Malaking Data at Patakaran sa Pagkapribado na Lumalabas sa Ito

Ang malaking data ay naging isang kababalaghan sa huling dekada o higit pa. Ang malaking data analytics ay may isang bilang ng mga gamit sa pang-araw-araw na buhay, ngunit ang pinaka makabuluhang paggamit nito ay sa pagpapabuti ng mga negosyo. Halimbawa, ang malaking data analytics ay makakatulong sa mga negosyong tingi na mahulaan ang pinakapopular na mga item sa bawat panahon, at mahuhulaan din kung aling mga item ang magiging tanyag sa kung saan ang mga lugar. Makakatulong ito sa mga negosyo na mapabuti ang mga benta at kasiyahan ng customer. Ang kapangyarihan ng malaking data ay ginagamit ng maraming industriya. Ngunit sa napakalaking kapangyarihan ay nagmumula ang pag-aalala ng mga isyu sa privacy. Habang ang malaking data analytics ay nagpapatunay na kapaki-pakinabang sa maraming mga paraan, ginagawang madali din nilang salakayin ang privacy sa mga sumusunod na paraan.

Malaking Data at Patakaran sa Pagkapribado na Lumalabas sa Ito

Malaking Data at Patakaran sa Pagkapribado na Lumalabas sa Ito

Mga Pananakit sa Pagkapribado

Ang ilang mga paggamit ng malaking data analytics ay nagreresulta sa paglabag sa privacy. Halimbawa, ang mga negosyong tingi ay madalas na gumagamit ng malaking data analytics upang mahulaan ang mga detalye ng mga customer. Ang mga detalyeng ito ay madalas na personal sa kalikasan, at ang pagsisiwalat sa kanila ay maaaring humantong sa mga nawalang trabaho o hindi komportable na mga sitwasyon. Ang mga organisasyon, nagtitingi, o anumang iba pang uri ng negosyo ay hindi dapat gumawa ng mga aksyon na lumalabag sa privacy ng mga tao.

Imposible na Pagkakilala

Sa pamamagitan ng malaking data analytics, maaaring imposible na magkaroon ng hindi nagpapakilalang mga file ng data. Sa edad ng mga matalinong gadget, mahirap gawin ang anumang pinapanatili ang iyong lihim na pagkilala. Kahit na ang mga file ng data ay hindi nagpapakilala, maaari silang pagsamahin sa iba pang mga file upang makilala ang mga indibidwal. Nangangahulugan ito na wala nang ganap na anonymous.


Diskriminasyon

Habang ang diskriminasyon ay palaging umiiral sa bawat sektor, ang predictive analytics ay ginawa nitong mas karaniwan at sa paraang hindi tunay na layunin. Halimbawa, ang isang pinansiyal na samahan ay maaaring hindi matukoy ang lahi ng isang tao mula sa isang aplikasyon sa pautang, ngunit maaaring gawin ito sa tulong ng maraming iba pang mga datos na nakolekta sa pamamagitan ng malalaking analytics ng data at ang Internet of Things (IoT). Pagkatapos ay maaaring i-down ang kahilingan ng isang aplikante. Ang ganitong uri ng ‘automated discrimination’ ay maaaring mag-backfire sa karamihan ng mga kaso.

Nabigo ang Data Masking

Ang data masking ay ginagamit ng maraming mga organisasyon, ngunit kung hindi ito ginamit nang maayos, kung gayon ang malaking pagsusuri ng data ay madaling maipahayag ang pagkakakilanlan ng mga indibidwal. Ang bagong data ay bago pa rin, at ang karamihan sa mga organisasyon ay hindi nagmamalasakit sa mga panganib na maaaring humantong sa paglabag sa privacy. Dapat magkaroon ng isang tamang patakaran sa lugar na magbibigay ng mga patakaran para sa pag-mask ng data, upang matiyak ang maximum na privacy ng mga indibidwal.

Walang Kumpletong Katumpakan

Kahit na ang malaking pagsusuri ng data ay malakas, hindi ito tumpak. Mayroong mga maling mga algorithm, hindi tamang mga modelo ng data, at hindi tumpak na data tungkol sa mga indibidwal. Ito ay maaaring mapadali ang masamang desisyon, kung ang kawastuhan ng data ay hindi napatunayan. Ang hindi maliwanag na data ay maaaring makapinsala sa mga indibidwal, at magdulot ng pagkawala ng trabaho, maling maling pag-uusap, at pagtanggi sa mga mahahalagang serbisyo. Kung ang malaking pagsusuri ng data ay pinagkakatiwalaang walang taros nang walang anumang pag-verify ng data, maaari itong humantong sa isang kalabisan ng mga problema at ilagay ang panganib sa maraming tao.

Pag-irrelevance ng mga magulang at copyright

Ang malaking data ay maaaring gawing mas mahirap upang makakuha ng mga patente dahil sa aabutin ng mahabang panahon upang mapatunayan ang pagiging natatangi ng patent, salamat sa malaking database ng impormasyon na titingnan. Gagawin din nitong walang kaugnayan ang mga copyright, sapagkat ang malaking data ay ginagawang madali upang manipulahin at itago ang data. Bilang kinahinatnan, ang mga royalti na nauugnay sa impormasyon ng patentado o copyright ay maaaring maging isang bagay ng nakaraan. Iyon ay hindi magandang isinasaalang-alang na may maraming pagsisikap sa pag-imbento ng bago. Kung nais mong makakita ng isang mahusay na pelikula tungkol dito, tingnan ang produkto ng kusina na naimbento ng batang babae sa pelikulang Joy. Nakakainis din ang sarili niyang pamilya!

Paano Tackle Mga Isyu sa Pagkapribado ng Data

Habang ang malaking data analytics ay napaka-promising para sa mga negosyo at nagbibigay inspirasyon ng mga makabuluhang pag-unlad sa iba’t ibang mga samahan, ang pag-aalala sa privacy ay isang pangunahing bunga. Bago gamitin ang malaking analytics ng data, dapat tandaan ng mga organisasyon ang ilang mga bagay. Ang ilan sa mga ito ay:

  • Bago ilagay ang malaking analytics ng data, dapat isaalang-alang ng mga samahan ang hindi bababa sa sampung mga panganib sa privacy na nauugnay sa diskarte.
  • Dapat may malinaw na mga patakaran, patakaran, at mga patnubay para sa mga malalaking data analytics na gumagamit ng proteksyon sa privacy ng mga indibidwal.
  • Dapat mayroong mga kontrol sa seguridad at pagkapribado na isinama sa system bago gamitin ito.

Pangwakas na Kaisipan

Ang teknolohiya ay isang kinakailangang tool para sa bawat modernong negosyo, at ang malaking data ay ang pinakamalakas na makabagong teknolohiya sa mga nagdaang panahon. Tulad ng bawat teknolohiya, mayroong isang mahusay at isang madilim na bahagi ng malaking data analytics-habang tinutulungan ang mga samahan sa kanilang proseso ng negosyo, ang malaking data ay regular ding lumalabag sa privacy at seguridad ng data. Ang pagkakaroon ng wastong mga alituntunin at mga patakaran sa mga lugar ay dapat makatulong upang mas mahusay na magamit ang malaking analytics ng data nang hindi masapanganib ang privacy.

Kim Martin
Kim Martin Administrator
Sorry! The Author has not filled his profile.
follow me