Manchmal auch "das Internet der Dinge" genannt, ist Big Data angekommen. Es werde "Ideen, Paradigmen, Organisationen und Denkweisen über die Welt ersetzen", sagte Professor Brynjolfsson, Direktor des Zentrums für Digital Business des MIT auf einer kürzlich stattgefundenen Konferenz. Vielleicht. Aber es lohnt sich darüber nachzudenken, was es möglicherweise nicht kann.
Wie Steve Lohr in seinem Jahresrückblick auf das Thema in der New York Times schreibt, beruhen solche Behauptungen auf der Annahme, dass Daten wie Web-Browsing-Trails, Sensorsignale, GPS-Tracking und soziale Netzwerk-Nachrichten die Tür öffnen Menschen und Maschinen wie nie zuvor zu messen und zu überwachen. "Computeralgorithmen, die diese Daten nutzen, ermöglichen es uns," Verhalten aller Art vorauszusagen: zum Beispiel Einkaufen, Datieren und Abstimmen ".
All das ist wahr, und wir sehen das bei der Arbeit, da das Internet bereits jede Suche auf unseren Computern verfolgt. Wir können uns nicht unzähligen Hinweisen und Vorschlägen entziehen, was wir sonst noch kaufen möchten. Nichts wird vergessen oder ignoriert. Und das sind die besser erkennbaren Anzeichen dafür, wie wir verfolgt werden.
Aber wie Lohr darauf hinweist, basieren solche Vorhersagen auf mathematischen Modellen und unsere Modelle werden von menschlicher Intelligenz gemacht. Sobald sie eingerichtet sind, knacken die Modelle Daten schnell und effizient, aber da sie von Menschen erdacht werden, sind sie selbst nicht nur fehlbar, sondern auch anfällig für Missbrauch.
Dem Eindringen solcher Modelle in die Privatsphäre wurde viel Aufmerksamkeit geschenkt. Was offenbaren wir unabsichtlich über uns selbst? Und wer wird diese Informationen benutzen, um uns zu manipulieren und zu kontrollieren? Es passiert jetzt natürlich, aber es wird nur schlimmer werden. Und wie werden wir wissen?
Eine Gefahr anderer Art ist die mangelnde Ausgereiftheit und Genauigkeit der verwendeten Modelle. Gute Programme erfordern Mathematik und Computerkenntnisse, aber auch die Fähigkeit, innovativ und durchdacht zu sein. Lohr stellt fest, dass das McKinsey Global Institute prognostizierte, dass die USA 140.000 bis 190.000 mehr Arbeitskräfte mit "tiefer analytischer Expertise" benötigen würden. Er zitiert Claudia Perlich, Leiterin eines Online-Adtargeting-Startups in New York: "Wir können die Fähigkeiten nicht schnell entwickeln genug."
Es werden nicht nur Computer- und Mathematikfähigkeiten benötigt. Lohr bemerkt: "Es ist wichtig, auf die Daten zu hören, aber auch Erfahrung und Intuition. Was ist schließlich Intuition am besten, aber große Mengen von Daten aller Art werden eher durch ein menschliches Gehirn als durch ein mathematisches Modell gefiltert? "(Siehe," Sicher, große Daten sind großartig. Aber das ist auch Intuition. ")
Um es klar zu sagen, das schließt die unbewusste Information ein, zu der wir unaufmerksam sind, weil sie manchmal irrelevant, manchmal unmodern und manchmal unerwünscht erscheint. Der springende Punkt ist, dass oft gerade diese Information – ungewollt, unerwartet, vielleicht sogar schwer zu akzeptieren oder zu begreifen – zeigt, was wir am häufigsten wissen müssen.
Auf der jüngsten Konferenz des MIT berichtete Lohr, dass ein Panel, das nach großen Fehlern in Big Data gefragt wurde, keine Beispiele finden konnte. Später jedoch äußerte jemand im Publikum, dass Big Data die Kreditkrise und den Finanzcrash von 2008 nicht voraussagen konnte. Oh!
Könnte es sein, dass das Gespenst seines Potenzials seine Anhänger dazu bringt, den menschlichen Faktor zu vernachlässigen oder herunterzuspielen? Macht Big Data Menschen zu selbstbewusst oder selbstgefällig? Wenn ja, ist das genau das Problem, das Big Data nicht lösen kann?
