Jūsu datu datafikācija: kas tas ir, kā tas darbojas un kā tas jūs ietekmē

Informatec Digital » Resursi » Jūsu datu datafikācija: kas tas ir, kā tas darbojas un kā tas jūs ietekmē

Vai tev kādreiz ir sajūta, ka tavs telefons, pulkstenis vai lietotnes tevi pazīst labāk nekā tu pats sevi? Tā nav paranoja: aiz šī iespaida slēpjas datu konvertācija (datafication) — kluss process, kas gandrīz katru ikdienas darbību pārveido analizējamos datos. Katrs maksājums ar karti, katrs jūsu spertais solis, katrs klikšķis sociālajos tīklos un katra jūsu veiktā meklēšana kļūst par noderīgu informāciju uzņēmumiem, platformām un, ja zināt, kā to izmantot, arī sev.

Izpratne par to, kā jūsu dati tiek dataificēti, nav tehniska detaļa, bet gan personīgās varas jautājums.Zinot, kādi dati tiek vākti, kā tie tiek apstrādāti un kādiem mērķiem, jūs varat pieņemt pamatotākus lēmumus par savu privātumu, digitālo identitāti un pakalpojumiem, ko izmantojat ikdienā. Šajā rakstā mēs izpētīsim, kas tieši ir datifikācija, kā tā atšķiras no lielajiem datiem un mākslīgā intelekta, sniegsim reālus piemērus no ikdienas dzīves, kādas priekšrocības tā sniedz, ar to saistītos riskus un kā saglabāt kontroli pār savu informāciju.

Kas ir datu fiksācija un kas to padara tik īpašu?

Vienkārši sakot, datu fiksācija ir process, kurā darbības, notikumi vai dzīves raksturlielumi tiek pārveidoti digitālos datos, ko sistēma var ierakstīt, uzglabāt un analizēt.Mēs nerunājam tikai par skenētu dokumentu vai fotoattēlu glabāšanu mobilajā tālrunī (tas drīzāk ir digitalizācija), bet gan par jūsu uzvedības, attiecību, paradumu un pat emociju pārvēršanu izmērāmos rādītājos.

Galvenais ir tas, ka gandrīz jebko var pārvērst datos.Tavs dzimšanas datums, cik soļu dienā sper, cik ilgs laiks nepieciešams, lai nokļūtu darbā, cikos parasti pārbaudi Instagram, kuru seriālu pārtrauc skatīties pusceļā vai cik daudz naudas iztērē lielveikalā nedēļas nogalēs. Tas viss, tiklīdz tas ir apkopots, tiek organizēts, strukturēts un integrēts ar citiem datiem, lai ģenerētu informāciju un galu galā noderīgas zināšanas.

Pašreizējo datu apkopošana ir iespējama, pateicoties sensoru, savienojamības un mākoņa infrastruktūraSensori mobilajos tālruņos, pulksteņos, automašīnās un sadzīves tehnikā uztver signālus no fiziskās vides un jūsu aktivitātēm. Šie signāli tiek pārveidoti binārā kodā un pārvietojas pa internetu uz serveriem, kur tie tiek glabāti milzīgās datubāzēs. No turienes analītikas rīki, lielo datu algoritmi un mākslīgais intelekts iegūst modeļus, korelācijas un prognozes.

Svarīga datu fiksācijas nianse ir tā, ka tā neaprobežojas tikai ar "lietu" glabāšanu, bet gan ar nepārtrauktā kustībā esošiem procesiem.Tas ne tikai reģistrē, ka esat kaut ko iegādājies, bet arī to, kad, kur, cik bieži, cik daudz jūs vidēji iztērējat, ko pērk tādi cilvēki kā jūs un kā laika gaitā mainās jūsu uzvedība. Šis dinamiskais skatījums pārvērš jūsu ikdienas dzīvi par sava veida nepārtrauktu datu plūsmu.

Kā datu fiksācija tehniski darbojas jūsu ierīcēs

Aiz katra ģenerētā datu elementa slēpjas diezgan skaidra tehniskā ķēde, pat ja jūs to neredzat.Jūsu pievienotās ierīces, rupji runājot, iziet virkni secīgu fāžu, kas tiek atkārtotas bez pārtraukuma, kamēr jūs tās lietojat.

Vispirms notiek uztveršana.Jūsu mobilais tālrunis, viedpulkstenis, viedais skaļrunis vai savienotā automašīna ir aprīkota ar sensoriem (GPS, akselerometru, žiroskopu, kameru, mikrofonu, biometriskos sensorus utt.), kas spēj pārveidot fiziskus stimulus vai digitālas darbības izmērāmos signālos. Piemēram, GPS pārveido jūsu ģeogrāfisko atrašanās vietu koordinātēs; sirdsdarbības monitors mēra jūsu sirdsdarbības ātrumu; lietotnes reģistrē klikšķus, tajās pavadīto laiku vai tos ierakstus, kurus jūs ignorējat.

Tālāk seko informācijas tulkošana un strukturēšana.Šie signāli tiek pārveidoti binārajā kodā un organizēti formātos, ko mašīnas var apstrādāt: tabulas, ieraksti, notikumi, žurnāli… Šeit spēlē lomu metadati, kas ir dati par datiem: ierakstīšanas laiks, izmantotā ierīce, atrašanās vieta, darbības veids utt. Dati kopā ar metadatiem galu galā kļūst par jēgpilnu informāciju.

Nākamais solis ir glabāšana attālās infrastruktūrāsLielākā daļa informācijas tiek glabāta mākoņserveros, kas izvietoti visā pasaulē. Šīs sistēmas ļauj uzglabāt milzīgus datu apjomus, replicēt, lai novērstu datu zudumu, nodrošināt drošību un pieejamību gandrīz reāllaika analīzei.

Visbeidzot, tiek veikta analīze un aktivizēšana.. Analīzes rīkiLielie dati un mākslīgā intelekta algoritmi salīdzina jūsu datus ar miljoniem cilvēku datiem, lai iegūtu modeļus: ko jūs parasti darāt, kas jūs interesē, kas jums ir līdzīgs. Šī "intelekta" informācija pēc tam aktivizē atbildi: satura ieteikumu, pielāgotu reklāmu, drošības brīdinājumu, ieteiktu alternatīvu maršrutu vai paziņojumu no jūsu bankas.

Datifikācija, lielie dati un mākslīgais intelekts: kāda loma katram no tiem ir?

Ir ierasts jaukt datu apstrādi, lielos datus un mākslīgo intelektu tā, it kā tie būtu viens un tas pats, bet patiesībā tie ir vienas ķēdes dažādas daļas.Izpratne par atšķirību palīdz saprast, kur sākas jūsu dati un par ko tie kļūst.

Datu strukturēšana ir sākumpunktsTā ir realitātes (jūsu darbību, pilsētas procesu, ekonomiskās aktivitātes utt.) pārveidošana digitālos datos. Tas ir brīdis, kad kaut kas iepriekš īslaicīgs vai neredzams (piemēram, laiks, ko pavadāt, skatoties reklāmu), tiek ierakstīts.

Lielie dati attiecas uz tik lielu, daudzveidīgu un ātri mainīgu datu kopu apstrādi, ka tie pārslogo tradicionālās sistēmas.To parasti izskaidro ar slavenajiem “trim V”: apjoms (milzīgs datu apjoms, piemēram, miljoniem tvītu dienā), daudzveidība (dažādi formāti: teksts, audio, video, sensoru dati, attēli utt.) un ātrums (dati, kas tiek ģenerēti un jāapstrādā gandrīz nekavējoties, piemēram, satiksmes rādījumi vai meteoroloģisko staciju dati). Šiem trim V mēs varam pievienot ceturto atslēgu: vērtību, proti, spēju iegūt reālu lietderību no šiem datiem.

Mākslīgais intelekts ienāk arēnā kā “smadzenes”, kas mācās no šiem milzīgajiem datiem.Mašīnmācīšanās algoritmi atklāj slēptus modeļus, prognozē uzvedību un pieņem automatizētus lēmumus: sākot no sērijas ieteikšanas līdz paredzēšanai, kuri klienti gatavojas atteikties no pakalpojuma vai kurš pirkums ir krāpniecisks.

Bez iepriekšējas datu strukturēšanas ne lielajiem datiem, ne mākslīgajam intelektam nebūtu izejmateriāla, ar ko strādāt.Un bez lielo datu infrastruktūras mākslīgais intelekts nevarētu efektīvi izmantot visu mūsdienās globāli ģenerēto informāciju. Tie ir dažādi slāņi, bet pilnībā savstarpēji atkarīgi.

Dati, informācija, zināšanas un vērtība: kāpēc metadati ir tik svarīgi

Viens no svarīgākajiem punktiem datu strukturēšanas izpratnē ir nošķirt datus, informāciju un zināšanas.Atšķirība var šķist akadēmiska, taču praksē tā nosaka, ko ar jums var darīt, pamatojoties uz to, ko ieraksta iekārtas.

Datu vienība pati par sevi ir izolēta vērtība bez konteksta.Piemēram, “18.09.1983” vai “120”. Tikai tad, ja tam pievieno metadatus (ko tas nozīmē, kam tas pieder, kad tas tika ierakstīts), tas kļūst par informāciju: “klienta dzimšanas datums” vai “miera stāvokļa sirdsdarbības ātrums”.

Metadati ir kritiski svarīga daļa, kas pārveido brīvus datus jēgpilnā informācijā.Jo vairāk metadatu tiek pievienots, jo augstāks ir detalizācijas līmenis un līdz ar to lielāks potenciāls iegūt praktiski izmantojamas zināšanas. Piemēram, lielveikals ne tikai zina, ka persona iepirkās sestdienā; tas analizē laika intervālus, vidējo biļetes cenu, iegādātos produktus, mēneša biežumu, to, vai persona iepirkās vienatnē vai kopā ar citiem, maksājuma veidu utt.

Zināšanas rodas, kad šī informācija tiek interpretēta ar konkrētu mērķi.Lielveikala piemērā viens secinājums varētu būt: “Klienti, kas dzimuši laikā no 1975. līdz 1985. gadam, parasti savus lielos iepirkumus veic nedēļas nogalē.” Šī ideja ļauj izstrādāt īpašas akcijas, labāk organizēt personālu vai pielāgot krājumus.

Šeit noder lielo datu ceturtais V: vērtībaNav jēgas reģistrēt tonnām klikšķu vai mērījumu, ja neviens tos neizmanto lēmumu pieņemšanai, pakalpojumu uzlabošanai vai kaut kā noderīga sniegšanai cilvēkiem. Datu strukturēšanai ir jēga tikai tad, ja tā ir integrēta biznesa procesos, valsts politikā vai pakalpojumos, kas patiesi izmanto šo vērtību.

Tavs digitālais pēdas nospiedums: kā tu sevi datu veidā apzinies, to neapzinoties

Gandrīz viss, ko darāt tiešsaistē, atstāj pēdas, kas veido jūsu dzīvi. pirkstu nospiedumsŠis pēdas nospiedums ir visu informācijas vienību summa, kas rodas, mijiedarbojoties ar digitālajām tehnoloģijām: ziņojumi, pirkumi, atrašanās vietas, meklējumi, atzīmes “Patīk”, fotoattēli, vērtējumi utt.

Šīs takas izpratne sniedz vairākas nepārprotamas priekšrocībasNo vienas puses, jūs varat labāk pārvaldīt, ko un ar ko kopīgojat, precīzi pielāgojot savu sociālo mediju profilu, lietotņu un ierīču privātuma iestatījumus. No otras puses, jūs sākat skaidri saprast, kāpēc jums tiek rādītas noteiktas reklāmas vai ieteikumi: tie nav nejauši; tie ir balstīti uz modeļiem, kas veidoti, pamatojoties uz jūsu un jums līdzīgu cilvēku uzvedību.

Turklāt, apzinoties savu digitālo pēdu nospiedumu, jūs varat izlemt, ko atļaujas un kuras neKad jauna lietotne pieprasa piekļuvi jūsu atrašanās vietai fonā, kontaktpersonām vai mikrofonam, varat novērtēt, vai šī piekļuve ir pamatota ar piedāvāto funkciju vai arī tā ir pārmērīga "slodze". Šī kritiskā perspektīva ir būtiska ekosistēmā, kur daudzus lēmumus pieņem algoritms, ko neredzat.

Varat arī iemācīties izmantot šīs datu apstrādes pozitīvos aspektus.Piemēram, varat izmantot viedpulksteņa aktivitāšu pārskatus, lai uzlabotu miegu, izmantot bankas izdevumu kopsavilkumus, lai labāk organizētu savas finanses, vai izmantot sociālo mediju statistiku, lai attīstītu profesionālu vai personisku projektu.

Datifikācijas ikdienas piemēri: no viedpulksteņiem līdz e-komercijai

Datifikācijas teoriju var daudz labāk izprast, ja to pielieto ikdienas dzīvē.Patiesība ir tāda, ka jūs dzīvojat sistēmu ieskauts, kas apkopo, savstarpēji atsaucas un izmanto datus, jums neko tieši nedarot.

Viens no skaidrākajiem piemēriem ir tas, ko nēsājat uz rokas, ja izmantojat viedpulksteni vai aktivitāšu izsekotāju.Šīs valkājamās ierīces seko līdzi soļu skaitam, aprēķinātajām kalorijām, vingrojumu ilgumam minūtēs, sirdsdarbības ātruma mainīgumam, miega kvalitātei un pat skābekļa līmenim asinīs. Pamatojoties uz šiem datiem, lietotne parāda tendences, nosaka mērķus un pat var atklāt anomālijas, kas dažos gadījumos ir palīdzējušas paredzēt veselības problēmas.

Sociālie mediji ir vēl viens nozīmīgs datu attīstīšanas epicentrs.Svarīgs ir ne tikai atzīmju “Patīk”, komentāru vai publicētā satura skaits: arī laiks, ko pavadāt, skatoties video, tēmas, pie kurām kavējaties, ko dažu sekunžu laikā atmetat, ar ko mijiedarbojaties visvairāk un vismazāk. Tas viss veido ļoti detalizētu jūsu interešu un sociālās uzvedības profilu.

Kartes un mobilitātes lietotnes ir pilnībā atkarīgas no šīs milzīgās datu plūsmasKatru reizi, kad ieslēdzat GPS, lai dotos uz darbu, tālrunis nosūta atrašanās vietas un ātruma informāciju uz serveriem. Apvienojot datus no tūkstošiem cilvēku vienlaikus, sistēma var aprēķināt reāllaika satiksmi, ieteikt alternatīvus maršrutus vai pielāgot ierašanās laikus.

E-komercijas pasaulē datu strukturēšana ir jebkuras uz datiem balstītas stratēģijas pamatā.Mēs mērām pārdotos produktus, apmeklējumu skaitu katrā produktu lapā, pamesto iepirkumu grozu procentuālo daļu, datplūsmas avotus, konversijas līmeni, vidējo pasūtījuma vērtību un daudzus citus mainīgos. Uzlaboti analītikas rīkiKā platformas, kas īpaši izstrādātas e-komercijai, tās spēj savstarpēji atsaukties uz vairāk nekā desmit datu avotiem, lai ģenerētu veiktspējas rādītājus katram produktam, noteiktu, kuriem no tiem ir vislielākais potenciāls, un attiecīgi sadalītu reklāmas ieguldījumus.

Šāda veida risinājumi nodrošina tādas spēcīgas lietas kā Palieliniet klikšķu skaitu maksas kampaņās, samaziniet reklāmas izdevumus produktiem, kas nekad neveic konversiju, vai ievērojami uzlabojiet “pievienot grozam” notikumus. Un, starp citu, tie sniedz ieskatu SEO, SEM un pašas kataloga stratēģijas optimizēšanā.

Viedās mājas un ierīces, kas reaģē uz jūsu datiem

Viedās mājas ir vēl viens scenārijs, kurā datu apstrāde pārveido ikdienas uzdevumus automatizētos procesos.Katra "viedā" ierīce pievieno mērījumu un reakcijas slāni, pamatojoties uz datiem no jūsu ikdienas uzvedības.

Piemēram, iedomājieties viedu termostatu.Tas apgūst, cikos jūs parasti ierodaties mājās, kādu temperatūru vēlaties atkarībā no gadalaika un cik ilgs laiks nepieciešams, lai telpas uzsildītos vai atdzistu. Izmantojot šo informāciju, tas automātiski pielāgo apkures vai gaisa kondicionēšanas režīmu optimālam komfortam ar viszemāko iespējamo enerģijas patēriņu.

Viedie skaļruņi analizē jūsu balss komandas lai saprastu jūsu runas veidu, jūsu rutīnu (kādu mūziku jūs klausāties no rītiem, kādas ziņas jūs klausāties, kādus atskaņošanas sarakstus jūs izmantojat darbā) un katru reizi atbildētu ātrāk un precīzāk.

Robotu putekļsūcēji izveido detalizētas jūsu mājas kartesTie atklāj atkārtotus šķēršļus, optimizē tīrīšanas maršrutus un pielāgo savus ceļus atkarībā no tā, cik netīras ir noteiktas zonas. Šī "mājas kartēšana" ir skaidrs jūsu fiziskās telpas datu fiksācijas piemērs.

Straumēšanas platformas rūpīgi uzrauga jūsu satura patēriņa paradumusTas ietver informāciju, piemēram, kad pārtraucat sērijas skatīšanos, kāda veida seriālus pārtraucat, cik ilgi gaidāt starp sērijām un kādu ierīci izmantojat katras sērijas skatīšanai. Tādā veidā tiek veidoti personalizēti ieteikumi un tiek norādīts, kurā saturā ir vērts ieguldīt.

Tikmēr banku lietotnes automātiski kategorizē jūsu izdevumus (lielveikali, atpūtas aktivitātes, transports, abonementi utt.) un noteikt modeļus, lai brīdinātu jūs, ja kaut kas šķiet neparasts. Šī datu apkopošana ir apvienota ar krāpšanas apkarošanas sistēmām, kas spēj bloķēt aizdomīgus darījumus dažu sekunžu laikā.

Tiešie ieguvumi no datu fiksācijas jūsu ikdienas dzīvē

Papildus lietošanai uzņēmējdarbībā jūs pats pamanāt skaidrus ieguvumus, kas gūti no datu konversijas, pat ja jūs to tā nesaucat.Visacīmredzamākā ir pakalpojumu un satura ārkārtēja personalizācija.

Pateicoties datu apstrādei (datafication), daudzas platformas apgūst jūsu vēlmes un ietaupa jūsu laiku.Tev nav jāpavada stundas, meklējot mūziku, seriālus vai produktus: tavu lietotņu iknedēļas ieteikumi jau ir pielāgoti tam, ko tu parasti patērē un ko patērē līdzīgi lietotāji.

Veselības jomā datu fiksācija paver durvis uz daudz proaktīvāku profilaksi.Integrētas uzraudzības sistēmas (no valkājamām ierīcēm līdz medicīnas ierīcēm) var sniegt agrīnus brīdinājumus, kad tās atklāj patoloģiskus sirdsdarbības ātruma, miega vai aktivitātes modeļus, pirms jūs pamanāt problēmu.

Arī finansiālā drošība nāk par labu šai pieejaiBankas izmanto uz datiem balstītus modeļus, lai identificētu neparastus pirkumus, piekļuvi no nepazīstamām vietām vai rīcību, kas liecina par krāpšanas mēģinājumiem. Ja kaut kas šķiet nepareizi, tās bloķē darījumu vai pieprasa papildu apstiprinājumu.

Valsts sektorā labi pārvaldīta datu apstrāde var uzlabot būtiskus pakalpojumus.Satiksmes pārvaldība pilsētās, sabiedriskā transporta plānošana, piesārņojuma kontrole un reaģēšana pandēmijas gadījumā lielā mērā ir atkarīga no datu analīzes, kas saistīti ar mobilitāti, patēriņu, veselības negadījumiem un laikapstākļiem. Tā sauktās "viedās pilsētas" ir veidotas uz šī nepārtrauktā mērījumu un pielāgošanas slāņa.

Riski un blakusparādības jūsu privātumam un tiesībām

Lai gan datu apstrādei ir daudz priekšrocību, tā rada arī ļoti nopietnus riskus jūsu privātumam, autonomijai un sociālajai vienlīdzībai.Runa nav par datu demonizēšanu, bet gan par modrību attiecībā uz to iespējamo izmantošanu un ļaunprātīgu izmantošanu.

Viena no acīmredzamākajām briesmām ir privātuma zaudēšana.Kad kaut kādā veidā tiek ierakstīta praktiski visa jūsu ikdienas dzīve, palielinās iespēja, ka trešās personas piekļūs sensitīvai informācijai, ja tāda būs. drošības pārkāpumiemslikta prakse vai neskaidri uzņēmējdarbības modeļi.

Pastāvīga jūsu atrašanās vietas un ikdienas uzraudzība var izraisīt pārmērīgu novērošanu.Uzņēmumi un valdības var uzzināt, kur jūs atrodaties, ar ko jūs esat kopā, cik daudz laika pavadāt katrā vietā vai kādus maršrutus parasti izmantojat, kas rada neērtus jautājumus par sociālo kontroli un pārvietošanās brīvību.

Vēl viens būtisks risks ir informācijas burbuļu un automatizētu aizspriedumu radīšana.Algoritmi, kas iesaka ziņas vai saturu, pamatojoties uz jūsu esošajām vēlmēm, var jūs iesprostot atbalss kamerās, kur jūs redzat tikai daļēju realitātes skatījumu. Turklāt kredītreitinga modeļi, personāla atlases procesi vai sociālās labklājības sadales sistēmas var veicināt nevienlīdzību un diskrimināciju, ja tās tiek apmācītas, izmantojot neobjektīvus datus.

Identitātes zādzības un digitālā krāpšana arī plaukst, izmantojot datu fiksāciju.Ja uzbrucējs iegūst piekļuvi pietiekamam jūsu informācijas apjomam (personas datiem, lietošanas modeļiem, pirkšanas paradumiem), viņam kļūst daudz vieglāk uzdoties par jums. Pētījumi liecina par ievērojamu uzbrukumu skaita pieaugumu, kuru mērķis ir nozagt pilnīgus lietotāju profilus, tieši tāpēc, ka tie ir tik vērtīgi melnajā tirgū.

Visbeidzot, pastāv necaurredzamības problēmaDaudzus svarīgus lēmumus par jūsu dzīvi — kādu reklāmu jūs redzat, kādus nosacījumus piedāvā banka, vai automatizēta sistēma jūs uzskata par “tiesīgu” kaut kam — pieņem algoritmi, kuru loģiku jūs nevarat viegli pārbaudīt vai apšaubīt. Šī varas nelīdzsvarotība starp tiem, kas izstrādā sistēmas, un tiem, kurus tās ietekmē, ir viena no mūsu laika galvenajām debatēm.

Datifikācija, uzņēmumi un konkurences priekšrocības

No biznesa viedokļa datu strukturēšana ir kļuvusi par augstākā līmeņa stratēģisko faktoru.Ne tikai tehnoloģiju gigantiem, bet arī MVU, vietējiem uzņēmumiem un visu veidu digitālajiem projektiem.

Spēja no datiem iegūt praktiski izmantojamu informāciju ļauj pieņemt pamatotākus lēmumus un samazināt riskuPiemēram, mazs uzņēmums ar labu lojalitātes programmu var daudz labāk iepazīt savus klientus: apmeklējumu biežumu, vidējos tēriņus, vēlamos produktus un cenu jutīgumu. Tas atvieglo klientu segmentēšanu, personalizētu akciju palaišanu un ienesīgāku kampaņu izstrādi.

Restorānu nozarē kaut kas tik vienkāršs kā QR koda maksājumu vai patentētu lietotņu ieviešana paver iespējas reģistrēt, kas tiek pasūtīts, kad, cik ilgi pie katra galdiņa stāv vai kuras ēdienu kombinācijas ir vislabākās.Šo informāciju var izmantot, lai pielāgotu ēdienkartes, cenas, darbinieku maiņas vai pat telpu plānojumu.

E-komercijā datu apstrāde (datafication) ir vēl intensīvāka.Uzlabotas analītikas platformas savstarpēji atsaucas uz kataloga datiem, kampaņu veiktspēju, pārlūkošanas paradumiem, krājumu līmeņiem, loģistiku un peļņas normām. Tas ļauj tām klasificēt produktus atbilstoši to potenciālam, pārdalīt reklāmas budžetus un noteikt, kuriem ierakstiem nepieciešami SEO uzlabojumi vai izmaiņas reklāmu radošajos materiālos.

Pat tādas nozares kā finanšu, telekomunikāciju un audiovizuālās producēšanas nozare arvien vairāk paļaujas uz šo pieeju.Sākot ar tarifu pielāgošanu, pamatojoties uz faktisko patēriņu, līdz pat lēmuma pieņemšanai par to, kuras sērijas veidot, pamatojoties uz skatīšanās modeļiem, datu apstrāde tiek integrēta kā vēl viens uzņēmuma aktīvs infrastruktūras vai zīmola līmenī.

Datifikācija un sociālais taisnīgums: vara, nevienlīdzība un “datu kolonialisms”

Papildus individuālajiem un biznesa aspektiem, datu konversijai ir dziļas sociālas un politiskas sekas.Vairākas studiju jomas — no kritiskās politiskās ekonomijas līdz dekoloniālajai teorijai — analizē, kā masveida dzīves pārvēršana datos pārkonfigurē varu.

Viens no spēcīgākajiem kritikas punktiem ir par “novērošanas kapitālismu”.Saskaņā ar šo uzskatu, cilvēka pieredze ir kļuvusi par izejvielu uzvedības datu ģenerēšanai, kas tiek iesaiņoti, pārdoti un izmantoti, lai ietekmētu mūsu lēmumus. Runa nav tikai par to, ko dari, novērošanu; runa ir par mēģinājumu modelēt to, ko darīsi tālāk.

Cita analīzes līnija interpretē datu fiksāciju kā mūsdienīgu ekstraktīvisma formu.Tāpat kā vēsturiskais kolonialisms piesavinājās teritorijas, dabas resursus un darbaspēku, tagad vērtība tiek iegūta no sociālajiem resursiem: attiecībām, paradumiem, kultūras, kopienas zināšanām, kas viss tiek filtrēts caur globālām platformām un pakalpojumiem, kas koncentrē šo datu īpašumtiesības.

Šī “datu kolonialisma” pieeja koncentrējas uz to, kas gūst labumu un kas maksā cenuKopumā lielas tehnoloģiju platformas un atsevišķas valstis uzkrāj lielāko daļu radītās vērtības, savukārt lietotāji un kopienas zaudē kontroli pār savu informāciju un ir pakļautas automatizētiem lēmumiem, par kuriem tās nevar vienoties.

Svarīgs ir arī juridiskais aspekts.Tādi noteikumi kā Vispārīgā datu aizsardzības regula (VDAR) Eiropā mēģina atgriezt zināmu kontroli indivīdiem, atzīstot personas datu aizsardzību par pamattiesībām. Tomēr šo noteikumu faktisko darbības jomu ierobežo biznesa modeļi un tehniskās arhitektūras, kas ir izstrādātas tieši tā, lai maksimāli palielinātu datu iegūšanu un apriti.

Kā saglabāt kontroli pār savu personisko informāciju

Lai gan gandrīz neiespējami pilnībā "izkļūt" no datu strukturēšanas, jūs varat atgūt ievērojamu kontroli pār saviem datiem.Nav nepieciešams kļūt paranoiskam, bet ir nepieciešams pieņemt stratēģiskāku attieksmi.

Sāciet, pārskatot savas lietotnes atļaujasPārbaudiet, kurām lietotnēm ir piekļuve jūsu atrašanās vietai fonā, kontaktpersonām, mikrofonam vai kamerai. Pajautājiet sev, vai tām šīs atļaujas tiešām ir nepieciešamas, lai darbotos, vai arī tas ir pārmērīgi. Atspējojiet visu, kas nav skaidri pamatots.

Akceptējot sīkfailus vai konfidencialitātes politikas, izvairieties vienmēr darboties automātiskajā režīmā.Veltiet dažas sekundes, lai konfigurētu, kāda veida sīkfailus jūs atļaujat (nepieciešamos, analītikas, mārketinga utt.), un, ja iespējams, ierobežojiet tos, kas tiek izmantoti tikai uzlabotai reklāmas izsekošanai.

Savās ierīcēs pārskatiet diagnostikas un lietojuma datu apkopošanas opcijas.Daudzas operētājsistēmas pēc noklusējuma iespējo datu vākšanu, lai "uzlabotu produktu". Jūs varat samazināt šo vākšanu, ja tā nesniedz skaidru labumu.

Visbeidzot, attīstiet kritisku attieksmi pret saņemtajiem ieteikumiem.Ja patērējat tikai algoritmu ieteiktas ziņas, saturu vai produktus, jūsu pasaules uzskats sašaurinās. Automatizētu ieteikumu apvienošana ar apzinātu izvēli — dažādu avotu meklēšanu, informācijas salīdzināšanu, izpēti ārpus savas komforta zonas — ir vienkāršs veids, kā atgūt savu rīcībspēju.

Jūsu datu datafikācija ir parādība, kas skar gan tehnoloģijas, gan ekonomiku un politiku, gan arī jūsu ikdienas dzīvi tik vienkāršās detaļās kā maksāšana ar karti vai mobilā tālruņa pārbaude pirms gulētiešanas.Izpratne par to, kā šie dati tiek vākti, apstrādāti un izmantoti, ļauj izmantot priekšrocības — personalizāciju, efektivitāti, drošību, jaunus pakalpojumus —, nezaudējot redzeslokā riskus — privātuma zudumu, uzraudzību, aizspriedumus, nevienlīdzību —, un dod iespēju pieņemt apzinātākus lēmumus par to, no kā, kam un apmaiņā pret ko atteikties.