Hämtmat:
Huvudforskare på Microsoft Research Kate Crawford hävdar att även om stora data är viktiga för många affärsapplikationer, finns det mer än ett sätt att tolka många av resultaten.
En fascinerande presentation av Kate Crawford, huvudforskare på Microsoft Research, vid Strata-konferensen 2013 tittar närmare på big data och vad det innebär och utforskar något av vad Crawford kallar "algoritmiska illusioner" och begränsningarna i storskaliga datalösningar. som omfamnas i många delar av näringslivet.Med hjälp av en grundläggande analogi till en optisk illusion som involverar en snurrande katt, gör Crawford påståendet att även om stora data är väsentliga för många affärsapplikationer, finns det mer än ett sätt att tolka många av resultaten från datauppsättningar som kan verka objektiva för människors beslutsfattare .
"Saker kan ses annorlunda," sa Crawford och citerade ett papper där hon och medförfattare David Boyd reflekterar över några huvudprinciper för användning av big data, inklusive vad Crawford kallar "mytologi", eller tron på att big data ger absoluta sanning och objektivism till ett projekt. Ledare, sade hon, förknippar ofta direkt data med en objektiv fågelperspektiv, samtidigt som de ignorerar vad hon kallade de tre grundläggande begränsningarna eller övervägandena som kan påverka denna objektivitet på viktiga sätt: partiskhet, signal och skala.
Från bias använder Crawford exempel på översvämningar i Australien och USA för att visa att big data inte alltid matchar verkligheten på gatan. Hon kopplar ihop den andra principen, signal, och illustrerar ytterligare hur datauppsättningar kan återspegla dolda faktiska omständigheter som kraftigt kan sneda resultatet. Som ett exempel citerade Crawford de många typerna av världskartor som har utvecklats i ett försök att visa en objektiv bild av kontinenter och nationers relativa storlek.
"Kartor är inte neutrala," sa Crawford. "Vi gör val varje gång vi beslutar att representera våra data."
För att ytterligare illustrera principen använder Crawford exemplet med en applikation som rapporterar grytthullar i Boston till stadens tjänstemän, vilket tyder på att dessa typer av appar som fungerar på smartphones och mobila enheter kan sluta göra att övergripande rapporter liknar folkräkningskartor som indikerar relativ ålder och inkomst över en stad eller kommun.
"Vi riskerar att ytterligare förankra vissa typer av social ojämlikhet," sa Crawford och pekade på dem som kan lämnas utanför en viss stordataset på grund av skillnader i teknikanvändning.
"Vad händer om du lever i skuggan av stora datamängder?" Hon sa.
Dessutom talar Crawford också om forskning från år sedan som ifrågasatte om information på hög nivå alltid representerar mer detaljerade data och om ett "objektivt panorama" alltid fungerar som en mer exakt framställning än data i mindre skala. Crawford ber också lyssnarna att tänka inte bara på big data, utan om "data med djup." Med detta menar hon data som verkligen guidar läsarna mot objektiv verklighet, snarare än att glosa över detaljer med en mer global inställning som, även om den är lättare att förstå, kan utelämna nyckelelement i vad som faktiskt finns.