Big Data

Este elemento es una ampliación de las guías y los cursos de Lawi. Ofrece hechos, comentarios y análisis sobre este tema. [aioseo_breadcrumbs] Internet y las telecomunicaciones, los dispositivos de detección ubicuos y los avances en almacenamiento de datos y capacidades analíticas han anunciado la era de Big Data, donde el volumen, la velocidad y la variedad de datos no solo prometen nuevas oportunidades para la recolección de información, sino que también amenazan con sobrecargarse. Recursos existentes para dar sentido a esta información. (Tal vez sea de interés más investigación sobre el concepto). El uso de la tecnología Big Data para la justicia penal y el control del delito es un desarrollo relativamente nuevo. La tecnología de Big Data se ha superpuesto con la criminología en dos áreas principales: (a) Big Data se utiliza como un tipo de datos en investigación criminológica, y (b) el análisis de Big Data se emplea como una herramienta predictiva para guiar las decisiones y estrategias de la justicia penal. Gran parte del debate sobre Big Data en criminología está relacionado con la legitimidad, incluida la privacidad, la responsabilidad, la transparencia y la imparcialidad.

El término Big Data se ha entendido de varias maneras. Una definición popular, centrada principalmente en los datos solo, se refiere a las tres V: el volumen, la velocidad y la variedad de información que se está produciendo y procesando actualmente. Relacionada con estas características de los datos, hay una serie de nuevas herramientas de software que se utilizan para capturar, administrar, resumir, analizar y representar este diluvio de información. (Tal vez sea de interés más investigación sobre el concepto). Algunos ven Big Data como un término de marketing vagamente definido, y prefieren centrarse en “ciencia de datos” o “análisis de datos”. Desde una perspectiva más amplia, se describe el Big Data como un fenómeno cultural, tecnológico y académico que involucra tecnología, análisis y mitología.

Autor: Williams

Legislación sobre la discriminación laboral

El reclutamiento y la retención del personal son un desafío constante para los empleadores. Los proponentes de big data en el lugar de trabajo ahora dicen que pueden cambiar eso.

Estamos entrando en una nueva era de selección predictiva que está produciendo resultados muy sorprendentes.

Puntualización

Sin embargo, estas nuevas formas de toma de decisiones y los resultados que producen podrían desafiar la base misma de nuestras leyes contra la discriminación y la privacidad.

Los nuevos procesos de toma de decisiones basados en el perfil del candidato en facebook o linkedin, por ejemplo, y los resultados que éstos generan podrían causar problemas significativos para nuestros marcos jurídicos de ley de protección contra la discriminación y la privacidad de la información. (Tal vez sea de interés más investigación sobre el concepto). Ambas leyes fueron diseñadas en los años sesenta y setenta y pueden no estar bien adaptadas para lidiar con los desafíos de los grandes datos en el lugar de trabajo.

Empecemos con la ley contra la discriminación. (Tal vez sea de interés más investigación sobre el concepto). Las leyes contra la discriminación prohíben la discriminación basándose en ciertos atributos sociales y físicos: raza, género, orientación sexual, discapacidad. Ahora nos parece obvio que el personal no debe ser seleccionado o rechazado en estos atributos. Instintivamente sabemos que es erróneo tomar decisiones sobre esa base.

El problema con los grandes datos en el lugar de trabajo es que a menudo es imposible conectar la discriminación a las desigualdades que fluyen de la analítica de datos. Las decisiones sobre la selección de los empleados se están realizando en una gama de atributos que son simplemente inintuitivos: el navegador que utilizamos para cargar nuestra aplicación; nuestro como de historietas japonesas del manga; incluso las palabras que usamos en un tweet. Por tanto, las técnicas de datos grandes relanzan la noción misma de discriminación en el lugar de trabajo.

Es probable que el establecimiento de un vínculo entre un atributo protegido y una gran práctica discriminatoria de datos sea evidentemente insuperable. Si bien un atributo prohibido puede ser un factor en el proceso predictivo, probar la existencia de un factor discriminatorio y cómo se consideró este factor casi será imposible en los procesos predictivos de toma de decisiones. Estos procesos involucran millones de decisiones usando cálculos algoritmos complicados, a los que el trabajador no se le da acceso o incluso informado está ocurriendo.

Los grandes datos también ofrecen desafíos significativos para la ley de privacidad de la información. (Tal vez sea de interés más investigación sobre el concepto). La lógica subyacente de los datos grandes es recoger todo y mantenerlo para siempre. La búsqueda de lo intuitivo no requiere nada menos. Toda la información, en todo momento, podría ser potencialmente relevante.

Toda la información por lo tanto tiene la capacidad de ser información personal, ya que toda la información puede ser utilizada para identificar a un individuo.

Puntualización

Sin embargo, la ley de privacidad de la información nunca fue diseñada para considerar que toda la información debe ser clasificada como información personal y protegida.

Los grandes datos en el lugar de trabajo podrían desafiar significativamente nuestros marcos jurídicos existentes de ley contra la discriminación y la privacidad de la información. (Tal vez sea de interés más investigación sobre el concepto).

Autor: Henry Davis

Su Peligro

El mundo hoy está inundado de datos.Entre las Líneas En 2015, la humanidad produjo tanta información como la que se había generado en todos los años previos de la civilización humana. Cada vez que enviamos un mensaje, hacemos una llamada o realizamos una transacción, dejamos rastros digitales. Nos estamos acercando aceleradamente a lo que el escritor italiano Italo Calvino proféticamente llamó la «memoria del mundo»: una copia digital completa de nuestro universo físico.

En la medida que Internet vaya expandiéndose a nuevos ámbitos del espacio físico a través de Internet de las cosas, el precio de la anarquía se convertirá en una métrica crucial en nuestra sociedad, y la tentación de eliminarlo con el poder del análisis de grandes volúmenes de datos se volverá más fuerte.

Abundan los ejemplos. Consideremos la acción familiar de comprar un libro online a través de Amazon. Amazon tiene una montaña de información sobre todos sus usuarios –desde sus perfiles y sus historiales de búsqueda hasta las oraciones que resaltan en sus libros electrónicos– que utiliza para predecir lo que ellos podrían querer comprar la próxima vez. Como en todas las formas de inteligencia artificial centralizada, los patrones anteriores se usan para predecir patrones futuros. Amazon puede ver los diez últimos libros que compramos y, cada vez con más precisión, sugerir lo que podríamos querer leer a continuación.

Pero aquí deberíamos considerar qué es lo que se pierde cuando reducimos el nivel de anarquía. El libro que resultaría la mejor lectura después de los diez anteriores no es un libro que encaja prolijamente en un patrón establecido, sino más bien un libro que sorprende o nos desafía a ver el mundo de una manera diferente.

A diferencia del escenario del flujo de tránsito que se describe más arriba, las sugerencias optimizadas –que suelen representar una profecía auto-cumplida de nuestra próxima compra– tal vez no sean el mejor paradigma (modelo, patrón o marco conceptual, o teoría que sirve de modelo a seguir para resolver alguna situación determinada) para la búsqueda de libros online. El gran volumen de datos puede multiplicar nuestras opciones a la vez que deja afuera cosas que no queremos ver, pero descubrir ese onceavo libro por pura casualidad puede tener sus ventajas.

Lo que es válido para la compra de libros también es válido para muchos otros sistemas que se están digitalizando, como nuestras ciudades y sociedades. Los sistemas municipales centralizados hoy utilizan algoritmos para monitorear (vigilar) la infraestructura urbana, desde los semáforos y el uso del subterráneo hasta la eliminación de residuos y el suministro de energía. Muchos alcaldes en el mundo están fascinados con la idea de una sala de control central, como el centro de operaciones diseñado por IBM en Río de Janeiro, donde las autoridades de la ciudad pueden responder a información fresca en tiempo real.

Pero cuando los algoritmos centralizados llegan a controlar cada faceta de la sociedad, la tecnocracia impulsada por los datos amenaza con imponerse a la innovación y la democracia.[rtbs name=”democracia”] Esto debería evitarse a toda costa. La toma de decisiones descentralizada es crucial para el enriquecimiento de la sociedad. La optimización impulsada por los datos, por el contrario, extrae soluciones a partir de un paradigma (modelo, patrón o marco conceptual, o teoría que sirve de modelo a seguir para resolver alguna situación determinada) predeterminado que, en su forma actual, suele excluir las ideas transformacionales o contradictorias que hacen avanzar a la humanidad.

Una cierta dosis de aleatoriedad en nuestra vida permite que surjan nuevas ideas o modos de pensar que, de otra manera, nunca aparecerían. Y, en una escala macro, esto es necesario para la vida misma. Si la naturaleza hubiera utilizado algoritmos predictivos que impidieran la mutación aleatoria en la replicación del ADN, probablemente nuestro planeta todavía estaría en la etapa de un organismo unicelular muy optimizado.

La toma de decisiones descentralizada puede crear sinergias entre la inteligencia humana y la inteligencia artificial mediante procesos de co-evolución natural y artificial. La inteligencia distribuida a veces podría reducir la eficiencia en el corto plazo, pero en definitiva conducirá a una sociedad más creativa, diversa y resiliente. El precio de la anarquía es un precio que vale la pena pagar si queremos preservar la innovación a través del hallazgo fortuito.

Fuente: Dirk Helbing, Agosto 2016

Big Data en la Practica Jurídica

Los grandes datos, o big data, son de vital importancia tanto para la doctrina como para la práctica jurídica.

Ya en 2011 el término “big data” se produjo en el índice de tendencia de Gartner por primera vez.Entre las Líneas En este índice, la firma consultora de Estados Unidos y el Instituto de investigación de mercado Gartner clasifica anualmente las nuevas tecnologías en un ciclo llamado Hype-Cycle. Desde el ciclo 2014, los datos grandes ya no se ven como un mero “disparador tecnológico”, sino que han trascendido el “pico de las expectativas infladas”. 2 después de esta evaluación un montón de historias de éxito habría causado un entusiasmo excesivo, que fuertemente difiere de la realidad.

En opinión del mencionado Instituto de investigación de mercados, Big Data está ahora en camino a través de la “depresión de la desilusión” antes de que llegue a la “pendiente de la iluminación” y a la “meseta de la productividad”. Después de este viaje, las ventajas de los datos grandes serían generalmente aceptadas, tanto para la teoría.Entre las Líneas En la práctica, puede haber casos esporádicos de desilusión, pero en general, el gran bombo de datos todavía está presente y no hay indicios de que el entusiasmo por los grandes datos se está muriendo.Entre las Líneas En el contrario: la cantidad de los datos recogidos y procesados así como el conocimiento realmente adquirido para las compañías está aumentando constantemente.

Otros Elementos

Además, este proceso ocurre más rápido y más rápido.

Una Conclusión

Por lo tanto, el creciente número de empresas, que utilizan grandes aplicaciones de datos para mejorar su flujo de trabajo y estrategias de marketing, no es sorprendente. Para estar al día, la Asociación federal para la información, la tecnología, las telecomunicaciones y los nuevos medios (BITKOM), una asociación de aproximadamente 2,400 empresas de ti y de telecomunicaciones, formuló pautas para la aplicación de las grandes tecnologías de datos en Enterprises.

Un nuevo fenómeno, especialmente uno con un impacto tan extendido como los grandes datos, plantea varias nuevas cuestiones jurídicas. ¿Qué tan compatibles son las diversas aplicaciones de datos grandes con la situación legal actual? ¿Qué intereses opuestos deben ser respetados por el poder judicial en cuanto a la evaluación de los conflictos jurídicos actuales? ¿Qué medidas deben adoptar los legislativos para ajustar el ordenamiento jurídico a la realidad y conciliar la necesidad de innovación y preservación de los valores fundamentales?

“Declaración de intenciones”

Las grandes tecnologías de datos se utilizan en Internet de las cosas así como en la industria 4.0. la recopilación constante de datos crea un pool de experiencias que se pueden utilizar para la optimización y la autonomía de los procesos de trabajo y la facilitación del trabajo cotidiano. Cada dispositivo debe asignarse a una dirección IP específica para permitir que los dispositivos se comuniquen entre sí. Cuanto más el protocolo estándar IPv66 sustituye el viejo y aún extendido IPv4, 7 más dispositivos estarán conectados con Internet. Con un número de aumento de dispositivos conectados un más comprensivo M2M-la comunicación es posible.

Una vez que los robots en las fábricas completamente en red o los refrigeradores inteligentes y las lavadoras en casa son técnicamente capaces de ordenar nuevos materiales de producción, alimentos y detergentes en su propio y basado en las necesidades, habrá efectos significativos en la legal institución de declaración de intenciones. Cuanto más complejos sean los escenarios de transacción posibles y más independientes puedan actuar las máquinas, con respecto a la oferta y la aceptación, más preguntas se plantearán.

Una declaración de intenciones es la expresión de una voluntad, empeñada en la conclusión de un contrato. Objetivamente, la intención de causar una consecuencia legal debe ser evidente, subjetivamente, la persona declarante debe tener la voluntad de actuar y la voluntad de causar consecuencias y ser consciente de declarar algo legalmente relevante.

Según la concepción clásica, para llegar a ser eficaz, la declaración de intenciones tiene que ser declarada y recibida por un ser humano.

Otros Elementos

Además, la persona declarante debe tener un mínimo de Facultad cognitiva y sentido del juicio, que requiere la capacidad de tomar decisiones, la acción social y el conocimiento de su propia existencia.

Incluso con máquinas modernas o incluso futuras con inteligencia artificial marcadamente alta, estos últimos criterios no se cumplirán.

Una Conclusión

Por lo tanto, no es posible tratar la máquina como una persona declarante bajo la ley vigente. Más bien, las características objetivas de la declaración de intenciones se atribuyen al usuario, desde cuya perspectiva deben cumplirse las características subjetivas de la declaración de intenciones.

Por consiguiente, la corte federal alemana (BGH) decidía. La corte tuvo que decidir en 2012 sobre la efectividad de una reserva de viaje a través del sistema de reserva basado en computadora de un proveedor de viajes. El pasaje crucial dice: “no es el sistema informático, pero la persona que lo utiliza como medio de comunicación está declarando su intención. (Tal vez sea de interés más investigación sobre el concepto).

Una Conclusión

Por lo tanto, el contenido de la declaración debe ser determinado de acuerdo con cómo el destinatario humano puede entender de buena fe y uso común, y no de acuerdo con cómo el sistema automatizado probablemente va a entender y procesar el contenido.”

Todavía hay voces aisladas en la literatura que califican las máquinas en casos tales o similares como agente del ser humano detrás de él, o aplicando el marco legal para los agentes por lo menos en analogía. 14 sin embargo, esas voces pasan por alto que la máquina debe tener por lo menos limitado capacidad de contratación, sección 165 del código de derecho civil (BGB).

Puntualización

Sin embargo, una máquina no tiene personalidad completamente jurídica, por lo que una máquina no tiene ni siquiera la capacidad de tener derechos y obligaciones de todo tipo.

Además, según la sección 179 BGB un agente no autorizado es responsable como Procurador falso y tiene que pagar daños. Es simplemente inimaginable, que una máquina – por más inteligente que pueda ser – tenga su propia masa de responsabilidad. Al final, la persona natural detrás de la máquina es relevante y la aplicación de las reglas de los agentes no tendría sentido. Las propuestas para evitar la falta de poder de la Agencia por las medidas técnicas fracasan debido a la realidad en la que los requisitos claramente definidos se descartan cada vez más.

Ya hoy en día, la persona natural detrás de la máquina no puede pensar en el contenido y el alcance de la declaración de intenciones por la máquina. Cuanto mayor sea el grado de automatización, menos se puede decir con certeza si la máquina o el usuario detrás de él declararon algo. Esto también suscita dudas sobre las características subjetivas de la declaración de intenciones.

Esta cuestión puede seguir siendo contrarrestada en la actualidad, centrándose en la voluntad de la persona de actuar en absoluto, la voluntad de causar consecuencias jurídicas y si la persona era consciente de declarar algo legalmente relevante en el momento de la puesta en marcha de la máquina.

Sin embargo, una comprensión de las declaraciones de máquinas como en el juicio BGH ya no estará actualizada en un futuro lejano.Entre las Líneas En la era de las grandes máquinas de datos será aún más independiente y ser capaz de reaccionar aún mejor en Ofertas baratas en el mercado y muchas otras variables. Así, las declaraciones de la máquina no pueden ser controladas por una persona natural en la última instancia o más bien los límites claros para las declaraciones de la máquina del alcance faltan.

Por lo tanto, parece dudoso asumir que el usuario de la máquina es consciente de declarar algo legalmente relevante no solo cuando se genera la declaración de la máquina, pero ya cuando la puesta en marcha de la máquina. Sin esta conciencia — o si falta la voluntad de causar consecuencias legales — la declaración de intenciones a menudo podría ser impugnada. Si falta la voluntad de actuar en absoluto, la declaración de intenciones es obligatoriamente nula.

Ambas consecuencias legales no pueden ser diseñadas por el usuario de la máquina; de lo contrario, el uso de la máquina sería superfluo. El contrato podría concluirse de manera tradicional, sin el uso de M2M.

Puntualización

Sin embargo, esto se desea por razones de ahorro de trabajo, costos (o costes, como se emplea mayoritariamente en España) y tiempo.

Por esta razón, la solución a largo plazo (véase más detalles en esta plataforma general) puede ser proporcionada en la modernización del principio de la declaración de intenciones. Con este fin, se sugirió ampliar la lista de personas físicas y jurídicas con una persona electrónica.

Desafíos relativos a la responsabilidad

La cuestión de la atribución de las declaraciones de intenciones se acompaña de cuestiones de responsabilidad en casos de mala conducta por parte de los sistemas autónomos. Por un lado, el sistema puede desarrollarse más y adaptarse al comportamiento del usuario mientras que, por otro lado, puede reaccionar más autónomamente.

Una Conclusión

Por lo tanto, es más difícil comprender si un acontecimiento perjudicial fue causado por el usuario del sistema o por el mismo sistema, lo que puede llevar a dificultades substanciales de reunir evidencia en el ensayo.

Sin embargo, el usuario del sistema autónomo, los productores y promotores y el proveedor son oponentes potenciales de reclamaciones no contractuales por daños y perjuicios, pero, debido a la falta de personalidad jurídica, no al propio sistema autónomo.

La responsabilidad del usuario será responsabilidad basada en fallas en particular. El sistema de responsabilidad estricta, que se debatió en el contexto de los vehículos autopropulsados, no puede aplicarse en todas las situaciones.

Puntualización

Sin embargo, si la conducta de la máquina no es previsible para el usuario, tampoco se le puede culpar por culpa. A lo sumo, podría ser responsable si no ejercía un cuidado razonable. Aquí, las obligaciones de inspección del usuario descenderán con una complejidad creciente de los sistemas. Al mismo tiempo, no está en el interés de las partes evitar la responsabilidad de los usuarios, que utilizan conscientemente, en absoluto, una máquina de acción autónoma y controlable de forma limitada.

Una Conclusión

Por lo tanto, sería deseable la creación de una nueva ley de responsabilidad estricta.

El productor de productos finales y componentes puede ser responsable sin fallas bajo la ley alemana de responsabilidad de productos (Produkthaftungsgesetz).

Puntualización

Sin embargo, esta ley destina principalmente indemnización por daños al cuerpo y a la salud. [rtbs name=”derecho-a-la-salud”] Los daños materiales solo pueden compensarse si se produce a un artículo de propiedad destinado al uso privado o al consumo, sección párr. 1 de la Ley de responsabilidad de producto de la oración 1. Esto no sucederá regularmente dentro del ámbito de aplicación de la industria 4,0.

Aparte de eso, la parte perjudicada solo debe probar de conformidad con la sección 1 párr. 4 ley de responsabilidad del producto que existe un defecto causal del daño por el cual una evidencia “prima facie” es suficiente. 28 “un producto tiene un defecto cuando no proporciona la seguridad que uno tiene derecho a esperar, teniendo en cuenta todas las circunstancias”, sección 3 párr. 1 de la Ley de responsabilidad del producto.

Puntualización

Sin embargo, “la obligación de responsabilidad del productor queda excluida si el estado de conocimiento científico y técnico en el momento en que el productor puso el producto en circulación no era tal que permitiera el descubrimiento del defecto”, sección 1 párr. 2 no. 5 Ley de responsabilidad del producto.

Especialmente las máquinas dentro de la industria 4,0 están construyendo su conducta sobre la base del comportamiento específico del usuario previo, con el efecto de que el momento de colocar el producto en el mercado se vuelve menos relevante. La pregunta surge si una mala conducta de un sistema autónomo puede ser captada por la ley de responsabilidad del producto. Las reacciones inesperadas de un sistema inteligente en lugar de déficits funcionales podrían constituir un problema también.

Sin embargo, cabe esperar que las máquinas más autónomas satisfagan los requisitos de seguridad más altos.

Una Conclusión

Por lo tanto, uno puede esperar un deber más extenso de la instrucción de los productores. Esto se refiere tanto al “cómo” como al “si” de la instrucción. (Tal vez sea de interés más investigación sobre el concepto). Al mismo tiempo, uno puede asumir un deber más alto de observar el producto después de ponerlo en el mercado.

Autor: Williams

Beneficios potenciales y escollos

Los beneficios potenciales de la tecnología Big Data han sido ampliamente promocionados, especialmente en contextos comerciales. El Big Data también se ha promovido como una herramienta poderosa para la vigilancia y la seguridad. Más específicamente, el uso de herramientas predictivas para pronosticar dónde y cuándo ocurrirá el crimen está atrayendo un gran interés entre las organizaciones policiales, especialmente en los Estados Unidos.

Después de la exageración inicial, se discuten más ampliamente las posibles dificultades de Big Data. Resulta que algunas de las afirmaciones hechas en nombre de Big Data, que el muestreo (véase más detalles) no es necesario porque ahora tenemos acceso a todos los datos, que la precisión de los datos ya no es un problema y que la correlación es lo suficientemente buena, no son del todo ciertas. Estas afirmaciones han sido abiertamente disputadas en los medios populares; como observó un comentarista, “la idea de que ‘con datos suficientes, los números hablan por sí mismos’… parece irremediablemente ingenuo en conjuntos de datos donde los patrones espurios superan ampliamente a los descubrimientos genuinos ”(Harford, 2014). Varios otros comentaristas ya han señalado que es muy probable que Big Data, que se basa en muestras de conveniencia o subconjuntos esté sesgado. Lejos de ser irrelevante, es probable que la calidad de los datos sea igual de importante en el contexto de Big Data. Confiar solo en las correlaciones es problemático, especialmente cuando se consideran las intervenciones de la justicia penal. La lista de escollos no termina ahí; las herramientas basadas en Big Data “se pueden jugar fácilmente” y los resultados a menudo resultan ser menos robustos de lo que parecen inicialmente.

Por encima de todo, argumentan que el bombo generado por los campeones de Big Data debe ponerse en perspectiva (consulte más sobre estos temas en la presente plataforma en línea de ciencias sociales y humanidades). Big Data puede funcionar bien como un complemento de la investigación científica, pero rara vez tiene éxito como un reemplazo al por mayor (consulte más sobre estos temas en la presente plataforma en línea de ciencias sociales y humanidades). Big Data es propenso a dar soluciones de sonido científico a preguntas imprecisas sin remedio.Big data puede reducir cualquier cosa a un solo número, pero no debe dejarse engañar por la apariencia de exactitud. Es un recurso importante para cualquier persona que analice datos, no una bala de plata.

Big Data no solo puede cometer errores que dan lugar a ciclos viciosos, sino que también pueden ser difundidos universalmente y su daño puede aumentar “en nanosegundos” debido a nuestra tecnología mejorada, interconexión global y enormes tamaños de datos.

La performatividad de big data y algoritmos

A pesar de estos escollos, Big Data no va a dejar de crecer, ya sea en volumen o en prominencia.

Una Conclusión

Por lo tanto, es importante examinar la naturaleza de Big Data detrás de todo el bombo. Algunos investigadores han cuestionado la suposición de que Big Data es principalmente una representación de la realidad. Se apunta a dos características distintivas de Big Data que lo diferencian de la representación estadística convencional de datos. Primero, el enfoque inductivo y exploratorio de la analítica de Big Data extiende el viejo refrán “los datos hablan por sí mismos” a “los datos nos dicen qué buscar”.Entre las Líneas En segundo lugar, el desacoplamiento de la generación de datos del análisis de datos significa que no solo son datos de un contexto analizado en otro contexto, pero los datos se convierten en datos para un programa solo en el momento en que se realiza una solicitud a ese programa.Entre las Líneas En otras palabras, los datos no tienen un significado independiente de su uso. El uso de datos para vigilancia, por ejemplo, cambia el significado de los datos. Del mismo modo, los sujetos de los datos no tienen una identidad independiente aparte de sus “datos se duplican”.

Una Conclusión

Por lo tanto, se podría afirmar que los datos son performativos en lugar de representativos.

En situaciones de vigilancia, Big Data produce sospechosos: La recombinación, la relación y el traslado a diferentes contextos de datos, lo que sucede en la vigilancia basada en datos reúne la autoridad para producir un nuevo tema por “llamarlo” un sospechoso. Alguien que está detenido en una frontera, se le niega una visa o se le excluye de abordar un avión basado en Big Data se convierte en un tema para las autoridades respectivas en el momento en que se producen estos veredictos. Es muy probable que no haya habido relación previa entre estas autoridades y el sujeto. Gran parte del procesamiento de datos se realiza en segundo plano y no se relaciona con los sujetos en absoluto, ni se trata de datos sobre los sujetos.Si, Pero: Pero dicho procesamiento de datos reúne los recursos para actos ad hoc y heterogéneos con una fuerte fuerza de subjetivación.

Gran parte del procesamiento de datos se lleva a cabo mediante programas informáticos en forma de algoritmos.

Una Conclusión

Por lo tanto, gran parte del rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de Big Data no es el trabajo de los datos en sí, sino de los algoritmos.

Informaciones

Los dispositivos de cálculo algorítmico en la era de Big Data están reconstruyendo nuestro mundo de maneras importantes. Primero, al filtrar lo que se puede ver, estos dispositivos crean formas novedosas de percibir el mundo y nuevas visibilidades e invisibilidades. Para las agencias policiales y de seguridad, los algoritmos pueden ayudar a “sacar la aguja de un pajar” al procesar un vasto fondo de datos estructurados y no estructurados.Entre las Líneas En segundo lugar, estos dispositivos, junto con la computación en la nube y los regímenes de intercambio de información, están cambiando las concepciones de territorio y soberanía.Entre las Líneas En tercer lugar, los dispositivos algorítmicos en la era de Big Data “reorientan significativamente las temporalidades de nuestro mundo”: por ejemplo, “análisis de flujo de eventos avanzados” está transformando las relaciones temporales del pasado, presente y futuro, tan cerca de” en tiempo real los datos de eventos se procesan en asociación con los datos almacenados en eventos pasados, en previsión de un futuro que puede estar a segundos. Finalmente, estos dispositivos “transforman la naturaleza de la subjetividad humana” al usar “nuevas formas de agregación de datos y descubrimiento de conocimiento”, creando modelos avanzados de comportamiento humano, así como mercantilizando las propensiones y tendencias de la vida.

La idea de que el código de programa o el software es performativo no es nueva. Hace más de 10 años, McKenzie analizó el kernel de Linux como “una forma de agencia colectiva en el proceso de constituirse”; esta constitución es “performativa con respecto a la eficacia de Linux como un objeto técnico y con respecto a la fabricación de Linux como una entidad cultural”. Más recientemente, Introna recurre al marco gubernamental (o, en ocasiones, de la Administración Pública, si tiene competencia) de Foucault para considerar la naturaleza performativa de los algoritmos (en este caso, Turnitin) como una tecnología de gobierno que produce sospechosos y promulga temas de autogobierno. Un algoritmo como el Turnitin funciona como una tecnología para controlar el plagio calculando un “índice de similitud” entre los documentos y asignando uno de los cinco códigos de color (azul, verde, amarillo, naranja y rojo) al grado de coincidencia. Introna ha argumentado que los algoritmos, que generalmente se resumen como “lógica + control”, no deben entenderse únicamente en términos de lo que hacen, sino más en relación con sus “operaciones o supuestos implícitos” que no son obvios. El peligro de los algoritmos a menudo se concibe en términos de su inescrutabilidad (difícil de entender) y su capacidad de ejecución (puede operar automáticamente). Este peligro es particularmente grave con Big Data y el uso de aprendizaje automático u otros algoritmos complejos para predecir la ofensa o la reincidencia.

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

Autor: Williams

Visualización

El Big Data a menudo se hace accesible a través de la visualización de datos. La visualización de Big Data es un rendimiento que enmascara simultáneamente el poder de la vigilancia comercial y gubernamental (o, en ocasiones, de la Administración Pública, si tiene competencia) y hace que la información sea política. La producción de visualidad opera en una economía de atención. (Tal vez sea de interés más investigación sobre el concepto).Entre las Líneas En las empresas de control de delitos, las incertidumbres futuras pueden ser enmascaradas por desencadenantes afectivos que crean una atmósfera de riesgo y sospecha. También se han realizado esfuerzos para movilizar datos para exponer daños e injusticias y obtener apoyo para la resistencia. Si bien Big Data y la visualidad pueden realizar una modulación afectiva en la carrera por la atención, el impacto de la visualización de datos no siempre es predecible. Al eliminar la visibilidad de personas o eventos reales y al estetizar representaciones de tragedias.

Autor: Williams

En la toma de decisiones

Las empresas y organizaciones […] luchan cada vez más por encontrar el equilibrio entre dos principios operativos dolorosamente polarizados. Por un lado, buscan desesperadamente aumentar su agilidad; por otro, tienen el sincero deseo de incluir a todas las partes afectadas en sus procesos. Este incómodo conflicto trasciende los tradicionales debates de “centralización–descentralización”. Los clientes demandan mayor agilidad, y los empleados y colaboradores esperan aumentar su autoridad. Así que las empresas se esfuerzan por proporcionar ambas cosas.

Incluir más personas, por desgracia, habitualmente aumenta los costes (o costos, como se emplea mayoritariamente en América) y los tiempos de respuesta.Si, Pero: Pero de forma casi paradójica, una mayor agilidad organizativa requiere un aumento de la capacidad de respuesta y una mejor coordinación. (Tal vez sea de interés más investigación sobre el concepto). Cuántas más partes estén involucradas, más probable será que las decisiones se alarguen en el tiempo, pero una agilidad eficaz a menudo requiere la participación inclusiva de las diferentes partes.

En otras palabras, más personas quieren tomar decisiones más ágiles más a menudo. Esta tensión enloquece a mis clientes.Entre las Líneas En una empresa de Fortune 1000, por ejemplo, estalló la guerra entre el equipo de atención al cliente, desesperado por responder más rápidamente a las quejas de los clientes, y el grupo de diseño técnico, igualmente desesperado por evitar arreglos ad hoc. Ninguno de los dos grupos podía resolver eficazmente los problemas sin el otro, pero el solapamiento entre ambos se convirtió rápidamente en una fuente de conflicto en lugar de una de colaboración. (Tal vez sea de interés más investigación sobre el concepto). Esa patología es bastante común.

Las iniciativas digitalmente conectadas a la red –sea mediante Slack, Chatter, Skype, Google Docs u otra aplicación– agravan de forma pronunciada las tensiones y los puntos conflictivos: más partes afectadas pueden acceder, y compartir, información de forma instantánea. La tecnología facilita mayor transparencia y visibilidad en todo el ecosistema de las empresas. Así, el conocimiento de la situación en tiempo real aumenta dramáticamente, pero puede que no lo hagan la capacidad directiva y operativa de actuar a partir de toda esa información impulsada por datos.

Con diferencia, el mejor y enfoque más útil para gestionar estas tensiones es el trabajo revolucionario sobre los derechos de decisión de hace un cuarto de siglo de Michael Jensen. De manera resumida, los derechos de decisión definen la autoridad y la rendición de cuentas para las decisiones y la toma de éstas.

Informaciones

Los derechos de decisión tratan de cómo las organizaciones “deciden cómo decidir” quién tendrá la autoridad para tomar las decisiones. Hay que pensar en ello como un modelo de gobernanza para las decisiones empresariales.

La perspicacia sutil y brillante de Jensen es que el derecho de tomar decisiones –no solo la capacidad de ejecutar o asumir la responsabilidad– es esencial para la eficacia y la eficiencia de las empresas.

Una Conclusión

Por lo tanto, asignar derechos de decisión es tan importante organizativamente como definir puestos, roles y tareas. Desde ese punto de vista, los derechos de decisión pueden y deben considerarse como un mecanismo de dirección para asignar autoridad. Cuánto mayores sean los derechos de decisión de su equipo, más autoridad y responsabilidad tendrá usted.

El marco RACI (por sus siglas en inglés de Responsable, Accountable, Consulted e Informed) ofrece un excelente ejemplo del funcionamiento de los derechos de decisión de Jensen:

Responsable (ejecutor): ¿Quién ejecuta la tarea?

Accountable (rendición de cuentas): ¿Quién toma las decisiones y responde por ellas?

Consulted (consultado): ¿A quién se comunican y consultan las decisiones y las tareas?

Informed (informado): ¿A quién se informa sobre las decisiones y acciones que se toman durante el proyecto o proceso?

Estas preguntas son sencillas y relativamente fáciles de esquematizar. Es decir, vincular digitalmente a los individuos y equipos relevantes identificados durante una revisión RACI debería resultar fácil. Un número cada vez mayor de compañías y organizaciones con las que colaboro emplean el modelo RACI o alguna variante de él para generar redes de rendición de cuentas auditables para la gestión de proyectos y procesos.

Estas redes se convierten simultáneamente en plataformas tanto para la inclusión de más personas como para la agilidad de sus decisiones. Los individuos y equipos que quieran ser consultados o informados pueden pedir formar parte de la red.Entre las Líneas En la otra dirección, cuando los mánagers responsables o encargados de la rendición de cuentas necesitan respuestas más rápidas para un cliente, pueden aprovechar la red RACI para generar una respuesta “justo a tiempo”. Mapear estas redes, visualizarlas, genera visibilidad y claridad tanto para las partes involucradas como para el equipo directivo. Proporciona una ventana esencial en la toma de decisiones de la empresa.

De forma intrigante, irónica e importante, la aplicación de los derechos de decisión que más está creciendo pone el énfasis en la digitalización, los datos y el análisis. Quién tiene derecho para acceder, procesar y compartir datos se ha convertido en la mayor fuente de oportunidades y desacuerdos de la empresa. Este cambio estructural va mucho más allá de lo que imaginó y describió Jensen originalmente hace 25 años: el auge del big data –y su análisis– cambia el debate y los argumentos contemporáneos sobre los derechos de decisión.

Los derechos de decisión sobre datos requieren cada vez más datos sobre derechos de decisión. (Tal vez sea de interés más investigación sobre el concepto).Entre las Líneas En otras palabras, si su organización dispone de acceso para procesar y compartir cantidades de datos entre 10 y 100 veces más grandes, probablemente sus mecanismos para derechos de decisión estén lamentablemente desfasados. Es decir, ¿ejecutaría algún responsable de marca serio una campaña de marketing hoy en día sin la capacidad de analizar redes sociales? Pero los responsables de la marca necesitan de la habilidad computacional de científicos de datos y herramientas de análisis para obtener mayor valor de esos datos.

Informaciones

Los derechos de decisión pueden determinar y definir cómo colaborarán entre sí los equipos de gestión de marcas y los de gestión de datos.

En una empresa con la que he colaborado, la explosión del big data cambió totalmente el marco de los derechos de decisión y la conversación RACI. La empresa tradicionalmente había centrado sus esfuerzos de diseño y desarrollo en nuevos productos.Si, Pero: Pero con el alza de los teléfonos móviles, las prioridades de innovación de la empresa se alejaron de la generación de mejores productos y se centraron en facilitar mejores experiencias de usuario (UX). Eso transformó la plantilla RACI de los derechos de decisión. (Tal vez sea de interés más investigación sobre el concepto). La rendición de cuentas para UX requería diferentes datos y análisis a los de los productos; un énfasis en UX significó que había que consultar e informar a nuevos equipos e individuos.Entre las Líneas En esencia, los datos y análisis impulsados por UX cambiaron el equilibrio de los derechos de decisión entre la agilidad y la inclusión.

La empresa sumergió a sus empleados, procesos y tecnologías en los derechos de decisión de UX –y los resultados fueron estupendos–. La empresa recibió 10 veces más información útil a través de todas las formas de redes sociales y el rastreo de casos de uso. Desarrolló una nueva y mejorada versión en tres meses, en lugar del plazo (véase más detalles en esta plataforma general) habitual de un año y a la mitad del coste (o costo, como se emplea mayoritariamente en América) habitual.

A medida que las decisiones empresariales están impulsadas cada vez más por datos, los directivos responsables tienen que asegurarse de que los derechos de decisión también lo estén. Eso explica por qué tantas organizaciones han convertido la gobernanza de datos en una prioridad estratégica y organizativa.Entre las Líneas En lugar de la gobernanza más tradicional de IT, que busca generar una mayor rendición de cuentas para la gestión de sistemas de IT, la gobernanza de datos reconoce que los datos son uno de los recursos críticos para la gestión.

¿Cómo se comparten esos datos (inclusividad)? ¿Cómo puede aprovechar la empresa de forma eficaz esos datos (agilidad)? Las respuestas a esas preguntas se encontrarán en la aplicación innovadora de derechos de decisión impulsados por datos. El futuro de la gobernanza de datos depende del futuro de los derechos de decisión, y el futuro de los derechos de decisión depende del futuro de la gobernanza de datos.

Fuente: HBR

Big Data

▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.