V předchozích kapitolách jsme byli svědky toho, jak složité je big data analyzovat a používat. Minimálně stejně složité jsou i výzvy a rizika spojená s užitím velkého množství dat. Pravděpodobně největší výzvou pro společnosti v souvislosti s velkými daty je ochrana dat:
Přestože společnosti v posledních letech věnují více pozornosti ochraně údajů, stále se objevují problémy s tím spojené. Například osobní údaje uživatelů internetu mohou být užity bez jejich souhlasu a dotyčné osoby mohou být identifikovány, kontrolovány a v nejhorším případě vydírány.
Definice
Osobní údaje
…jsou údaje které se vztahují k určité osobě a umožňují vyvozovat závěry o její osobnosti. Patří mezi ně například číslo poznávací značky automobilu, datum narození nebo výpis z bankovního účtu.
Příkladem narušení ochrany osobních údajů ve spojitosti s velkými daty je případ portálu Ashley Madison, který již byl zmíněn v kapitole 2. V tomto případě se zveřejněné osobní údaje použily k vydírání vlastníků těchto dat.
Předpisy a zákony o ochraně osobních údajů pomáhají chránit spotřebitele před zneužitím. Základemobecného zákona o ochraně údajů v Evropské unii je obecné nařízení o ochraně údajů (anglicky „General Data Protection Regulation“), které vstoupilo v platnost dne 25. května 2018.
Exkurz
Obecné nařízení o ochraně osobních údajů
Obecné nařízení o ochraně osobních údajů (anglicky General Data Protection Regulation, zkráceně GDPR) se nazývá v celém rozsahu „Nařízení Evropského parlamentu a Rady (EU) 2016/679 ze dne 27. dubna 2016 o ochraně fyzických osob při zpracování osobních údajů a o volném pohybu těchto údajů o zrušení směrnice 95/46 / ES “. Je přímo aplikovatelné v České republice a je doplněno zákonem o zpracování osobních údajů.
Toto nařízení umožňuje občanům EU lépe kontrolovat shromažďování a používání jejich osobních údajů. To by mělo posílit důvěru spotřebitelů v jednotlivých společnostech. Stávající práva občanů EU jsou konsolidována v GDPR a jsou rovněž zavedena nová práva v souladu s obecným nařízením, která zahrnují:
zjednodušený přístup k osobním údajům – to zahrnuje poskytování komplexních, jasných a srozumitelných informací o zpracování údajů
nové právo na přenositelnost dat – osobní údaje budou předávány zjednodušeným způsobem
jasnější právo na výmaz(„právo být zapomenut“) – údaje se vymažou, pokud občan nesouhlasí se zpracováním svých údajů a neexistuje legitimní důvod k jejich uchování
právo na informace o zneužitých osobních údajích – společnosti a organizace neprodleně informují dotčené osoby o závažném porušení ochrany osobních údajů. Rovněž musí být informován odpovědný kontrolní orgán pro ochranu údajů.
Pro společnosti GDPR představuje možnost vytvořit více obchodních příležitostí a podporovat inovace pomocí řady opatření, které zahrnují:
vytvoření jednotných pravidel pro celou EU, což povede k velkým úsporám
jmenování referenta pro ochranu údajů v rámci orgánů a společností, které pracují s velkým množstvím dat
určení jediného kontaktního místa ve své zemi, na které se podniky musí obrátit
vytvoření pravidel EU pro společnosti ze třetích zemí, které musí dodržovat při nabídce zboží nebo služeb nebo sledování chování lidí
vytvoření pravidel, která podporují inovace a zajišťují, aby se pravidla ochrany údajů zohledňovala v rané fázi vývoje služeb nebo produktů
používání technik slučitelných s ochranou údajů, jako je pseudonymizace (nahrazení pasáží v datovém záznamu, které umožňují identifikaci přidružené osoby) a šifrování (data jsou šifrována tak, aby je mohla číst pouze oprávněná osoba)
odstranění povinnosti společností podávat zprávy s cílem podpořit volný pohyb osobních údajů v rámci Evropské unie
provádění posouzení výše dopadů, kdy je pravděpodobné, že zpracování údajů ohrožuje práva a svobody jednotlivců
Další výzvou pro společnosti je to, že stávající zaměstnanci nemají vždy potřebné odborné znalosti a nejsou vždy otevřeni možnostem, které analýza velkých dat firmám nabízí.
Často je plýtváno časem a prostředky, protože zúčastněným stranám není jasný cíl projektu velkých dat nebo jaká infrastruktura je k tomu zapotřebí. Najít a udržet si kvalifikované zaměstnance je pro společnosti obvykle obtížné, jelikož je po nich obvykle velká poptávka.
Navíc, technologie velkých dat může být pro začátečníky rozsáhlá a matoucí. Slyšeli jste někdy o Spark, Hadoop MapReduce, Cassandra nebo Hbase? Jedná se o big data technologie s různými nástroji a výhodami.
Technologie se navíc vyvíjejí rychlým tempem, takže společnosti mají často problém držet krok s rychlostí osvojování. Pro společnosti, které zvažují zavedení analýzy velkých dat, tak může být užitečná rada odborníků.
Dále je důležité zmínit, že projekty velkých dat jsou velmi nákladné. To platí jak pro společnosti, které si zvolí on-premise model, tak i pro ty, co preferují cloudový model. Rozdílem je to, že s on-premise modelem společnost používá big data software ve svém vlastním datovém centru a je zodpovědná za jeho provoz a údržbu. Naopak v cloudovém modelu je software firmou pouze pronajat a data zůstávají u poskytovatele.
Definice
On-Premise model
…označuje řešení, kdy si firma koupí nebo pronajme big data software a nastaví jej ve vlastním datovém centru. Společnost se musí starat o hardware sama, je zodpovědná za použití softwaru a data zůstávají uložena ve společnosti.
Definice
Cloud model
…označuje řešení, kdy si firma hradí software velkých dat jako službu; poskytovatel přebírá zodpovědnost za údržbu a použití. Společnost platí pronájem, který zahrnuje náklady na hardware, provoz a údržbu. V případě tohoto řešení jsou data uložena u poskytovatele.
Pokud se společnost rozhodne pro používání on-premise modelu, musí zainvestovat do nového hardwaru a přijmout nové zaměstnance na provoz a údržbu. V případě cloudového řešení musí firma pouze najmout zaměstnance na provoz a údržbu a musí platit za cloudové služby.
Kvalita dat ostatně bývá často nízká a firmy čelí výzvám sladit údaje z různých zdrojů v různé kvalitě.
Například, jeden online obchodník může chtít analyzovat data současně ze sociálních sítí, protokolů webových stránek, call center a webů, které mají různé formáty.
Ale i v případě, že všechny výše zmíněné problémy a otázky jsou vyřešeny, není často pro firmy tak jednoduché získat z velkého množství dat užitečné informace. Naopak může být velmi nebezpečné, pokud jsou informace vzájemně propojeny a dochází tak k nesprávným závěrům. Například, člověk může být považován bankou, která provádí analýzu velkých dat, za nedůvěryhodného, jelikož žije ve stejném sousedství jako spousta nedůvěryhodných lidí a řídí stejné auto jako lidé, kteří nejsou podle banky kredibilní. Následující příklad také ukazuje, proč je správné využití velkých dat zásadní:
Příklad
Online prodejce se spoléhá na analýzu velkých dat, která je založena na historických údajích o chování zákazníků. Ukáže se, že lidé, kteří kupují v jeho obchodě černé tenisky, často přidávají k nákupu i pár černých ponožek. Maloobchodník odpovídajícím způsobem upraví svoji nabídku na jaro. Nicméně těsně před začátkem jara známý rapper zveřejní na Instagramu fotografii sebe s černými teniskami a žlutými ponožkami. Spousta mladých lidí se tak začne dívat po žlutých ponožkách, které by šly s jejich černými teniskami. Bohužel prodejce nebyl připraven na vysokou poptávku, a tak mu žluté ponožky brzy dojdou. Prodejce jednoduše použil špatnou strategii velkých dat, spoléhal se pouze na historické výsledky a ignoroval jiné důležité zdroje dat, jako jsou například sociální média, konkurenční obchody apod.
Zapamatujte si
V souhrnu, toto jsou hlavní výzvy, kterým musí firmy čelit při používání velkých dat:
zajistit ochranu dat – soulad s obecným nařízením o ochraně osobních údajů (GDPR)
odborná způsobilost zaměstnanců – zdatné používání rozmanité a rychle se rozvíjející technologie velkých dat
vysoké náklady big data projektů (hardware a software nebo náklady na pronájem, údržbu atd.)
nízká kvalita dat, standardizace dat v různých formátech a s různou kvalitou
správná interpretace výsledků
Jak jste si jistě všimli, big data nabízejí obrovské možnosti a příležitosti, které ještě firmy zdaleka plně nevyužívají. Nicméně, velké množství dat je také spojeno s výzvami a riziky, která by neměly být podceňovány a které mohou být pro spoustu lidí znepokojující. Rozhodujícím faktorem, který zajišťuje úspěšné využití dat bez způsobení škody jiným lidem, je proto zodpovědné a odborné nakládání s velkými daty.
V předchozích kapitolách jsme byli svědky toho, jak složité je big data analyzovat a používat. Minimálně stejně složité jsou i výzvy a rizika spojená s užitím velkého množství dat. Pravděpodobně největší výzvou pro společnosti v souvislosti s velkými daty je ochrana dat:
Přestože společnosti v posledních letech věnují více pozornosti ochraně údajů, stále se objevují problémy s tím spojené. Například osobní údaje uživatelů internetu mohou být užity bez jejich souhlasu a dotyčné osoby mohou být identifikovány, kontrolovány a v nejhorším případě vydírány.
Definice
Osobní údaje
…jsou údaje které se vztahují k určité osobě a umožňují vyvozovat závěry o její osobnosti. Patří mezi ně například číslo poznávací značky automobilu, datum narození nebo výpis z bankovního účtu.
Příkladem narušení ochrany osobních údajů ve spojitosti s velkými daty je případ portálu Ashley Madison, který již byl zmíněn v kapitole 2. V tomto případě se zveřejněné osobní údaje použily k vydírání vlastníků těchto dat.
Předpisy a zákony o ochraně osobních údajů pomáhají chránit spotřebitele před zneužitím. Základem obecného zákona o ochraně údajů v Evropské unii je obecné nařízení o ochraně údajů (anglicky „General Data Protection Regulation“), které vstoupilo v platnost dne 25. května 2018.
Exkurz
Obecné nařízení o ochraně osobních údajů
Obecné nařízení o ochraně osobních údajů (anglicky General Data Protection Regulation, zkráceně GDPR) se nazývá v celém rozsahu „Nařízení Evropského parlamentu a Rady (EU) 2016/679 ze dne 27. dubna 2016 o ochraně fyzických osob při zpracování osobních údajů a o volném pohybu těchto údajů o zrušení směrnice 95/46 / ES “. Je přímo aplikovatelné v České republice a je doplněno zákonem o zpracování osobních údajů.
Toto nařízení umožňuje občanům EU lépe kontrolovat shromažďování a používání jejich osobních údajů. To by mělo posílit důvěru spotřebitelů v jednotlivých společnostech. Stávající práva občanů EU jsou konsolidována v GDPR a jsou rovněž zavedena nová práva v souladu s obecným nařízením, která zahrnují:
Pro společnosti GDPR představuje možnost vytvořit více obchodních příležitostí a podporovat inovace pomocí řady opatření, které zahrnují:
Úplné znění obecného nařízení o ochraně osobních údajů je k dispozici na https://eur-lex.europa.eu/legal-content/DE/ALL/?uri=CELEX%3A32016R0679.
Další výzvou pro společnosti je to, že stávající zaměstnanci nemají vždy potřebné odborné znalosti a nejsou vždy otevřeni možnostem, které analýza velkých dat firmám nabízí.
Často je plýtváno časem a prostředky, protože zúčastněným stranám není jasný cíl projektu velkých dat nebo jaká infrastruktura je k tomu zapotřebí. Najít a udržet si kvalifikované zaměstnance je pro společnosti obvykle obtížné, jelikož je po nich obvykle velká poptávka.
Navíc, technologie velkých dat může být pro začátečníky rozsáhlá a matoucí. Slyšeli jste někdy o Spark, Hadoop MapReduce, Cassandra nebo Hbase? Jedná se o big data technologie s různými nástroji a výhodami.
Technologie se navíc vyvíjejí rychlým tempem, takže společnosti mají často problém držet krok s rychlostí osvojování. Pro společnosti, které zvažují zavedení analýzy velkých dat, tak může být užitečná rada odborníků.
Dále je důležité zmínit, že projekty velkých dat jsou velmi nákladné. To platí jak pro společnosti, které si zvolí on-premise model, tak i pro ty, co preferují cloudový model. Rozdílem je to, že s on-premise modelem společnost používá big data software ve svém vlastním datovém centru a je zodpovědná za jeho provoz a údržbu. Naopak v cloudovém modelu je software firmou pouze pronajat a data zůstávají u poskytovatele.
Definice
On-Premise model
…označuje řešení, kdy si firma koupí nebo pronajme big data software a nastaví jej ve vlastním datovém centru. Společnost se musí starat o hardware sama, je zodpovědná za použití softwaru a data zůstávají uložena ve společnosti.
Definice
Cloud model
…označuje řešení, kdy si firma hradí software velkých dat jako službu; poskytovatel přebírá zodpovědnost za údržbu a použití. Společnost platí pronájem, který zahrnuje náklady na hardware, provoz a údržbu. V případě tohoto řešení jsou data uložena u poskytovatele.
Pokud se společnost rozhodne pro používání on-premise modelu, musí zainvestovat do nového hardwaru a přijmout nové zaměstnance na provoz a údržbu. V případě cloudového řešení musí firma pouze najmout zaměstnance na provoz a údržbu a musí platit za cloudové služby.
Kvalita dat ostatně bývá často nízká a firmy čelí výzvám sladit údaje z různých zdrojů v různé kvalitě.
Například, jeden online obchodník může chtít analyzovat data současně ze sociálních sítí, protokolů webových stránek, call center a webů, které mají různé formáty.
Ale i v případě, že všechny výše zmíněné problémy a otázky jsou vyřešeny, není často pro firmy tak jednoduché získat z velkého množství dat užitečné informace. Naopak může být velmi nebezpečné, pokud jsou informace vzájemně propojeny a dochází tak k nesprávným závěrům. Například, člověk může být považován bankou, která provádí analýzu velkých dat, za nedůvěryhodného, jelikož žije ve stejném sousedství jako spousta nedůvěryhodných lidí a řídí stejné auto jako lidé, kteří nejsou podle banky kredibilní. Následující příklad také ukazuje, proč je správné využití velkých dat zásadní:
Příklad
Online prodejce se spoléhá na analýzu velkých dat, která je založena na historických údajích o chování zákazníků. Ukáže se, že lidé, kteří kupují v jeho obchodě černé tenisky, často přidávají k nákupu i pár černých ponožek. Maloobchodník odpovídajícím způsobem upraví svoji nabídku na jaro. Nicméně těsně před začátkem jara známý rapper zveřejní na Instagramu fotografii sebe s černými teniskami a žlutými ponožkami. Spousta mladých lidí se tak začne dívat po žlutých ponožkách, které by šly s jejich černými teniskami. Bohužel prodejce nebyl připraven na vysokou poptávku, a tak mu žluté ponožky brzy dojdou. Prodejce jednoduše použil špatnou strategii velkých dat, spoléhal se pouze na historické výsledky a ignoroval jiné důležité zdroje dat, jako jsou například sociální média, konkurenční obchody apod.
Zapamatujte si
V souhrnu, toto jsou hlavní výzvy, kterým musí firmy čelit při používání velkých dat:
Jak jste si jistě všimli, big data nabízejí obrovské možnosti a příležitosti, které ještě firmy zdaleka plně nevyužívají. Nicméně, velké množství dat je také spojeno s výzvami a riziky, která by neměly být podceňovány a které mohou být pro spoustu lidí znepokojující. Rozhodujícím faktorem, který zajišťuje úspěšné využití dat bez způsobení škody jiným lidem, je proto zodpovědné a odborné nakládání s velkými daty.
-
Add a note