淺析大數據隱私問題

為什么要使用大數據？
   大數據不同于過去的數據倉庫，因為它幾乎分析所有類型的數據文件或格式，包括圖像、視頻以及從社交媒體收集的數據。大數據的另一個特點是它沒有像服務器對數據存儲的“一對一”的關系，而是依賴虛擬化架構，從大型內容商店和檔案中提取內容作為單一全球資源。
 

   在企業管理人員和業務線經理中，使用大數據的最大動機是形成更準確、詳細的預測或者推測，從而為企業提供潛在的優勢。大數據帶來的業務優勢很廣泛，從新產品開發和改進到最佳定價，再到篩選求職簡歷和設計有效的營銷活動等。事實上，政治運動已經開始利用大數據分析：2012年奧巴馬競選就利用了大數據分析來確定可能投票的選民，然后影響他們，通過他們來籌集競選資金，并獲得選票，這是奧巴馬獲得最終勝利的關鍵戰略。
   大數據隱私問題
    FTC最近采取的行動是專門針對數據經紀公司：這種公司收集和分析特定消費者行為數據，然后將分析結果賣給希望提高營銷和銷售業績的公司。然而，需要承認的是，使用大數據帶來越來越多的隱私問題，這并不僅限于這些傳統的數據經紀公司。經濟學人信息部（經濟學人集團內獨立的業務部）公布了使用大數據最多的19個行業領域，包括制造業、IT和技術、金融服務、專業服務、醫療保健、制藥和生物技術以及消費品等。毫無疑問，大數據革命已經開始。
    根據大數據的特點，以及大數據使用的業務動機，最關鍵的隱私問題是，簡單地說，數據的質量或者準確性；以及企業使用這些數據來作出決定而可能會對個人產生的負面影響。例如，從社交媒體獲取的個人信息的準確性？從社交媒體或者其他網絡來源的信息可以用于篩選或者排名求職申請，或者提高醫療保險的價格嗎？基本的個人資料，例如年齡、婚姻狀況、教育或者就業情況通常都是未經驗證的。在免費電子郵件服務中同樣也沒有這些驗證，幾乎所有用戶都會點選接受使用條款和私隱聲明，表明同意放棄用于數據匯總的一定程度的隱私權利。
    另一個質量問題是，當收集互聯網搜索字詞或短語時，可能會對它們存在誤解。企業利用大數據不佳的例子包括使用互聯網搜索詞條來評估產品定價，或者潛在目標客戶。要知道，在家庭計算機中可能有多個用戶，并且有很多原因某人在網上搜索與他們無關的主題。這種類型的數據收集、分析和使用可能產生有問題的分析結果，從而導致錯誤的決策，而最終造成個人和分析數據的企業兩敗俱傷的局面。這種缺乏對大數據質量的控制將我們指向另一個隱私保護原則，即收集符合且適合既定目標的個人數據。