द डिस्कवरी फॉलसी: आपकी कंपनी के लिए संभावित रूप से घातक जोखिम  

ट्रकिंग व्यामोह से लकवाग्रस्त है कि "खोज" की संभावना अंतिम शुद्ध मूल्य की परवाह किए बिना किसी भी प्रगति को अयोग्य बनाती है। लाभ के मूल्यांकन और विश्लेषण के बजाय किसी भी जोखिम से पूर्ण रूप से बचने की यह मानसिकता, हमारे उद्योग को जोखिम के आधार पर अत्यधिक लाभों की अनदेखी करके, यदि अरबों नहीं तो लाखों खर्च करती है।   

इसके लिए मनोवैज्ञानिकों का एक नाम है। साइकोलॉजी टुडे के अनुसार "कैटास्ट्रोफाइजिंग" - एक संज्ञानात्मक विकार जो लोगों को सबसे खराब संभव निष्कर्ष पर कूदने के लिए प्रेरित करता है, आमतौर पर बहुत सीमित जानकारी या निराशा के उद्देश्य के कारण। जाना पहचाना? 

विनाशकारी भय के कारण सुरक्षात्मक कार्यक्रमों को वीटो करके "शून्य जोखिम" मानसिकता भारी जोखिम पैदा कर रही है। ज़्यादा बुरा। भय पर ध्यान मौजूदा जोखिम की उपेक्षा करता है। 

इस नकारात्मकता ने खराब वीडियो की संभावना के डर से कैमरा कार्यान्वयन को अवरुद्ध कर दिया। उनके जोखिम से बचने ने दोषमुक्ति वीडियो के भारी लाभ को नजरअंदाज कर दिया। किसी भी दुर्घटना से होने वाले जोखिम को नज़रअंदाज़ करना क्योंकि इसके लिए कथित रूप से ट्रक जिम्मेदार है। करोड़ों नहीं तो करोड़ों में खर्च। 

क्या आप किसी ड्राइवर के एमवीआर को नज़रअंदाज़ करेंगे क्योंकि इसमें ख़राब सबूत हो सकते हैं? पीएसपी? "उसे ड्राइविंग टेस्ट मत दो। अगर वह कुछ गलत करती है… ”

अब कई परामर्शदाता केवल इस डर से सक्रिय डेटा प्रबंधन छोड़ रहे हैं कि इसका विश्लेषण "खोजा" जाएगा। वे गलत तरीके से महसूस करते हैं कि यदि वे अपने डेटा का एकत्रीकरण और विश्लेषण नहीं करते हैं, तो वे अभियोगी द्वारा शिकार किए जाने से प्रतिरक्षित हैं। यदि वे अपनी कमजोरियों की स्वयं पहचान नहीं करते हैं, तो मुकदमा करने पर उन्हें खोजा नहीं जाएगा। 

दूसरे शब्दों में, जो आप नहीं जानते हैं वह आपको चोट नहीं पहुँचाएगा।   

गलत। इस अविश्वास में गलत कि "यह प्रकट नहीं होगा"। इस भ्रम में गलत है कि अंतर्निहित डेटा अपने आप में खोजने योग्य नहीं है। गलत धारणा है कि अभियोगी कच्चे डेटा का शिकार नहीं करेंगे और इसे अपने स्वयं के लाभ के लिए तिरछा कर देंगे। 

हेत्वाभास: "हम कमजोरियों के लिए डेटा का विश्लेषण नहीं करना चाहते हैं, इसलिए इसे अभियोगी द्वारा खोजा नहीं जा सकता है।" 

असलियत: सिर्फ इसलिए कि आप ऐसा नहीं करते इसका मतलब यह नहीं है कि वादी इसे नहीं ढूंढ सकते। डेटा वहाँ है. बिना एकत्रीकरण और विश्लेषण किये भी इसे खोजा जा सकता है।   

ज़्यादा बुरा। वादी अपना विश्लेषण करके आपके डेटा द्वारा उजागर की गई भेद्यता का पता लगा सकते हैं ... और अपने स्वयं के निष्कर्ष पर पहुँच सकते हैं। 

वे तब आपकी विफलता का मतलब निकाल सकते हैं उनका आख्यान। नतीजा यह है कि अभियोगी को आपकी भेद्यता को "प्रणालीगत विफलता" के रूप में चित्रित करने के लिए सशक्त बनाना है, जिसे उन्हें सरीसृप सिद्धांत हमले और विस्फोटक फैसले की आवश्यकता है। 

और ऐसी दुनिया में जहां "प्रणालीगत विफलता" एक निर्णय त्वरक है, व्यामोह की कीमत गुणकों द्वारा बढ़ाई जाती है। 

आपका डेटा: वादी का लक्ष्य 

अभियोगी ने विस्फोटक फैसले के लिए आपके डेटा को डेटोनेटर के रूप में लक्षित किया है। वे जानते हैं कि आपके पास क्या है। वे इसे प्राप्त करना जानते हैं।   

किसी भी शक? वे इस पर पाठ्यक्रम पढ़ाते हैं। अभियोगी ट्रकिंग वकीलों के हालिया सम्मेलन में, सत्रों में निम्नलिखित शामिल थे: 

• "ट्रक: डेटा का खजाना" 

• "टेलीमैटिक्स सिस्टम: वे क्या हैं, डेटा प्राप्त करने के लिए प्रक्रिया के नियमों का उपयोग कैसे करें, और स्वीकार्यता के मानक, 

• "वास्तविक मामलों में टेलीमैटिक्स के उदाहरण" 

• "सेल फोन और मोबाइल डिवाइस: क्या डेटा मौजूद है; इसे कैसे प्राप्त करें, और इसे कैसे स्वीकार्य बनाएं। 

वादी वकील आपके डेटा के लिए आ रहे हैं, भले ही आप इसका संचयन और विश्लेषण करें। इसके विपरीत, आप संचयन नहीं कर रहे हैं, और आपके डेटा का विश्लेषण करने का मतलब यह नहीं है कि वे इसे प्राप्त नहीं करेंगे।   

इसका क्या मतलब है वे स्पिन करें कि आपका डेटा क्या रास्ता दिखाता है वे चाहते हैं और जिस तरह से सबसे ज्यादा हानिकारक है आप। 

इसके अलावा, आपके डेटा का विश्लेषण करने में आपकी विफलता अपने आप में उनके हमले का लक्ष्य हो सकती है। “अगर ट्रकिंग कंपनी चाहती तो सुरक्षा विफलताओं के बारे में जान सकती थी। ऐसा नहीं हुआ। जूरी सदस्य, उनका ध्यान आकर्षित करें और उनका ध्यान एक के साथ केंद्रित करें बड़ा फैसला। 

स्क्रिप्ट को पलटें... अपने वर्णन को नियंत्रित करें... अपने डेटा के साथ 

तो आप डेटा को अनदेखा कर सकते हैं, आशा करते हैं कि अभियोगी इसे नहीं ढूंढेंगे और प्रार्थना करेंगे कि जूरी आपको परमाणु संदेश नहीं भेजेगा। अपने वार्षिक शारीरिक के लिए नहीं जाना और अपने स्वास्थ्य को न जानने में आराम करना पसंद है। 

या... आप स्क्रिप्ट को फ्लिप कर सकते हैं। अपने डेटा को अपने बचाव की नींव के रूप में गले लगाओ, जमा करो और उसका विश्लेषण करो। अपने बचाव के लिए आधार के रूप में अपने डेटा का उपयोग करें। 

सरीसृप सिद्धांत के सफल होने के लिए, इसे आपकी कंपनी द्वारा "प्रणालीगत विफलता" दिखाने की आवश्यकता है। अनजाने में हुई दुर्घटनाएँ और स्थितियाँ जिनमें सुधार की आवश्यकता नहीं है, सरीसृप प्रतिक्रिया को ट्रिगर नहीं करेंगी।   

मुझे इसके बारे में कैसे पता है? यह पुस्तक द रेप्टाइल थ्योरी (पेज 30, 31, 38 और 53) में ऐसा कहता है। 

इन सरीसृप हमलों के खिलाफ अपने बचाव के आधार के रूप में अपने डेटा का उपयोग करें। प्रदर्शित करें कि आप कमजोरियों के लिए लगातार विश्लेषण करते हैं और यदि पाए जाते हैं, तो उन्हें संबोधित करें। 

आपका बचाव - “हमने डेटा का संचयन और विश्लेषण किया। हमने असुरक्षित आचरण के प्रमुख संकेतकों की पहचान की है। हमने अनुपालन की निगरानी की और उल्लंघनों को दंडित किया। जब हमें कमजोरियां मिलीं, तो हमने उन्हें संबोधित किया। ऐसे।" 

परिणाम - यहां कोई प्रणालीगत विफलता नहीं है। कुछ भी ठीक करने की जरूरत नहीं है। यह एक बार की मानवीय विफलता थी, "प्रणालीगत विफलता" नहीं। 

सक्रिय रूप से वादी के हेरफेर का खंडन करें 

इससे भी महत्वपूर्ण बात यह है कि आप सक्रिय रूप से लिखते हैं आपका आपके संचयन और डेटा के विश्लेषण के आधार पर कथा। आप अभियोगी को कथा का नियंत्रण नहीं सौंपते हैं। 

डेटा का आपका संचयन और विश्लेषण अभियोगी को उनके दुरुपयोग के लिए हेरफेर करने की कोशिश करने से नहीं रोकता है। लेकिन आप समय की अवधि में डेटा के अपने अधिक गहन विश्लेषण के आधार पर सक्रिय रूप से अपना खंडन कर सकते हैं। और दिखाएं कि आपने किसी भी भेद्यता को संबोधित किया है जो इससे पता चला है। 

सबसे पहले, सुरक्षा में सुधार के लिए डेटा का विश्लेषण करें। सबसे अच्छा बचाव हैं a.) कोई दुर्घटना नहीं और b.) मजबूत "प्रणालीगत सुरक्षा प्रक्रियाएं।" 

दूसरा, सुरक्षा को बढ़ावा देने के लिए डेटा के आपके उपयोग के आधार पर सक्रिय रूप से खंडन विकसित करें। आप जानते हैं कि हमला हो रहा है। आज ही अपनी प्रतिक्रिया तैयार करें।   

आप क्या करते हैं पहले दुर्घटना सबूत है। आप क्या करते हैं बाद दुर्घटना बैकफिल है। 

प्रमुख संकेतक निर्धारित करें और डेटा के साथ अपने निर्णय का समर्थन करें। सक्रिय रूप से अपना औचित्य तैयार करें कि ये डेटा बिंदु आपके अनुभव और विश्लेषण के आधार पर निगरानी रखने वाली कुंजी क्यों हैं।   

परिणाम: "नहीं 'प्रणालीगत विफलता।' ठीक करने के लिए कुछ नहीं है। हम उस पर रहे।" 

तीसरा, भले ही जूरी अभियोगी के स्पिन को खरीदता है, यह दर्शाता है कि आपने डेटा द्वारा दिखाए गए सुरक्षा मुद्दों की पहचान करने और उन्हें ठीक करने के लिए सक्रिय रूप से मांग की है। परिणाम विश्लेषण पर असहमति है, न कि डेटा के संचयन और विश्लेषण में पूर्ण विफलता। ऐसा करने से अभियोगी इस तर्क से वंचित हो जाते हैं कि एक "प्रणालीगत" शून्य है जिसे एक बड़े फैसले से भरने की आवश्यकता है। 

अपने डेटा से डरो मत। इसे गले लगाने। इसका इस्तेमाल करें। सक्रिय रूप से इसे अपने बचाव का आधार बनाएं। 

निचला रेखा: सुरक्षा कारकों की पहचान करने, उनकी निगरानी करने और अनुपालन को लागू करने के लिए अपने डेटा का संचयन और विश्लेषण करें। यदि आप नहीं करते हैं, तो अभियोगी करेंगे। 

डौग मार्सेलो, मुख्य कानूनी अधिकारी ब्लूवायर, एलएलसी, अतिथि योगदानकर्ता द्वारा