डेटा लाभांश: तुमच्या डेटासाठी पैसे दिले जात आहेत का?

• लेखक बद्दल:
• लेखक नाव

  Quantumrun दूरदृष्टी
• 22 ऑगस्ट 2022

अंतर्दृष्टी सारांश

डेटा लाभांश योजना, जिथे कंपन्या वापरकर्त्यांना त्यांच्या डेटासाठी पैसे देतात, गोपनीयता अधिकार आणि वैयक्तिक माहितीच्या वास्तविक मूल्याबद्दल प्रश्न उपस्थित करतात. गोपनीयतेसाठी देय देण्यासारखे हे कार्यक्रम आर्थिक असमानता वाढवू शकतात आणि कमी उत्पन्न असलेल्या व्यक्तींशी अन्यायकारक वागू शकतात, तसेच कंपन्या आणि सरकार वैयक्तिक डेटा कसे हाताळतात हे देखील बदलू शकतात. डेटाला मूल्य नियुक्त करण्याची जटिलता आणि ग्राहक हक्क, मार्केट डायनॅमिक्स आणि डेटा सुरक्षा उपायांसाठी परिणाम या योजना प्रभावीपणे लागू करण्यात महत्त्वपूर्ण आव्हाने आहेत.

डेटा लाभांश संदर्भ

डेटा लाभांश योजना ही एक पॉलिसी आहे जिथे कंपन्या वापरकर्त्यांना त्यांच्या डेटामधून व्युत्पन्न केलेल्या कमाईच्या वाट्यासाठी पैसे देतात. ही व्यवस्था व्यक्तींसाठी फायदेशीर वाटत असली तरी, त्याचे दीर्घकालीन प्रतिकूल परिणाम होऊ शकतात. जरी असे दिसते की वापरकर्त्यांना त्यांच्या डेटासाठी पैसे दिल्याने ग्राहकांना शक्ती परत मिळेल, तरीही डेटा लाभांशाची वाटाघाटी, गणना किंवा पैसे कसे दिले जातील हे अद्याप स्पष्ट नाही.

याव्यतिरिक्त, काही तज्ञांना वाटते की डेटा मुद्रीकरण हा संदेश पाठवू शकतो की डेटा गोपनीयता ही हक्काऐवजी एक कमोडिटी आहे. पुढे, देशांना प्रथमतः व्यक्तींच्या माहितीवर कर आणि दंड लादून त्यांच्या नागरिकांच्या डेटाचे शोषण करण्यास प्रोत्साहन दिले जाऊ शकते. 

डेटा डिव्हिडंडच्या व्यवहार्यतेभोवती तीन केंद्रीय प्रश्न आहेत. प्रथम वापरकर्त्यांना त्यांच्या गोपनीयतेसाठी किती पैसे दिले जातात हे कोण ठरवते. हे सरकार आहे की डेटा वापरून कमावणाऱ्या कंपन्या आहेत? दुसरे म्हणजे, कंपन्यांसाठी डेटा कशामुळे मौल्यवान बनतो? माहितीचे कमाई करण्याचे अनेक मार्ग आहेत ज्यामुळे वापरकर्त्यांना त्यासाठी कधी आणि किती वेळा पैसे द्यावे हे ठरवणे अवघड होते.

याव्यतिरिक्त, कोट्यवधी कमाई करणाऱ्या मोठ्या टेक कंपन्यांसाठी देखील, प्रति वापरकर्ता महसूल तुलनेने कमी आहे. Facebook साठी, जागतिक स्तरावर प्रति वापरकर्ता सरासरी कमाई तिमाहीत USD $7 आहे. शेवटी, डेटा लाभांशातून सरासरी वापरकर्त्याला काय फायदा होतो आणि ते काय गमावतात? वापरकर्त्यांसाठी काही वैयक्तिक माहिती उघड करणे खूप महाग आहे (आणि लीक झाल्यावर अत्यंत धोकादायक, जसे की वैद्यकीय डेटा) तरीही केवळ कमी बाजारभावांवर नियंत्रण ठेवू शकते.

व्यत्यय आणणारा प्रभाव

गोपनीयतेसाठी देय डेटा कमोडिफिकेशनच्या संभाव्य उप-उत्पादनांपैकी एक आहे. उदाहरणार्थ, दूरसंचार कंपनी AT&T अधिक लक्ष्यित जाहिराती पाहण्याच्या बदल्यात ग्राहकांना सवलत देते. या योजना कंपन्यांना सवलत किंवा इतर फायद्यांच्या बदल्यात वापरकर्त्याचा डेटा गोळा करण्याची परवानगी देतात. काही लोकांना आवाहन करताना, काही गोपनीयता विश्लेषकांचा असा युक्तिवाद आहे की या योजना धोकादायक आणि अन्यायकारक आहेत.

ते त्यांच्या डेटा आणि गोपनीयतेचे रक्षण करण्यासाठी आर्थिक साधन नसलेल्यांना लक्ष्य करतात. प्रत्येकाचे संरक्षण करणारे नियम लागू करण्याऐवजी, हे कार्यक्रम कमी उत्पन्न असलेल्या लोकांना (विशेषत: विकसनशील देशांमध्ये) जवळजवळ द्वितीय श्रेणीतील नागरिकांप्रमाणे वागवतात.

डेटा गोपनीयतेचे समर्थक सुचवतात की ग्राहकांना त्यांच्या डेटासाठी पैसे देण्याऐवजी, त्यांना त्यांच्या वैयक्तिक माहितीवर वास्तविक नियंत्रण ठेवण्यास शिकवले पाहिजे. "डिफॉल्ट म्हणून गोपनीयतेसाठी" कायद्यांना प्राधान्य दिले पाहिजे, जेथे कंपन्या नेहमी माहिती वापरण्यापूर्वी संमती मागतात आणि केवळ ग्राहकांच्या गरजा पूर्ण करण्यासाठी डेटा वापरू शकतात. काही धोरणकर्ते पुढे असा युक्तिवाद करतात की डेटाचे स्वरूप त्याला किंमत देण्यास खूप गुंतागुंतीचे आहे.

केवळ जागतिक डेटा एकमेकांशी जोडलेला नाही आणि उद्योगांमध्ये पसरलेला आहे, परंतु सर्व कंपन्यांकडे वाजवी डेटा लाभांश कार्यक्रम लागू करण्यासाठी संसाधने नाहीत. उदाहरणार्थ, आरोग्यसेवा आणि वित्तीय सेवा उद्योग डेटा व्यवस्थापन आणि स्टोरेजच्या बाबतीत अधिक परिपक्व आणि अनुरूप आहेत, परंतु लहान आणि मध्यम उद्योगांमध्ये समान क्षमता किंवा एक्सपोजर नाही. प्रमाणबद्ध स्टॉक डिव्हिडंडच्या विपरीत, डेटा ही एक विकसित होणारी संकल्पना आहे जी कदाचित कधीही पूर्णपणे परिभाषित केली जाणार नाही, एक मूल्य नियुक्त करू द्या.

डेटा लाभांशांचे परिणाम

डेटा लाभांशाच्या विस्तृत परिणामांमध्ये हे समाविष्ट असू शकते: 

• डेटा युनियन कायदेशीर, राजकीय किंवा तांत्रिक घटक म्हणून डेटा लाभांश स्थापित करण्यासाठी उदयास येत आहेत, ज्यामुळे ग्राहकांच्या डेटा अधिकारांसाठी मजबूत सामूहिक सौदेबाजी होते.
• विविध उद्योगांमध्ये गोपनीयतेसाठी पे-फॉर-प्रायव्हसी मॉडेल्सचा उदय, जिथे कंपन्या वैयक्तिक माहितीसाठी प्रोत्साहन देतात.
• डेटा डिव्हिडंड फ्रेमवर्क तयार करण्यासाठी सरकार आणि तंत्रज्ञान कंपन्यांमधील सहयोग, शक्यतो सहभागींसाठी कर परिणामांचा परिचय करून देणे.
• वैयक्तिक डेटाच्या कमोडिफिकेशनला विरोध करणाऱ्या नागरी हक्क संस्था, अनैच्छिक डेटा विक्रीपासून ग्राहक हक्कांच्या संरक्षणावर भर देतात.
• कंपन्यांद्वारे डेटा हाताळणीमध्ये वाढीव पारदर्शकता, डेटा डिव्हिडंडद्वारे प्रेरित, वाढीव जबाबदारी आणि ग्राहकांचा विश्वास वाढवणे.
• डेटा लाभांश योजनांद्वारे व्यवसायांना अधिक सूक्ष्म ग्राहक डेटामध्ये प्रवेश मिळत असल्याने वैयक्तिकृत विपणन धोरणांमध्ये वाढ.
• श्रमिक बाजारपेठेत डेटा व्यवस्थापन आणि गोपनीयता भूमिकांकडे वळणे, डेटा लाभांश प्रणाली लागू करण्याच्या गुंतागुंतांना प्रतिसाद देणे.
• पॉवर डायनॅमिक्समध्ये लक्षणीय बदल, ग्राहकांना त्यांच्या डेटावर आणि डिजिटल मार्केटप्लेसमधील त्याच्या आर्थिक मूल्यावर अधिक नियंत्रण मिळते.
• डिजीटल डिव्हाइड आणि डेटा ऍक्सेस असमानतेच्या चिंतेचे निराकरण करण्यासाठी, समान डेटा लाभांश वितरण सुनिश्चित करण्यासाठी नवीन कायदेशीर उपायांसाठी संभाव्य.
• डेटा डिव्हिडंड मॉडेल्सच्या अंतर्गत आता मौद्रिकदृष्ट्या मूल्यवान ग्राहक डेटाचे संरक्षण करण्याच्या गरजेमुळे कंपन्यांद्वारे डेटा सुरक्षा उपायांमध्ये वाढ.

विचारात घेण्यासारखे प्रश्न

• तुम्हाला तुमच्या डेटासाठी लाभांश प्राप्त करण्यात स्वारस्य आहे का?
• ग्राहक त्यांचा डेटा कसा सामायिक करतात यावर डेटा लाभांश कसा परिणाम करू शकतो असे तुम्हाला वाटते?