大數據面臨的問題：數據是否需要共享？
大數據面臨的問題：數據是否需要共享？
在這個大數據時代，數據帶來的難題可真不少，比如，一個企業重要的資產中包括一些特殊的數據，那麽就會遇到一個問題，企業是否應該與合作夥伴和供應商共享這些數據，還是應該保留其專有權?
在有關Facebook公司寬松的數據共享政策和歐盟實施通用數據保護條例(GDPR)之間，很多人都在談論數據隱私和消費者權利。那麽作為Facebook或Google等公司的消費者，應該分享多少數據呢?
那麽對於企業呢?
企業可能正在處理自己的數據隱私難題，他們應該與合作夥伴、供應商還是與其他組織共享公司數據嗎?如果是這樣，可以分享哪些數據，以及它們應該保留為私有和專有的數據?畢竟，數據是新的石油。亞馬遜、Facebook和谷歌都通過收集和利用數據建立了價值數十億美元的公司。
雖然數據是公司可能擁有的頂級資產之一，但也可能有令人信服的理由來共享數據。例如，如果行業前沿的癌癥中心分享他們每個人收集的數據，它們可能會加速並促進社會治愈癌癥的努力。但與競爭對手分享也可能影響他們在市場上的競爭優勢。
組織也可能正在考慮參與供應商計劃，例如SAP公司正在開發的名為Data Intelligence的計劃，該計劃將匿名化企業客戶數據，並允許這些客戶將自己與其他市場進行對比。
“人們意識到他們所擁有的數據具有一定的價值，無論是出於內部目的還是出售給數據合作夥伴，這都會讓他們更加意識到他們如何匿名共享數據。”SAP公司MikeFlannagan表示。就他們如何看待數據而言，不同的公司處於不同的成熟水平。
即使企業共享匿名數據以便訓練算法，問題仍然是企業在共享匿名數據資產時是否放棄競爭優勢。組織需要小心。
“數據非常有價值。”Databricks公司的聯合創始人兼首席執行官，加州大學伯克利分校的兼職教授AliGhodsi表示。根據Ghodsi的經驗，組織不希望共享他們的數據，但他們願意出售對它的訪問權限。例如，組織可能會在有限的時間段內出售對特定數據集的有限訪問權限。
Ghodsi說，數據聚合器是通過抓取網絡來創建銷售數據集的公司。
Ghodsi說，有些傳統的公司可能有數年或數十年的數據尚未暴露於應用人工智能和機器學習，而這些公司可能希望使用這些巨大的數據集獲得競爭優勢。例如，任何擁有大量會員卡的零售商都可能擁有10年或20年的匯總數據。
在Ghodsi的經驗中，組織需要更多數據，但他們不願意分享，有時甚至在他們自己的組織內也不分享。在許多組織中，IT團隊控制著對數據的訪問，並且可能不願意對業務線領域的數據科學家的所有請求進行響應。這是2017年12月由Ghodsi和加州大學伯克利分校的其他研究人員共同撰寫的題材之一，主題為“伯克利人工智能系統挑戰觀點”。Ghodsi表示，該小組正在進行研究，以尋找激勵企業公司分享更多數據的方法。其中一種方法是模型本身，而機器學習模型是對所有數據的非常緊湊的總結。
Ghodsi說，“例如，我們擁有世界上所有癌癥的大量數據集，可以創建一個機器學習模型。它可以預測肺部癌癥的可能性、它們的健康狀況、癌癥的風險。但仍然沒有分享所擁有的所有X射線數據，而且不打算對外你分享。”
Ghodsi說，現在正在開始這種分享。谷歌公司已經發布了許多用於分類圖像的模型。
另一種方法稱為轉移學習，Ghodsi說在Databricks公司啟用了一種方法。Ghodsi說，這個工作通過將現有模型與新模型相結合，允許企業通過利用新數據獲得新價值。
另一種分享研究數據價值同時保留企業對該數據的私人訪問權限的方法是通過聯合機器學習。這是Owkin公司使用的技術之一，Owkin公司是一家幫助癌癥研究中心加速其研究效益的創業公司。
“在學習中，企業可能將數據留在邊緣設備上。”ClouderaFastForwardLabs的數據科學家FriederikeSchuur表示。谷歌公司在博客中解釋了它的工作原理：“企業的設備會下載當前模型，通過學習手機上的數據來改進它，然後將更改匯總為集中更新。只有模型的此更新才會發送到雲端，使用加密通信，在其中立即與其他用戶更新進行優化，以改善共享模型。所有培訓數據都保留在設備上，並且雲中不會存儲任何單獨的更新。”
通過這種方式，組織可以為社區的研究工作做出貢獻，但不會在此過程中泄露他們的數據。
轉移學習和聯合學習等創新可以幫助解決醫療保健公司分享數據的問題。數據治理服務商Immuta公司的聯合創始人兼首席執行官Matthew Carroll表示，在數據共享方面，醫療公司已經看到了很多關註。
他說，“他們害怕將數據提供給其他人，他們很清清楚楚這是未開發的財富，是未來的企業收入。”
對於初創公司而言，這種恐懼也可能轉化為其他後果。例如，如果價值被認為是數據本身，投資公司是否會向分享其數據的公司提供資金?
Schuur說，每家公司都需要自己仔細決定分享內容。“如果是癌癥研究，人們應該有更多的數據共享。”
大數據面臨的問題：數據是否需要共享？