Mit big data. Jak się kończy ślepa wiara w liczby?

Mity związane z technologią polegają zazwyczaj na wyolbrzymianiu jej możliwości. Tak właśnie działa mit big data: przeceniamy obiektywizm analizy, przeszacowujemy szanse i ignorujemy alternatywne rozwiązania.

Przez lata w branży marketingu powtarzano chwytliwe powiedzenie Sama Wanamakera, który powiedział kiedyś: Wiem, że połowa pieniędzy, jakie wydaję na reklamę, jest zmarnowana. Nie wiem tylko, która to połowa.

Były to czasy, kiedy badania konsumenckie robiło się rzadko i w dość ograniczonym zakresie, a metody pomiaru efektywności reklamy pozostawiały wiele do życzenia. Telemetria? Szacowanie częstotliwości kontaktów odbiorcy z billboardem? Jak to się ma do tego, co daje nam dziś choćby zwykły Google Analytics?

Nadejście ery big data zmieniło wszystko. Marketerzy zyskali dostęp do takiej ilości liczb, o jakiej im się wcześniej nie śniło. I nareszcie pojawiła się szansa, by wyeliminować największy czynnik ryzyka związany z niepowodzeniem: podejmowanie decyzji w oparciu o ludzką intuicję.

Dostęp do danych pozwala wyeliminować największy czynnik ryzyka związany z niepowodzeniem: podejmowanie decyzji w oparciu o ludzką intuicję.

Mit pierwszy: dane się nie mylą

Zanim przejdziemy do mitów, związanych z big data, zacznijmy od ważnego zastrzeżenia. Podejmowanie decyzji biznesowych w oparciu o dane podnosi efektywność firm – to fakt, potwierdzony w badaniach (można o tym przeczytać choćby w tym artykule).

Problem zaczyna się jednak wtedy, kiedy nasze przekonanie o nieomylności big data przybiera kształt ślepej wiary. Dane same w sobie, owszem, są obiektywne. Ale proces ich analizy już niekoniecznie.

Nawet tegoroczny raport Trendwatching.com wskazuje, że jednym z największych wyzwań 2019 roku będzie walka z tzw. biased algorithms – czyli takimi, które są stronnicze i zawierają ukryte założenia, a w efekcie są szkodliwe czy wręcz niesprawiedliwe społecznie. Przykładem są choćby algorytmy wykorzystywane w procesach rekrutacji, które dyskryminują kobiety. Źródłem problemu jest przede wszystkim to, że powielają one „stary” wzór dobrego pracownika, który na podstawie danych historycznych statystycznie częściej był mężczyzną.

Podobnych wypaczeń związanych z wykorzystaniem danych zaobserwowano znacznie więcej – na przykład przy decyzjach dotyczących obliczania składki ubezpieczeniowej albo udzielania kredytów. W wielu przypadkach algorytmy są wręcz krzywdzące dla klientów, o czym alarmują coraz głośniej zarówno środowiska naukowe, jak i niezależne organizacje. Stronnicze algorytmy są wszędzie i nikogo to nie obchodzi – alarmował w ubiegłym roku tytuł artykułu w prestiżowym MIT Technology Review.

W wielu przypadkach algorytmy są wręcz krzywdzące dla klientów.

Matematyczka, Cathy O’Neil, jest jeszcze bardziej radykalna w przestrogach. Jedną ze swoich książek zatytułowała nawet „Weapons on Math Destruction: How Big Data Increases Inequality and Threatens Democracy”. Jej zdaniem jako ludzie zbytnio ufamy danym. Jesteśmy przekonani, że liczby nie mogą się mylić. Tymczasem jest to mit.

The era of blind faith in big data must end | Cathy O’Neil

Mit drugi: dane załatwią wszystko

Otóż nie. Nie załatwią.

Ten mit jest pochodną pierwszego, tego związanego z rzekomą obiektywnością analiz big data. Mając przeświadczenie, że liczby nie mogą się mylić, kwestionujemy jednocześnie znaczenie wszystkich innych czynników, które mogłyby wpływać na kształt podejmowanych przez nas decyzji.

Rzecz jednak w tym, że na samych danych nie polegają nawet „giganci big data” – jak na przykład Facebook. W 2010 roku podczas UX Week, ówczesny szef produktu firmy, Adam Mosseri, wyraźnie skontrastował ze sobą organizacje stosujące dwa różne podejścia – data-driven i data-informed.

Pierwszy typ prezentują firmy, które w swoich decyzjach polegają wyłącznie na danych. W drugim rodzaju organizacji bierze się pod uwagę także inne zmienne – w Facebooku z równą powagą jak statystyki, traktowano dane jakościowe, dodatkowo nie bez znaczenia były też interesy, rozpatrywane z różnych perspektyw: strategii, biznesu, użytkownika i sieci.

UX Week 2010 | Adam Mosseri | Data Informed, Not Data Driven

Big data mają też niską wartość, jeśli spojrzeć na nie z punktu widzenia odkrywania nowych insightów, operują bowiem na danych historycznych. Na podstawie ich analizy można co najwyżej wywnioskować, jak to, co już robimy, można robić lepiej.

Na samych danych liczbowych nie udałoby się choćby przeprojektować serwisu Airbnb – opis tego (i kilku innych) case’ów możemy przeczytać na blogu firmy Interana, specjalizującej się w zaawansowanej analityce biznesowej. Jeden z jej założycieli, a wcześniej Director of Engineering w Facebooku, Bobby Johnson, mówi wprost:

Jeśli zbierasz dane i zastanawiasz się, czemu nie dzierżysz w ręku magicznego pioruna od bogów, nie martw się: w Facebooku również tak to nie działało.

The human insights missing from big data | Tricia Wang

Mit trzeci: intuicja to samo zło

Mając w pamięci powiedzenie o połowie wydatków reklamowych, które idą na zmarnowanie, ciężko odpędzić od siebie myśl, że winien temu był tzw. „czynnik ludzki”.

Podejmowanie decyzji w oparciu o intuicję często traktowane jest jako coś skrajnie nieprofesjonalnego. Potocznie intuicję rozumiemy jako pewnego rodzaju przeczucie, czy wręcz paranormalną zdolność przewidywania biegu zdarzeń. Dlatego big data często postrzegane są jako szansa na wyeliminowanie z procesu podejmowania decyzji elementu najbardziej niepewnego: człowieka.

Big data często postrzegane są jako szansa na wyeliminowanie z procesu podejmowania decyzji elementu najbardziej niepewnego: człowieka.

Naukowe rozumienie intuicji jest jednak skrajnie odmienne od potocznego – na korzyść intuicji. Dwóch wybitnych noblistów, Herbert Simon i Daniel Kahneman, uważa, że działanie intuicji polega na „pobieraniu” z pamięci informacji cennych dla oceny sytuacji. Częste przeświadczenie o „magiczności” intuicji związane jest z tym, że proces ten jest po prostu nieuświadomiony. Nie jest więc to żaden dar od bogów, tylko proces poznawczy.

Intuicja bywa zawodna, ale równie często może być czynnikiem ryzyka, jak i czynnikiem sukcesu. Doświadczenie, jakie przez lata pracy zbierają wybitni menedżerowie marketingu, to nie jest nic. To zasób, którego nie wolno wręcz ignorować – pisaliśmy o tym choćby tutaj.

Jak zdekonstruować mit big data?

Mity funkcjonujące w organizacjach nie są rzadkością – mimo oczekiwania, że organizacje, zwłaszcza biznesowe, będą działały racjonalnie. To naturalne zjawisko – firmę i jej kulturę tworzą przecież ludzie, a nie maszyny. Ponieważ jednak maszyn w naszym środowisku pracy będzie coraz więcej, warto być wyczulonym na obecność mitów związanych z technologią.

Każdy nowy wynalazek budzi w ludziach jednocześnie lęk przed zmianą, jak i nadzieję na lepsze jutro. Mity w organizacjach (tak jak w każdej społeczności i kulturze) są sposobem na poradzenie sobie z tą ambiwalencją. Pomagają wytłumaczyć niezrozumiałe i pojąć tajemnicę.

Mitologizacja technologii polega na wyolbrzymianiu związanych z nią możliwości i tak z pewnością jest w przypadku mitu big data.

Zwykle mitologizacja technologii polega na wyolbrzymianiu związanych z nią możliwości i tak z pewnością jest w przypadku mitu big data. Przeceniamy obiektywizm analizy, przeszacowujemy szanse i ignorujemy alternatywne rozwiązania.

Recepta na obalenie mitu w organizacji jest na szczęście bardzo prosta. Potrzebna jest świadomość, dystans i duża dawka krytycznego myślenia. I to powinno wystarczyć.