Suurandmed teevad meie elu lihtsamaks, aga suurendavad ka isikuandmetega seotud rikkumiste ohtu. Kas me oleme turvalised?

Kas see on kokkusattumus? Kas see on ajastusturundus?

„○○Ah, sa jääd tundi hiljaks. Kiirusta ja mine kooli!“
"Jah, ma olen seal, ma olen seal, ma olen teel."

Tudengite hommikud pole lõõgastavad. Igal hommikul, ükskõik kui hõivatud ma ka poleks, on üks samm, mida ma kunagi vahele ei jäta: meigi pealekandmine! Pärast näo puhastamist hea puhastusvahendiga raputan nahka. Mõned tilgad tulevad välja, aga siis see lakkab. Naha puudumine muudab ta näo kuivaks ja punaseks. Majast kiirustades saab ta sõnumi ettevõttelt ㅇㅇCosmetics, kellelt ta on varem mitu korda ostnud.
Eripakkumine ainult liikmetele, nahahooldustooted 30% soodsamalt, ainult kaks päeva, ära jäta seda võimalust kasutamata~!
Naeratus levib ○○ näole. „Vau, see on suurepärane. Allahindlus just siis, kui seda vaja on, jee.“ Kolme minuti jooksul pärast tekstisõnumi saamist tellis ja maksis ta naha eest oma nutitelefoniga. Kas on tõesti kokkusattumus, et ○○, kes vajas nahka, sai kosmeetikafirmalt reklaamsõnumi?

21. sajandil on raha andmetes

Mõned on iseloomustanud tänapäeva maailma kui andmeuputuse ajastut. Selle põhjuseks on asjaolu, et ühiskonnas, kus elame, genereerime tohutul hulgal andmeid. Üks valdkond, mis on viimastel aastatel tähelepanu pälvinud, on suurandmete valdkond. Suurandmed viitavad tohututele andmemahtudele, mida on tavapäraste meetoditega keeruline koguda, salvestada, hankida ja analüüsida, kuna andmete genereerimise hulk, sagedus ja vorming on tavapäraste andmetega võrreldes liiga suured.
Oletame ülaltoodud näites, et reklaamteksti ilmumine naha maha kukkumise ajal pole juhus, vaid ettevõtte strateegiline turundus, mis kasutab suurandmeid. Milline lõik saab olla selle toetuseks tugev tõend? Vastus on fraas „ostetud paar korda“. Kui tarbija ostab naha ja ostab selle seejärel iga A päeva tagant uuesti, saab ettevõte selle ostuinfo abil analüüsida tarbija kulutusharjumusi. Neid andmeid saab kasutada tarbija tarbimisharjumuste analüüsimiseks ja kui tarbijal on aeg toodet uuesti osta, saab ettevõte korraldada mitmesuguseid reklaamitegevusi.
See ei ole midagi, mis juhtub tulevikus, vaid midagi, mis toimub meie ümber juba praegu. Tegelikult on krediit- ja kliendikaardifirmadel klientide kulutusharjumuste kohta väga täpne teave nende kaardikulutuste ajaloo kaudu. Nad mitte ainult ei kasuta seda teavet oma kaardiomanike kulutusharjumuste analüüsimiseks, vaid müüvad seda ka erinevatele tootjatele väärtusliku turundusinfona. Salvestata ei ole ainult finantsteave. Sotsiaalmeedia, veebiportaalide ajalugu, meditsiinilised andmed, GPS-i asukoha andmed ja palju muud salvestatakse meie teadmata.

Andmekaevandamine: suurandmete peidetud pärlite leidmine

Aga kas kõik see peaaegu lõpmatu hulk andmeid on tähendusrikkad ja väärtuslikud? Vastus on eitav. Kogu seda teavet pole mitte ainult võimatu analüüsida, vaid see oleks ka üsna ebaefektiivne. Teisisõnu, me peame valima ainult selle, mida vajame, seda analüüsima ja selle väärtuse kindlaks määrama ning see ongi andmekaeve valdkond.
„Kaevandamine” on sõna, mis tähendab „kaevandamist” ja andmekaeve tähendab „andmete kaevandamist”, seega võite seda mõelda kui valdkonda, mis saab suurendada andmeanalüüsi efektiivsust, valides tohutul hulgal andmetest ainult vajalikud andmed. See nõuab täiustatud statistilist analüüsi ja modelleerimistehnikaid, mis on väga nõudlikud, ning see on tööstustehnika uurimisvaldkond.
Andmekaeve valdkond on Koreas alles arengu algstaadiumis, kuid olen selle tuleviku suhtes väga optimistlik. Sellel on kaks põhjust: esiteks, ilma andmekaeveta oleks andmeanalüüs oluliselt vähem mõttekas ja tõhus. See tähendab, et ilma korraliku andmete valikuta on korralikud analüüsitulemused võimatud. Teine põhjus on see, et andmekaeve on kliendihalduse võtmetehnoloogia, mis on tänapäeval üks olulisemaid äriaspekte.

Suurandmed, universaalne lahendus

On selge, et suurandmed on viimasel ajal olnud kuum teema. Suurandmete analüüsi rakendused andmekaevandamise kaudu on väga mitmekesised. Üks edukamaid suurandmete analüüsi näiteid on Seouli linnavalitsuse Owl Bus. See on hilisõhtune bussiliin, mis loodi KT kõnemahu andmete analüüsimise teel, mis salvestab helistajate sissetulevate ja väljaminevate asukohtade hilisõhtul, ning Seouli liiklusandmete analüüsimise teel. See on näide ülitäpsest andmeanalüüsist optimaalse marsruudi leidmiseks, mille tulemuseks on kõrge kasutajate rahulolu.
Eksperdid ennustavad, et tulevikus hakatakse suurandmeid kasutama palju laiemas valikus valdkondades. Üks esimesi rakendusi on personaalne turundus. See tähendab, et turunduse sihtrühm muutub kogu tarbijaskonnast või konkreetsest rühmast üksikisikuks, mis on turunduse enda paradigma muutus. Meditsiinivaldkonnas saab suurandmete analüüsi kasutada patsiendi haigestumise ennustamiseks või ravimatute haiguste raviks. Suurandmeid hakatakse arendama ja kasutama ka teistes valdkondades, näiteks põllumajanduses, poliitikas ja halduses. Mõned teadlased ennustavad isegi, et suurandmeid saab kasutada loodusõnnetuste ennustamiseks ja ületamiseks, mida varem peeti inimese kontrolli alt väljas olevaks.

Suurandmete kaks külge

Siiski on suurandmete kasutamisega ka probleeme, kuna neid koheldakse kui „väärislikku keha“ ja need on pälvinud palju tähelepanu. Üks olulisemaid ja vastuolulisemaid küsimusi on andmete leke. Väike kategooria infolekkeid on isikuandmete leke. Suurandmeid kombineerides on isikuandmeid väga lihtne leida. Lihtne näide selle kohta on see, et inimese internetis surfamise, külastatud saitide ja sotsiaalmeedia kasutamise statistilise analüüsi abil on võimalik teada saada mitte ainult tema sugu, vaid ka väga detailset teavet, näiteks rasedus või LGBT-staatus. See ei ole mitte ainult privaatsuse rikkumine, vaid seda võib potentsiaalselt kasutada ka kuritegelikel eesmärkidel.
Lisaks isiklikule tasandile on potentsiaali ka riiklikeks probleemideks, näiteks riigisaladuste või sõjasaladuste lekkimiseks. Nn suurandmete ajastu lävel seistes peame olema ettevaatlikud ja mitte keskenduma ainult suurandmete ärilistele aspektidele. Kui ignoreerime suurandmete võimalikke kõrvalmõjusid, on vaid aja küsimus, millal meie ühiskond kannatab suurandmete haiguse all. Enne suurandmete tõsist kasutamist arvan, et tänapäeva intelligentsete inimeste uhkuseks on koostada plaan suurandmete kõrvalmõjude ennetamiseks.

Suurandmete ja tehisintellekti ühendamine

Suurandmete olulisus on seotud tehisintellekti (AI) tehnoloogia arenguga. AI suudab õppida tohututest andmemahtudest, et aidata lahendada keerulisi probleeme, millega inimesed hakkama ei saa. Näiteks tervishoius muudab AI ja suurandmete kombinatsioon patsientide diagnoosimise ja ravimise viisi revolutsiooniliselt. AI algoritmid saavad analüüsida patsiendi haiguslugusid, geneetilist teavet ja elustiiliandmeid, et ennustada haiguse tekkimise tõenäosust ja soovitada personaalset ravi.
Suurandmete ja tehisintellekti roll on oluline ka autonoomsete sõidukite valdkonnas. Isejuhtivad autod analüüsivad reaalajas teeolusid, liiklusmärke ja sõidukite vahelisi vahemaid, et tagada ohutu ja tõhus sõitmine. See analüüs poleks võimalik ilma tehisintellekti tehnoloogiata, mis suudab töödelda ja õppida tohutul hulgal andmetest. Suurandmete ja tehisintellekti kombinatsioon avab uusi võimalusi erinevates tööstusharudes ja avaldab sügavat mõju tehnoloogia tulevikule.
Suurandmete ja tehisintellekti kombinatsioon võimaldab uusi uuendusi, mida me poleks kunagi ette kujutanud, ning mängib tulevikus suurt rolli sotsiaalsete muutuste kujunemisel. Kuid nende tehnoloogiliste edusammudega kaasnevad eetilised ja sotsiaalsed küsimused, millega tuleb tegeleda. Andmete kasutamise ja kaitsmise vahelise tasakaalu leidmine on meile kõigile väljakutse ja aitab meil luua arenenuma ühiskonna.