Выбирая защиту данных по принципу проектирования, компании могут принять решение о процедурной защите конфиденциальности клиентов. Это, однако, требует от них с самого начала встроить защиту личных данных в свои услуги. Затем компания может открыто говорить о своей политике конфиденциальности, чтобы показать потребителям: у них в любом случае есть выбор[108].
С другой стороны, потребители больше ожидают защиты данных от своего банка, чем от местного супермаркета, где у них есть карты лояльности. Любимый интернет-магазин должен делать их счастливыми, часто отправляя персональные предложения. Им должна быть предоставлена возможность решать, хотят ли они получать выгоду от персонализированных коммерческих услуг в (интернет-) магазинах, туристических агентствах, банках и страховых компаниях, и если да, то как часто.
Target поражает цель
Однажды в 2012 году разгневанный отец пришел в Target в пригороде Миннеаполиса, требуя поговорить с менеджером[109]. Почему, черт возьми, его дочь-подросток была выбрана для специальных предложений детских игрушек и колясок для малышей? Менеджер был в растерянности, и ему ничего не оставалось, кроме как извиниться.
Target использует ряд данных для своего маркетинга, объединяя номер социального страхования, имя, адрес электронной почты и предыдущие покупки[110]. На основе этих данных система может делать определенные прогнозы. Если молодая женщина покупает в марте бутылку лосьона для тела размером больше средней, пакет, легко превращающийся в мешок для подгузников, и горсть биодобавок, включая кальций, магний и железо, шансы на то, что она родит ребенка в августе, близки к 90 %.
Через несколько дней после инцидента менеджер снова обратился к семье, чтобы еще раз извиниться. Представьте себе его удивление, когда отец поделился с ним новостью, что его дочь призналась: она все-таки беременна.
Интерпретация
Алгоритмы иногда могут дедуктивно вывести о нас факты, о которых не имеют понятия даже члены наших семей (см. пример про Target выше). Однако скептики непреклонны в том, что большие данные всегда нужно интерпретировать, особенно в случае этических проблем. Они считают, что такого рода данные являются «инструментом, помогающим нам найти ответы, достаточно хорошие на данный момент, пока мы не найдем лучшие методы и даже лучшие ответы»[111]. Ученые и статистики настойчиво утверждают, что корреляции, подтвержденные большими данными, очень далеки от причинно-следственных связей. Они также снова и снова подчеркивают, что часто используемые и неточные данные имеют серьезные недостатки[112].
Большие данные как явление не в состоянии избежать классического цикла шумихи. Их сторонники убеждены, что большие данные станут ответом практически на любую проблему