บ้าน ความเห็น ข้อมูลขนาดใหญ่เป็นเพียงการหลอกลวงครั้งใหญ่ | จอห์นค. Dvorak

ข้อมูลขนาดใหญ่เป็นเพียงการหลอกลวงครั้งใหญ่ | จอห์นค. Dvorak

วีดีโอ: A day with Scandale - Harmonie Collection - Spring / Summer 2013 (กันยายน 2024)

วีดีโอ: A day with Scandale - Harmonie Collection - Spring / Summer 2013 (กันยายน 2024)
Anonim

มส์ "ข้อมูลขนาดใหญ่" ที่เพิ่งเกิดขึ้นใหม่ไม่เคยถูกกำหนดในวิธีที่มีความหมายและชัดเจนใด ๆ มันเป็นคำศัพท์ปากต่อปากที่แปลกใหม่ที่สุดที่ฉันเคยเห็นมานานหลายทศวรรษ เป็นหนึ่งในบรรดาคำที่ "ดึงดูดสายตาของผู้มองเห็น" ที่ใช้เพื่อทำให้มีชีวิตชีวาในการสัมมนาและในที่สุดก็ดื่มด่ำกับนักลงทุน

เริ่มต้นด้วยการถามว่าข้อมูลขนาดใหญ่หมายความว่าอย่างไร มีข้อมูลมากมายใช่ไหม ข้อมูลมากกว่าที่คุณสามารถจัดการได้? ข้อมูลอสัณฐาน? อยู่นอกการควบคุมข้อมูลหรือไม่ ข้อมูลที่เป็นประโยชน์สำหรับการวิเคราะห์? ข้อมูลไร้ประโยชน์ ข้อมูลเกินพิกัด?

หากคุณอ่านข้อมูลเกี่ยวกับข้อมูลขนาดใหญ่ได้อย่างเพียงพอนั่นคือทั้งหมดที่กล่าวมาแล้วข้างต้น กุญแจไม่ใช่ข้อมูล แต่เป็นความท้าทายของวิธีจัดการกับข้อมูลและจะทำอย่างไรกับข้อมูลเอง

กล่าวอีกนัยหนึ่งเราจะสร้างกองข้อมูลขนาดใหญ่นี้ได้อย่างไรซึ่งเราสามารถสะสมได้เป็นประโยชน์ในรูปแบบใหม่และสร้างผลกำไร? กลุ่มข้อมูลสามารถมาจากที่ใดก็ได้ผ่านกลไกการคำนวณต่าง ๆ เช่นโพสต์ Facebook บันทึก NSA รายชื่อผู้รับจดหมายลูกค้า ฯลฯ

ฉันจะยืนยันว่าผู้อ่านส่วนใหญ่ของคอลัมน์นี้เป็นแหล่งเก็บข้อมูลขนาดใหญ่ของตัวเอง ฉันเพิ่งซื้อไดรฟ์ 3 Terabyte เพื่อสำรองข้อมูล ฉันมีข้อมูลจำนวนมากที่จะสำรอง! ข้อมูลใหญ่!

เครื่องมือที่มีประโยชน์ที่ฉันสามารถจินตนาการได้ว่าเป็นเครื่องมือวิเคราะห์ข้อมูลขนาดใหญ่ที่ตำรวจสามารถใช้เพื่อค้นหาคุณว่ามีความผิดเกี่ยวกับอาชญากรรมแบบสุ่มโดยไปที่ไฟล์ของคุณ หรืออย่างน้อยก็หาสิ่งที่จะทำให้คุณอับอาย ข้อมูลใหญ่!

ทั้งหมดนี้ทำให้เกิดความคิดเห็นย้อนกลับโดยคอมมิชชันของอดีตซีอีโอของอเมริกันเอ็กซ์เพรสที่บอกผู้ชมว่าหาก บริษัท ต้องการ (และสิ่งนี้ใช้กับ บริษัท บัตรเครดิตทั้งหมด) มันสามารถใช้นิสัยการซื้อและแนวโน้มการซื้อของคุณเอง พิชัยสงครามและบอกอย่างแน่นอนว่าคุณมีความสัมพันธ์หรือไม่ ข้อมูลใหญ่!

จากสิ่งที่ฉันสามารถบอกได้ว่านี่คือสิ่งที่ข้อมูลขนาดใหญ่ทำได้ดีที่สุดสอดแนมผู้คน

ความเห็นที่ได้รับความนิยมโดยอุตสาหกรรมคือฐานข้อมูลขนาดใหญ่ที่มีข้อมูลเกี่ยวกับคุณจะถูกใช้เพื่อประโยชน์ของคุณ ใช่คุณรู้แล้วคุณจะได้รับสิ่งที่คุณสนใจจริง ๆ โฆษณาที่ตรงเป้าหมาย สิ่งนี้มีประโยชน์สำหรับทุกคน!

นี่คือวิธีการทำงาน ฉันสนใจที่จะซื้อกล้องใหม่และฟังเกี่ยวกับ Bogus One ใหม่ ฉันอ่านบทความบน PCMag.com เกี่ยวกับกล้องจากนั้นฉันไปที่ Amazon และตรวจสอบราคาและบทวิจารณ์ของผู้ใช้ ดูเหมือนว่าไม่มีใครชอบกล้อง เป็นชิ้นส่วนที่เห็นได้ชัด ผู้ตรวจสอบทุกคนรังเกียจกล้อง ผู้ซื้อเกลียดกล้อง นี่ไม่ใช่กล้องที่ฉันต้องการ แต่ซอฟต์แวร์วิเคราะห์ข้อมูลขนาดใหญ่ตัดสินใจที่จะให้โฆษณาหลายร้อยรายการแก่ฉันในทุกหน้าเว็บที่ฉันเข้าชมทุกคนแสดงกล้อง Bogus One ข้อมูลใหญ่!

มันแย่กว่านั้น หากสิ่งต่าง ๆ ไปในทิศทางอื่นและฉันคิดว่าฉันชอบและต้องการกล้องและซื้อกล้องจริงฉัน ยังคง ได้รับโฆษณาที่กระตุ้นให้ฉันซื้อกล้อง ข้อมูลใหญ่!

การโฆษณา "ข้อมูลขนาดใหญ่" ที่กำหนดเป้าหมายเป็นภาระที่ยิ่งใหญ่ที่สุดเท่าที่เคยมีมา

ตกลงดังนั้นเราจะลืมความล้มเหลวนั้นและย้ายไปใช้ข้อมูลขนาดใหญ่สำหรับแนวโน้ม ข้อมูลขนาดใหญ่อาจพบเข็มต่าง ๆ ในกองหญ้าต่าง ๆ ดังนั้นคุณจะได้รับสิ่งนี้: สี่สิบเปอร์เซ็นต์ของผู้ซื้อ Subaru ทั้งหมดเป็นมังสวิรัติ / วีแก้นและ 80 เปอร์เซ็นต์ของพวกเขาเป็นเดโมแครต แต่จำนวนนั้นเพิ่มขึ้นเป็น 60 เปอร์เซ็นต์และ 90 เปอร์เซ็นต์ตามลำดับถ้าเรากำลังพูดถึง Subaru Outback ยิ่งไปกว่านั้นมันเพิ่มเป็นมังสวิรัติร้อยละ 99 / มังสวิรัติและ 99 เปอร์เซ็นต์ประชาธิปัตย์ถ้ารถถูกทาสีเขียว

นักทฤษฎีข้อมูลขนาดใหญ่จะมีวันภาคสนามในการสัมมนาด้วยข้อมูลนี้ แต่จะไม่สนใจตัวแปรทั้งหมดที่สามารถเปลี่ยนการคำนวณและแนวโน้มซึ่งไม่มีที่สิ้นสุด ข้อมูลขนาดใหญ่นี้จะค้างอยู่นานแค่ไหนถ้า CEO ของ Subaru ขับรถไปรวมตัวกันใน Outback สีเขียวและประกาศว่า "ปลาวาฬทั้งหมดจะต้องถูกทำลาย!"

มันไม่ได้ใช้อะไรมากในการเปลี่ยนแปลงการเปลี่ยนแปลงของข้อสรุปข้อมูลขนาดใหญ่ แม้จะมีสิ่งที่คนอเมริกันเอ็กซ์เพรสพูด แต่ข้อมูลนั้นตาบอด นั่นเป็นเหตุผลที่คุณได้รับโฆษณาสำหรับผลิตภัณฑ์ที่คุณซื้อไปแล้ว

ข้อมูลขนาดใหญ่จะทำให้คุณข้ามไปสู่ข้อสรุป

หากใครบางคนซื้อหนังสือสิบเล่มเกี่ยวกับวิธีการวางระเบิดนั่นหมายความว่าเขาต้องการระเบิดอาคารของรัฐบาลกลางหรือไม่ จะเป็นอย่างไรถ้าเขาเป็นผู้เชี่ยวชาญด้านการกำจัดทิ้งระเบิดและไม่ได้รวมอยู่ในตำแหน่งงานของเขาในฐานะที่ปรึกษาตำรวจ ข้อมูลขนาดใหญ่ยังไม่สามารถรู้ได้ทุกอย่าง ไม่สามารถรู้ได้ว่าคุณกำลังคิดอะไรอยู่ ยกตัวอย่างเช่นฉันคิดว่ากล้อง Bogus One แย่มาก ข้อมูลขนาดใหญ่ไม่สามารถรู้ได้เว้นแต่ว่าฉันกำลังสอบปากคำ และฉันอาจโกหกเกี่ยวกับมัน

สิ่งนี้ไม่ดีหรือมีประโยชน์ต่อสังคม กระโดดไปสู่ข้อสรุปการตั้งสมมติฐานการแสดงบนสมมติฐานที่ผิดพลาด Hounding สาธารณะด้วย s ไร้ประโยชน์

ข้อมูลขนาดใหญ่ที่เป็นแนวคิดรวบยอดจะไม่มีวันกำหนดอย่างเต็มที่และตายอย่างน่าสังเวช ฉันหวังว่า.

ข้อมูลขนาดใหญ่เป็นเพียงการหลอกลวงครั้งใหญ่ | จอห์นค. Dvorak