Исследователи доказывают, что использование больших данных может сделать задницу из нас с тобой

В 1997 году исследователи НАСА предложили фразу «большие данные», чтобы описать обработку информации большого объема суперкомпьютерами. К 2008 году большие данные были раскручены как беспрецедентный инструмент, способный решать проблемы, которые преследуют науку, образование, технологии и - главным образом, если честно, бизнес. Но в недавней статье, опубликованной в Австралийская социальная работа ученые предупреждают, что мы, возможно, стали слишком полагаться на использование больших данных в качестве средства для лечения социальных недугов.

В то время как большие данные позволили по-новому взглянуть на предоставление социальных услуг, исследователи из Университета Квинсленда Филип Гиллингем и Тимоти Грэм утверждают, что те, кто использует большие данные, например, правительства, недостаточно критичны и осторожны с информацией. Огромный масштаб проблем, к которым применяются большие данные, означает, что субъективные суждения, ошибки и неправильные ответы могут привести к трагическим результатам.

«Вы можете сопоставить данные о бездомных и сказать, что многие из них являются алкоголиками, чтобы они могли стать жертвами реабилитации от алкоголя», - сказал Гиллингем в пресс-релизе. «Но то, что вызвало их ситуацию, никогда не выясняется. Мы должны гарантировать, что мы не собираемся тратить ресурсы, оскорблять и стигматизировать группы людей ».

Гиллингем использует Новую Зеландию в качестве примера, когда правительственные чиновники ранее рассматривали возможность использования больших данных, чтобы предсказать вероятность того, что кто-то станет обидчиком. Дыры в данных, возможность ошибочного суждения и осознание того, что большие данные на самом деле не дают гораздо большего понимания, разрушают этот план, но если он имел продолжение, результаты могли быть катастрофическими.

Использование больших данных также действительно действительно дорого.

«Существующие инструменты уже говорят нам о наиболее вероятных преступниках, не тратя миллионы долларов», - говорит Джиллингем. «Феноменальные издержки - и могут ли эти деньги быть лучше потрачены на услуги - часто упускаются из виду».

Хотя Гиллингем и Грэм разделяют мнение о том, что деньги должны быть потрачены на людей, которые в настоящее время нуждаются в этом больше всего, в качестве превентивной меры увеличиваются инвестиции в большие данные. Такие учреждения, как Гарвард и Чикагский университет, имеют отделы и инициативы, предназначенные для обучения молодых ученых, работающих с данными, использованию больших данных для решения проблем, влияющих на здоровье, энергетику, общественную безопасность и международное развитие. Например, исследователи из Гарвардской программы «Инженерные социальные системы» пытаются использовать большие данные, взятые из рыночных цен, частоты засухи и региональных показателей производства, для прогнозирования, когда сельские жители Уганды могут столкнуться с продовольственным кризисом.

Наиболее известным примером использования больших данных является сбор информации АНБ для целей наблюдения. Но правительство также включает аналитику больших данных в свой Национальный план образования и реализацию Закона о доступном медицинском обслуживании.

Однако наиболее узнаваемое использование больших данных для обычного человека - это, вероятно, реклама - например, каждый раз, когда вы заходите на Facebook, вы подвергаетесь бомбардировке целевой рекламой, которую фирмы используют для сбора данных о ставках. По словам Джиллингема, это тоже проблема, которая приводит к потере денег. В более личном примере бесполезности, Гиллингем рассказывает, как он демонстрирует характеристики, которые могут быть связаны с людьми, которые любят гольф, поэтому его «постоянно бомбардируют» почтой и онлайн-рекламой материалов для гольфа. Но на самом деле, «настоящая правда в том, что я ненавижу гольф», говорит он. Прогнозирующее моделирование здесь просто привело к деньгам, которые с таким же успехом могли быть выброшены в мусор.