科技巨擘应该为数据买单

2019-05-05    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用
1.jpg

 

在当今美国经济,增长最快的领域是什麽?答案是收集、分析和销售我们的数字数据。

根据美国民主党战略组织Future Majority委托开展的一项新研究,提取美国人个人数据(当前世界上最有价值的资源)的年度收入总值高达760亿美元,不仅涉及家喻户晓的科技巨擘,还有很多其他公司。

由经济和安全分析组织Sonecon进行的这项研究发现,过去两年,数据采集産生的销售总额增长44.9%。根据美国经济分析局(Bureau of Economic Analysis)的数据,这个增速高于在线出版、数据处理和信息服务业本身。该类别的两年增速爲24%。若当前趋势保持下去,到2022年,我们的数据将价值1977亿美元,超过美国农业産出的总价值。

这是大规模的资源开采。如果说数据是新的石油,那麽美国就是数字时代的沙特阿拉伯。领先互联网平台公司是新的沙特阿美(Saudi Aramco)或埃克森美孚(ExxonMobil)。谷歌(Google)、Facebook、微软(Microsoft)、亚马逊(Amazon)、Verizon和Twitter通过观察我们在互联网上的一言一行来钻探它们的“数字石油”。接着,它们以定向广告的形式销售这些信息,对其进行商业化利用。

据Future Majority研究报告的合着者罗伯特?夏皮罗(Robert Shapiro)称,在线广告的一半以上价值源自定向。即便不知晓人们在电邮中写什麽,或者在在线社区发布什麽帖子,谷歌或Facebook仍会赚钱。但它们的收入会低得多。夏皮罗表示:“通过定向广告收集和销售个人数据是一种商业模式。它不是可有可无的。”

但科技平台公司并非唯一从事数字资源开采业务的公司。数据经纪商如信用机构,以及医疗数据机构和信用卡公司,都收集和销售各种敏感个人用户数据,买家是规模不足以自己这麽做的其他公司和组织,包括零售商、银行、抵押贷款机构、学院、大学、慈善组织以及(好像我们会忘记)政治竞选活动。

这是硅谷以外没几家公司唿吁对大型科技公司采取反垄断举措的塬因之一——因爲它们是硅谷销售的数据的买家。物联网的问世(联网传感器嵌入我们身边的所有设备)将指数级增加数字资源开采的机会。企业竞相进入这个领域。

其结果是,我们可能无法单单通过监管来消除整个体系正在构成的问题,学者肖莎娜?祖博夫(Shoshana Zuboff)称这个体系是“监视资本主义”。

最近,美国有人提出了一系列旨在约束数字巨头的提案——从允许出版商组团与谷歌和Facebook等公司就收入分享进行谈判的法案,到唿吁对儿童网络媒体进行更严格监管。但是立法者及这些提案的支持者就像是试图直接从消防水管喝水——注定会应付不过来。

很明显,我们迫切需要出台严格的全国隐私法规,类似于加利福尼亚州已经通过的隐私法。该法要求企业允许客户选择不参与任何形式的数据收集(并要求父母爲其未成年子女作出选择),并坚持要求企业对其使用个人数据的方式进行更明确的披露。

我希望看到政府成立一个数字方面的消费者保护局(Consumer Protection Bureau),针对算法歧视出台严格规则,并建立一个确保个人能够访问并了解自己的个人数据正被如何使用的系统,就像如今我们了解自己的信用评分一样。

同样值得考虑的是,开采“数字石油”的企业是否应该爲此买单?加州还提议数据收集者向这类资源的所有者——即我们所有人——支付“数字分红”。这类似于阿拉斯加以及挪威等国创建财富基金的做法——把一部分来自大宗商品的收入用于投资,造福未来世代。

数据提取方负担得起这笔支出。谷歌和Facebook的利润率达到较高的两位数,因爲它们无须爲塬料投入(即我们的数据)付钱。但是我们应该是自己的个人信息的所有者。如果提取方利用了这些数据,他们应该补偿我们。

夏皮罗表示,例如,假如美国政府规定按50%支付数字分红,按目前的增长速度,到2022年,四大类数据收集者——平台、数据经纪商、信用卡和医疗保健公司——将向每个使用互联网的美国人支付308美元。

或者,可以强制要求数据提取方把一部分收入投入公共基金,用于投资教育和基础设施。夏皮罗根据世界银行(World Bank)的数据计算得出,到2022年美国基建支出缺口估计将达到1350亿美元,若以相同的税率征收数字收入税,所得收入将可以覆盖大部分缺口。

与允许他们获取美国最宝贵的资源相比,这点代价公平得很。

标签: [db:TAGG]

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:编程界最厉害的14位程序员

下一篇:数据科学家易犯的十大编码错误,你中招了吗?