Mokslininkai įrodo, kad naudojant didelius duomenis galite išeiti iš tavęs ir aš

1997 m. NASA mokslininkai suformulavo frazę „dideli duomenys“, kuriuose apibūdinamas didelės apimties informacijos apdorojimas superkompiuteriais. Iki 2008 m. Dideli duomenys buvo vertinami kaip precedento neturintis įrankis, galintis išspręsti problemas, kurios patyrė mokslą, švietimą, technologijas ir, dažniausiai, jei norime būti sąžiningai - verslas. Tačiau neseniai paskelbtame dokumente Australijos socialinis darbas akademikai įspėja, kad galėjome per daug pasikliauti didelių duomenų naudojimu kaip priemone išgydyti socialines problemas.

Nors dideli duomenys atnešė naują supratimą apie socialinių paslaugų teikimą, Queenslando universiteto mokslininkai Philipas Gillingamas ir Timothy Graham teigia, kad tie, kurie naudoja didelius duomenis, kaip vyriausybės, nėra pakankamai kritiški ir atsargūs. Didelis duomenų kiekis, kuris taikomas dideliems duomenims, reiškia, kad subjektyvus vertinimas, klaidos ir netinkami atsakymai gali sukelti tragiškus rezultatus.

„Jūs galėtumėte suderinti benamių duomenis ir sakyti, kad daugelis yra alkoholikai, kad jie galėtų būti nukreipti į alkoholio reabilitaciją“, - sakė Gillinghamas spaudoje. „Bet kas padėjo jų padėčiai niekada neatskleisti. Turime užtikrinti, kad nenorėtume švaistyti išteklių ir įžeidinėti bei paniekinti žmonių grupes. “

Gillinghamas kaip pavyzdį naudoja Naująją Zelandiją, kur vyriausybės pareigūnai anksčiau naudojosi didelių duomenų naudojimu, kad būtų galima prognozuoti, ar yra tikimybė, kad kažkas bus vaikas. Duomenų skylės, neteisingo vertinimo potencialas ir suvokimas, kad dideli duomenys iš tikrųjų nesuteikė daugiau įžvalgos, sumažino šį planą, bet jei jis turėjo rezultatai galėjo būti pražūtingi.

Didžiųjų duomenų naudojimas taip pat yra tikrai brangus.

„Esami įrankiai jau pasakoja mums labiausiai tikėtinus nusikaltėlius, neišleisdami milijonų dolerių“, - sako Gillingham. „Fonomenalios išlaidos - ir tai, ar pinigai galėtų būti geriau išleidžiami paslaugoms - yra gana dažnai ignoruojamas“.

Gillingham ir Graham pritaria nuomonei, kad pinigai turėtų būti išleidžiami žmonėms, kuriems jos labiausiai reikia, o didelio masto investicijos yra prevencinė priemonė. Institucijos, tokios kaip Harvardas ir Čikagos universitetas, turi departamentų ir iniciatyvų, skirtų jauniems duomenų mokslininkams mokyti naudotis dideliais duomenimis, kad būtų išspręstos sveikatos, energijos, visuomenės saugumo ir tarptautinės plėtros problemos. Pavyzdžiui, Harvardo inžinerinių socialinių sistemų programos mokslininkai bando naudoti didelius duomenis, gautus iš rinkos kainų, sausros dažnumo ir regioninių gamybos normų, kad būtų galima prognozuoti, kada Ugandos kaimo gyventojai gali patirti maisto krizę.

Garsiausio didelio duomenų naudojimo pavyzdys yra NSA surinkta informacija priežiūros tikslais. Tačiau vyriausybė į savo nacionalinį švietimo planą ir „Įperkamos priežiūros įstatymą“ įtraukia didelių duomenų analizę.

Tačiau labiausiai atpažįstamas didžiųjų duomenų naudojimas kasdieniam asmeniui tikriausiai yra reklama - kiekvieną kartą, kai prisijungiate prie „Facebook“, jūs bombarduojate su tiksline reklama, kurią rengia konkurso duomenų rinkimo įmonės. Tai taip pat, pasak Gillingham, yra problema, dėl kurios susidaro švaistomi doleriai. Asmeniškesniame atliekų pavyzdyje Gillingham perteikia, kaip jis pasižymi savybėmis, kurios gali būti siejamos su žmonėmis, kurie mėgsta golfą, todėl jis „nuolat bombarduojamas“ su pašto ir interneto reklamos skelbimu. Tačiau iš tikrųjų „tikra tiesa, kad nekenčiu golfo“, - sako jis. Prognozinis modeliavimas čia tik atvedė į pinigus, kurie taip pat gali būti išmesti į šiukšles.