Takeaway:
Ang pangunahing punong mananaliksik sa Microsoft Research Kate Crawford ay gumagawa ng kaso na habang ang malaking data ay mahalaga sa maraming mga aplikasyon ng negosyo, mayroong higit sa isang paraan upang bigyang kahulugan ang marami sa mga resulta.
Ang isang kamangha-manghang pagtatanghal ni Kate Crawford, punong mananaliksik sa Microsoft Research, sa 2013 Strata Conference ay masusing tingnan ang malaking data at kung ano ang kahulugan nito, paggalugad ang ilan sa tinatawag ni Crawford na "algorithmic illusions" at ang mga limitasyon ng malakihang mga solusyon sa data na niyakap sa maraming bahagi ng mundo ng negosyo.Gamit ang isang pangunahing pagkakatulad sa isang optical illusion na kinasasangkutan ng isang umiikot na pusa, ginagawang Crawford ang kaso na habang ang malaking data ay mahalaga sa maraming mga aplikasyon ng negosyo, mayroong higit sa isang paraan upang bigyang kahulugan ang marami sa mga resulta ng mga set ng data na maaaring may layunin sa mga gumagawa ng desisyon ng tao. .
"Ang mga bagay ay maaaring makita nang magkakaiba," sabi ni Crawford, na nagbabanggit ng isang papel kung saan sinasalamin niya at ng co-may-akda na si David Boyd ang ilang pangunahing mga prinsipyo ng malaking paggamit ng data, kasama ang tinatawag ni Crawford na "mitolohiya," o paniniwala na ang malaking data ay nagdadala ng ganap na katotohanan at objectivism sa isang proyekto. Sinabi ng mga namumuno, madalas na direktang iugnay ang malaking data sa isang view ng mata ng ibon, habang binabalewala ang tinawag niya na tatlong pangunahing mga limitasyon o pagsasaalang-alang na maaaring makaapekto sa pagiging aktibo sa mga pangunahing paraan: bias, signal at scale.
Simula sa bias, gumamit si Crawford ng mga halimbawa ng pagbaha sa Australia at Estados Unidos upang ipakita na ang malaking data ay hindi palaging tumutugma sa katotohanan sa kalye. Nakatali siya sa pangalawang prinsipyo, signal, karagdagang paglalarawan kung paano ang mga set ng data ay maaaring sumasalamin sa mga nakatagong mga katotohanan na maaaring mabigat na masikip ang mga resulta. Bilang isang halimbawa, binanggit ni Crawford ang maraming uri ng mga mapa ng mundo na binuo sa isang pagtatangka upang ipakita ang isang layunin na pagtingin sa kamag-anak na laki ng mga kontinente at mga bansa.
"Ang mga mapa ay hindi neutral," sinabi ni Crawford. "Gumagawa kami ng mga pagpipilian sa tuwing magpasya kaming kumatawan sa aming data."
Upang higit pang mailarawan ang prinsipyo, ginagamit ng Crawford ang halimbawa ng isang application na nag-uulat ng mga potholes sa Boston sa mga opisyal ng lungsod, na nagmumungkahi na ang mga ganitong uri ng apps na gumagana sa mga smartphone at mobile device ay maaaring magtapos sa paggawa ng pangkalahatang mga ulat na mukhang tulad ng mga mapa ng census na nagpapahiwatig ng kamag-anak na edad at kita sa buong lungsod o munisipalidad.
"Pinapatakbo namin ang panganib ng karagdagang pagsasama ng mga partikular na uri ng kawalang-katarungang panlipunan," sabi ni Crawford, na tumuturo sa mga maaaring maiiwan sa isang malaking hanay ng data dahil sa pagkakaiba-iba sa paggamit ng teknolohiya.
"Ano ang mangyayari kung nakatira ka sa anino ng mga malalaking set ng data?" sabi niya.
Bilang karagdagan, pinag-uusapan din ni Crawford ang tungkol sa pananaliksik mula sa mga nakaraang taon na nagtanong kung ang mataas na antas ng impormasyon ay palaging kumakatawan sa mas maraming butil na datos at kung ang isang "layunin na panorama" ay laging gumagana bilang isang mas tumpak na representasyon kaysa sa data sa isang mas maliit na sukatan. Hiniling din ni Crawford sa mga tagapakinig na mag-isip hindi lamang tungkol sa malaking data, ngunit tungkol sa "data na may lalim." Sa pamamagitan nito, nangangahulugan siya ng data na tunay na gumagabay sa mga mambabasa patungo sa layunin ng katotohanan, sa halip na pagtakpan ng mga detalye na may mas pandaigdigang pamamaraan na, habang mas madaling maunawaan, ay maaaring mag-iwan ng mga pangunahing elemento ng kung ano ang tunay na umiiral.