Карл Маркс и большие данные

Как знание о бездушном предмете или процессе позволяет угадывать его дальнейшие изменения и развитие, так и простое знание индивида позволяет предугадывать и управлять его поведением. «Алгоритмы знают вас лучше, чем вы знаете сами себя», — говорит Ксавье Аматриэн, бывший специалист по сбору данных в Netflix. Знание модели человеческого поведения, сильных и слабых сторон индивида, о которых он сам, вероятно, и не догадывается, дает возможность не только высвободить его скрытый потенциал, рационализировать и улучшить его жизнь, но и открывает обратные возможности — незаметно для него самого манипулировать человеком, заставлять делать вещи, противоречащие его интересам, зарабатывать меньше, тратя на работу больше времени, провоцировать на покупку зачастую не нужных ему товаров и так далее.

Большие данные позволяют предсказывать поведение людей лучше, чем когда-либо. Взрослый человек, обладающий богатым жизненным опытом (и гораздо большими, чем у детей, данными в голове), может легко предугадывать поведение ребенка, направлять и учить его, или же без труда обмануть, обидеть. В новую эпоху мы, взрослые люди, не владеющие большими данными о нас и о социуме, ежедневно получаемые агрегаторами крупных корпораций и государств, по сути становимся для них такими же управляемыми детьми.

Современные компьютерные игры, социальные сети, мобильные приложения, контекстная реклама — все это использует большие данные для извлечения из человека максимальной прибыли, заставляя его уделять больше времени их продукту. Владельцы больших данных и ресурсов для их обработки используют их возможности самостоятельно, другие вынуждены покупать результаты обработки у корпораций вроде Google или Facebook и платить маркетинговым или информационным компаниям за их внедрение.

Часто приводимым примером ценовой дискриминации является использование больших данных в крупных казино. Изучая особенности своих клиентов на основе анализа больших данных, владельцы казино знают, когда вовремя вывести игрока из игры (например, предложением бесплатного обеда), чтобы он не проиграл слишком много своих денег и вернулся в казино опять, в сумме принеся заведению еще большую прибыль, оставаясь при этом его постоянным клиентом²⁶. Вышедший в 2014 году на Всемирном форуме, посвященном приватности, доклад²⁷ описывает то, как компании, собирая большие данные о поведении американцев, в результате их обработки формируют потребительские профили, позволяющие понять, сколько каждый конкретный гражданин готов заплатить за тот или иной товар, характеристику его покупательной способности — извлекать из каждого человека максимальную прибыль, используя созданные им же самим данные.

Другим примером применения больших данных в погоне за прибылью является их использование при составлении расписания работников. Основанный на статистических моделях анализ данных, включающий множество факторов вроде исторических тенденций продаж, интересов клиентов, прогноза погоды, наличия товаров, дает возможность компаниям в режиме реального времени планировать деятельность своих сотрудников вплоть до минуты. Рабочие смены разбиты на пятнадцатиминутные блоки и пересматриваются каждый день, чтобы гарантировать достаточное количество работников для удовлетворения предполагаемого спроса. Корпорации усиливают эксплуатацию труда, сокращают часы, одновременно увеличивая интенсивность работы, выполняемой их сотрудниками^28,29. Как здесь не вспомнить Маркса, в свое время описавшего машину как «средство производства прибавочной стоимости»³⁰. Другими словами, в условиях капитализма достижение прогресса никоим образом не нацелено на уменьшение трудовых усилий рабочих, а напротив, ставит задачу оптимизации их эксплуатации. Маркс описывает эту функцию «системы машин» в тринадцатой главе «Капитала», где подразделил ее на три составляющих: присвоение капиталом добавочных рабочих сил, удлинение рабочего дня и интенсификация труда.