揭开数据所有权的复杂性

企业正在进行数字转型,因为他们继续探索通过连接技术提供的新机会。但是,它们也越来越依赖数据和 由数据收集和分析驱动。敏感数据的风险正在扩展,导致与必须解开的数据权限和隐私有关的多个问题。数据推动创新的事实是不可否认的,创新者需要来自广泛来源的非常大量的数据,以推动电力学习和AI等新兴技术的信封。

在这个数字时代,普遍收集数据。每次在线互动时都会收集个人数据,通过车辆和房屋中的所有移动设备,以及我们在日常利用的各种公共和私营部门服务中使用移动设备。由于这一点,数据所有权不再被视为利基问题。企业在意识到数据所有权正在获得战略重要性。

什么是数据所有权?

数据所有权归结为如何创建数据并创建它。但是,获得数据所有权的精确定义并不直接,术语本身通常是误导性的。这一事实植根于“的基本概念”所有权',这可以被解释为有法律所有权和全部产权。通过该定义,数据所有权必须意味着一个或多个数据章程的合法标题。实际上,虽然数据的实际“所有者”负责整个域,但通常是不同的人,他们确保所有细节都准确和更新。

谁实际拥有数据?

是否是与个人数据相关的物理人员,或者是在收集,存储,处理和分析中投入金钱和时间的组织。在企业环境中,“所有权”一词通常为特定数据集分配级别的问责制和责任。在这种情况下,“所有权”禁止没有法律内涵,但指的是其他概念,可以保证数据安全和数据质量。从更合法的角度来看,目前有限的权利目前仅限于商业秘密和知识产权。但是,它们都不提供足够的保护(所有权)数据保护。

大多数法律专业人员都认为数据受试者应保留他们提供的原始数据的所有权,而数据处理器保留了通过操纵原始数据获得的“构造数据”的所有权,并且不能反向设计推断原始数据。数据本身的属性使所有权成为一个艰巨的主张。知道这一点,调节器已经选择了对使用数据的使用而不是将数据标记为个人的属性来制定简单的限制。

机器学习如何影响数据所有权?

从alexa和Siri等语音助理到自动驾驶汽车,这是一个秘密,即人工智能在过去几年中满是完整的圈子 - 主要是由于大量数据和处理信息和火车机器学习系统所需的计算进步。但是,即使我们在这些技术进步上扰乱了数据的推动,我们就无法考虑数据所有权如何影响隐私,以及机器学习计划。

这不是数据所有权慢慢被数据民主化扩展巩固的秘密。矛盾的是,数据的民主化与机器学习应用的持续迭代和开发混乱了数据所有权的概念。企业从利用消费者数据的机器学习驱动的模型中获得了宝贵的见解。从数据所有权角度来看,麻烦源于与机会的完全一致。

因此,机器学习技术的创造者应决心将实施数据保护原则的组织和技术措施集成到基于AI的工具的设计中。此外,当涉及数据所有权和人工智能时,法律从业者应持续存在于可能存在某些数据方面的完全权限的现实。在AI的背景下,礼物权利可能无法保护数据本身,而是其汇编,这可能包括有关AI“产品”的数据库权限和版权。

企业内的数据治理

数据治理是指企业中使用的数据的完整性,可用性,安全性和可用性的一般管理。无与伦比的来源和数据量的上升都征用了企业增强的数据管理实践。质量,治理数据对于有效和令人兴奋的决策至关重要。保证法律,监管和财务合规是必不可少的。 建立成功数据治理过程的第一步是明确定义企业级集成的数据。这为谁完成了数据的完整审计跟踪,为谁提供了数据,使组织更简单地追踪/哪里出现问题。数据管制应作为治理过程的一部分任命,监督整个框架。

数据隐私法规等CCPA和GDPR等有必要增加了企业范围的监管合规性。一个良好的数据治理框架有助于监管合规的几个方面,赋予业务权力,易于分类数据并进行流程映射和风险分析。

作者:Gabriel Lando