Por Alan Ramírez Flores, CEO de Coperva
Con los datos, las empresas personalizan sus productos y servicios para que se ajusten a nuestras preferencias y necesidades. Pero la disponibilidad ubicua de datos presenta cada vez más riesgos de fuga y mal uso.
Ante esto es pertinente analizar cómo influye la política de datos de una empresa, cuántos recopilar y cómo proteger la información en la interacción con clientes, empresa y terceros mal intencionados.
En general, cuando las empresas eligen políticas de datos en su propio interés, se recopilan más de los que serían óptimos para los consumidores.
Independiente de los niveles de protección que se implementen, los datos siempre son un activo comercial, por lo que las empresas recopilan más de los que desean sus clientes. Por lo tanto, se necesitan métodos más creativos para minimizar los riesgos de la recabación.
Para disuadir a las empresas de obtener más información de sus clientes de los estrictamente necesarios, hay quienes proponen un impuesto que establezca que cuantos más datos reúna una empresa sobre sus clientes, mayores serán los costos financieros que le generarán.
Otro tipo de instrumento, que ya está sobre la mesa, es la multa de responsabilidad. Esto es, pagar por una violación de datos. La cantidad debe ser proporcional al daño a los consumidores por la violación de información.
Estos instrumentos pueden ayudar a restaurar la eficiencia en este tipo de mercados.A los reguladores les permitirá presionar a las empresas para que recopilen solo la cantidad exacta de la información que los clientes están dispuestos a compartir.
Ahora, en los últimos años, existe un surgimiento de la gestión de ingresos basada en datos. Las empresas aprovechan cada vez más los datos personales para vender productos y servicios en el momento adecuado y al precio correcto.
Por ejemplo, la industria financiera diseña préstamos personalizados que se ajustan a nuestros patrones de gasto y Facebook y Google deciden cómo construir nuestros suministros de noticias.
En sí, las empresas dedicadas a la gestión de ingresos personalizada, aplican sofisticadas técnicas y algoritmos de aprendizaje automático en los datos históricos de sus clientes para construir modelos de comportamiento humano.
Estos sistemas se utilizan para ofrecer a los nuevos clientes productos y servicios personalizados. De nuevo remarcamos la problemática del mal uso o fuga de datos.
Una forma posible de diseñar algoritmos de preservación de la privacidad, es imponer una restricción adicional en el marco de toma de decisiones de las empresas. En particular, podemos exigir que las decisiones de la empresa, como una cotización o variedad de productos, no dependan demasiado de la información de un cliente en particular. Formalmente, tal requisito corresponde al diseño de algoritmos de gestión de ingresos “diferencialmente privados”.
La privacidad diferencial es un estándar de privacidad establecido de facto en la industria que emplean compañías como Apple, Microsoft y Google.
Se pueden diseñar tales algoritmos que preservan la privacidad mediante la adición de “ruido” cuidadosamente ajustado a las decisiones de las empresas o a los datos confidenciales que utiliza una empresa. El “ruido” es esencialmente cualquier dato sinsentido.
Ahora, cuantos más datos históricos tenga la empresa, más barata será dicha preservación de la privacidad y, en algunos casos, la privacidad se puede lograr casi de forma gratuita.
