随着个性化数据带来的价值，为什么不销售你自己的数据？惠普实验室告诉你如何完成

by惠普实验室

 

 

编者按：这是一个互联网时代的财务试金石：我们能从在线活动，诸如登录、搜索、浏览和购买历史信息等数据中发现巨大的价值。惠普高级研究员兼惠普实验室社会计算研究集团总监，Bernardo Huberman及其惠普同事Christina Aperjis新近撰写的名为“公正的私有数据市场：按照个人的隐私意愿支付费用”的文章中所发表的论点指出：“如果我们能做到这一点，同时考虑到参与者的帐户隐私，我们就能帮助人们更好地控制如何使用他们的数据，同时为社交和技术研究的创新开辟了新的可能性。”

 

 

所有的公司都热衷于更多的了解我们，也越来越愿意为享有特权支付费用，惠普高级研究员兼惠普实验室社会计算研究集团总监，Bernardo Huberman指出。然而目前实际产生的数据在财政方面根本毫无益处（虽然，在一些案例中，他们可以免费访问一个有用的服务）。

“原则上，个人没理由不从他们自己产生的数据中得到回报，”Huberman提议说。“如果我们能做到这一点，同时考虑到参与者的帐户隐私，我们就能帮助人们更好地控制如何使用他们的数据，同时为社交和技术研究的创新开辟了新的可能性。”

这个论点发表在由Huberman及其惠普同事Christina Aperjis新近撰写的名为“公正的私有数据市场：按照个人的隐私意愿支付费用”的文章中。

现有的研究表明，人们往往希望要么为他们觉得是真实的数据付高价，要么为各种容易不公正的数据付很少的钱。其结果是：购买者通常都负担不起购买那些对他们最有用的数据集。

 

你的欲望要承担什么风险？

Aperjis 和 Huberman说，解决方案就是建立一个市场，让卖方根据他们对于隐私和风险所持有的具体态度来参与。

这导致了规模较小、但在统计学上的有效的数据集可以被购买者使用。由于数据的有效性，购买者只需要购买一个大的数据集中的一小部分，用来计算有关大数据集中可靠的统计数据——允许他们用相对较少的费用获得更多有效的数据。

 

把信任、透明和选择作为竞争优势

管理这个过程就像一个中介，也称为交易商。交易商希望最大限度的增加市场交易量，因为他们可以从每一笔交易中收取少量费用，因此也有动机担当起一个正直的中间人，强调透明度，并尊重隐私。

事实上，交易商所做的更好的工作是推动并保护个人的隐私权，让市场中有更多的信任——信任是消费者在采用新的商业模式时的一个关键性因素。例如，在数据如何及为什么被使用等方面，给个人卖方最多的选择，可以拓宽对选择的吸引力，增加市场效率，并给交易商一个竞争优势。

 

如何超越当前的数据市场

第三方经销商的私有数据集已经存在，Aperjis 和 Huberman指出。个人卖方参与这些交易的机会是被忽略的——无论是通过定义数据如何被使用，或是付款。尤其是由于以前的私有数据市场的模式不能准确描述如何制定合理的价钱，而因此产生的无力补偿卖方的情况并不少见。

例如，简单地向卖方询问一个具体的价钱可能会得到片面的数据集，因为人们评估他们私有信息通常会提供最低的价钱。然而，Aperjis 和 Huberman通过询问卖家，在平衡了风险和奖励的付款计划间作出一系列选择来设定价格。

即便如此，研究人员承认，在很多常见的情况中，个人卖方确实通过共享他们的私有数据而收到回报——例如，一个来自搜索引擎的免费查询，或是通过社交网站与朋友们有价值的联系。但不难想象，在新的市场中，购买方会愿意直接地向个人卖方支付报酬以得到他们的私有信息。

例如，制药公司可能会需要一份可靠的样本，以显示患有某种特别疾病的人群以及谁使用了特定的药物。在类似这样的案例中，惠普的研究人员说，“获得特定个人的公正的样本数据，对于买方来说是最重要的。”

 

研究公正的、私有数据的价值

这样的数据集可能会花更多的成本去收集，但实际上，会让他们更有效地关注回顾与核对。这是一个积极的改变，Huberman指出。

发表在2月16日出版的《自然》的一封信件中，Huberman提请大家研究社交媒体用户所产生的信息的价值。他写到，然而对这些数据的分析，是典型地“除作者之外的研究人员无法访问。”
“在某些情况下，数据本身的来源仍然被隐藏，导致不仅产生核对问题，而且涉及到结果的普遍性，”他补充说道。
相比之下，Huberman 和 Aperjis的新方法可以创建可靠的、可利用的数据集，用来确认或是挑战从他们之中得出的研究结论。
这些数据集毫无疑问地可以被用于商业用途。但也可能推动跨越许多研究领域的新的深入理解——例如在教育方面、城市规划或医疗应用，如疾病暴发跟踪。
“总体而言，在全球经济中，恰当地处理数据得到了越来越多的关注；，还有很多需要说明，关于创建开放交易的交易是开放的私有数据市场还有很多需要说明”Huberman称，“用合适的方法去做，对实际产生数据的人们是有利的。”