حقبة جديدة وخطيرة من التفرقة على صعيد حزم البيانات الضخمة
بقلم - مايكل شراج:
هنيئاً لك! فأنت لقد قررت اعتماد حزم البيانات الضخمة، وهي تؤتي ثمارها بشكل ممتاز. وها أنك تحلّل وتعالج كلّ حرف يُطبَع، وكل نقرة «أعجبني» على «فيسبوك»، وكل تغريدة عبر «تويتر»، وكلّ نقرة زر هامة بنظر مؤسستك. وتعرف من الأفضل – والأسوأ – في أوساط العملاء، والزبائن، والموظفين، والشركاء. ولا شكّ في أنّ المعرفة مصدر قوة. ولكن أي نوع من القوة تكتسب من كل هذه المعرفة؟
تتسبّب حزم البيانات الضخمة بمشاكل كبرى، علماً بأنّ ازدياد المعرفة بشؤون العملاء تسمح بنشوء قدرة أكبر على التفرقة، علماً بأن الفارق ضئيل جدّاً بين التفرقة السعرية، والتفرقة الإيجابيّة المرتبطة بالجنس، أو العرق، أو الجغرافيا، أو الفئة، أو الخبرة في مجال التكنولوجيا.
وبالتالي، تتمثّل الدعامة المعرفية لحزم البيانات الضخمة بكونها تسمح بالإقدام على تجزئة وتخصيص بطريقة مجدية من حيث التكلفة.
إلا أنه لم يتّضح في قواعد السلوك، والاقتصاد، والقانون في أيّ مكان محدّد ينتهي التخصيص والتجزئة اللذين يسمحان باستحداث قيمة مضافة، وتبدأ التفرقة التي تسبّب أذيّة. وعلى سبيل المثال، وإن أظهرت البيانات أن الرجال المثليين الذين يحصلون على عروض ترويجية من شركتك أكثر فعالية لتوجيه الحركة على موقعك الإلكتروني، هل يدخل منع العروض الخاصة عن النساء الأميركيات من أصول أفريقية في عداد الأعمال الجيدة – والمنصفة – بعد أن اُثبِتَ أنّهن يحقّقن ربحية أقل من العميلات من أصول آسيوية ولاتينية؟
تسمح تحليلات حزم البيانات الضخمة بجعل هذه الأسئلة أقل ميلاً إلى التنظير وتمنحها طابعاً عملياً واستراتيجياً أكبر. وتتحلّى حزم البيانات الضخمة بالقدرة على تحويل بعض القوالب النمطية الثقافية رقمياً إلى مجموعات بيانات يمكن التحقق منها تجريبياً، ولو جُمِعَت هذه البيانات ببروتوكولات الحوسبة في التحليلات التوقعية، لامتلكت المؤسسات حول العالم القدرة على تقسيم مجموعات العملاء بطريقة مدرة للربحية.
ولا شكَّ في أن عدداً كبيراً من القطاعات المنظّمة – ولا سيما قطاعَي التأمين الصحي والخدمات المالية – يمنع صراحةً بعض أنواع التفرقة. ولا مجال للشكّ أبداً بأنّ معرفة خصوصيات العملاء التي توفرها حزم البيانات الضخمة تؤكّد حصول تدقيق حكوميّ أكبر حول العالم.
إلا أن مصدر القلق الأساسي لا يتعلق بالخصوصية، بل بكيفية استعمال الشركات لتحليلات حزم البيانات الضخمة (إن فعلت)، لتبرير استراتيجيات التجزئة والتخصيص التي تعتمدها. وكلما زادت فعالية هذه التحليلات على صعيد تقسيم العملاء وخدمتهم، زاد احتمال تدقيق الهيئات المنظّمة وجهات الادّعاء في هذه الخوارزميّات.
لقد آن الأوان ليمارس أبطال حزم البيانات الضخمة التفرقة ليحدّدوا ما ستقوم عليه منهجيّة التفرقة التي يعتمدونها.
(مايكل شراج شريك بحث في مركز الأعمال الرقمية التابع لكلية «سلون» في معهد ماساشوستس للتكنولوجيا، وهو مؤلف «رهان جدّي»).
