公司正在与内部控制自己的手,打开隐私政策,道德规范和更大的坦率对他们是如何收集和解析个人数据。但许多人怀疑这足以减轻消费者的担忧作为操作数据用的技术。
不仅仅是比特和字节,大数据现在是一个数十亿美元的商业机会。精明的组织,从零售商,制造商,很快就发现的力量把消费者的邮政编码和购买历史变成bottom-line-enhancing见解。
事实上,麦肯锡全球研究院,麦肯锡的研究部门,估计大数据可以提高零售业的利润惊人的60%。波士顿咨询集团(Boston Consulting Group)最近的一项研究表明,个人资料可以帮助企业实现更大的业务效率和定制新产品。
但是,利用数据分析的力量显然是一个竞争优势,过分数据挖掘可以很容易适得其反。随着公司成为专家切割数据揭示的细节作为个人抵押贷款违约和心脏病风险,严重侵犯隐私的增长的威胁。
问问贺德戴维斯。一个数字战略家和作者伦理的大数据:平衡风险和创新戴维斯说,“你的价值观注入到你的数据处理方法可以有一些非常实际的后果。”
以诺为例。传感器使用的高档零售商从分析供应商欧几里得剔除购物信息从客户的智能手机每次连接到一个商店的wi - fi服务,此举引起了隐私拥护者的广泛批评。(Nordstrom不再是使用分析服务。)
时尚服装零售商Urban Outfitters面临集体诉讼因涉嫌违反了消费者保护法,告诉顾客用信用卡支付,他们必须提供邮政编码,这是不正确的,然后利用这些信息来获取顾客的地址。Facebook是经常数据隐私争议的中心,不管是保卫自己的神秘的隐私政策或回复报告给私人用户数据到国家安全局(NSA)。和零售巨头的故事目标是能够推断之前,一个十几岁的购物者怀孕了她父亲甚至知道营销的传奇。
在线手指,诉讼,不满的客户——他们不幸的副产品的许多人认为是大数据的虐待。根据2013年9月的一项研究从数据隐私管理公司Truste 1 3互联网用户说,他们已经停止使用公司网站或完全停止和一个公司做生意,因为隐私问题。
诚实是最好的政策
但专业人士发现,平衡复杂的算法与消费者权益的力量不仅仅是避免负面宣传或销售损失。这些天来,诚实是有好处的——字面上。“组织透明的使用数据将能够使用,作为一个竞争优势,”戴维斯预言。“人们开始变得十分感兴趣的有自己的数据,所以组织实践分享,信息道德会在一个更好的位置被信任。”
然而,许多cio和数据科学家正在努力解决的问题是如何真正的价值和可操作的见解来自机密数据,同时尊重消费者权益,甚至赢得他们的信任。随着存储的数据的增长,和技术操作数据相乘,一些IT专业人员正在自己动手用创新的方法来防止数据被滥用。
保留科学是一个很好的例子。位于加州圣塔莫尼卡,数据分析公司使用预测算法和数据聚合的家庭收入等采购历史和信用评分来帮助企业预测客户的购买概率和构建retention-marketing运动。除了由客户机提供的数据,保留科学也依赖于数据许可从第三方提供商获得目标在正确的时间正确的消费者。
创建有针对性的活动,同时尊重消费者隐私,保持科学建立了固定的消费者数据的使用规则。首先,保持科学拒绝在客户机之间共享数据。例如,如果Gap inc .是一个客户,和与消费者保留提供科学数据,这些信息不会被共享——甚至匿名——与其他零售客户。
在另一个努力保护消费者隐私尽管处理tb的机密数据,保留科学坚称,所有的数据科学家,其中很多是教授和研究人员签署保密协议。“他们是不允许共享或使用数据或其他地方为自己的出版物,“保留科学首席执行官杰瑞Jao说。
除了持有自己的员工负责,保持科学也“只能与企业完全致力于获取消费者的同意提前使用自己的数据,“Jao说。“我们不想包括个人信息,如果他们没有首先授权访问。”
完整的cookie信息披露
在设置内部控制可以帮助,您可以更进一步通过提供消费者亲身了解了解他们。这样的一个公司开卷政策BlueKai,位于加州库比蒂诺,供应商提供了一个数据管理平台,营销人员和出版商可以使用管理和激活数据来构建有针对性的营销活动。2008年,BlueKai决定推出一个在线门户网站,消费者可以找到什么饼干BlueKai及其合作伙伴已经收集,逐项,根据他们的浏览历史。
考虑,例如,一个女人是网上购物的一辆红色自行车。当她访问不同的体育用品网站,与BlueKai合作,收集匿名cookie存储在她的浏览器。基于此浏览历史,BlueKai行为广告营销合作伙伴将显示女人的计算机相关她的自行车销售任务。
这些日子,大多数网上购物者意识到这不是一个巧合当他们看到广告,显然是与他们的浏览历史。但BlueKai注册表使这个过程更加透明,甚至允许游客完全退出注册表或更新他们的匿名资料通过改变他们的选择。
BlueKai首席执行官奥马尔Tawakol说注册表背后的思想是,“如果有数据了解您任意两个实体之间的交易,应该完全由消费者控制的。”For this reason, BlueKai also encourages its partners to post private versions of the registry on their own websites to allay consumers' concerns and promote greater transparency.
“美丽的我们要做的是我们不知道你是谁,”Tawakol说。“我们不想知道任何人的名字。我们不想知道任何可辨认的。我们要做的就是告诉你,你的饼干,和他们这些属性相关。”
BlueKai并不是唯一的大数据分发后台通行证的摇滚明星。营销技术公司处理公司最近的头条推出了AboutTheData.com,一个免费网站,人们可以查看一些信息小石城,柜。的公司已经聚集。从婚姻状况细节你开什么样的车。游客只需输入关键的个人信息找出数据广告商用来帮助定制他们的营销信息。
事实上,强大的数据处理等经纪人帮助阐明数据驱动营销创新不足为奇BlueKai Tawakol。他相信公司别无选择,但应对改变消费者信心数据隐私。“年前,人们建立了数据公司在消费者的阴影没有控制,”他说。“这是一个不同的时代,消费者应该控制。”
戴维斯的视角转向更大的透明度更加愤世嫉俗。指出“组织已经开始面临日益紧密的审查实践在他们的数据,”他说公司有不可告人的动机来清洁如何使用信息,比如邮政编码和信用评分:这样做可以帮助他们避免法律纠纷和负面新闻。更重要的是,戴维斯说,许多措施被吹捧为提供深入了解它们是如何被跟踪的人比充分披露更多关于公共关系。“他们还没有告诉我是谁购买的数据和他们在做什么,”他说。
政策下火
不幸的是,更大的透明度并不总是转化为更大的理解。隐私政策的行业巨头如Facebook和谷歌最近受到批评是很难理解和太长时间跋涉。提出了70页的小说充满了模糊的术语如“非个人可识别信息,一些政策甚至引发调查监管机构在美国联邦贸易委员会(Federal Trade Commission)。
事实上,2012年4月调查结果战略品牌公司西格尔+盖尔表示,用户几乎没有了解Facebook和谷歌的跟踪、存储和分享他们的信息。调查参与者被要求审查Facebook和谷歌的隐私政策,然后他们理解如何在0到100(80表示好理解)。Facebook打进39和谷歌36——可怜的理解的迹象。
“人们不明白他们同意,”戴维斯说。“组织把它比它应该要复杂得多。”Besides, he adds, "reading all of the terms of services that we receive would take us 76 days a year."
这并不是表明隐私政策在大数据的世界是没有价值的。相反,nan Sivaram说,客户咨询和外包商印孚瑟斯的合伙人,而不是分享的条款和条件,企业需要“(交流)消费者将获得价值,如果他们与某些部分信息。”
Infosys在最近的一次全球调查中,39%的受访者说,他们认为数据挖掘入侵。,72%的人说他们并不觉得他们收到的网上促销或电子邮件与他们的个人利益和需要。然而,Sivaram说,“消费者愿与个人信息部分,提供有充分的理由。”
结果是一个高科技的第二十二条军规:一方面,消费者想获得具有高度针对性和个性化的产品和服务。另一方面,他们不想觉得商业抓住他们的个人数据。
“零售商需要做得更好的使用他们的数据已经到达他们的顾客,“Sivaram说。“与此同时,他们必须小心被视为入侵因为他们不想惹上麻烦,失去顾客的信任。”
那么解决方案是什么?根据Sivaram,答案是大数据收集器”建立正确的激励人们透露自己的个人信息。例如,通过展示人们分享他们的信息可以获得他们的忠诚点或折扣,公司可以为客户创造更大的价值,同时将消费者信任转化为竞争优势。
同样的互惠原则适用于在线内容。BlueKai的Tawakol说:“当我们要求调查的人,“你愿意支付你的内容还是你喜欢有针对性的广告与内容?的通常是高的90%的人更愿意赞助内容。”
设置一套行为准则
然而,并不是每个人都认为应该负担消费者愉快地同意分享他们的数据,解释令人困惑的隐私政策或交换信用评分的杂货店优惠券。例如,迈克尔·沃克说,大数据专业人员应该采取一种道德规范。玫瑰的管理合伙人的业务技术,丹佛的系统集成商和IT服务提供商,沃克已经起草了一份12页的数据科学的专业行为准则涵盖从数据科学家的角色到日常职责(见下面的故事)。
“公司正开始理解二次使用的信息和人们的危险的个人数据可以被滥用,”沃克说。“一旦他们开始思考,他们非常赞成一个道德准则。”
数据科学家13的诫命
根据管理合伙人迈克尔•沃克系统集成商玫瑰业务技术,数据科学家应该坚持高的道德标准,就像医生和律师。为此,他创造了一套诫命的统计学家——一个名单,旨在保持数据科学家在狭小的同时保护消费者隐私。
在沃克看来,数据科学家不应做到以下几点:
1。无法用科学方法执行数据的科学。
2。没有等级的质量证据为客户机在一个合理的和可以理解的方式。
3所示。弱或不确定的证据强有力的证据。