Takeaway:
นักวิจัยหลักของ Microsoft Research Kate Crawford ทำให้กรณีที่ข้อมูลขนาดใหญ่มีความสำคัญต่อแอปพลิเคชันธุรกิจจำนวนมาก แต่มีมากกว่าหนึ่งวิธีในการตีความผลลัพธ์จำนวนมาก
งานนำเสนอที่น่าสนใจโดย Kate Crawford นักวิจัยหลักที่ Microsoft Research ที่การประชุม Strata 2013 จะมองข้อมูลขนาดใหญ่อย่างใกล้ชิดและมีความหมายอย่างไรสำรวจบางสิ่งที่ Crawford เรียกว่า "ภาพลวงตาอัลกอริทึม" และข้อ จำกัด ของโซลูชั่นข้อมูลขนาดใหญ่ ที่ถูกโอบกอดในหลาย ๆ ส่วนของโลกธุรกิจการใช้การเปรียบเทียบแบบพื้นฐานกับภาพลวงตาทางแสงที่เกี่ยวข้องกับแมวหมุน Crawford ทำให้เป็นกรณีที่ในขณะที่ข้อมูลขนาดใหญ่เป็นสิ่งจำเป็นสำหรับแอพพลิเคชั่นทางธุรกิจจำนวนมากมีมากกว่าหนึ่งวิธีในการตีความผลลัพธ์ของชุดข้อมูลจำนวนมาก .
“ สิ่งต่าง ๆ สามารถมองเห็นได้แตกต่างกันไป” ครอว์ฟอร์ดกล่าวโดยอ้างถึงกระดาษที่เธอและผู้เขียนร่วมเดวิดบอยด์สสะท้อนถึงหลักการสำคัญ ๆ ของการใช้ข้อมูลขนาดใหญ่รวมถึงสิ่งที่ครอว์ฟอร์ดเรียกว่า และการคัดค้านโครงการ เธอกล่าวว่าผู้นำมักจะเชื่อมโยงข้อมูลขนาดใหญ่โดยตรงกับมุมมองของนกในขณะที่ไม่สนใจสิ่งที่เธอเรียกว่าข้อ จำกัด พื้นฐานหรือข้อควรพิจารณาสามประการที่อาจส่งผลกระทบต่อความเที่ยงธรรมนี้ในวิธีการที่สำคัญ: อคติสัญญาณและมาตราส่วน
เริ่มด้วยอคติ Crawford ใช้ตัวอย่างของน้ำท่วมในออสเตรเลียและสหรัฐอเมริกาเพื่อแสดงว่าข้อมูลขนาดใหญ่ไม่ตรงกับความเป็นจริงบนท้องถนนเสมอ เธอเชื่อมโยงกับหลักการที่สองสัญญาณเพิ่มเติมว่าชุดข้อมูลสามารถสะท้อนความเป็นจริงที่ซ่อนอยู่ซึ่งสามารถบิดเบือนผลลัพธ์ได้อย่างมาก เป็นตัวอย่างหนึ่งที่ครอว์ฟอร์ดอ้างถึงแผนที่โลกหลายประเภทที่ได้รับการพัฒนาขึ้นในความพยายามที่จะแสดงมุมมองที่มีวัตถุประสงค์ของขนาดทวีปและประเทศต่างๆ
"แผนที่ไม่เป็นกลาง" Crawford กล่าว "เราทำการเลือกทุกครั้งที่เราตัดสินใจที่จะเป็นตัวแทนข้อมูลของเรา"
เพื่อแสดงให้เห็นถึงหลักการเพิ่มเติม Crawford ใช้ตัวอย่างของแอปพลิเคชันที่รายงานหลุมบ่อในเมืองบอสตันต่อเจ้าหน้าที่ของเมืองแนะนำว่าแอพประเภทนี้ที่ทำงานบนสมาร์ทโฟนและอุปกรณ์มือถือสามารถจบลงด้วยการทำรายงานโดยรวม และรายได้ทั่วเมืองหรือเทศบาล
“ เรามีความเสี่ยงต่อความไม่เท่าเทียมทางสังคมที่เฉพาะเจาะจง” ครอว์ฟอร์ดกล่าวชี้ไปยังผู้ที่อาจถูกทิ้งให้อยู่ในชุดข้อมูลขนาดใหญ่ที่กำหนดเนื่องจากความแตกต่างในการใช้เทคโนโลยี
"จะเกิดอะไรขึ้นถ้าคุณอาศัยอยู่ในเงามืดของชุดข้อมูลขนาดใหญ่" เธอพูด.
นอกจากนี้ครอว์ฟอร์ดยังพูดคุยเกี่ยวกับงานวิจัยเมื่อหลายปีก่อนว่าคำถามระดับสูงจะแสดงข้อมูลที่ละเอียดกว่าและจะเป็น "ภาพพาโนรามาของวัตถุประสงค์" หรือไม่ ครอว์ฟอร์ดยังขอให้ผู้ฟังคิดว่าไม่ใช่แค่ข้อมูลขนาดใหญ่ แต่เกี่ยวกับ "ข้อมูลที่มีความลึก" โดยสิ่งนี้เธอหมายถึงข้อมูลที่นำผู้อ่านไปสู่ความเป็นจริงตามวัตถุประสงค์อย่างแท้จริงแทนที่จะขัดเกลารายละเอียดด้วยวิธีการระดับโลกที่เข้าใจง่ายกว่าอาจทิ้งองค์ประกอบสำคัญของสิ่งที่มีอยู่จริง