大数据是大问题?组织需要为数据管理负责

   中国企业数据治理联盟（www.chinaedg.com/）

  进入》主数据管理    企业数据治理   信息资源规划   数据安全管理

　 如果数据收集在2018年让人们明白一件事的话，那就是使用数据的公司与商业模式依赖数据利用的公司之间存在一条明显而深刻的界线。由于剑桥分析公司数据泄露事件，Facebook公司需要向美国联邦贸易委员会支付数十亿美元的罚款。而现在是企业评估如何处理数据的时候了。

　　NewVantage Partners公司调查发现，企业正在加大对大数据和分析计划的投入。事实上，55%的受访企业表示他们的投资超过5000万美元。与此同时，很多公司通过不透明和不道德的方式收集更多的消费者数据。最近，谷歌公司因其采用的Screenwise Meterapp受到用户抨击，这是由于该公司通过VPN监控和分析用户流量和数据。在此之后，该应用程序因违反隐私规则而在Apple iOS上被禁用，但却在VPN隐私问题上引起了广泛的关注。虽然谷歌公司从未透露其Nest Secure家庭解决方案，但却表示，这不应该是一个秘密。

　　如今，消费者的数据意识已经达到了更高的水平，因此，他们采取了更多的预防措施，允许共享他们的数据。这些数据提供了明确的业务价值，但这取决于组织理解和认识潜在的道德影响。

　　那么，如何能够倡导更多公司合理使用道德数据，与那些业务模式依赖于利用甚至销售数据的公司区分开呢?

　　首先，需要了解成功完成数据收集的案例。毕竟，成为数据需求型的公司并不一定采用不当的做法。以波音747飞机的起落为例。它可以在每次着陆时生成4TB的传感器数据，并使用这些数据来提高安全性，降低维护成本，并最大限度地减少行程延误。2018年，曾经建造胡佛水坝和英吉利海峡隧道的工程商Bechtel公司通过利用专有数据来更快地检查工地情况，并减少了起草计划的时间，从而颠覆更新技术。货运商Pitt Ohio公司利用其历史数据和预测分析将准确率提高到99%，同时增加收入，并降低客户流失的风险。

　　专业人士了解数据管理的复杂性。现在是让企业决策者对他们在确保适当监督方面的作用负责的时候了。以下是组织在负责任的数据管理方面应优先考虑的三种解决方案：

　　1.合规性

　　随着欧盟GDPR法规的生效，企业在理论上应该有适当的操作程序，以确保业务符合法规要求。然而，截至2018年12月，国际隐私专业人员协会(IAPP)发现，不到50%的受访者的业务符合GDPR法规。

　　GDPR法规将继续实施，而一些企业可能并没有欧盟国家的客户或合同，重要的是要记住GDPR法规适用于公民，而不是组织。专家预测，“被遗忘的权利”将成为一种更为普遍的原则，并且在数据所有权方面可以获得更大的个人自主权。随着加利福尼亚的数字隐私法案现在签署成为法律，美国其他州可能也会效仿。

　　组织需要确保不仅符合法规要求，而且还要符合预期的法规监管，这是确保组织正确处理其内部数据的一种有效而简单的方法。这样的做法无疑会带来长期利益，从而消除了确保组织保持合规所需的时间和资源。

　　2. 良好的数据

　　消费者意识到生产大量数据的价值。虽然推进人工智能及其使用案例继续使公众不断分化，消费者将希望企业和组织在数据方面能够起到带头作用，以实现良好的建模。

　　如今，道德的加权重要性与首席数据官(CDO)角色交织在一起。调研机构Gartner公司最近的首席数据官(CDO)调查发现，作为其职责的一部分，2017年的首席数据官(CDO)的数量与2016年相比增加了10%。首席数据官(CDO)角色的这种道德扩展表明，企业应该询问自己应该经常做什么。

　　企业决定如何以道德的方式管理自己的数据与识别具有相同标准的业务合作伙伴和客户同样重要。寻找目标与数据有关的组织将寻找数据类型或数字影响等良好的计划，这是一个很好的开始。此外，还有许多数据和分析供应商提供内部数据以实现良好的计划。例如，Salesforce公司通过其1-1-1模型支持慈善和环境事业，Teradata公司支持社会服务事业，它在数据计划方面做得很好。

　　3.有效的创新

　　如今，人们处于利用人工智能实现其强大用途的前沿。随着美国加大对人工智能技术的投资，正在强化信息，并希望采用人工智能解决一些复杂的问题。

　　但是目前，人们对人工智能和机器学习仍然存在一些困惑和误解。从表面上看，人们了解这些技术可以做什么，但不一定了解是如何做的。尽管有些人可能会忽略人工智能的概念解释，但人们越来越认识到，要使人工智能发挥更大的作用，必须努力实现其可解释性。

　　如今必须深入研究的是数据的算法和途径，这将有助于了解如何得出结论和结果。而人工智能存在于用户的个人生活和职业生涯中，帮助他们理解它正在做的事情。可解释的人工智能意味着简单的图片和解释，这样人们可以理解和信任他们的人工智能工作过程。

　　组织需要负责任地收集数据，并使用图形技术等创新解决方案是如何推动人工智能可解释性和结果的关键因素。以这种方式进行人工智能解释可以起到重要的作用，为组织、客户和监管机构带来透明度。

　　作为大数据和分析行业的参与者，人们必须倡导更智能、更安全的数据需求型公司。在监管机构强制要求之前，必须鼓励并期望企业参与，并促进负责任的数据收集和管理。人们收集的数据的影响范围广泛，再也不能忽视不断变化的潮流。

   来源：企业网D1Net