindinių mūsų laikų diskusijų.
Duomenų rinkimas, įmonės ir konkurencinis pranašumas
Verslo požiūriu, duomenų kūrimas tapo svarbiausiu strateginiu veiksniu ne tik technologijų milžinams, bet ir MVĮ, vietos įmonėms bei visų rūšių skaitmeniniams projektams.
Galimybė išgauti praktinių įžvalgų iš duomenų leidžia priimti labiau pagrįstus sprendimus ir sumažinti riziką . Pavyzdžiui, maža įmonė, turinti gerą lojalumo programą, gali daug geriau suprasti savo klientus: apsilankymų dažnumą, vidutines išlaidas, pageidaujamus produktus ir jautrumą kainoms. Tai leidžia lengviau segmentuoti rinką, pradėti suasmenintas akcijas ir kurti pelningesnes kampanijas.
Restoranų industrijoje toks paprastas sprendimas kaip QR kodo mokėjimų ar patentuotų programėlių įdiegimas atveria duris į užsakymų, kada užsakymų, kiek laiko kiekvienas staliukas užsibūna ir kokie patiekalų deriniai yra geriausi, registravimą . Ši informacija gali būti naudojama meniu, kainoms, personalo darbo grafikams ar net įstaigos išplanavimui koreguoti.
Elektroninėje prekyboje duomenų kaupimas yra dar intensyvesnis . Pažangios analizės platformos susieja katalogų duomenis, kampanijų našumą, naršymo elgseną, atsargų lygį, logistiką ir pelno maržas. Tai leidžia joms reitinguoti produktus pagal jų potencialą, perskirstyti reklamos biudžetus ir nustatyti, kuriems produktų sąrašams reikia SEO patobulinimų arba skelbimų kūrybos pakeitimų.
Netgi tokie sektoriai kaip finansai, telekomunikacijos ir audiovizualinė produkcija vis labiau remiasi šiuo metodu . Nuo tarifų koregavimo pagal faktinį suvartojimą iki sprendimo, kuriuos serialus kurti, atsižvelgiant į žiūrėjimo modelius, duomenų fiksavimas integruojamas kaip dar vienas verslo turtas, lygiavertis infrastruktūrai ar prekės ženklo kūrimui.
Be individualios ir verslo sferos, duomenų konversija turi gilių socialinių ir politinių pasekmių . Kelios studijų sritys – nuo kritinės politinės ekonomijos iki dekolonijinės teorijos – analizuoja, kaip masinis gyvenimo pavertimas duomenimis perkonfigūruoja galią.
Vienas iš stipriausių kritikos punktų yra susijęs su „stebėjimo kapitalizmu “. Remiantis šiuo požiūriu, žmonių patirtis tapo žaliava elgesio duomenims, kurie yra pakuojami, parduodami ir naudojami mūsų sprendimams daryti įtaką, generuoti. Stebima ne tik tai, ką darote; bandoma modeliuoti, ką darysite toliau.
Kita analizės kryptis interpretuoja duomenų kaupimą kaip šiuolaikinę ekstrakcionizmo formą . Kaip istorinis kolonializmas pasisavino teritorijas, gamtos išteklius ir darbo jėgą, taip dabar vertė išgaunama iš socialinių išteklių: santykių, įpročių, kultūros, bendruomenės žinių – visa tai filtruojama per pasaulines platformas ir paslaugas, kurios sutelkia šių duomenų nuosavybę.
Šis „duomenų kolonializmo“ požiūris sutelktas į tai, kas gauna naudos ir kas moka kainą . Paprastai didelės technologijų platformos ir tam tikros valstybės sukaupia didžiąją dalį sukurtos vertės, o vartotojai ir bendruomenės praranda savo informacijos kontrolę ir yra veikiami automatizuotų sprendimų, dėl kurių negali derėtis.
Teisinis aspektas taip pat svarbus . Tokie reglamentai kaip Bendrasis duomenų apsaugos reglamentas Europoje bando grąžinti tam tikrą kontrolę asmenims, pripažindami asmens duomenų apsaugą kaip pagrindinę teisę. Tačiau tikrąją šių reglamentų taikymo sritį riboja verslo modeliai ir techninės architektūros, sukurtos būtent tam, kad būtų kuo labiau padidintas duomenų išgavimas ir platinimas.
Kaip išlaikyti savo asmeninės informacijos kontrolę
Nors visiškai „išvengti“ duomenų kaupimo beveik neįmanoma, galite atgauti nemažą savo duomenų kontrolę . Nereikia tapti paranojišku, tačiau turėtumėte taikyti strategiškesnį požiūrį.
Pradėkite peržiūrėdami savo programų leidimus . Patikrinkite, kurios programos turi prieigą prie jūsų vietos fone, kontaktų, mikrofono ar kameros. Paklauskite savęs, ar joms tikrai reikia šių leidimų, kad jos veiktų, ar jų per daug. Išjunkite viską, kas nėra aiškiai pagrįsta.
Priimdami slapukus ar privatumo politiką, venkite visada veikti autopilotu . Skirkite kelias sekundes, kad sukonfigūruotumėte, kokių tipų slapukus leidžiate (būtinus, analitinius, rinkodaros ir kt.), ir, jei įmanoma, apribokite tuos, kurie naudojami tik pažangiai reklamos stebėsenai.
Savo įrenginiuose peržiūrėkite diagnostikos ir naudojimo duomenų rinkimo parinktis . Daugelyje operacinių sistemų pagal numatytuosius nustatymus leidžiama rinkti duomenis, siekiant „tobulinti produktą“. Galite sumažinti šį rinkimą, jei jis nesuteikia jums aiškios naudos.
Galiausiai, ugdykite kritišką požiūrį į gaunamas rekomendacijas . Jei vartojate tik algoritmų siūlomas naujienas, turinį ar produktus, jūsų pasaulėžiūra susiaurėja. Automatinių pasiūlymų derinimas su sąmoningais pasirinkimais – įvairių šaltinių paieška, informacijos lyginimas, tyrinėjimas už savo komforto zonos ribų – yra paprastas būdas susigrąžinti savo veiksmų laisvę.
Jūsų informacijos duomenų kaupimas yra reiškinys, persmelkiantis technologijas, ekonomiką ir politiką, bet taip pat ir jūsų kasdienį gyvenimą tokiose detalėse kaip atsiskaitymas kortele ar telefono patikrinimas prieš miegą . Supratimas, kaip šie duomenys renkami, tvarkomi ir naudojami, leidžia pasinaudoti privalumais – suasmeninimu, efektyvumu, saugumu, naujomis paslaugomis – kartu žinant apie riziką – privatumo praradimą, stebėjimą, šališkumą, nelygybę – ir suteikia jums galimybę priimti labiau pagrįstus sprendimus dėl to, ko, kam ir mainais už ką atiduodate.
