Ứng dụng Big Data trong hoạt động marketing

Nguồn tài nguyên giá trị nhất của thế giới bây giờ không còn là dầu mỏ, mà là kho dữ liệu số đang tăng lên với cấp độ lũy thừa mỗi ngày…

Big Data là một cơ hội rất lớn cho các doanh nghiệp làm kinh doanh, nhưng họ cần phải chú ý hơn đến cách nhìn nhận của mình về Big Data và công dụng, đặc biệt là bộ phận marketing.

Sự am hiểu và vận dụng về Big Data (dữ liệu lớn) của nhiều doanh nghiệp Việt còn ở giai đoạn chập chững, thậm chí là mơ hồ và không biết phải bắt đầu từ đâu.

Các đại biểu tại hội thảo “Ứng dụng Big Data trong hoạt động marketing của doanh nghiệp” do Trường Doanh nhân Pace tổ chức tại Hà Nội ngày 14/5 cho rằng, các doanh nghiệp ở Việt Nam cần nắm bắt cơ hội để tận hưởng những lợi ích của Big Data, bằng việc lập kế hoạch thực hiện các chiến lược marketing và nâng cao hiệu quả hoạt động thông qua việc phân tích sâu những dữ liệu lưu trữ khách hàng.

Chưa biết tận dụng lợi thế từ Big Data

Theo ông Trương Thanh Cường, thành viên Ban Chuyên môn của Pace, thông qua thu thập dữ liệu, một doanh nghiệp có thêm thông tin để nâng cấp sản phẩm của mình, thu hút thêm người dùng, từ đó lại có thêm dữ liệu và quy trình theo đó lặp lại, tăng tiến.

“Việc tiếp cận dữ liệu lớn cũng giúp các tập đoàn “phòng vệ” tốt hơn trước những đối thủ theo một cách riêng”, ông Cường nhấn mạnh. Vấn đề thật sự không nằm ở việc doanh nghiệp thu thập dữ liệu mà là doanh nghiệp dùng Big Data để làm gì.

Theo ông Cường, có bốn lợi ích mà Big Data có thể mang lại, đó là cắt giảm chi phí; giảm thời gian; tăng thời gian phát triển; và tối ưu hóa sản phẩm, đồng thời hỗ trợ con người đưa ra những quyết định đúng và hợp lý hơn.

Từ lượng dữ liệu khổng lồ mà các doanh nghiệp thu thập trong lúc khách hàng ghé thăm và tương tác với website của mình, thông qua đó, doanh nghiệp có thể nghiên cứu được sở thích, thói quen của khách hàng cũng gián tiếp giúp doanh nghiệp bán được nhiều hàng hóa hơn.

“Chỉ cần doanh nghiệp biết khai thác một cách có hiệu quả Big Data thì không chỉ giúp tăng lợi nhuận cho chính họ mà còn tăng trải nghiệm mua sắm của người dùng. Người dùng có thể tiết kiệm thời gian hơn nhờ những lời gợi ý so với việc phải tự mình tìm kiếm” ông Cường cho hay.

Big Data là một cơ hội rất lớn cho các doanh nghiệp làm kinh doanh, nhưng họ cần phải chú ý hơn đến cách nhìn nhận của mình về Big Data và công dụng, đặc biệt là bộ phận marketing. Tuy nhiên, mặt trái của Big Data là sự độc quyền của một số tập đoàn lớn như Google, Facebook, Amazon…

“Các dữ liệu về hành vi người dùng đang được khai thác triệt để nhằm tối ưu hóa lợi ích cho các tập đoàn. Nhưng liệu quyền riêng tư cá nhân có được đảm bảo hay mục đích thu thập dữ liệu chỉ phục vụ kinh doanh” ông Cường nêu rõ.

Cũng theo ông Trần Trí Dũng, Giám đốc Công ty cổ phần WMS, với lợi thế dân số trẻ, trên 90 triệu người, dân số sử dụng internet cao, Việt Nam được xem là thị trường Big Data tiềm năng hàng đầu châu Á và đang là đích ngắm của nhiều nhà cung cấp giải pháp Big Data như Microsoft, IBM, Oracle… Những mô hình kinh doanh mới dựa trên Big Data đang được hình thành để giúp các doanh nghiệp tận dụng dữ liệu.

Trong khi Google, Facebook hay Amazon đang làm giàu nhờ vào kho dữ liệu khổng lồ đã dày công thu thập mà vẫn cố gắng có thêm nhiều thông tin từ người dùng thì khả năng khai thác Big Data của các doanh nghiệp Việt đang kém so với nhiều nước.

“Phần lớn các doanh nghiệp sở hữu khối lượng dữ liệu Big Data hàng đầu Việt Nam chưa tư duy về dữ liệu” – ông Dũng nhấn mạnh “các doanh nghiệp Việt Nam chưa biết tận dụng lợi thế từ Big Data bởi chưa nhận thấy hết lợi ích mà nó mang lại”.

Bên cạnh đó, việc xử lý dữ liệu Big Data của nhiều doanh nghiệp còn lúng túng do thiếu nhân lực chuyên sâu về lĩnh vực này.

Đặt ra những mục tiêu rõ ràng

Để giúp chiến dịch marketing khai thác hiệu quả sức mạnh của Big Data, ông Trương Thanh Cường cho rằng, cần khuyến khích các công ty công nghệ có những đầu tư thích đáng để các doanh nghiệp về sáng tạo công nghệ có điều kiện phát triển, chủ động tham gia vào lĩnh vực Big Data.

Đồng thời, cần có chiến lược đào tạo nhân sự chất lượng cao cho lĩnh vực này để Việt Nam có thể trở thành một quốc gia làm chủ công nghệ Big Data và tận hưởng những lợi ích mà nó mang lại.

Để tận dụng tốt Big Data, “chiến dịch marketing phải tập trung tối đa vào những dự định và mục tiêu của mình, nghĩa là phải chọn lọc những thông tin đáng được quan tâm và chấp nhận bỏ qua những thông tin khác” ông Cường cho hay.

Tính kỷ luật là chìa khóa để khai thác sức mạnh của Big Data. Vì nếu không, doanh nghiệp sẽ bị quá tải bởi những số liệu có thể được tạo ra từ việc thu thập những thông tin không cần thiết. doanh nghiệp phải đặt ra những mục tiêu và cột mốc thời gian rõ ràng cho việc khai thác Big Data.

Nhờ xác định rõ mục tiêu cũng như thời gian thực hiện, doanh nghiệp mới có thể tập trung nguồn lực để hoàn thành mục tiêu đầu tiên, sau đó thực hiện riêng lẻ hoặc song song mục tiêu thứ hai là tăng trưởng khách hàng.

Đồng ý quan điểm trên, bà Nguyễn Thanh Bình, chuyên gia của Công ty Tư vấn quản lý OCD về marketing và quản trị chiến lược cho rằng, “việc thiết lập mục tiêu giúp doanh nghiệp dễ đạt được hiệu quả marketing theo từng giai đoạn như dự kiến và đảm bảo những kết quả đo lường thực sự kịp thời và có giá trị”.

Những mục tiêu này còn giúp doanh nghiệp xác định chính xác những dữ liệu cần thiết. doanh nghiệp phải tự tin khi sử dụng dữ liệu để đưa ra những quyết định marketing mang tính chiến lược.

Và để đánh giá chất lượng dữ liệu, doanh nghiệp phải dựa vào nguồn dữ liệu, thời điểm thu thập cũng như độ chính xác của chúng.

Nếu sử dụng những “dữ liệu rác” hoặc những dữ liệu chưa được phân tích, tổng hợp đầy đủ thì những kết quả hoặc dự báo đưa ra dựa trên những dữ liệu này sẽ không đáng tin cậy.

Big data và ứng dụng trong Marketing

Big Data là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi những công cụ, ứng dụng xử lí dữ liệu truyền thống không thể nào đảm đương được. Tuy nhiên, Big Data lại chứa trong mình rất nhiều thông tin quý giá mà nếu trích xuất thành công, nó sẽ giúp rất nhiều cho việc kinh doanh, nghiên cứu khoa học, dự đoán các dịch bệnh sắp phát sinh và thậm chí là cả việc xác định điều kiện giao thông theo thời gian thực. Chính vì thế, những dữ liệu này phải được thu thập, tổ chức, lưu trữ, tìm kiếm, chia sẻ theo một cách khác so với bình thường.

Trong bài này, mời các bạn cùng tìm hiểu về Big Data, các phương thức người ta dùng để khai thác nó và nó giúp ích như thế nào cho cuộc sống của chúng ta.

1. Định nghĩa Big Data

Như đã nói ở trên, Big Data (“dữ liệu lớn”) có là tập hợp dữ liệu có dung lượng vượt mức đảm đương của những ứng dụng và công cụ truyền thống. Kích cỡ của Big Data đang từng ngày tăng lên, và tính đến năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu mà thôi.

Vào năm 2001, nhà phân tích Doug Laney của hãng META Group (bây giờ chính là công ty nghiên cứu Gartner) đã nói rằng những thách thức và cơ hội nằm trong việc tăng trưởng dữ liệu có thể được mô tả bằng ba chiều: tăng về lượng (volume), tăng về vận tốc (velocity) và tăng về chủng loại (variety). Giờ đây, Gartner cùng với nhiều công ty và tổ chức khác trong lĩnh vực công nghệ thông tin tiếp tục sử dụng mô hình “3V” này để định nghĩa nên Big Data. Đến năm 2012, Gartner bổ sung thêm rằng Big Data ngoài ba tính chất trên thì còn phải “cần đến các dạng xử lí mới để giúp đỡ việc đưa ra quyết định, khám phá sâu vào sự vật/sự việc và tối ưu hóa các quy trình làm việc”.

Chúng ta có thể lấy các thí nghiệm của Máy gia tốc hạt lớn (LHC) ở Châu Âu làm ví dụ cho Big Data. Khi các thí nghiệm này được tiến hành, kết quả sẽ được ghi nhận bởi 150 triệu cảm biến với nhiệm vụ truyền tải dữ liệu khoảng 40 triệu lần mỗi giây. Kết quả là nếu như LHC ghi nhận hết kết quả từ mọi cảm biến thì luồng dữ liệu sẽ trở nên vô cùng lớn, có thể đạt đến 150 triệu petabyte mỗi năm, hoặc 500 exabyte mỗi ngày, cao hơn 200 lần so với tất cả các nguồn dữ liệu khác trên thế giới gộp loại.


Đây là kết quả mô phỏng của một vụ va chạm giữa các hạt sơ cấp trong máy gia tốc LHC, có rất rất nhiều thông tin cần phải ghi nhận trong mỗi vụ chạm như thế này

Trong mỗi giây như thế lại có đến khoảng 600 triệu vụ va chạm giữa các hạt vật chất diễn ra, nhưng sau khi chọn lọc lại từ khoảng 99,999% các luồng dữ liệu đó, chỉ có tầm 100 vụ va chạm là được các nhà khoa học quan tâm. Điều này có nghĩa là cơ quan chủ quản LHC phải tìm những biện pháp mới để quản lý và xử lí hết mớ dữ liệu khổng lồ này.

Một ví dụ khác, khi Sloan Digital Sky Sruver, một trạm quan sát vũ trụ đặt tại New Mexico, bắt đầu đi vào hoạt động hồi năm 2000, sau một vài tuần nó đã thu thập dữ liệu lớn hơn tổng lượng dữ liệu mà ngành thiên văn học đã từng thu thập trong quá khứ, khoảng 200GB mỗi đêm và hiện tổng dung lượng đã đạt đến hơn 140 terabyte. Đài quan sát LSST để thay thế cho SDSS dự kiến khánh thành trong năm 2016 thì sẽ thu thập lượng dữ liệu tương đương như trên nhưng chỉ trong vòng 5 ngày.

Hoặc như công tác giải mã di truyền của con người chẳng hạn. Trước đây công việc này mất đến 10 năm để xử lí, còn bây giờ người ta chỉ cần một tuần là đã hoàn thành. Còn Trung tâm giả lập khí hậu của NASA thì đang chứa 32 petabyte dữ liệu về quan trắc thời tiết và giả lập trong siêu máy tính của họ. Việc lưu trữ hình ảnh, văn bản và các nội dung đa phương tiện khác trên Wikipedia cũng như ghi nhận hành vi chỉnh sửa của người dùng cũng cấu thành một tập hợp Big Data lớn.


Hoạt động của người dùng Wikipedia được mô hình hóa và với kích thước hàng terabyte, đây cũng có thể được xem là một dạng Big Data

2. Vài thông tin về tình hình Big Data hiện nay

Theo tài liệu của Intel vào tháng 9/2013, hiện nay thế giới đang tạo ra 1 petabyte dữ liệu trong mỗi 11 giây và nó tương đương với một đoạn video HD dài 13 năm.

Bản thân các công ty, doanh nghiệp cũng đang sở hữu Big Data của riêng mình, chẳng hạn như trang bán hàng trực tuyến eBay thì sử dụng hai trung tâm dữ liệu với dung lượng lên đến 40 petabyte để chứa những truy vấn, tìm kiếm, đề xuất cho khách hàng cũng như thông tin về hàng hóa của mình.

Nhà bán lẻ online Amazon.com thì phải xử lí hàng triệu hoạt động mỗi ngày cũng như những yêu cầu từ khoảng nửa triệu đối tác bán hàng. Amazon sử dụng một hệ thống Linux và hồi năm 2005, họ từng sở hữu ba cơ sở dữ liệu Linux lớn nhất thế giới với dung lượng là 7,8TB, 18,5TB và 24,7TB.

Tương tự, Facebook cũng phải quản lí 50 tỉ bức ảnh từ người dùng tải lên, YouTube hay Google thì phải lưu lại hết các lượt truy vấn và video của người dùng cùng nhiều loại thông tin khác có liên quan.


(Ảnh minh họa)

Còn theo tập đoàn SAS, chúng ta có một vài số liệu thú vị về Big Data như sau:

Các hệ thống RFID (một dạng kết nối tầm gần, như kiểu NFC nhưng có tầm hoạt động xa hơn và cũng là thứ dùng trong thẻ mở cửa khách sạn) tạo ra lượng dữ liệu lớn hơn 1.000 lần so với mã vạc truyền thống

Chỉ trong vòng 4 giờ của ngày “Black Friday” năm 2012, cửa hàng Walmart đã phải xử lí hơn 10 triệu giao dịch tiền mặt, tức là khoản 5.000 giao diện mỗi giây.

Dịch vụ chuyển phát UPS nhận khoảng 39,5 triệu yêu cầu từ khách hàng của mình mỗi ngày

Dịch vụ thẻ VISA xử lí hơn 172.800.000 giao dịch thẻ chỉ trong vòng một ngày mà thôi

Trên Twitter có 500 triệu dòng tweet mới mỗi ngày, Facebook thì có 1,15 tỉ thành viên tạo ra một mớ khổng lồ dữ liệu văn bản, tập tin, video…

3. Công nghệ dùng trong Big Data

Big Data là nhu cầu đang tăng trưởng lớn đến nỗi Software AG, Oracle, IBM, Microsoft, SAP, EMC, HP và Dell đã chi hơn 15 tỉ USD cho các công ty chuyên về quản lí và phân tích dữ liệu. Năm 2010, ngành công nghiệp Big Data có giá trị hơn 100 tỉ USD và đang tăng nhanh với tốc độ 10% mỗi năm, nhanh gấp đôi so với tổng ngành phần mềm nói chung.


Một số công ty có tham gia vào lĩnh vực Big Data

Như đã nói ở trên, Big Data cần đến các kĩ thuật khai thác thông tin rất đặc biệt do tính chất khổng lồ và phức tạp của nó. Năm 2011, tập đoàn phân tích McKinsey đề xuất những công nghệ có thể dùng với Big Data bao gồm crowsourcing (tận dụng nguồn lực từ nhiều thiết bị điện toán trên toàn cầu để cùng nhau xử lí dữ liệu), các thuật toán về gen và di truyền, những biện pháp machine learning (ý chỉ các hệ thống có khả năng học hỏi từ dữ liệu, một nhánh của trí tuệ nhân tạo), xử lí ngôn ngữ tự nhiên (giống như Siri hay Google Voice Search, nhưng cao cấp hơn), xử lí tín hiệu, mô phỏng, phân tích chuỗi thời gian, mô hình hóa, kết hợp các server mạnh lại với nhau… Những kĩ thuật này rất phức tạp nên chúng ta không đi sâu nói về chúng.

Năm 2011, tập đoàn phân tích McKinsey đề xuất những công nghệ có thể dùng với Big Data bao gồm crowsourcing, các thuật toán về gen và di truyền, machine learning, xử lí ngôn ngữ tự nhiên, etc.

Ngoài ra, các cơ sở dữ liệu hỗ trợ xử lí dữ liệu song song, ứng dụng hoạt động dựa trên hoạt động tìm kiếm, file system dạng rời rạc, các hệ thống điện toán đám mây (bao gồm ứng dụng, nguồn lực tính toán cũng như không gian lưu trữ) và bản thân Internet cũng là những công cụ đắc lực phục vụ cho công tác nghiên cứu và trích xuất thông tin từ “dữ liệu lớn”. Hiện nay cũng có vài cơ sở dữ liệu theo dạng quan hệ (bảng) có khả năng chứa hàng petabyte dữ liệu, chúng cũng có thể tải, quản lí, sao lưu và tối ưu hóa cách sử dụng Big Data nữa.

Những người làm việc với Big Data thường cảm thấy khó chịu với các hệ thống lưu trữ dữ liệu vì tốc độ chậm, do đó họ thích những loại ổ lưu trữ nào có thể gắn trực tiếp vào máy tính (cũng như ổ cứng gắn trong máy tính của chúng ta vậy). Ổ đó có thể là SSD cho đến các đĩa SATA nằm trong một lưới lưu trữ cỡ lớn. Những người này nhìn vào ổ NAS hay hệ thống lưu trữ mạng SAN với góc nhìn rằng những thứ này quá phức tạp, đắt và chậm. Những tính chất nói trên không phù hợp cho hệ thống dùng để phân tích Big Data vốn nhắm đến hiệu năng cao, tận dụng hạ tầng thông dụng và chi phí thấp. Ngoài ra, việc phân tích Big Data cũng cần phải được áp dụng theo thời gian thực hoặc cận thời gian thực, thế nên độ trễ cần phải được loại bỏ bất kì khi nào và bất kì nơi nào có thể.

4. Big Data có thể giúp gì được cho marketing?

Tập đoàn SAS nói vấn đề thật sự không nằm ở việc bạn thu thập dữ liệu, thay vào đó, là bạn dùng Big Data để làm gì.

Nhìn chung, có bốn lợi ích mà Big Data có thể mang lại: cắt giảm chi phí, giảm thời gian, tăng thời gian phát triển và tối ưu hóa sản phẩm, đồng thời hỗ trợ con người đưa ra những quyết định đúng và hợp lý hơn.


(Ảnh minh họa)

Có 4 lợi ích mà Big Data có thể mang lại: cắt giảm chi phí, giảm thời gian, tăng thời gian phát triển và tối ưu hóa sản phẩm, đồng thời hỗ trợ con người đưa ra những quyết định đúng và hợp lý hơn.

Nếu để ý một chút, bạn sẽ thấy khi mua sắm online trên eBay, Amazon hoặc những trang tương tự, trang này cũng sẽ đưa ra những sản phẩm gợi ý tiếp theo cho bạn, ví dụ khi xem điện thoại, nó sẽ gợi ý cho bạn mua thêm ốp lưng, pin dự phòng; hoặc khi mua áo thun thì sẽ có thêm gợi ý quần jean, dây nịt… Do đó, nghiên cứu được sở thích, thói quen của khách hàng cũng gián tiếp giúp doanh nghiệp bán được nhiều hàng hóa hơn.

Vậy những thông tin về thói quen, sở thích này có được từ đâu? Chính là từ lượng dữ liệu khổng lồ mà các doanh nghiệp thu thập trong lúc khách hàng ghé thăm và tương tác với trang web của mình. Chỉ cần doanh nghiệp biết khai thác một cách có hiệu quả Big Data thì nó không chỉ giúp tăng lợi nhuận cho chính họ mà còn tăng trải nghiệm mua sắm của người dùng, chúng ta có thể tiết kiệm thời gian hơn nhờ những lời gợi ý so với việc phải tự mình tìm kiếm.

Người dùng cuối như mình và các bạn sẽ được hưởng lợi cũng từ việc tối ưu hóa như thế, chứ bản thân chúng ta thì khó mà tự mình phát triển hay mua các giải pháp để khai thác Big Data bởi giá thành của chúng quá đắt, có thể đến cả trăm nghìn đô. Ngoài ra, lượng dữ liệu mà chúng ta có được cũng khó có thể xem là “Big” nếu chỉ có vài Terabyte sinh ra trong một thời gian dài.

Chỉ cần doanh nghiệp biết khai thác một cách có hiệu quả Big Data thì nó không chỉ giúp tăng lợi nhuận mà còn tăng trải nghiệm mua sắm của người tiêu dùng.

Xa hơi một chút, ứng dụng được Big Data có thể giúp các tổ chức, chính phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp của tương lai để đầu tư cho những hạng mục đó, hoặc cắt giảm chi tiêu, kích thích tăng trưởng kinh tế, v/v… thậm chí là ra phương án phòng ngừa trước một dịch bệnh nào đó, giống như trong phim World War Z, nước Israel đã biết trước có dịch zombie nên đã nhanh chóng xây tường thành ngăn cách với thế giới bên ngoài.

Mà cũng không cần nói đến tương lai phim ảnh gì cả, vào năm 2009, Google đã sử dụng dữ liệu Big Data của mình để phân tích và dự đoán xu hướng ảnh hưởng, lan truyền của dịch cúm H1N1 đấy thôi. Dịch vụ này có tên là Google Flu Trends. Xu hướng mà Google rút ra từ những từ khóa tìm kiếm liên quan đến dịch H1N1 đã được chứng minh là rất sát với kết quả do hai hệ thống cảnh báo cúm độc lập Sentinel GP và HealthStat đưa ra. Dữ liệu của Flu Trends được cập nhật gần như theo thời gian thực và sau đó sẽ được đối chiếu với số liệu từ những trung tâm dịch bệnh ở nhiều nơi trên thế giới.


Đường màu xanh là dự đoán của Google Flu Trends dựa trên số từ khóa tìm kiếm liên quan đến các dịch cúm, màu vàng là dữ liệu do cơ quan phòng chống dịch của Mỹ đưa ra.

Còn theo Oracle, việc phân tích Big Data và những dữ liệu dung lượng lớn đã giúp các tổ chức kiếm được 10,66$ cho mỗi 1$ chi phí phân tích, tức là gấp 10 lần! Một trường học ở một quận lớn tại Mỹ cũng có được sự tăng trưởng doanh thulà 8 triệu USD mỗi năm, còn một công ty tài chính ẩn danh khác thì tăng 1000% lợi nhuận trên tổng số tiền đầu tư của mình trong vòng 3 năm.

5. Chỉ trích đối với Big Data

Có hai hướng chỉ trích chính đối với Big Data, một là về cách mà người ta sử dụng Big Data, cái còn lại thì liên quan đến việc tiến hành lấy thông tin từ Big Data mà thế giới đang làm.

A. Chỉ trích về Big Data

Chris Anderson, một nhà khởi nghiệp và cũng là một người viết sách, cho rằng việc sử dụng Big Data luôn cần phải được ngữ cảnh hóa trong các bối cảnh về xã hội, kinh tế và chính trị. Ví dụ, ngay cả khi các công ty đã đầu tư hàng tỉ USD vào Big Data và lấy được thông tin về nhiều thứ nhưng chỉ có ít hơn 40% nhân viên thật sự có thể hiểu và tận dụng các thông tin này. Điều đó làm giảm hiệu quả của Big Data đi nhiều so với lúc đầu, dẫn đến lãng phí tài nguyên.

Ngoài ra, còn có chỉ trích rằng Big Data chỉ có thể miêu tả thế giới trong quá khứ bởi nó dựa trên các dữ liệu đã sinh ra từ trước, và nếu tốt lắm thì chỉ miêu tả được trong hiện thực. Việc sử dụng Big Data để nói về tương lai thì cần phải kết hợp thêm với các phương pháp mô hình, mô phỏng hay nghiên cứu về sự chuyển động của thế giới thì mới đưa ra dự đoán chính xác được.

Bên cạnh đó, người ta còn lo lắng về vấn đề quyền riêng tư của người dùng. Việc thu thập Big Data có thể sẽ đi kèm thông tin có khả năng định dạng người dùng mà không được sự đồng ý của họ, và điều đó vi phạm luật ở một số quốc gia. Nhiều chuyên gia từ nhiều lĩnh vực khác nhau hiện đang thúc đẩy việc bảo vệ quyền riêng tư khi sử dụng Big Data.

B. Chỉ trích về việc lấy thông tin từ Big Data

Nhà nghiên cứu Danah Boyd đã đưa ra quan ngại của mình rằng việc sử dụng Big Data trong việc chọn mẫu thống kê có thể gây ra sự chủ quan, và dù ít hay nhiều thì nó cũng có thể ảnh hưởn đến kết quả cuối cùng. Việc khai thác dữ liệu từ một số nguồn là Big Data, trong khi những nguồn khác không phải là “dữ liệu lớn” thì đặt ra những thách thức khi phân tích dữ liệu.

6. Tương lai của Big Data

Erik Swan, đồng sáng lập kiêm giám đốc công nghệ của công ty Spunk, dự đoán rằng sự thay đổi nhất trong Big Data chính là thái độ của mọi người đối với nó. Việc tiêu thụ một lượng dữ liệu lớn sẽ dần phổ biến hơn với mọi người, từ những người nông dân cho đến các anh kĩ sư. Mọi người sẽ mặc định sử dụng dữ liệu để phân tích mọi thứ trong vòng 10 năm tới. Tất nhiên là kĩ thuật và công nghệ cũng cần phải phát triển theo thì điều này mới có thể trở thành hiện thực.

Còn theo Ankur Jain, nhà sáng lập và CEO của Humin, ngữ cảnh phát sinh ra dữ liệu sẽ trở nên quan trọng hơn. “Chúng ta sẽ bắt đầu định tuyến dữ liệu vào các đối tượng, sự vật, sự việc trong đời thực và chuyện đó giúp chúng ta xử lí công việc tốt hơn”.

Trong khi đó, Daniel Kaufman, giám đốc đổi mới về thông tin của cơ quan nghiên cứu thuộc Bộ quốc phòng Mỹ thì cho rằng dữ liệu sinh học sẽ ngày càng được quan tâm hơn, và rồi người ta sẽ dùng dữ liệu này để đưa ra những lời khuyên có ảnh hưởng lớn đến lối sống và cuộc đời của con người. Ví dụ, bạn có nên thêm một dĩa cơm tấm sườn nữa không, hay là nên ăn thêm một dĩa cơm gà? Bộ quốc phòng Mỹ muốn sử dụng kiểu suy nghĩ như thế (thay cơm bằng pizza nhé) để áp dụng cho binh lính của mình và hiện họ đang thử nghiệm trên chuột.

Giám đốc Swan còn suy nghĩ thêm rằng các công ty chuyên cung cấp giải pháp Big Data sẽ không còn bán dữ liệu và phân tích cho từng doanh nghiệp hay công ty riêng lẻ để phục vụ cho những mục đích quá chuyên biệt. Thay vào đó, họ sẽ mở rộng nó và áp dụng Big Data nhằm giải quyết những vấn đề trong đời thường và trả lời cho các nhu cầu cơ bản của con người. Đó sẽ là sự thay đổi về tính ứng dụng của Big Data.

Lượng dữ liệu khổng lồ từ “Internet of Things” có thể cho các nhà nghiên cứu biết được hành vi tiêu dùng của khách hàng, từ đó tinh chỉnh những thiết bị cho phù hợp hơn, bắt chúng phục vụ đời sống hằng ngày của chúng ta một cách hiệu quả hơn.

Trong tương lai, chúng ta sẽ còn tiếp tục chứng kiến sự tăng trưởng của Big Data. Hiện nay có thể bạn cũng đã nghe đến khái niệm Internet of Things, tức là mang Internet đến với mọi thứ trong đời sống hằng ngày. Dữ liệu từ Internet of Things thực chất cũng là được thu thập từ một mạng lưới rất nhiều các cảm biến và thiết bị điện tử, và nó cũng là một trong những nguồn của Big Data. Lượng dữ liệu khổng lồ này có thể cho các nhà nghiên cứu biết được hành vi tiêu dùng của khách hàng, từ đó tinh chỉnh những thiết bị Internet of Things cho phù hợp hơn, bắt chúng phục vụ đời sống hằng ngày của chúng ta một cách hiệu quả hơn. Nó cũng có thể được dùng cho việc sản xuất, từ đó giảm sự liên quan của con người. Như lời của Daniel Kaufman dự đoán thì “con người sẽ làm ít hơn” nhờ Big Data.

7. Kết

Tóm lại, Big Data là thách thức đặt ra cho các tổ chức, doanh nghiệp trong thời đại số hiện nay. Một khi làm chủ được dữ liệu lớn thì họ sẽ có cơ hội thành công lớn hơn trong bối cảnh cạnh tranh ngày nay, thế giới thì sẽ được hưởng lợi hơn từ việc trích xuất thông tin một cách chính xác hơn, hữu ích hơn với chi phí thấp hơn. Vẫn còn đó những chỉ trích xoay quanh Big Data, tuy nhiên lĩnh vực này vẫn còn rất mới và chúng ta hãy chờ xem trong tương lai Big Data sẽ tiến hóa như thế nào.

Big Data đã giúp Trump chiến thắng trong cuộc Bầu cử Mỹ như thế nào?

Tờ tạp chí “Das Magazin” của Thụy sĩ xuất bản bằng tiếng Đức một cuộc điều tra về cách thức mà các nhà khoa học về dữ liệu (data scientist) kết hợp các công ty phân tích dữ liệu lớn (data analytics) sử dụng công nghệ quảng cáo tùy biến theo cá nhân trên Facebook gây ảnh hưởng đến cuộc bầu cử tổng thống Hoa Kỳ.

Nhiều nhà báo trên thế giới đã gọi bài báo điều tra này là “text of the year” (bài viết của năm) về tác dụng của bigdata vào đời sống, trong đó chúng ta có thể thấy các công nghệ mới nhất về dữ liệu lớn (Big Data), khoa học hành vi, và các phần mềm gián điệp đang len lỏi vào đời sống hàng ngày của mỗi người chúng ta. Phần lớn bài biết dưới đây rút ra từ bài báo: “Ich habe nur gezeigt, dass es die Bombe gibt” đăng ngày 3 tháng 12 năm 2016 trên Das Magazin.

Ngày 9 tháng 11 năm 2016, theo như Das Magazin thì một quả bom đã phát nổ: Donald Trump đã được bầu làm tổng thống Mỹ, bất chấp dự báo của các nhà xã hội học.

Cũng ngày hôm đó, một công ty nhỏ chưa ai nghe tên ở London đã gửi đi thông cáo báo chí: “Chúng tôi lấy làm kinh ngạc vì phương pháp truyền thông dựa trên dữ liệu có tính cách mạng của mình đã góp phần đáng kế vào chiến thắng của Donald Trump”. Thông cáo được ký bởi một người tên là Alexander Nix, 41 tuổi, người Anh và lãnh đạo công ty Cambridge Analytica. Phương pháp cách mạng về truyền thông dựa trên dữ liệu (revolutionary approach to data-driven communications) này sử dụng kết quả công trình nghiên cứu của một nhà khoa học 34 tuổi tên là Michal Kosinski, chuyên gia hàng đầu trong lĩnh vực psychometrics – ngành tâm lý học dựa trên phân tích dữ liệu.

Từ dữ liệu (data) đến phân tích dữ liệu (data analytics) và dữ liệu lớn (Big Data) thành những từ thời thượng (buzzword) nhưng Big Data nguy hiểm đến mức nào?

Dữ liệu lớn là một thuật ngữ dựa trên một khái niệm rằng tất cả những gì ta làm, trên mạng hay offline, đều để lại dấu vết số. Mua hàng bằng thẻ tín dụng, tìm đường trên Google, dạo chơi với điện thoại trong túi, dùng thiết bị đeo (wearable device) để theo dõi sức khỏe, mức độ tập luyện đến việc nhấn like trên mạng xã hội: tất cả đều được lưu lại dưới dạng những dữ liệu và dữ liệu này rất lớn, khổng lồ theo thời gian. Một thời gian dài không ai hình dung có thể sử dụng các dữ liệu ấy làm gì. Cũng không ai biết Big Data sẽ là gì đối với nhân loại, hiểm họa lớn hay thành tựu vĩ đại? Nhưng từ 9/11 chúng ta đã biết câu trả lời. Đằng sau chiến dịch tranh cử của Trump trên mạng, và đằng sau chiến dịch ủng hộ Brexit là cùng một công ty chuyên nghiên cứu Big Data: Cambridge Analytica (CA) dưới sự lãnh đạo của Giám đốc AlexanderNix. Tuy nhiên, dữ liệu chỉ là dữ liệu nếu nó không được phân tích và được mô hình hóa. Có rất nhiều mô hình để phân tích dữ liệu nhưng công ty CA đã sử dụng phương pháp đo nhân cách (psychometrics), đôi khi gọi là đồ hình nhân cách (psychography) do Michal Kosinski, nhà khoa học hàng đầu về dữ liệu và là phó giám đốc Trung tâm đo nhân cách (Psychometrics Centre) thuộc trường Đại học Cambridge.

Trong tâm lý học hiện đại, để đo nhân cách thì phổ biến nhất là dùng phương pháp OCEAN (từ chữ cái đầu của 5 chiều đo). Vào những năm 1980, các nhà tâm lý học đã chứng minh là mỗi người có thể được đo bằng 5 chiều. Đó là Big Five: độ mở đối với trải nghiệm (Openness), sự ý thức (Conscientiousness), sự hướng ngoại (Extraversion), sự dễ chịu (Agreeableness) và sự nhạy cảm (Neuroticism). Trên cơ sở những số đo ấy có thể hiểu chính xác bạn là ai, bạn có mong muốn và nỗi sợ hãi nào, và bạn sẽ hành xử như thế nào. Trở ngại chính là việc thu thập dữ liệu vì để hiểu được một người, cần phải điền bảng hỏi khổng lồ và cần thu thập dữ liệu rất lớn. Sự phát triển của khoa học dữ liệu và dữ liệu lớn đã góp phần giải quyết thành công những trở ngại mà phương pháp OCEAN đặt ra.

Tại Trung tâm đo nhân cách, Kosinski và các cộng sự đã phát triển một ứng dụng trên Facebook là MyPersonality trong đó người dùng trả lời các bảng các câu hỏi để biết nhân cách của mình và họ đã thu thập được dữ liệu của hàng triệu người dùng Facebook.

Kosinski và nhóm nghiên cứu các hành động của họ trên Facebook như like và re-post, và giới tính, độ tuổi và nơi ở. Qua đó nhóm thu được các mối tương quan (correlation). Từ kỹ thuật phân tích các dữ liệu trên mạng có thể cho ra những kết luận bất ngờ. Ví dụ, nếu một người đàn ông là fan của page mỹ phẩm MAC, thì khả năng lớn là đồng tính. Ngược lại, anh ta rất nam tính nếu là fan của ban nhạc hip hop Wu-Tang Clan ở New York. Fan của Lady Gaga khả năng lớn là người hướng ngoại, còn kẻ hay like các post mang tính triết lý thì hướng nội.

Công ty Cambridge Analytica đã phát triển một giải pháp toàn diện cho phép biết tính cách của mỗi công dân Mỹ, những người có quyền bỏ phiếu.

Công trình nghiên cứu của Kosinski không chỉ cho phép lập chân dung tâm lý của người dùng, mà còn cho phép tìm kiếm những người có chân dung cần thiết. Ví dụ như có thể tìm những ông bố lo lắng, những kẻ hướng nội giận dữ, hay những người ngả theo đảng Dân chủ nhưng còn lưỡng lự bỏ phiếu. Về bản chất, đó là hệ thống tìm kiếm con người với những đặc tính cần tìm hiểu.

Vào năm 2014, một công ty quan tâm đến phương pháp của Kosinski đề nghị thực hiện một dự án sử dụng psychometrics để phân tích 10 triệu người dùng Mỹ trên Facebook nhưng phân tích người dùng làm gì và tên công ty thì không nói viện cớ bảo mật thông tin. Lúc đầu Kosinski đồng ý nhưng rồi anh lại trì hoãn. Cuối cùng, tên công ty được tiết lộ là SCL (Strategic Communications Laboratories). Và trên website của công ty giới thiệu: “Chúng tôi là công ty toàn cầu chuyên về quản lý các chiến dịch tranh cử”. Công ty SCL này là công ty mẹ của công ty Cambridge Analytica, công ty thực hiện chiến dịch online cho Brexit và Trump.

Tháng 11 năm 2015 lãnh tụ phái cấp tiến ủng hộ Brexit Nigel Farage tuyên bố là website của của ông ta bắt đầu làm việc với một công ty chuyên về Big Data, chính là CA. Năng lực cốt lõi của công ty này là tiếp thị chính trị (political marketing) kiểu mới, còn được gọi là microtargeting, trên nền tảng phương pháp OCEAN.

Big Data nguy hiểm tới mức nào?
Tháng 6 năm 2016, Trump đã thuê các chuyên gia Cambridge Analytica, nhiều người ở Washington cười cợt. Họ chắc chắn rằng Trump sẽ không bao giờ có thể hợp tác với các chuyên gia tư vấn nước ngoài của mình một cách hiệu quả. Tuy nhiên, họ đã sai.

Khác với Omama được xem là Tổng thống của mạng xã hội thì D. Trump vẫn được người ta cười nhạo về việc khả năng rất kém của ông trong việc sử dụng các công cụ công nghệ thông tin, mạng xã hội. Trợ lý của Trump tiết lộ, thậm chí ông còn không dùng email. Bản thân cô trợ lý này đã dạy ông dùng điện thoại, và từ đó ông dùng nó để đổ dòng suy nghĩ của mình lên Twitter.

Công ty Cambridge Analytica đã phát triển một giải pháp toàn diện cho phép biết tính cách của mỗi công dân Mỹ, những người có quyền bỏ phiếu. Giải pháp tiếp thị chính trị tuyệt vời của Cambridge Analytica dựa trên ba chiến thuật chính:

Phân tích hành vi (Behavioral analysis) theo mô hình OCEAN.
+   Nghiên cứu cẩn thận Big Data.
+   Quảng cáo nhắm mục tiêu (Targeted advertising).
+   Quảng cáo nhắm mục tiêu có nghĩa là quảng cáo cá nhân hóa, được xây dựng theo tính cách của từng cá thể người dùng dựa trên nhân tính của họ xác định từ mô hình OCEAN.

Như vậy, bản thân Big Data chỉ là một nguồn thông tin lớn, một mỏ vàng cần được khai thác nhưng khai thác thế nào hiệu quả lại là một vấn đề khác. Cần có một mô hình phân tích hành vi tiên tiến. Và khi biết một người có tính cách gì và đang lưỡng lự trong việc bỏ phiếu thì cần phải dùng thông điệp thế nào cho phù hợp.

Bản chất đầy mâu thuẫn của Trump, tính phi nguyên tắc và hệ quả là số lượng lớn các loại thông điệp khác nhau bỗng trở nên hữu ích cho ông ta: mỗi cử tri nhận được một thông điệp riêng. “Trump hành xử như một thuật toán cơ hội lý tưởng, hoàn toàn chỉ dựa trên phản ứng của công chúng” – nhà toán học Cathy O’Neil nhận xét vào tháng tám. Vào ngày tranh luận thứ ba giữa Trump và Clinton, đội của Trump đã gửi vào mạng xã hội (chủ yếu là Facebook) hơn 175 nghìn thông điệp. Chúng chỉ khác nhau ở những chi tiết rất nhỏ, nhằm phù hợp nhất với tâm lý của người nhận cụ thể: tiêu đề, tiêu đề phụ, màu nền, ảnh và video. Cách làm tỉ mỉ như vậy khiến cho thông điệp nhận được sự đồng cảm của những nhóm cư dân nhỏ nhất, như Nix giải thích cho Das Magazine: “Bằng cách đó chúng tôi có thể vươn đến tận làng, khu phố hay ngôi nhà cần thiết, thậm chí là từng người”.

Chiến thắng của ứng cử viên Cộng hòa Donald Trump trước đối thủ đến từ Đảng Dân chủ Hillary Clinton được cho là một chiến thắng ít tốn kém và nhiều hiệu quả nhất. Theo hãng tin Reuters, Trump tiêu tốn dưới 5 USD cho mỗi lá phiếu bầu cho ông, thấp hơn nhiều so với chi phí của bà Clinton.

Theo số liệu mới nhất từ Ủy ban Bầu cử Liên bang, Trump đã huy động được tổng số 270 triệu USD kể từ khi bắt đầu chiến dịch tranh cử vào tháng 6/2015. Trong khi Hillary Clinton huy động được 521 triệu USD, gấp đôi khoản tiền mà Trump huy động được. Nhưng 237 triệu chi phí cho truyền hình, 53 triệu cho nhân viên và các tình nguyện viên hỗ trợ tranh cử, một khoản tiền lớn cho các báo, đài, các phương tiện truyền thống. Đó cũng là lý giải tại sao khi xem các phương tiện truyền thống như báo, đài thì có vẻ Hillary được đánh giá cao hơn Trump.

Một hãng Phân tích dữ liệu lớn khác là mediaQuant đánh giá các chương trình truyền thông thông tin cho cuộc bầu cử 2016 của Trump mang lại một giá trị định lượng tương đương 5 tỷ USD cho ông này, so với bà Clinton là 3.5 tỷ hay tỉ lệ 58% so với 42%. Thực tế ông Trump đã chiếm được 279 phiếu bầu đại cử tri so với 228 phiếu bầu của bà Hillary, tỷ lệ 52% so với 48%.

Khó có thể nói xã hội Mỹ bị tác động đến mức nào bởi các chuyên gia của Trump tại một thời điểm cụ thể, vì họ không sử dụng các kênh trung ương mà dùng mạng xã hội và truyền hình cáp.

Từ tháng 7/2016 các tình nguyện viên của Trump đã nhận được app cho phép biết được thiên kiến chính trị và loại nhân cách của cư dân nhà này hay nhà khác. Theo đó, những tình nguyện viên – tuyên truyền viên điều chỉnh hội thoại của mình với người dân. Phản hồi của người dân lại được họ ghi ngược vào app đó, và dữ liệu chuyển thẳng về trung tâm phân tích của CA.

Công ty xác định ra 32 loại tính cách tâm lý của dân Mỹ, tập trung ở 17 bang. Và như Kosinski đã phát hiện, rằng đàn ông thích mỹ phẩm MAC thì hầu như chắc chắn là đồng tính, CA chứng minh rằng những kẻ trung thành với ô tô Mỹ hẳn nhiên là ngả theo Trump. Hơn nữa, những phát kiến như vậy giúp bản thân Trump hiểu những thông điệp nào dùng ở đâu thì tốt nhất. Quyết định của đại bản doanh về việc tập trung vào Michigan và Wisconsin vào những tuần cuối cùng là dựa trên phân tích dữ liệu.

Ngoài chiếm thắng Nigel Farage ở Brexit và của Trump trong cuộc Bầu cử Mỹ 2016 thì người chiến thắng là công ty CA với khoản thù lao 15 triệu USD nhận được từ chiến dịch của Trump. Marion Maréchal-Le Pen, một nhân vật cấp tiến đồng thời là cháu của thủ lĩnh đảng “Mặt trận dân tộc” Pháp cũng đã mừng vui loan báo về quan hệ hợp tác với hãng. Theo Nix, công ty đang được rất nhiều khách hàng trên thế giới quan tâm, có cả từ Thụy sỹ và Đức.

Nhu cầu phân tích và khai thác những nguồn dữ liệu lớn và phức tạp trong các hoạt động của con người và các tổ chức trong những năm gần đây đang trở nên cấp bách. Sở dĩ vậy vì ta đang có nhiều dữ liệu quanh mình hơn bao giờ hết và nếu dùng được chúng sẽ đưa ra được các quyết định đúng đắn hơn, những hiểu biết chính xác, những khám phá quan trọng. Khoa học phân tích dữ liệu (data science or data analytics) gần đây trở thành một lĩnh vực sôi động của công nghệ thông tin, có ảnh hưởng sâu sắc tới mọi lĩnh vực hoạt động của con người, đặc biệt trong kinh doanh.

Theo nghiên cứu của các nhà kinh tế, đến năm 2018, Mỹ sẽ cần 140.000 đến 190.000 người có kỹ năng phân tích chuyên sâu cũng như 1,5 triệu nhà quản lý và phân tích trong lĩnh vực “dữ liệu lớn” (Big Data). Nắm chắc và biết sử dụng khoa học phân tích dữ liệu chính là chìa khoá của công việc và thành công trong những thập kỷ tới đây, như ý kiến nêu trong Harvard Business Review: “Khoa học dữ liệu là công việc hấp dẫn nhất trong thế kỷ 21” (“Data scientist: the sexiest job of the 21st century”).

Nguồn: Vietnamnet

Đây là cách mà Facebook thu thập mọi thông tin về bạn

Facebook đang lâm vào một cuộc khủng hoảng nghiêm trọng khi để lộ thông tin 50 triệu tài khoản người dùng cho một công ty làm việc cho chiến dịch tranh cử tổng thống của Donald Trump. Làm thế nào Facebook có được những thông tin ấy? Đây chính là cách thức mà Facebook thu thập thông tin của bạn.

Một công ty có tên Cambridge Analytica đã lấy dữ liệu từ 50 triệu người sử dụng Facebook và xây dựng hồ sơ cá nhân để phục vụ cho những quảng cáo mang tính chính trị, Christopher Wylie – cựu nhân viên của Cambridge Analytica đã tiết lộ về điều này.

Facebook hôm qua đã làm việc với Cambridge Analytica để xác minh liệu dữ liệu người dùng Facebook có thực sự đã bị xóa hay không, bởi Cambridge Analytica đã hứa làm điều này từ nhiều năm trước.

Tất cả sự việc này khiến người dùng đặt ra câu hỏi: Làm thế nào để Facebook có thể biết được những “thông tin mật” của bạn?

Sự thật là Facebook biết một số lượng thông tin đáng sợ của bạn. Toàn bộ doanh nghiệp của họ dựa vào việc xem những gì bạn làm trên Facebook, cũng như theo dõi những gì bạn làm trên internet thông qua các nút truyền thông xã hội (như khả năng “Thích” bài đăng tin tức trên trang web của bên thứ ba) và theo dõi các ứng dụng bạn cài đặt trên điện thoại của bạn.

Đây là cách tìm hiểu chính xác những gì Facebook đã biết về bạn.

1. Để tìm hiểu những gì Facebook đã biết về bạn, đăng nhập vào Facebook và đi đến một trang gọi là “Tùy chọn quảng cáo của bạn”.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 1
Bạn có thể tìm thấy trang thông qua URL https://www.facebook.com/ads/preferences này. Hoặc bằng cách nhấp vào mũi tên nhỏ ở trên cùng bên phải của thanh màu xanh và nhấp vào “cài đặt” và sau đó “quảng cáo”.

2. Facebook theo dõi mọi thứ bạn “Thích” khi bạn sử dụng dịch vụ của họ, kể cả khi bạn sử dụng những biểu tượng cảm xúc liên quan.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 2

3. Facebook thậm chí cũng theo dõi những gì bạn làm trên internet. Thêm vào đó, mỗi lần bạn sử dụng Facebook để đăng nhập vào các ứng dụng trên điện thoại, nó sẽ theo dõi thông tin đó. Chẳng hạn như bạn dùng tài khoản Facebook để đăng nhập vào trang Lotte Cinema, Facebook sẽ học được cách sử dụng Lotte Cinema trên điện thoại của bạn.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 3

4. Nếu bạn không sở hữu thương hiệu mới trên Facebook, chúng có thể có các trang bạn thích và các trang dữ liệu về bạn.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 4

5. Sau khi quét tất cả những thứ bạn làm trực tuyến, Facebook tạo một hồ sơ về bạn, bạn có thể xem bằng cách nhấp vào “danh mục của bạn”. Đây là thông tin Facebook chia sẻ với các nhà quảng cáo.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 5

6. Facebook xác định những điều về cuộc sống gia đình, nơi ở, loại công nghệ nào bạn sử dụng,… Có rất nhiều thông tin về bạn mà Facebook theo dõi và sau đó sử dụng để cho phép các nhà quảng cáo nhắm mục tiêu quảng cáo tới những người có cùng sở thích.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 6

7. Tất nhiên không phải tất cả thông tin thu thập đều chính xác. Facebook đã gán cho tôi cái mác “người thường xuyên đi du lịch” nhưng trên thực tế tôi không phải người hay đi du lịch.

Đây là cách mà Facebook thu thập mọi thông tin về bạn - ảnh 7

8. Facebook cũng theo dõi vị trí của bạn, có nghĩa là bạn đang ở đâu và nơi bạn đã đến, sử dụng cả Facebook và Instagram.

9. Bạn có thể nói Facebook không chia sẻ thông tin của bạn với một số nhà quảng cáo nhưng cách duy nhất để có Facebook không theo dõi bất kỳ hoạt động nào của bạn là ngừng sử dụng các dịch vụ của nó, bao gồm các ứng dụng khác mà nó sở hữu như Instagram. Điều quan trọng cần nhớ rằng Facebook miễn phí bởi vì nó kiếm tiền bằng cách hiển thị quảng cáo cho bạn.