当下生活中的企业监控
发布时间：2021-06-05 12:24:45 所属栏目：大数据 来源：互联网
导读：Cracked 实验室的Wolfie Christl于2017年6月发布了这个报告，分析了个人数据行业的实际操作和内幕。贡献者有Katharina Kopp和Patrick Urs Riechert， Pascale Osterwalder创作了插图。基于多年的研究和2016年的一份报告，这项调查揭示了企业之间隐藏的数据流
|
Cracked 实验室的Wolfie Christl于2017年6月发布了这个报告，分析了个人数据行业的实际操作和内幕。贡献者有Katharina Kopp和Patrick Urs Riechert， Pascale Osterwalder创作了插图。基于多年的研究和2016年的一份报告，这项调查揭示了企业之间隐藏的数据流动。它描绘了当今数字跟踪生态系统的结构和范围，探索了相关的技术、平台和设备以及主要的发展。
目录
人的分析
金融、保险和医疗领域中人的分析
大规模收集和使用消费者数据
数据经纪人和个人数据业务
实时监控人们的日常行为
数字化档案的连接，匹配和合并
管理消费者和行为，个性化以及测试
天罗地网-日常生活，营销数据和风险分析
绘制商业跟踪和档案版图
一个无处不在被数字控制的社会?
2007年，苹果推出了智能手机，Facebook 的用户达到了3000万，在线广告公司开始根据用户的个人喜好和兴趣向互联网用户投放广告。10年后，数据公司如雨后春笋般涌现，它们不仅包括像 Facebook 和谷歌这样的大公司，还包括来自不同行业数以千计的其他企业，它们不断地相互分享和交易数据。公司已经开始整合来自网络和智能手机的数据，链接他们已经积累了几十年的客户数据和离线信息。
从定价到政治沟通，从信用评分到风险管理，无处不在的实时监控机器正迅速扩展到其他领域。大型在线平台、数字广告公司、数据经纪公司以及许多行业的企业可以跨平台对消费者识别、分类、评估、评级和排名。网站上的每一次点击和智能手机上的每一次滑动都可能触发分布在多家公司各种各样的隐藏数据共享机制，因此，直接影响了人们的可用选择。数字跟踪和分析，结合个性化，不仅用于监测，而且影响人们的行为。
“你必须争取你的隐私，否则你会失去它”——Eric Schmidt, Google/Alphabet, 2013
1. 人的分析
学研究表明，一个人性格的许多方面可以从网络搜索、浏览历史、视频观看行为、社交媒体活动或购买的数据中推断出来。个人的敏感属性，如种族，宗教和政治观点，感情状态，性取向，酒精，香烟和毒品的使用，可以相当准确地推断出某人在Facebook 上喜欢什么。社交网络的画像分析还可以预测个性特征，如情绪稳定性、生活满意度、冲动性、抑郁和感官兴趣。
资料来源: Kosinski et al 2013，Chittaranjan et al 2011，Epp at al 2011。
类似地，性格特征也可以从某人访问过的网站信息，以及电话记录和手机应用程序使用数据中推断出来。浏览历史可以揭示一个人的职业和教育程度。加拿大的研究人员甚至通过分析电脑键盘上的打字模式，成功计算出了诸如自信、紧张、悲伤和疲劳等情绪状态。
2. 金融、保险和医疗领域中人的分析
如今，数据挖掘和分析方法的结果依赖于一定概率水平的统计相关性。虽然他们可能大概率地预测属性和人格特质，但并非在每一个情况下都是准确的。尽管如此，这些方法已经被用来对人们进行分类、分类、标注、评估、排序，不仅是为了营销，也是为了在金融、保险、医疗等重要领域做出决策。
基于数字化行为数据的信用评估
初创公司如Lenddo, Kreditech, Cignifi 和 ZestFinance 已经利用社交媒体、网络搜索或手机的数据来计算某人的信用可靠性，而实际上并没有使用与金融交易相关的数据。有些人还利用某人如何填写在线表单或浏览网站的信息，短消息的语法和标点符号，以及该用户手机的电池状态。在计算信用评分时，一些公司甚至加入了某人在社交网络上的朋友数据。
Cignifi 通过电话通话的时间和频率计算信用评分，将自己视为“移动网络运营商的终极数据货币化平台”。万事达卡、Telefonica、信用报告机构 Experian 和 Equifax 等公司已经开始与这些初创公司合作。在全球南部国家以及其他区域的弱势人口群体中，这种服务的大规模应用增加的更多。
相反，信用数据也会流入网络营销。例如，在 Twitter 上，营销人员可以根据消费者数据代理商(例如Oracle)提供的数据，根据 Twitter 用户的预期信誉度来定位广告。更进一步，Facebook 已经注册了一项基于某人在社交网络上朋友信用评级的信用评估专利。没有人知道它是否计划将社交网络、市场营销和风险评估的完全整合，并变为现实。
“我们觉得所有的数据都是信用数据，只是还不知道如何使用。”——Douglas Merrill, ZestFinance 的创始人，谷歌前首席信息官，2012年
基于消费者数据的健康预测
数据公司和保险公司正致力于利用消费者日常生活信息来预测他们的健康风险。例如，大型保险公司Aviva与咨询公司德勤(Deloitte)合作，对6万名保险申请人的个人健康风险进行了预测，这些风险包括糖尿病、癌症、高血压和抑郁症，这些数据基于传统上用于营销的消费者数据，而这些数据是Aviva从一家数据经纪公司获得的。
咨询公司麦肯锡(McKinsey)帮助预测了患者的住院费用，其依据是“美国大量医疗支出者”的消费者数据。麦肯锡利用人口统计学、家庭结构、购买情况、汽车拥有情况以及其他数据，指出这种“洞察力有助于在高成本发作之前确定关键的患者群体”。
健康分析公司 GNS 医疗保健也通过广泛的数据，如基因组学，医疗记录，实验室数据，移动健康设备和消费者行为，来计算患者的个人健康风险。该公司与Aetna等保险公司合作，提供了一个评分系统，识别“可能参与干预的人” ，并提供对疾病进展和干预结果的预测。根据一份行业报告，该公司“根据投资回报率对病人进行排名” ，如果针对病人采取特定干预措施，保险公司可以期望得到多少投资回报。
一家大型的数据经纪和风险分析公司 LexisNexis Risk Solutions 提供了一种健康评分产品，根据包括购买活动在内的大量消费者数据，计算健康风险以及个人预期的医疗保健成本。
 （编辑：盐城站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
