Browsing by Subject "big data"

Big Data is considered an essential asset for online business models and crucial for their services. These business models depend on the processing and monetization of the data; thus, big data is said to be the driving force of their market behavior. The emergence of big data for online platform businesses may give rise to a specific type of abuse under Article 102 TFEU. For instance, incumbents may prevent competitors from accessing valuable data. In this regard, this thesis will analyze the concept of refusal to supply, which is considered an abuse of dominance under Article 102 TFEU in certain circumstances. Therefore, the purpose is to analyze the applicability of the refusal to supply in big data situations. The research question of this thesis is – can an online platform´s refusal to provide access to data constitutes an abuse of dominant position according to Article 102 TFEU. The analysis leads to the conclusion that under certain conditions, a dominant company can be forced to provide access to its datasets if the requirement is met. This thesis will mainly consider the issue of the indispensability requirement of big data.

Tutkielma käsittelee rikollisuuden ennustamiseen kehitettyjä predictive policing -algoritmeja ja arvioi algoritmin ennustuksen perusteella potentiaaliseksi rikoksentekijäksi luokitellun henkilön asemaa Suomen voimassaolevan lainsäädännön valossa. Predictive policing -menetelmien voidaan katsoa olevan osa 2000-luvulla lisääntynyttä ihmisten valvontaa, jota perustellaan tarpeella torjua terrorismia ja vakavaa rikollisuutta. Koska tutkielma koskee hypoteettista tilannetta, on tutkimuksessa nojauduttu tähän ilmiöön liittyvään massavalvontaa koskevaan keskusteluun sekä matkustajarekisteritietojen käyttöä koskevaan lainsäädäntöön, jonka voi katsoa olevan osa tätä ilmiötä. Predictive policing -menetelmät ovat yksinkertaistaen poliisin käyttämiä tietokoneohjelmistoja, joiden algoritmit analysoivat valtavia datamassoja rikollisuutta koskevan ennustuksen tuottamiseksi. Predictive policing on tarkoitettu poliisin työkaluksi, jonka perusteella poliisi voi kohdentaa resurssejaan ennustuksen ehdottamalla tavalla. Predictive policing -menetelmiä on erilaisia, mutta yleensä käsitteellä viitataan tulevien rikosten tapahtumapaikkojen ja -aikojen tai potentiaalisten rikoksentekijöiden ennustamiseen. Potentiaalisella rikoksentekijällä tarkoitetaan henkilöä, joka algoritmin arvion mukaan todennäköisesti osallistuu rikolliseen toimintaan tulevaisuudessa. Predictive policing -menetelmät toimivat hyödyntämällä big dataa, tiedon louhintaa sekä koneoppivia algoritmeja. Niihin on liitetty algoritmisia järjestelmiä koskevia oikeusturvahuolia, jotka liittyvät predictive policing -algoritmien syrjivyyteen ja epätarkkuuteen, läpinäkymättömyyteen sekä teknologian aiheuttamaan automaatioharhaan. On olennaista muistaa, että predictive policing -menetelmien tuottamat ennustukset ovat todellisuudessa algoritmin tuottamia tilastollisia todennäköisyyksiä, jotka perustuvat menneisiin tapahtumiin. Tutkielma on metodiltaan lainopillinen ja lähestyy potentiaalisen rikoksentekijän asemaa kahden tutkimuskysymyksen kautta. Ensimmäisen tutkimuskysymyksen tarkoitus on selvittää potentiaalisen rikoksentekijän asema poliisin toimintaa koskevassa voimassaolevassa lainsäädännössä kysymällä: Voidaanko potentiaalista rikoksentekijää pitää rikoksesta epäiltynä poliisilain ja esitutkintalain systematiikassa? Tämän kysymyksen osalta tutkielma tarkastelee nykylainsäädännön systematiikan soveltuvuutta potentiaalisen rikoksentekijän asemaan, jossa tämä on määritelty jollain tavalla epäilyttäväksi, mutta havaintoa hänen tekemästään rikoksesta ei ole. Toinen tutkimuskysymys jatkaa potentiaalisen rikoksentekijän aseman arviointia tähän kohdistuvaa epäilyä koskevalla teemalla kysymällä: Vaarantaisiko predictive policing -menetelmien käyttö potentiaalisen rikoksentekijän syyttömyysolettaman? Perinteisesti syyttömyysolettaman on katsottu kuuluvan rikosprosessissa epäillyn oikeusturvatakeisiin ja se määrittää, kuinka epäiltyä ja syytettyä tulee kohdella rikosprosessissa. Toinen tutkimuskysymys kuitenkin perehtyy tämän oikeusturvatakeen soveltumiseen potentiaalisen rikoksentekijän asemaan ja mahdolliseen ulottuvuuteen ennen rikosprosessin alkamista. Tutkielman keskeinen havainto on, että Suomen nykyinen poliisilain ja esitutkintalain systematiikka, joka rakentuu epäillyn ja ei-epäillyn väliseen rajanvetoon, ei ole ajantasainen arvioitaessa potentiaalisen rikoksentekijän asemaa. Jotta potentiaalista rikoksentekijää voitaisiin pitää rikoksesta epäiltynä olisi ensin oltava vireillä esitutkinta, johon vasta sitten liitetään rikoksesta epäilty. Ottaen huomioon predictive policing -menetelmän luonteen poliisin työkaluna, koko menetelmän käyttö olisi turhaa, jos poliisi ei tekisi saamallaan ennustuksella mitään. Yhtäältä tämä voisi johtaa siihen, että poliisi pyrkisi paljastamaan potentiaalisen rikoksentekijän mahdollisesti tekemän rikoksen tai muuten kohdistaisi tarkennettua valvontaa tähän yksilöön odottaen mahdollisen rikoksen tapahtumista. Potentiaalinen rikoksentekijä joutuisi siten epämääräiseen asemaan, jossa hän ei olisi oikeutettu esitutkinnan oikeusturvatakeisiin, mutta saattaisi silti joutua poliisin toimien kohteeksi. Syyttömyysolettamaa koskevan arvioinnin osalta päädyttiin tutkielmassa samaan lopputulokseen. Syyttömyysolettama ei suojaa potentiaalista rikoksentekijää poliisin epäillyiltä ja niitä mahdollisesti seuraavilta toimilta, koska syyttömyysolettama ei ulotu aikaan ennen kuin poliisilla on havainto rikokseksi epäillystä teosta. Oikeuskirjallisuudessa on kuitenkin esitetty kannanottoja syyttömyysolettaman laajentumisesta poliisitoiminnan muutoksen myötä. Tutkielman lopuksi tuodaankin esille ehdotuksia lainsäädännön kehittämiseksi, mikäli Suomessa otettaisiin käyttöön potentiaalisia rikoksentekijöitä ennustavia predictive policing -algoritmeja.