Форум ''Интернет и Право''
28 Марта 2024, 15:58:22 *
Добро пожаловать, Гость. Пожалуйста, войдите или зарегистрируйтесь.

Войти
Новости: Форум "Интернет и Право" прекратил свою работу с 01 января 2013 г.
 
   Начало   Помощь Поиск Войти Регистрация  
В закладки:
Страниц: [1]   Вниз
  Печать  
Автор Тема: Использование перс.данных в конкурентной разведке  (Прочитано 2458 раз)
Urix
Гость


E-mail
« : 09 Апреля 2007, 14:55:10 »

Доклад был сделан на РИФ-2007 06 апреля 2007 года
==================================
ИСПОЛЬЗОВАНИЕ ПЕРСОНАЛЬНЫХ ДАННЫХ В КОНКУРЕНТНОЙ РАЗВЕДКЕ

Конкурентная разведка - легитимная разновидность экономической разведки. Цель конкурентной разведки - выигрыш в конкурентной борьбе . Предмет труда конкурентной разведки - информация из открытых источников. Способ производства конкурентной разведки - сбор и анализ информации, необходимые для синтеза правильной стратегии поведения.

Экономика невозможна без рынка, а рынок невозможен без конкурентной борьбы. Если есть борьба, то что является предметом спора? Ответ - ресурсы. Под ресурсами следует понимать все - финансовые, сырьевые, технологические, производственные, энергетические, интеллектуальные, информационные и т.д. Потребители тоже являются ресурсом за который также идет конкурентная борьба.

Любая борьба, будь то "горячая" или "холодная" война, местный, локальный конфликт, противостояние, судебная тяжба, спор, конкуренция, - это всегда расходование ресурсов, которые надо восполнять. Есть три пути восполнения ресурсов - естественное накопление самовоспроизводящихся ресурсов (сельское хозяйство, население), освоение ещё ни кем не используемых ресурсов (научные исследования, добыча полезных ископаемых) и приобретение ресурсов у других владельцев (торговля, судебные споры, войны). Суммарный объем ресурсов в любой момент времени всегда конечен. Нельзя получить ресурсов больше, чем имеется в Природе. Ресурсы сами по себе не становятся доступными, поэтому приходится заниматься поиском (разведкой) мест нахождения ресурсов и способов их использования. А поскольку речь идет о деятельности в правовом поле, то и появляются два легальных вида разведки ресурсов - научные исследования, включающие разведку месторождений полезных ископаемых, и конкурентная разведка.

Научные исследования и разведка месторождений - это толерантные по отношению к другим участникам рынка формы разведки ресурсов. Научные исследования можно рассматривать как разведку новых интеллектуальных ресурсов. На начальных стадиях формирования рынка, когда ресурсов много и/или доступ к ним не ограничен, антагонизма в отношениях между участниками рынка практически нет. На этом этапе цель участников рынка получить доступ к возможно большему числу свободных ресурсов. А доступ невозможно обеспечить, не разведав мест нахождения этих ресурсов (разведка месторождений) и способов получения доступа к этим ресурсам (научные исследования).

Конкурентная разведка - это агрессивная форма разведки ресурсов, поскольку порождается антагонизмом в отношениях между участниками рынка за обладание ресурсами в условиях их конечности, ограниченности. Например, до последней четверти XIX века нефтедобыча велась из приповерхностных месторождений. Нефть, керосин и другие продукты нефтеперегонки продавались в аптеках бутылками. Нефти было много, жидкие энергоносители использовались мало, рынок был безбрежен. С появлением автомбилей, самолетов, тепловых электростанций и химических производств существенно возросло потребление жидких энергоносителей и стала проявляться конечность, ограниченность этих сырьевых ресурсов. Началась разведка и разработка месторождений глубокого залегания, в том числе и на шельфах морей и океанов.  Конкуренция за обладание месторождениями или за участие в разработке месторождений возросла так, что уже стала приводить к конфликтам иногда переходящих даже в открытую, военную форму. А роль разведки, помогающей одержать победу в любом конфликте, неоценима.

Для формального описания и исследования конкурентной борьбы применяют хорошо разработанный аппарат математических игр. Результатом решения математической игры всегда будет стратегия поведения игроков в сложившейся игровой ситуации. Поскольку нас интересует роль и место персональных данных в конкурентной разведке, то мы остановимся только на качественном анализе. Для упрощения будем полагать, что мы имеем дело с антагонистической линейной игрой двух лиц с полной информацией. Для антагонистической игры суммарный выигрыш обоих игроков на любом этапе игры всегда равен нулю, поэтому именно антагонистическая игра предназначена для описания конкурентной борьбы в условиях ограниченности ресурсов и цель игры в этом случае будет заключаться в перераспределении имеющихся в наличии ресурсов между игроками. Нелинейным, а также дискретным характером игры для качественного анализа можно пренебречь.

Не смотря на то, что в реальной жизни каждый игрок сам ищет для себя стратегию своего поведения на основе доступной ему неполной информации, будем рассматривать игру с полной информацией, поскольку нас интересуют общие для обоих игроков последствия добывания с помощью конкурентной разведки персональных данных и их использование для выработки стратегии поведения игроков.

Решение линейной игры может быть сведено к решению задачи линейного программирования, для чего по имеющейся об игре информации составляется целевая функция и система ограничивающих неравенств. Задача - найти множество значений переменных, для которого целевая функция будет иметь максимальное значение с учетом заданных ограничений. Для решения задачи линейного программирования обычно применяется симплекс-метод. Утрированно, идея симплекс-метода состоит в преобразовании системы ограничивающих неравенств в систему линейных уравнений, для чего вводятся дополнительные переменные в таком количестве, чтобы число уравнений стало равным общему числу переменных. Каждую переменную можно связать с неким ресурсом. Области , содержащие дополнительные переменные симплекс-метода, закрасим серым цветом.

Поскольку формализация задачи линейного программирования проводится на основе полной информации, то "серая" область - это область ресурсов, информация о которых заранее не известна. Рассмотрим примеры, чтобы понять смысл этой неизвестной информации из "серой" области.
1. Пусть нефтеразведочная партия одного из игроков откроет новое месторождение нефти. На текущем шаге игры этот ресурс неизвестен, поэтому его влияние на выработку стратегии поведения игроков должно быть нулевым. В реальной жизни новые месторождения не открывают по желанию каждый день. Неоткрытые месторождения не введены в оборот и лежат вне правового поля в "серой" области.
2. Пусть произойдет стихийное бедствие и будет потеряна часть ресурсов. Опять-таки, эта информация заренее не известна и ее влияние на исход игры должно быть сведено к нулю. Но, если учитывать заранее неизвестные потери, то тогда лучше вообще не играть в игру под назвнием "бизнес". Заранее неизвестные потери еще не введены в оборот и лежат вне правового поля в "серой" области.
3. Пусть ГосДума примет новый закон, вводящий дополнительное регулирование отношений между участниками рынка. Ранее эта информация не была известна, лежит вне правового поля и поэтому должна быть учтена в "серой" области.
4. Пусть некий чиновник, влияющий на перераспределение ресурсов, берет взятки. До тех пор, пока эта информация не легализована, соответствующая этому ресурсу переменная находится в "серой" области. После приговора суда информация получает статус легальной, соответствующая ей переменная переходит в "белую" область с нулевыми коэффициентами, поскольку отбывающий наказание чиновник уже не может повлиять на конкурентную борьбу, а значит, не может повлиять на решение системы уравнений и на исход игры.

Поскольку мы рассматриваем игру с полной информацией, то при составлении целевой функции и системы неравенств учитывается только та информация, которая лежит в пределах правового поля. Остальная информация лежит в "серой" области и довлеет к криминалу. Вернее, содержит в себе криминал в качестве составной своей части. Надо отметить, что выход из правового поля совсем не означает обязательный переход ресурса в криминальную область. Существуют стихийные бедствия, научные открытия, открытия месторождений, введение новых законов и т.д. Отделить криминал от некриминала в "серой" области нельзя, поскольку для этого нужна дополнительная информация, которая сразу же переводит переменную из "серой" области в "белую", а значит переводит ресурс в правовое поле. Миграцию ресурсов на примере с чиновником мы уже рассмотрели.

Теперь остается определить роль и место персональных данных в конкурентной разведке. Всю информацию, имеющую отношение к конкретным лицам, будет считать персональными данными. Рассмотрим примеры.
1. Легализация персональной информации о своей сексуальной ориентации позволила Борису Моисееву добиться успеха в эстрадном бизнесе. Перевод самим лицом своих персональных данных в "белую" область способствует успеху.
2. Отсутствие информации об оплате чиновником аренды государственного имущества в личных целях свидетельствует об отсутствии в его сознании различия между государственным и личным карманом. Эта информация находится в "серой" области, потенциально опасна и может быть использована злоумышленниками для воздействия на этого чиновника. Освещение же журналистами факта оплаты аренды автоматически переводит информацию в "белую" область и нейтрализует угрозу.
3. Легализация информации в передаче Глеба Пьяных "Программа Максимум" о кражах дорогих автомобилей сотрудниками ОВД "Марьинский парк" показала, что располагать свой бизнес на подконтрольной этому ОВД территории нельзя, поскольку конкретные лица в милиции, прокуратуре и суде своей бездеятельностью подстрекают криминализированных сотрудников к совершению преступлений. Перевод этих данных в "белую" область позволяет существенно снизить потери от размещения бизнеса на этой территории.
4. Персональные данные о судимостях или о недееспособности позволют не допускать в органы власти преступников или людей неадекватных. Перевод этих данных в "белую" область позволяет минимизировать ущерб от деятельности этих лиц.
5. Персональные данные о конкретном потребителе практически никак не сказываются на его покупательной способности. Потребителей на рынке много, поэтому всегда рассматривается некий среднестатистический потребитель, у которого по определению нет персональных данных, которые всегда находятся в "белой" области с нулевыми коэффициентами.

Таким образом, персональные данные, находящиеся в "белой" области, т.е. в области правового поля, практически не влияют на исход игры, а значит их добывание теряет смысл. Персональные данные теряют свое значение для конкурентной разведки, поскольку на добывание ненужной информации тратятся ресурсы. Использование же персональных данных, которые находятся в "серой" области, как правило носит криминальный характер и обычно применяется либо для дачи взяток должностным лицам, либо для давления на других участников конкурентной борьбы путем угроз, что уже квалифицируется уголовным кодексом как вымогательство.

Учитывая описанный выше качественный критерий оценки легальности информации становится понятно, что ФЗ "О персональных данных" направлен не на преодоление угроз от опубликования персональных данных, а на дальнейшую криминализацию экономических отношений, поскольку переводит персональные данные в "серую" область в безусловном порядке. Персональные данные должны быть максимально открыты и доступны всем, но при этом надо запрещать использование персональных данных не по прямому назначению и ужесточать ответственность за нарушение этого запрета. Использование персональных данных из открытых источников для совершения преступления должно автоматически влечь за собой доказательство субъективной составляющей преступления - знал и желал.

Вывод: использование персональных данных в конкурентной разведке лишает ее легитимности и переводит в разряд нелегальной деятельности.
« Последнее редактирование: 20 Апреля 2007, 17:55:07 от Urix » Записан
Страниц: [1]   Вверх
  Печать  
 
Перейти в:  

Яндекс цитирования © Антон Серго, 1998-2012. Правовая информация.
Карта сайта "Интернет и Право" (internet-law.ru).

На правах рекламы:

Произвольная ссылка:







Powered by SMF 1.1.21 | SMF © 2011, Simple Machines