
大數(shù)據(jù)時(shí)代,我們正在面臨不平等
在大數(shù)據(jù)時(shí)代,除了此前的權(quán)力面前的不平等和財(cái)富面前的不平等,人類社會可能還會面臨“大數(shù)據(jù)面前的不平等”。
一家國際著名保險(xiǎn)公司與提供大數(shù)據(jù)的公司合作,推出一款針對不同駕車群體的保險(xiǎn)計(jì)劃。這一計(jì)劃的要點(diǎn)是,由大數(shù)據(jù)公司對不同潛在客戶的駕車習(xí)慣進(jìn)行分析,如果數(shù)據(jù)表明某位客戶是白天上班,路也近,而且所經(jīng)過的地帶是安全路線,客戶駕車習(xí)慣良好,沒有特別情緒化舉動(dòng),那么,給其所賣的保險(xiǎn)可以打折;反之,如果數(shù)據(jù)表明某位客戶是上夜班,上班地點(diǎn)也遠(yuǎn),所經(jīng)過的路線有風(fēng)險(xiǎn),客戶駕車習(xí)慣也不好,常無法控制自己的行為,那么,保險(xiǎn)公司將提高其所繳納保費(fèi)額度。從商業(yè)角度看,保險(xiǎn)公司這樣做,是為了更精確地細(xì)分市場,賺取更高利潤,這是無可厚非的,甚至還算得上大數(shù)據(jù)時(shí)代商業(yè)營銷的成功案例。但就是這一行為,在歐洲引發(fā)了一場關(guān)于大數(shù)據(jù)時(shí)代社會平等問題的討論。
在使用大數(shù)據(jù)分析后發(fā)現(xiàn),在歐洲上夜班、且上班地點(diǎn)遠(yuǎn)、駕車經(jīng)過路線復(fù)雜的,大多是低收入者和有色人種。由于長距離駕車,且夜班易疲勞,這部分人群的駕車習(xí)慣相對不那么好,駕車時(shí)情緒也不那么好控制,不少人甚至一路罵罵咧咧。而那些中產(chǎn)階層以上人群,一般都上白班,上班地點(diǎn)近,路線也很安全,駕車習(xí)慣也好。如果按照保險(xiǎn)公司的方案,這就意味著在社會學(xué)意義上本應(yīng)該得到同情甚至幫助的低收入者,反而要繳納更高的保費(fèi);而本來收入就高的人群,反而在獲得保險(xiǎn)上能得到優(yōu)惠。如此一來,如何談得上社會公正?
其實(shí)不僅僅是保險(xiǎn)業(yè),當(dāng)下在歐美,大數(shù)據(jù)與金融行業(yè)的結(jié)合正越來越受到重視。一些商業(yè)銀行利用大數(shù)據(jù),尋找最合適的放貸對象,排除潛在的可能違約者。而事實(shí)上,所謂最合適的放貸對象,往往就是那些收入有保證、信用記錄好、能還得起貸的高收入者;而潛在的可能違約者,多是那些本來就生活在社會底層,很難有好的信用記錄的人。恰是后一部分人,他們有心創(chuàng)業(yè)時(shí),更需要得到金融方面的支持,而由于大數(shù)據(jù)時(shí)代任何個(gè)人收入情況、信用情況、創(chuàng)業(yè)成敗記錄以及家庭背景等等,都一覽無余。于是,與大數(shù)據(jù)時(shí)代以前任何一個(gè)時(shí)代相比較,低收入者更可能被排斥在資本市場之外,他們與有產(chǎn)階層的財(cái)富鴻溝無疑也將進(jìn)一步擴(kuò)大。
美國一個(gè)黑人學(xué)者研究大數(shù)據(jù)庫后還擔(dān)心,在大數(shù)據(jù)時(shí)代,將強(qiáng)化種族歧視,且不給任何一個(gè)犯過錯(cuò)誤的人以改過自新的可能性。在谷歌為某些企業(yè)定制的就業(yè)數(shù)據(jù)庫中,這位黑人學(xué)者填入一些姓名后發(fā)現(xiàn),與白種人相比,數(shù)據(jù)庫中對黑人提供了更為詳細(xì)的信息,這些信息中包括了家庭是否離婚、性取向、宗教和政治觀點(diǎn)、智力水平、成癮藥物使用等等,這使得企業(yè)對使用黑人更加謹(jǐn)慎。不僅如此,數(shù)據(jù)庫還特別搜集到聯(lián)邦警務(wù)、檢察和法院系統(tǒng)發(fā)布的各種信息源,一旦所查詢的對象曾有公開的違法記錄,就會自動(dòng)觸發(fā)一個(gè)警告設(shè)置,告誡企業(yè)人力資源部門:這個(gè)人有不良記錄,小心雇用。因此,經(jīng)過大數(shù)據(jù)的篩選,凡有過違法記錄的人,幾乎很難靠自身在市場上獲得就業(yè)機(jī)會。
有人曾一度以為,因?yàn)榇髷?shù)據(jù)是匿名的,且互聯(lián)網(wǎng)上的個(gè)體身份被確認(rèn)的可能性并不大,即使有歧視,但不是針對特定的人。研究大數(shù)據(jù)時(shí)代歧視問題的學(xué)者發(fā)現(xiàn),通過大數(shù)據(jù)分析技術(shù),僅僅4項(xiàng)參照因素,就足以認(rèn)定互聯(lián)網(wǎng)上95%的匿名者身份。由于商業(yè)利潤巨大的誘惑,大數(shù)據(jù)公司高度個(gè)人化的大數(shù)據(jù)集,已成為黑客與“揭秘”者覬覦的主要目標(biāo)。所以,與此前相比較,在大數(shù)據(jù)時(shí)代,階層歧視、種族歧視可能被強(qiáng)化,更具體地針對個(gè)人的“區(qū)別性對待”,也將更加泛濫。
在大數(shù)據(jù)時(shí)代,除了此前的權(quán)力面前的不平等和財(cái)富面前的不平等,人類社會可能還會面臨“大數(shù)據(jù)面前的不平等”。而不平等問題,卻是市場與技術(shù)本身永遠(yuǎn)無法解決的。這也為政府管理的必要性預(yù)留下更大空間。簡單地說,市場每借助于技術(shù)革命拓展一步,政府管理也必將如影隨形。因此,既要更好發(fā)揮市場作用,也要發(fā)揮好政府作用。即使是大數(shù)據(jù)時(shí)代,也是一條不變的“鐵律”。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11