Tag væk:
Hovedforsker ved Microsoft Research Kate Crawford gør det gældende, at selvom store data er vigtige for mange forretningsapplikationer, er der mere end en måde at fortolke mange af resultaterne på.
En fascinerende præsentation af Kate Crawford, hovedforsker ved Microsoft Research, på Strata-konferencen i 2013 ser nærmere på big data, og hvad det betyder, og udforsker noget af, hvad Crawford kalder "algoritmiske illusioner" og begrænsningerne i de store dataløsninger der omfavnes i mange dele af erhvervslivet.Ved hjælp af en grundlæggende analogi til en optisk illusion, der involverer en snurrende kat, gør Crawford sagen, at selvom big data er vigtig for mange forretningsapplikationer, er der mere end en måde at fortolke mange af resultaterne af datasæt, der kan virke objektive for menneskelige beslutningstagere .
"Ting kan ses anderledes," sagde Crawford og citerede et papir, hvor hun og medforfatter David Boyd reflekterer over nogle vigtige principper for big data-brug, herunder hvad Crawford kalder "mytologi", eller troen på, at big data bringer absolut sandhed og objektivisme til et projekt. Ledere, sagde hun, forbinder ofte store data direkte med en objektiv fugleperspektiv, mens hun ignorerer det, hun kaldte de tre grundlæggende begrænsninger eller overvejelser, der kan påvirke denne objektivitet på nøglemåder: bias, signal og skala.
Fra bias bruger Crawford eksempler på oversvømmelser i Australien og USA for at vise, at big data ikke altid stemmer overens med virkeligheden på gaden. Hun binder det andet princip, signalet, og illustrerer yderligere, hvordan datasæt kan afspejle skjulte aktualiteter, der i høj grad kan skjule resultaterne. Som et eksempel citerede Crawford de forskellige slags verdenskort, der er udviklet i et forsøg på at vise et objektivt overblik over den relative størrelse på kontinenter og nationer.
"Kort er ikke neutrale," sagde Crawford. "Vi træffer valg hver gang vi beslutter at repræsentere vores data."
For yderligere at illustrere princippet bruger Crawford eksemplet på en applikation, der rapporterer huller i Boston til byens embedsmænd, hvilket antyder, at disse slags apps, der fungerer på smartphones og mobile enheder, kan ende med at få de samlede rapporter til at ligner meget folketællingskort, der angiver relativ alder og indkomst på tværs af en by eller kommune.
”Vi risikerer at yderligere forankre bestemte former for social ulighed,” sagde Crawford og pegede på dem, der muligvis må være ude af et givet big datasæt på grund af forskelle i teknologibrug.
"Hvad sker der, hvis du lever i skyggen af store datasæt?" hun sagde.
Derudover taler Crawford også om forskning fra mange år siden, der stillede spørgsmålstegn ved, om information på højt niveau altid repræsenterer mere detaljerede data, og om et "objektivt panorama" altid fungerer som en mere nøjagtig repræsentation end data i mindre skala. Crawford beder også lyttere om ikke kun at tænke på big data, men om "data med dybde." Med dette mener hun data, der virkelig leder læserne mod objektiv virkelighed, snarere end at skjule over detaljer med en mere global tilgang, som, selv om det er lettere at forstå, muligvis kan udelade nøgleelementer i det, der faktisk findes.