Penyelidik Buktikan Menggunakan Data Besar Boleh Membuat Ass Daripada Anda dan Saya

Pada tahun 1997, para penyelidik NASA menceritakan frasa "data besar" untuk menggambarkan pemprosesan maklumat volum tinggi oleh superkomputer. Menjelang 2008, data besar telah diuji sebagai alat yang belum pernah terjadi sebelumnya yang mampu menyelesaikan masalah yang melanda sains, pendidikan, teknologi, dan - kebanyakannya, jika kita bersikap jujur ​​- perniagaan. Tetapi dalam kertas kerja baru-baru ini yang diterbitkan di Malaysia Kerja Sosial Australia, ahli akademik memberi amaran bahawa kita mungkin terlalu bergantung pada menggunakan data besar sebagai cara untuk menyembuhkan penyakit sosial.

Walaupun data besar telah membawa wawasan baru kepada penyampaian perkhidmatan sosial, penyelidik University of Queensland Philip Gillingham dan Timothy Graham berhujah bahawa mereka yang menggunakan data besar seperti kerajaan - tidak kritis dan berhati-hati dengan maklumat itu. Skala besar-besaran mengenai isu-isu yang besar data yang digunakan untuk bermaksud penilaian subjektif, kesilapan, dan tanggapan yang tidak sesuai dapat membuat keputusan tragis.

"Anda boleh memadankan data orang-orang yang tidak mempunyai rumah dan mengatakan sebilangan besar orang alkohol, supaya mereka boleh disasarkan dengan pemulihan alkohol," kata Gillingham dalam kenyataan akhbar. "Tetapi apa yang menyebabkan keadaan mereka tidak pernah terungkap. Kita perlu memastikan bahawa kita tidak akan membazirkan sumber dan menghina dan menafikan kumpulan orang."

Gillingham menggunakan New Zealand sebagai contoh, di mana pegawai kerajaan sebelum ini mempertimbangkan menggunakan data besar untuk meramalkan kemungkinan seseorang akan menjadi penderita kanak-kanak. Lubang-lubang dalam data, potensi salah fahaman, dan kesedaran bahawa data besar tidak benar-benar memberikan gambaran lebih jauh mengganggu pelan ini, tetapi jika telah Terus, hasilnya mungkin menjadi bencana.

Menggunakan data besar juga benar-benar, benar-benar mahal.

"Alat sedia ada sudah memberitahu kami pelaku yang paling mungkin, tanpa membelanjakan berjuta-juta dolar," kata Gillingham. "Kos yang luar biasa - dan sama ada wang itu boleh dibelanjakan untuk perkhidmatan yang lebih baik - adalah sesuatu yang sering diabaikan."

Sementara Gillingham dan Graham berkongsi perspektif bahawa wang tunai harus dibelanjakan untuk orang yang paling memerlukan masa ini, terdapat peningkatan pelaburan pada data besar sebagai langkah pencegahan. Institusi seperti Harvard dan University of Chicago mempunyai jabatan dan inisiatif yang direka untuk melatih saintis data muda untuk menggunakan data besar untuk menyelesaikan masalah yang memberi kesan kepada kesihatan, tenaga, keselamatan awam, dan pembangunan antarabangsa. Sebagai contoh, penyelidik dalam program Sistem Kejuruteraan Harvard berusaha menggunakan data besar yang diambil dari harga pasaran, kekeringan kekeringan, dan kadar pengeluaran serantau untuk meramalkan apabila penduduk Uganda luar bandar mungkin mengalami krisis makanan.

Contoh penggunaan data yang paling terkenal ialah pengumpulan maklumat NSA untuk tujuan pengawasan. Tetapi kerajaan juga memasukkan analisis data besar ke dalam Pelan Pendidikan Negara dan pelaksanaan Akta Penjagaan Mampu.

Walau bagaimanapun, penggunaan data besar yang paling dikenali untuk orang dewasa mungkin iklan - setiap kali anda log masuk ke Facebook, misalnya, anda dibombardir dengan iklan yang disasarkan yang firma ditanam melalui pengumpulan data bida. Ini juga, menurut Gillingham, adalah masalah yang mengakibatkan dolar terbuang. Dalam contoh buangan yang lebih peribadi, Gillingham menyampaikan bagaimana dia mempamerkan ciri-ciri yang boleh dikaitkan dengan orang yang suka golf, jadi dia "sentiasa dibombardir" dengan mel dan iklan dalam talian untuk bekalan golf. Tetapi dalam kenyataannya, "kebenaran sebenarnya adalah bahawa saya benci golf," katanya. Pemodelan ramalan di sini hanya membawa kepada wang yang mungkin juga dibuang ke sampah.