نقش داده‌های ترکیبی در حمایت از نوآوری و خدمات مالی

به گزارش پایگاه خبری بانکداری الکترونیک، در گزارش «سازمان رفتار مالی بریتانیا» اینگونه آمده است: “داده‌های ترکیبی تکنیکی برای حفظ حریم خصوصی است که می‌تواند فرصت‌های بیشتری را برای اشتراک‌گذاری داده‌ها با تولید داده‌های آماری واقعی، اما «مصنوعی» ایجاد کند که به آسانی در دسترس هستند.”

داده‌های ترکیبی، داده‌هایی «واقعی» نیستند که به‌طور طبیعی از طریق رویدادهای دنیای واقعی ایجاد شده باشند ـ بلکه داده‌هایی «مصنوعی» هستند که با استفاده از الگوریتم‌ها تولید می‌شوند. مزیت استفاده از داده‎های ترکیبی این است که داده‎های واقعی را بدون شناسایی افراد خاص شبیه‎سازی می‎کند.

بنابراین، تا زمانی که نتوان افراد واقعی را از داده‌های ترکیبی تشخیص داد، قوانین مربوط به حفاظت از داده‌ها مانند آیین‌نامه عمومی حفاظت از داده‌ها (GDPR) هم قابل اعمال نیستند.

بر اساس توضیحی که «سازمان رفتار مالی بریتانیا» ارائه داده است، داده‌های ترکیبی با مشاهده الگوها و ویژگی‌های آماری داده‌های واقعی و استفاده از الگوریتم‌ها برای تکرار این الگوها در مجموعه داده‌های ترکیبی، با هدف تبدیل آن به یک کپی واقعی از داده‌های واقعی، ایجاد می‌شوند.

در حالی که کاربرد و ارزش تحلیلی مجموعه داده‌های ترکیبی به کیفیت مدل و داده‌های مورد استفاده برای تولید آنها بستگی دارد، این مجموعه داده‎های «مصنوعی» می‎تواند برای طیف گسترده‎ای از کاربردها به اشتراک گذاشته شوند.

«سازمان رفتار مالی بریتانیا» همچنین اذعان می‌کند که داده‌های ترکیبی، در حالی که حریم خصوصی افراد را حفظ می‌کنند، به طور کامل از خطر بی‌نام‌سازی داده‌ها با استفاده از تکنیک‌های مهندسی معکوس مصون نیستند. با این حال، این خطر کمتر از داده‌های ناشناس یا روش‌های دیگری است که از هویت افراد محافظت می‌کند.

به همین دلیل، این سازمان تنظیم‌کننده بریتانیایی به دنبال اطلاعاتی از شرکت‌ها، دانشگاه‎ها، استارت‌آپ‌ها، شرکت‌های فناوری و سایر تنظیم‌کننده‌ها است تا استفاده از داده‌های ترکیبی را در خدمات مالی افزایش دهد.

این امر به شرکت‌های کوچک اجازه می‌دهد تا به داده‌های تولید شده رایانه‎ها دسترسی داشته باشند و الگوریتم‌ها و محصولات نوآورانه خود را قبل از آزمایش آنها در بازار، و بدون به خطر انداختن حریم خصوصی کسی، بپرورانند. علاوه بر این، زمانی که داده‌های مورد نیاز کمیاب هستند یا در مقادیر کافی برای اهداف آموزشی وجود ندارند، داده‌های ترکیبی می‌توانند این شکاف را پر کنند.

در این گزارش آمده است: “ما می‌خواهیم کاوشی مقدماتی درباره نگرش‌های بازار نسبت به داده‌های ترکیبی و پتانسیل آنها برای آغاز اشتراک‌گذاری داده‌ها بین شرکت‌ها، تنظیم‌کننده‌ها و سایر نهادهای عمومی انجام دهیم.”

استفاده از داده‌های ترکیبی فراتر از بانکداری باز است که در صورت رضایت، دسترسی به داده های فردی را فراهم می کند. به گفته «سازمان رفتار مالی بریتانیا»، داده‌های ترکیبی به یادگیری ماشین و فناوری هوش مصنوعی این امکان را می‎دهد تا با دسترسی به مجموعه داده‌های بزرگ توسعه یابند.

البته داده‌های ترکیبی برای تازه‎واردها نیز در دسترس خواهد بود که در غیر این صورت با مانع قابل توجهی برای ورود به جمع‎آوری این داده‎ها مواجه می‎شوند. همچنین، داده‎های موجود بین تنظیم‎کننده‌ها و بخش خصوصی یا بین مؤسسات دولتی نیز به اشتراک گذاشته می‌شود.

«سازمان رفتار مالی بریتانیا» همچنین در حال آزمایش است که پی ببرد تا چه حد می تواند برای کنترل دسترسی به این نوع داده‌ها پیش رود. این سازمان سه نقشی را پیشنهاد می‌کند که تنظیم‎کننده می‌تواند در اجرای استراتژی جدید اتخاذ کند: تولیدکننده داده، هاست یا میزبان مرکزی و هماهنگ‌کننده.

در نقش اول، تنظیم‌کننده با صنایع و دانشگاه همکاری می کند تا داده‎های ترکیبی در داخل تولید شود و با صنایع به اشتراک گذاشته شود. در نقش هاست مرکزی، تنظیم‌کننده یک پلتفرم میزبانی مستقل را فراهم می‎کند که از طریق آن می‌توان داده‌های ترکیبی را ذخیره کرد، به اشتراک گذاشت و برای توسعه و آزمایش محصول به آن دسترسی داشت.

در نهایت، در نقش هماهنگ‎کننده، تنظیم‌کننده اشتراک‌گذاری داده‌ها و فرصت‌های همکاری برای تولید داده‌های ترکیبی را تسهیل می‌کند.

مترجم: فرزانه اسکندریان

منبع: pymnts.com