Η μεγάλη εικόνα των Big Data

Οι τρέχουσες συζητήσεις για τα Big Data συνεχίζουν να εστιάζουν είτε σε συγκεκριμένα επιχειρησιακά οφέλη (που έχουν να κάνουν με το μάρκετινγκ) είτε σε τεχνολογικές πλατφόρμες. Ωστόσο, συχνά παρακάμπτουν τα μεγαλύτερα ζητήματα που εγείρονται από ένα διάχυτο και συνεχώς εξελισσόμενο περιβάλλον. Ας επιχειρήσουμε, λοιπόν, να δούμε τη μεγαλύτερη εικόνα των Big Data, εξετάζοντας μερικές πιο ολιστικές περιπτώσεις εκμετάλλευσής τους σε επιχειρηματικά περιβάλλοντα.

Αν και ακούμε κατά καιρούς ύμνους για το τεράστιο μέγεθος και την ανάπτυξη των Big Data, οι περισσότερες από αυτές τις εξιστορήσεις εκθειάζουν την ικανότητά τους να συνεισφέρουν στην κατανόηση της συμπεριφοράς των πελατών, των «θέλω» και των αναγκών τους, αποτελώντας την κινητήριο δύναμη μιας νέας «Χρυσής Εποχής» πωλήσεων και μάρκετινγκ, αλλά και εξυπηρέτησης πελατών. Μπορεί κάποιοι να θεωρούν ότι η κύρια αξία των Big Data εντοπίζεται στην ενίσχυση των πωλήσεων. Στην πραγματικότητα, αυτή αποτελεί μια πολύ περιορισμένη άποψη για το τι είναι τα Big Data και τολμώ να πω ότι είναι και επικίνδυνη, τόσο για την επιχείρηση όσο και για την ίδια την κοινωνία.

Για ένα τόσο ευρέως χρησιμοποιούμενο όρο, όπως είναι τα Big Data, εξακολουθεί να υπάρχει μεγάλη ασάφεια για το τι είναι. Παρακάτω θα επιχειρήσω να αποκαλύψω τα Big Data σε όλη τους την έκταση, συμπεριλαμβάνοντας όλους τους τύπους της ανθρώπινα προερχόμενης πληροφορίας – από τα tweets και τα social media έως τα video του YouTube – και όλα τα είδη των μηχανικά παραγόμενων δεδομένων – από τα δεδομένα απλών αισθητήρων του Internet of Things έως τα αρχεία καταγραφής κλικς και συμβάντων, που δημιουργούνται από σοφιστικέ υπολογιστικές συσκευές.

Επανεφεύρεση και ανατάραξη
Εν συντομία, τα Big Data περιλαμβάνουν όλα τα «μη παραδοσιακά δεδομένα», πέρα από αυτά που δημιουργούνται ως μέρος κλασσικών λειτουργικών και πληροφοριακών διεργασιών, διεργασίες που συνθέτουν τη νομική υπόσταση μιας εταιρείας. Υπό αυτή την προοπτική , βλέπουμε ότι η χρήση των Big Data επεκτείνεται πολύ πιο πέρα από το μάρκετινγκ, βάζοντας τη βάση για κάθε σημαντική επιχειρησιακή αλλαγή που λαμβάνει χώρα σήμερα.

Ας δούμε μερικά παραδείγματα. Η Uber, η αξίας 50 δισ. δολαρίων «συμπάθεια» των μετακινούμενων εργαζόμενων και επενδυτών, άλλαξε την αγορά των παραδοσιακών υπηρεσιών ταξί, εκμεταλλευόμενη τη χρήση διασκορπισμένων και υψηλής ακρίβειας δεδομένων θέσης, τα οποία είναι διαθέσιμα σε smartphones. Τέτοια δεδομένα, συνδυαζόμενα με τη συνεχή αξιολόγηση πληροφορίας, δημιουργούν τα λειτουργικά και αναλυτικά θεμέλια για τη δημιουργία ευέλικτων μοντέλων τιμολόγησης, με βάση την εμπλοκή των οδηγών ταξί και την ικανοποίηση των πελατών τους.

Η Monsanto, μια εταιρεία που έχει ως στόχο να βοηθήσει τους απανταχού αγρότες ανά τον κόσμο να παράγουν τα μέγιστα με την ελάχιστη δυνατή κατανάλωση πόρων, μπήκε στο τραίνο των Big Data, μετά την εξαγορά του «The Climate Corporation» αντί 930 εκ. δολαρίων το 2013. Με αυτόν τον τρόπο η εταιρεία απέκτησε στοιχεία για τον καιρό σε εκατομμύρια διαφορετικές θέσεις και στοιχεία από δισεκατομμύρια μελέτες εδάφους. Το αποτέλεσμα είναι να καταγράφει σήμερα μια αύξηση κατά 5% στην απόδοση των καλλιεργειών μέσα σε δύο χρόνια και σημαντικές εξοικονομήσεις για τους αγρότες.

Ένα άλλο παράδειγμα αφορά τον κλάδο των χρηματοπιστωτικών υπηρεσιών, μια βιομηχανία που τα Big Data μπορούν να αλλάξουν ολοκληρωτικά. Άλλωστε, τι είναι τα χρήματα σήμερα εκτός από «1» και «0»; To επιχειρηματικό μοντέλο της εταιρείας TransferWise, που αναλαμβάνει την online μεταφορά χρημάτων στο εξωτερικό σε κόστος πολύ χαμηλότερο από ότι των τραπεζών, βασίζεται στα δεδομένα. Ανταλλάσσοντας πληροφορίες σε πραγματικό χρόνο για τις ανάγκες αγοράς/πώλησης συναλλάγματος σε όλο τον κόσμο, καταφέρνει να μειώσει πολύ τα έξοδα σε σχέση με τα κλασικά ανταλλακτήρια νομίσματος. Η δυναμική της αγοράς που δημιουργείται από αυτό είναι τεράστια.

Αντίστοιχες ιστορίες αφθονούν σε κάθε κλάδο και περιοχή και καταδεικνύουν το πώς αλλάζει ο τρόπος που λειτουργούν οι εμπορικές επιχειρήσεις και οι κυβερνήσεις, επηρεάζοντας τον τρόπο αλληλεπίδρασής τους με τους πελάτες και τους πολίτες. Τέτοιες θεμελιώδεις αλλαγές εγείρουν ζητήματα πέρα από το παραδοσιακό πεδίο του τρόπου σκέψης του ΙΤ. Και μετασχηματίζουν θεμελιωδώς τις διάχυτες και συχνά σιωπηρές κοινωνικές συμβάσεις που υπήρχαν για καιρό ανάμεσα στις επιχειρήσεις και τους πελάτες τους, ανάμεσα στις κυβερνήσεις και τους πολίτες τους, ανάμεσα σε όλους τους συνδυασμούς επιχειρήσεων και κρατών.

Ιδιωτικότητα
Οι προβληματισμοί για την προστασία των προσωπικών δεδομένων που σχετίζονται με τα Big Data και την εκμετάλλευσή τους από τις κυβερνητικές υπηρεσίες εντάθηκαν – και παραμένουν σε μεγάλο βαθμό άλυτοι – μετά από τις δραματικές αποκαλύψεις του Edward Snowden, τον Ιούνιο του 2013. Ωστόσο, ο σκεπτικισμός και η ουσιαστική συζήτηση για την προστασία των προσωπικών δεδομένων που συλλέγονται και χρησιμοποιούνται από τους εμπορικούς οργανισμούς λάμπουν δια της απουσίας τους. Επί της ουσίας, μια επιχείρηση υπάρχει για να ικανοποιεί όσο καλύτερα μπορεί τους πελάτες της και τις κοινωνικές ανάγκες, μέσα από τα προϊόντα της και/η τις υπηρεσίες που αναπτύσσει και προσφέρει.

Θα λέγαμε ότι υπάρχει μια σιωπηρή συμφωνία βάση της οποίας, για να καλυφτούν βέλτιστα οι ανάγκες των πελατών, η επιχείρηση πρέπει να κατανοήσει τους πελάτες της, τις ανάγκες τους, τις γνώμες για τα προϊόντα που κυκλοφορούν ήδη κ.λπ. Από την άλλη οι πελάτες συμφωνούν να λαμβάνουν πληροφορίες μάρκετινγκ για τις προσφορές της επιχείρησης. Και οι δύο αυτές δράσεις προϋποθέτουν ότι ο πελάτης δέχεται να θυσιάσει εν γνώσει του ένα μέρος της ιδιωτικότητάς του ως αντάλλαγμα καλύτερων προϊόντων ή υπηρεσιών. Από το 1980 αυτή η συμφωνία έχει διαμορφωθεί σε μεγάλο βαθμό με διάφορους κώδικες ιδιωτικότητας, οι οποίοι βασίζονται στη δήλωση χρήσης πληροφοριών από τις επιχειρήσεις και τους πελάτες, εν επίγνωση και εν συναίνεσή τους.

Με την έλευση των Big Data και με τo smartphone να γίνεται ο προάγγελος του Internet of Things, η διαφάνεια χρήσης και η επίγνωση της συναίνεσης υπονομεύτηκαν σοβαρά. Η διαφάνεια χρήσης των προσωπικών δεδομένων σχεδόν δεν υπάρχει, λόγω, για παράδειγμα, των «μεσιτών» δεδομένων που συλλέγουν χιλιάδες αξιοποιήσιμων χαρακτηριστικών από χρήστες για να δημιουργήσουν mailing lists και αλγόριθμους αξιολόγησης για να υλοποιήσουν δράσεις στοχευμένου μάρκετινγκ.

Και όπως ο καθένας γνωρίζει, με κλασικό παράδειγμα τις επιλογές που αφορούν τη συλλογή δεδομένων από το απλό app ενός smartphone , η συγκατάθεση έχει μετατραπεί σε μια τυπική διαδικασία. Πράγματι, καθώς το μάρκετινγκ αποκτά μια πανταχού παρούσα προοπτική, η ιδέα της συναίνεσης των πελατών μπορεί να μετατραπεί σε μια μακρινή ανάμνηση. Η αντιμετώπιση των ανησυχιών που σχετίζονται με την ιδιωτικότητα απαιτεί να ληφθούν υπόψη τόσο η επιχείρηση όσο και η τεχνολογία.

Από την πλευρά της επιχείρησης, τα μοντέλα μέσω των οποίων δίνονται «δωρεάν» υπηρεσίες ως αντάλλαγμα στοχευμένης διαφήμισης είναι ιδιαίτερα επιρρεπή στην κατάχρηση της ιδιωτικότητας των χρηστών. Βέβαια, τα μεγαθήρια του Internet, όπως είναι η Google και το Facebook, εξαρτώνται σε μεγάλο βαθμό από τέτοια μοντέλα και έχουν επιτύχει εξαιτίας αυτής της προσέγγισης. Ωστόσο, με τι κόστος όσον αφορά την προστασία της ιδιωτικότητας, η οποία αποτελεί την καρδιά της δημοκρατίας; Σε κάθε περίπτωση, πρέπει να λαμβάνεται υπόψη η ηθική συλλογής και χρήσης συγκεκριμένων τύπων δεδομένων.

Ποιες είναι οι πιθανές αρνητικές επιπτώσεις για τον κόσμο της κατοχής συγκεκριμένων προσωπικών στοιχείων; Ακόμα και αν έχεις δεδομένα ή την ικανότητα να συνδυάζεις τα υπάρχοντα δεδομένα για να αποκτήσεις νέα γνώση και διορατικότητα, αυτό δεν σημαίνει ότι θα πρέπει να τα χρησιμοποιήσεις. Πάνω από όλα, πρέπει να είσαι διαφανής σχετικά με τις σχεδιαζόμενες χρήσεις όλων των προσωπικών δεδομένων που συλλέγεις και να αποφεύγεις τη χρήση δεδομένων που έχουν συλλεχθεί με αμφιλεγόμενο τρόπο.

Από τεχνολογικής απόψεως, είναι σαφές ότι η ισχυρή προστασία δεδομένων είναι απαραίτητη προϋπόθεση ακόμα και για μια βασική προστασία της ιδιωτικότητας. Όταν συνδυάζονται διαφορετικά δεδομένα από πολλαπλές πηγές, οι όροι χρήσης τους από μια πηγή ενδέχεται να συγκρούονται με το όρους χρήσης μιας άλλης πηγής. Στην ακραία περίπτωση, όπως υποστηρίζεται από ερευνητές, τα ανώνυμα δεδομένα μπορούν σχετικά εύκολα να αποκρυπτογραφηθούν, όταν συνδυαστούν με άλλα σετ δεδομένων. Το ΙΤ είναι, ως εκ τούτου, υπεύθυνο για να διασφαλίσει ότι γίνεται σωστή διαχείριση και χρήση των δεδομένων, ικανοποιώντας πολλούς, εν γένει διαφορετικούς, τοπικούς νόμους προστασίας της ιδιωτικότητας – τέτοιες σκέψεις πρέπει να αντανακλούνται ακριβώς στη λογική αρχιτεκτονικής των εταιρικών data warehouses και συστημάτων BI.

Οι νομικές και οικονομικές συνέπειες της μη συμμόρφωσης μπορεί να είναι σημαντικές: για παράδειγμα, οι νέοι νόμοι της ΕΕ για τη ιδιωτικότητα επιφέρουν πρόστιμα έως και 5% των παγκόσμιων εσόδων της εταιρείας ή έως 100 εκ. ευρώ. Επιπλέον, οι βέλτιστες νομικές/ηθικές πρακτικές συστήνουν ότι η χρήση των προσωπικών δεδομένων πρέπει να γίνεται σύμφωνα με τις ατομικές προτιμήσεις για την ιδιωτικότητα. Η προστασία των προσωπικών δεδομένων είναι ένα σημαντικό θέμα, η αντιμετώπιση του οποίου μπορεί να γίνει σε επίπεδο μεμονωμένων επιχειρήσεων και του ΙΤ προσωπικού τους.

Οικονομικές και κοινωνικές επιπτώσεις
Υπάρχει ένας λεπτός μηχανισμός αυτοκαταστροφής, εμφυτευμένος στην «καρδιά» του καπιταλιστικού/καταναλωτικού μοντέλου, το οποίο καθοδηγεί τις δυτικού στιλ οικονομίες από τον 19ο αιώνα. Το γιατί τώρα οι περισσότεροι οικονομολόγοι αποφεύγουν να τον αναφέρουν, είναι κάτι που με φέρνει σε αμηχανία. Σε μια ελεύθερη αγορά, οι παραγωγοί αγαθών (ή υπηρεσιών) ανταγωνίζονται μεταξύ τους για τα λεφτά των καταναλωτών, μέσα από ένα διασυνδεμένο συνδυασμό καινοτομίας και τιμολόγησης.

Στόχος, βέβαια, είναι η μεγιστοποίηση του κέρδους και η ταχύτερη επιστροφή της επένδυσης, πράγματα που πιο συχνά επιτυγχάνονται μειώνοντας το οριακό κόστος παραγωγής. Και, όπως κατέστη εμφανές από τις πρώτες ημέρες της βιομηχανικής επανάστασης, ένας πολύ αποτελεσματικός τρόπος μείωσης του κόστους είναι μέσω της αντικατάστασης των ανθρώπινου δυναμικού από μηχανές. Η εκλεπτυσμένη ωρολογιακή βόμβα στον καπιταλισμό είναι αυτό: οι καταναλωτές και οι εργαζόμενοι αποτελούν κατά ουσία τα ίδια άτομα. Το εισόδημα των εργαζομένων αγοράζει τα αγαθά που καταναλώνονται. Τουτέστιν, χωρίς εισόδημα δεν υπάρχει κατανάλωση…

Φυσικά, η μαζική παραγωγή και ο ανταγωνισμός, που επωφελούνται από τις τεχνολογικές εξελίξεις, προσφέρουν καλύτερα και φθηνότερα προϊόντα, βελτιώνοντας, παράλληλα, το βιοτικό επίπεδο πολλών ανθρώπων (τουλάχιστον στις αναπτυγμένες χώρες) για σχεδόν δύο αιώνες. Το κεφάλαιο, με τη μορφή της τεχνολογίας, και οι άνθρωποι -το εργατικό δυναμικό- συνεργάστηκαν σχετικά καλά στην καταναλωτική κοινωνία για να παράγουν αγαθά που οι άνθρωποι αγοράζουν ευρέως, χρησιμοποιώντας τα εισοδήματα από την εργασία τους. Καθώς η τεχνολογία βελτιώνεται εκθετικά, ένα ακόμα μεγαλύτερο εύρος και αριθμός εργασιών εκτοπίζεται από την τεχνολογία. Αυτό είναι κάτι που συμβαίνει εδώ και χρόνια, αλλά η έκταση και το εύρος του αναμένεται να επιταχυνθεί δραματικά. Για παράδειγμα, τα οχήματα χωρίς οδηγό, από τα φορτηγά έως τα αυτοκίνητα, θα μπορούσαν να εξαλείψουν 4-8 εκατομμύρια θέσεις εργασίας μόνο στις ΗΠΑ.

Κάθε εφησυχασμός που προκύπτει από το ότι μόνο η χειροκίνητη/φυσική εργασία θα αντικατασταθεί από τον αυτοματισμό είναι εσφαλμένος – ήδη πολλά περισσότερο ακριβοπληρωμένα επαγγέλματα, που αντιστοιχούν σε διαχειριστικούς και επαγγελματικούς ρόλους, έχουν γίνει outsourced σε λύσεις λογισμικού, που βελτιώνονται και εξελίσσονται ταχύτατα. Σε όλο το φάσμα των βιομηχανιών και επαγγελμάτων, η τεχνολογία – τόσο το hardware και το software και, όλο και πιο συχνά, ο συνδυασμός τους – αποδεικνύεται καλύτερη και/ή ταχύτερη από την ανθρώπινη εργασία, ενώ είναι και φθηνότερη, ειδικά στις οικονομίες των αναπτυγμένων χωρών.

Αυτό που είναι σημαντικό δεν είναι το πότε οι μηχανές θα γίνουν πιο έξυπνες από τους ανθρώπους. Αλλά να επιτευχθεί μια σχετική ισορροπία μεταξύ της εξοικονόμησης που επιτυγχάνεται με τη συνεισφορά της τεχνολογίας και της ανθρώπινης εργασίας. Το εισόδημα που παράγεται από την τεχνολογία κατευθύνεται σε μια μικρή ομάδα επενδυτών κεφαλαίου, ενώ το εισόδημα που δημιουργείται από την εργασία διανέμεται (σύμφωνα με την τρέχουσα ισορροπία) σε ένα σχετικά μεγάλο αριθμό εργαζομένων – τυπικά της χαμηλής και μεσαίας τάξης – οι οποίοι το χρησιμοποιούν για να καταναλώσουν τα προϊόντα της οικονομίας.

Ανεξαρτήτως της ήδη προφανούς αύξησης της εισοδηματικής ανισότητας, που προκαλεί η μετατόπιση από την εργασία στο κεφάλαιο, το θεμελιώδες ζήτημα είναι ότι η αναλογία της εργασίας (και του εισοδήματος από αυτήν) στην οικονομία μειώνεται και το ίδιο γίνεται και με την κατανάλωση. Αυτό είναι εμφανές σε κάθε οικονομική ύφεση. Όσο η κατανάλωση μειώνεται, η πίεση στην παραγωγικότητα αυξάνεται και, όσο καλύτερη και φθηνότερη τεχνολογία εφαρμοστεί, το φαινόμενο εντείνεται.

Η στάνταρ αντίδραση των οικονομολόγων είναι ότι σε όλες τις προηγούμενες τεχνολογικές επαναστάσεις δημιουργήθηκαν νέες δουλειές για να αντικαταστήσουν τις παλιότερες. Η νέα τεχνολογία απαιτεί, φυσικά, τη δημιουργία νέων ρόλων εργασίας. Ωστόσο, δεδομένου των εκτιμήσεων κόστους και ισχύος σε αυτόν τον τεχνολογικό κύκλο που βιώνουμε σήμερα, θεωρώ ότι ο αριθμός των θέσεων εργασίας που θα χάνονται θα ξεπεράσει μακράν τον αριθμό των νέων θέσεων εργασίας που θα δημιουργούνται. Τα οικονομικά αποτελέσματα είναι προφανή, ενώ τα κοινωνικά αποτελέσματα μπορούν να προβλεφθούν.

Τα Big data παίζουν – ή μπορούν να παίξουν – ένα σημαντικό ρόλο σε όλα τα παραπάνω. Kαταρχάς, βλέπουμε ότι τα Big Data και τα Analytics συνεισφέρουν στην αντικατάσταση των τεχνολογικών επαγγελμάτων συνήθως πλαγίως, μέσω της χρήσης τους στην ανάπτυξη τεχνολογιών ρομποτικής και τεχνητής ευφυίας. Η εκρηκτική ανάπτυξη των Big Data, ειδικά όσον αφορά το Internet of Things, παρέχει τόσο δεδομένα κατάρτισης/εκπαίδευσης όσο και εκτέλεσης ενεργειών. Τα αυτόνομα οχήματα, για παράδειγμα, καταναλώνουν και παράγουν τεράστιες ποσότητες κάθε είδους Big Data κατά τη διάρκεια της λειτουργίας τους. Το πιο ενδιαφέρον μακράν είναι η χρήση των Big Data στην κατανόηση του τι γίνεται στην οικονομία.

Τα παραδοσιακά οικονομικά μέτρα λαμβάνονται σε μακροοικονομικό επίπεδο, χρησιμοποιώντας συχνά ξεπερασμένες αναλυτικές προσεγγίσεις. Τα Big Data analytics δίνουν τη δυνατότητα να προχωρήσει κανείς σε ένα πολύ μεγαλύτερο επίπεδο λεπτομέρειας, επιτρέποντας του να εξετάσει μη παραδοσιακά μέτρα και τις επιπτώσεις τους. Ένα εύλογο ερώτημα που δημιουργείται είναι το εξής. Αν η προηγούμενη ανάλυσή μου αποδειχθεί σωστή, τι μπορούμε να κάνουμε για το αποτέλεσμα; Αναζητούμε ένα δυστοπικό μέλλον, όπου οι συντριπτικές μάζες ανέργων θα παλεύουν για τα ψίχουλα που θα τους ρίχνουν οι πλούσιοι, πίσω από συρματοπλέγματα και ηλεκτρικούς φράχτες; Αυτό δεν είναι και πολύ αισιόδοξο.

Η άλλη επιλογή είναι να λάβουμε υπόψη την αλλαγή του υφιστάμενου οικονομικού μοντέλου για να δημιουργήσουμε ένα περισσότερο αισιόδοξο και κοινωνικά προοδευτικό κόσμο. Σπάζοντας τη σύνδεση μεταξύ της εργασίας και του εισοδήματος μέσα από ένα εξασφαλισμένο βασικό εισόδημα – μια μακροχρόνια ιδέα που είχε εμφανιστεί πριν από εκατοντάδες χρόνια, πριν ακόμα αναπτυχθεί ο συγκρουσιακός τρόπος σκέψης ανάμεσα στον καπιταλισμό και τον κουμμουνισμό – επανισσοροπούνται τα οφέλη που προέρχονται από το κεφάλαιο και την εργασία και δημιουργούνται επιλογές για το τι θα μπορούσε να κάνει ο κόσμος αυξάνοντας τον μη εργάσιμο χρόνο του.

Ο συνεργατικός διαμοιρασμός και η βιώσιμη ανάπτυξη και κατανάλωση θα επιτρέψει τη λήψη νέων μέτρων για την καθοδήγηση των επιχειρήσεων και των κυβερνήσεων. Τα Big Data Analytics διαδραματίζουν ένα σημαντικό ρόλο σε αυτό και σε άλλες καινοτόμες λύσεις αποτελώντας τον καταλύτη στην ιδιαίτερα δύσκολη μετάβαση που ακολουθεί.