Friday, May 15, 2015

re:publica 2015: Tricia Wang: Era of Big Data (English, Russian)

Более краткое выступление о примерно этом же:

Краткий полуавтоматический перевод:
Большие данные заменили греческого оракула как предсказателя будущего. Случай Nokia: аналитики Big Data не уведили надвигающегося падения с обрыва, тогда как аналитики "Thick Data" увидели.

Анализ Thick Data полагается в основном на человеческий мозг, чтобы обработать маленькие "N", тогда когда анализ Big Data требует вычислительных мощностей (и конечно, человеческих мозгов, чтобы написать алгоритм) чтобы обработать большие "N". Большие Данные показывают понимание с определенного диапазона точек данных, в то время как Толстые данных показывают, социальный контекст и связи между точками данных . Большие Данные поставляет число; Толстые данные поставляет рассказы Большой данных опирается на машинном обучении, Толстые данные опирается на человеческом обучении.

Big Data replaces Greece Oracle as Future predictor. Nokia case: Big Data analysis didn't see the cliff, while "Thick Data" analysis did.

Thick Data analysis primarily relies on human brain power to process a small “N” while big data analysis requires computational power (of course with humans writing the algorithms) to process a large “N”. Big Data reveals insights with a particular range of data points, while Thick Data reveals the social context of and connections between data points. Big Data delivers numbers; thick data delivers stories. Big data relies on machine learning; thick data relies on human learning.

There is more below.
Ниже есть продолжение.

...Another problem is that Big Data tends to place a huge value on quantitative results, while devaluing the importance of qualitative results. This leads to the dangerous idea that statistically normalized and standardized data is more useful and objective than qualitative data, reinforcing the notion that qualitative data is small data.

...The act of collecting and analyzing stories produces insights...When organizations want to build stronger ties with stakeholders, they need stories. Stories contain emotions, something that no scrubbed and normalized dataset can ever deliver. Numbers alone do not respond to the emotions of everyday life: trust, vulnerability, fear, greed, lust, security, love, and intimacy. It’s hard to algorithmically represent the strength of an individual’s service/product affiliation and how the meaning of the affiliation changes over time. Thick Data approaches reach deep into people’s hearts. Ultimately, a relationship between a stakeholder and an organization/brand is emotional, not rational...

No comments:

Post a Comment