Necesidades Big Data grueso de Datos

Tricia Wang

Nota del Editor: Tricia proporciona una excelente segue entre meses del pasado “Ethnomining” Edición Especial y el de este mes “Hablando con las compañías sobre Etnografía.” Ella ofrece mayor creación pensamientos en nuestra discusión colectiva (quizá rayana en la obsesión?) con la gran tendencia de los datos. Con matices ella con fuerza y ​​reinventa algunos de los términos que circulan en las diversas industrias que deseen hacer uso de la investigación social. En la estela de los grandes datos, etnógrafos, ella sugiere, puede ofrecer datos de espesor. Ante la mención despectiva de “anécdotas” debemos hacer frente para defender el valor de las historias.

__________________________________________________

imagen de Mark Smiciklas en la intersección Consulting

Big Data pueden tener un enorme atractivo. ¿Quién quiere ser pensado como un pequeño pensador cuando hay una oportunidad de ir BIG?

El sesgo positivista a favor del Big Data (un término comúnmente utilizado para describir los datos cuantitativos que se produce a través del análisis de enormes conjuntos de datos) como una forma objetiva de entender nuestro mundo presenta desafíos para los etnógrafos. ¿Cuáles son los etnógrafos que hacer cuando nuestra investigación es vista como algo insignificante o inapreciable? Podemos simplemente ignoramos Big Data como demasiado confusa en publicidad para ser útil?

No. Los etnógrafos deben comprometerse con los grandes datos. De lo contrario, nuestro trabajo puede ser muy fácilmente metió en otro departamento, minimizado como una partida pequeña en un presupuesto, y relegado a la esquina pequeña de datos. Pero, ¿cómo puede nuestra clase de investigación se ve como un igual importancia a los datos procesados ​​algorítmicamente? ¿Cuál es el etnógrafo de 10 segundo discurso del ascensor a una habitación de científicos de datos?

…y GO!

Big Data produce tanta información que se necesita algo más para superar y / o revelar las lagunas de conocimiento. Es por eso que el trabajo etnográfico tiene un valor tan enorme en la era del Big Data.

A falta de las palabras conceptuales para posicionar rápidamente el valor del trabajo etnográfico en el contexto del Big Data, He comenzado, en el último año, emplear el término Grueso datos (con un guiño a Clifford Geertz!) para abogar por enfoques integradores para la investigación. Grueso de datos revela el significado detrás de la visualización y el análisis de Big Data.

Datos Grueso: enfoques etnográficos que descubren el significado detrás de la visualización y el análisis de Big Data.

Análisis de los datos grueso se basa principalmente en el poder del cerebro humano para procesar una pequeña "N", mientras que el análisis de grandes datos requiere potencia de cálculo (por supuesto, con los seres humanos a escribir los algoritmos) para procesar un gran "N". Big Data revela una visión con un rango particular de puntos de datos, mientras Grueso datos revelan el contexto social de las conexiones entre los puntos de datos. Big Data ofrece números; datos de espesor ofrece historias. Big Data se basa en el aprendizaje automático; datos de espesor se basa en el aprendizaje humano.

PRECAUCIÓN

Como el concepto de “Big Data” se ha convertido en la corriente principal, muchos investigadores cualitativos de Genevieve Campana (Big Data como una persona) a Kate Crawford (ilusión algorítmica, fundamentalismo datos), y Danah Boyd (preocupaciones sobre la privacidad) han escrito ensayos sobre las limitaciones de Big Data. Los periodistas también se han sumado a la conversación. Caribou Honig defiende pequeño de datos, Gary Marcus precauciones acerca de las limitaciones de inferir correlaciones, Samuel Arbesman pide que nos movamos a los datos a largo. Nuestro propio Jenna Burrell ha elaborado una guía para los etnógrafos para entender los grandes datos.

Dentro de las organizaciones Big Data puede ser peligroso. Steven Maxwell señala que “La gente se está atrapado en el lado de la ecuación de cantidad y no la calidad de las ideas de negocio que la analítica pueden desenterrar.” Más números no producen necesariamente más ideas.

Otro problema es que los grandes datos tiende a colocar un gran valor en los resultados cuantitativos, mientras que la devaluación de la importancia de los resultados cualitativos. Esto conduce a la idea peligroso que los datos estadísticamente normalizado y estandarizado es más útil y objetiva de los datos cualitativos, reforzando la idea de que los datos cualitativos es pequeño de datos.

Estos dos problemas, en combinación, reforzar y empoderar a décadas de gestión empresarial de toma de decisiones basada en datos cuantitativos por sí solos. Consultores de gestión de las empresas han sido durante mucho tiempo trabajando con los datos cuantitativos para crear empresas más eficientes y rentables.

Con el análisis estadístico de sonido, consultores asesoran a las empresas a reducir el tamaño de, contratar, expandir, fundirse, vender, adquirir, cierre, y externalizar todo ello basado en los números (e.g.Mckinsey, Bain & Empresa, BCG, y Deloitte).

El riesgo en un mundo Big Data es que las organizaciones y las personas empiezan a hacer decisiones y optimizar el rendimiento de la métrica-métricas que se derivan de algoritmos..

Sin un contrapeso al riesgo en un mundo Big Data es que las organizaciones y los individuos empiezan a hacer decisiones y optimizar el rendimiento de la métrica-métricas que se derivan de los algoritmos. Y en este proceso de optimización entera, personas, historias, experiencias reales, están casi olvidado. El peligro, escribe Clive Thompson, es que "mediante la adopción de decisiones humanas fuera de la ecuación, estamos poco a poco quitando deliberación-momentos en que reflexionamos sobre la moralidad de nuestras acciones ".

La inspiración y la EMOCIÓN

Grueso de datos es el mejor método para la asignación de territorio desconocido. Cuando las organizaciones quieren saber lo que no lo hacen ya saber, que necesitan grueso de datos, ya que da algo que Big Data hace explícitamente no-inspiración. El acto de recogida y análisis de historias produce ideas.

Cuando las organizaciones quieren saber lo que ellos no sepan ya, que necesitan grueso de datos, ya que da algo que Big Data hace explícitamente no-inspiración. El acto de recogida y análisis de historias produce ideas.

Las historias pueden inspirar a las organizaciones a descubrir diferentes formas de llegar a su destino-la visión. Si se va a conducir, Grueso de datos se va a inspirar a teletransportarse. Grueso de datos a menudo revela lo inesperado. Se frustrará. Le sorprenderá. Pero no importa lo, que inspire. La innovación debe estar en la compañía de la imaginación.

Cuando las organizaciones quieren construir lazos más fuertes con las partes interesadas, que necesitan historias. Historias contienen emociones, algo que ningún conjunto de datos fregado y normalizado jamás puede entregar. Números solos no responden a las emociones de la vida cotidiana: confianza, vulnerabilidad, miedo, codicia, placer, seguridad, amor, y la intimidad. Es difícil representar algorítmicamente la fuerza de afiliación servicio / producto de un individuo y cómo el significado de los cambios de afiliación a través del tiempo. Enfoques datos gruesos penetran profundamente en los corazones de las personas. Por último, una relación entre un actor y una organización / marca es emocional, no racional.

Algunas personas se sienten incómodas con el uso del término “historias” para describir el trabajo etnográfico. Hay una gran confusión que las historias son el equivalente a las anécdotas. Los investigadores de mercado pregunta si se trata de un “de largo.” Incluso en el mundo académico, muchos sociólogos rechazan el uso de “historias” porque hace su trabajo cualitativo parece menos científica. Muchas veces me dijeron que usar “casos” en lugar de “historias.”

Hay una gran diferencia entre las anécdotas e historias, sin embargo. Las anécdotas son por casualidad historias recogidas que son por casualidad compartido. Dentro de un contexto de investigación, historias son intencionalmente recopilada y sistemáticamente muestreado, compartido, interrogado, y analizado, que produce puntos de vista (análisis en el ámbito académico). Grandes ideas inspiran el diseño, estrategia, y la innovación.

NPR tiene un segmento que ilustra el poder del grueso de datos, con Frans de Waal, un primatólogo y biólogo que acaba de publicar "El Bonobo y el ateo: En busca del Humanismo Entre los primates ". A través de sus experimentos, de Waal proporciona evidencia para apoyar su teoría de que un sentido de justicia-las bases de la moralidad-no es exclusiva de los seres humanos. En el vídeo de arriba, de Waal muestra dos monos capuchinos que recibieron diferentes premios por la realización de la misma acción. El mono que consigue un pepino vuelve muy molesto cuando ve el mono al lado de ella dado una uva como una recompensa para que realice una tarea similar. En el mundo de mono, uvas son el crack y los pepinos son pan duro.

“Si muestro los datos, que son los gráficos y cosas por el estilo, la gente no está realmente convencido de, si muestra la reacción emocional, la cantidad de emoción que entra allí, entonces la gente está convencida.” Frans de Waal

En su declaración de la investigación, de Waal hace un caso fascinante de los principios del grueso de datos: "Yo muestro el video a menudo, porque si yo muestro los datos, que son los gráficos y cosas por el estilo, la gente no está realmente convencido de, si muestra la reacción emocional, la cantidad de emoción que entra allí, entonces la gente está convencida.”

Como de Waal deja claro, a veces solo los datos cuantitativos no hacer un argumento convincente. Incluso los científicos necesitan historias para hacer su punto.

OPORTUNIDADES

Roger Magoulas, quien acuñó el término Big Data, hace hincapié en la necesidad de historias: "Las historias tienden a propagarse rápidamente, ayudando a difundir las lecciones del análisis de toda la organización ".

Durante el uso de grandes volúmenes de datos en forma aislada puede ser problemático, es sin duda fundamental para continuar la exploración de cómo Big Data y grueso datos pueden complementarse entre sí. Esta es una gran oportunidad para que los investigadores cualitativos para posicionar nuestro trabajo en el contexto de los resultados cuantitativos de Big Data. Empresas como Claro Partners son incluso reformular la manera en que hacemos preguntas sobre Big Data. En su Datos Personales Economía investigación, en lugar de pedir lo que Big Data nos dice acerca de la conducta humana, preguntaron qué conducta humana nos dice sobre el papel de Big Data en la vida cotidiana. Ellos crearon un conjunto de herramientas para los clientes que les ayuda a cambiar su “perspectiva desde uno centrado en los datos a uno centrado en el hombre.”

Estas son algunas de las áreas en las que veo oportunidad para la colaboración entre los dos métodos dentro de las organizaciones (esto no tiene la intención de una lista exhaustiva o completa):

• Cuidado de la Salud – Como individuos se han convertido en más poder para controlar su propia salud, Ser cuantificados Los valores van de corriente. Los proveedores de salud se han incrementado el acceso a colectivamente sourced, datos anónimos. Proyectos como Asma Archivos proporcionar una visión hacia el futuro de la gruesa y Big Data alianzas para resolver los problemas mundiales de salud.
• Datos anónimos Reutilizado de los operadores móviles – Las empresas de telefonía en todo el mundo están empezando a volver a empaquetar y vender sus datos de clientes. Los vendedores no son los únicos compradores. Los urbanistas que quieren mejores datos basados ​​en la localización para comprender el transporte están utilizando Aire Sage datos de la red celular. Para proteger la privacidad del usuario, los datos son anónimos o bien deliberadamente fregado de la comunicación personal. Y, sin embargo, en ausencia de datos de carácter personal clave, los datos pierde información contextual clave. Sin grueso de Datos, será difícil que las organizaciones entiendan el contexto personal y social de los datos que se han fregado de la información personal.
• Análisis de redes sociales – Medios de comunicación social produce montones de datos que pueden enriquecer el análisis de redes sociales. Los científicos de investigación, tales como Hilary Mason, Gilad Lotan, Duncan Watts, y Ethan Zuckerman (y su laboratorio en el MIT Media Lab) están explorando cómo la información se propaga en las redes sociales y, al mismo tiempo, están creando más preguntas que sólo se puede responder mediante el uso de métodos grueso de Datos. A medida que más empresas hacen uso de métricas de social media, las organizaciones tienen que tener cuidado de no creer, erróneamente, que los datos solo se revelarán "personas influyentes". Un ejemplo de mala interpretación de una señal desde el análisis de redes de datos grande es el de los medios de comunicación escriben de La obra de Cesar Hidalgo, lo que sugiere que Wikipedia puede servir como un proxy para la cultura. Leer corrección de Heather Ford.
• Estrategia de Marca y Generación Insight – Las empresas han confiado en el análisis del mercado de dictar la estrategia empresarial y la generación de una visión. Ellos ahora están recurriendo a un enfoque más centrado en el usuario que se basa en datos Grueso. Característica reciente de Jcrew Fast Company deja claro que, cuando Big Data consultores de gestión impulsado fracasaron, los héroes que dieron vuelta de la marca eran los empleados que entienden lo que los consumidores querían. Uno de los empleados, Jenna Lyons se le dio la oportunidad de implementar iterativo, experimental, y las pruebas en tiempo real de los productos con los consumidores. Su enfoque resonó con los consumidores, transformando Jcrew en una marca de culto y triplicar sus ingresos.
• Producto / Servicio de Diseño - Algoritmos solas no resuelven los problemas, y sin embargo, muchas organizaciones dependen de ellos para diseño de productos y servicios. Xerox utiliza Big Data para resolver los problemas para el gobierno, sino que también usan métodos etnográficos junto analytics. Ellen Issacs, Xerox PARC etnógrafo habla de la importancia Datos de grueso en el diseño: "[y]ncluso cuando se tiene un concepto claro de la tecnología, usted todavía tiene que diseñarlo de manera que es consistente con la forma de pensar acerca de sus actividades . . . tienes que ver ellos haciendo lo que hacen ".
• Implementar stratgy organizacional - Grueso de datos se puede utilizar como un contrapeso a los grandes datos para mitigar la disrupción del cambio organizacional planeado. Los datos cuantitativos pueden indicar la necesidad de un cambio, pero la interrupción dentro de las organizaciones puede ser costoso. Cuando se reordenan los organigramas, descripciones de los puestos se reescriben, funciones de trabajo turno, y medidas de éxito son reformuladas-los cambios pueden causar una interrupción costosa que puede que no aparezcan en el plan de Big Data. Las organizaciones necesitan expertos grueso de datos para trabajar junto a los líderes de negocios para comprender el impacto y el contexto de los cambios a partir de una perspectiva cultural para determinar qué cambios son recomendables y cómo navegar por el proceso de. Grant McCracken llama a esto el Consejero Cultural, la “ojos y oídos de la corporación, lo que le permite detectar cambios que se avecinan, aun cuando existen sólo como la más débil de las señales.” La CCO es el ir a la persona gruesa datos, responsable de la recogida, diciendo, y hacer circular historias para mantener una organización inspirada y ágil. Roger Magoulas, quien acuñó el término Big Data, hace hincapié en la necesidad de historias: "Las historias tienden a propagarse rápidamente, ayudando a difundir las lecciones del análisis de toda la organización ".

FUTURO

Todavía tenemos un montón de preguntas que responder por Gruesa de datos dentro de las organizaciones:

1. ¿Cómo nos informamos grueso de datos de hasta? Las historias son eficaces, pero las historias requieren tiempo, recurso, y habilidades de comunicación.
2. ¿Cuáles son los indicadores de éxito de la investigación grueso de Datos?
3. ¿Cómo formar equipos en los enfoques de datos grande y gruesa de datos integrativos? Hay una mayor demanda de los etnógrafos como proveedores / prestadores que como empleados dentro de las organizaciones. No hay suficientes etnógrafos que trabajan dentro de las empresas a internalizar la investigación etnográfica y explorar diferentes maneras de ampliar los conocimientos de grande y gruesa de datos.

Este es el tiempo para el trabajo etnográfico de brillar realmente. Estamos en una gran posición para mostrar el valor agregado que aportamos a un proyecto de método mixto. La producción de "descripciones densas" (un término utilizado por Clifford Geertz para describir la metodología etnográfica) de un contexto social complementa hallazgos Big Data. Las personas y las organizaciones pioneras en proyectos de datos grande y gruesa de datos, tal como Fabien Giradin desde Near Future Laboratory o Wendy Hsu, se nos da atisbos a este mundo.

Así que la próxima vez que alguien te habla de Big Data, probar su argumento de venta para el grueso de datos. Me encantaría saber de su experiencia–hace resonar este término? ¿Cómo mejoraría el terreno de juego durante Grueso datos? O usted tiene un terreno de juego más efectivo o una alternativa para compartir? ¿Cuáles son otras áreas de oportunidad para Big Data y grueso de datos para jugar juntos?

____________________________

En los próximos meses, Voy a comisariar una edición seguimiento Ethnomining tema de Nicolas Nova sobre cómo los etnógrafos están posicionando trabajo etnográfico en el contexto del Big Data. Estoy buscando colaboradores invitados, por favor, llegar si desea participar.

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!