你可以总结出许多大数据项目的目标--不管它是否已经阐明--试图回答这个问题,“到底是怎么回事?”
当然,在许多情况下,这可能有点太简洁了,但是暴露于大数据分析倡议的CIO可以轻松地对这个问题的更微妙的版本进行拼写。这可能是理解为什么销售下降的问题,为什么博客帖子是病毒性的,或者今天的客户正在做什么来表示他们将如何在明天表现。
换句话说,无论你是在分析过去还是试图预测,大数据项目应该让你比以前了解得更多。对吗?
最近一次对远离分析领域的人的采访让我有了不同的想法。YuvalHOAHHarari是一位学者,在某些方面,他在他的著作“Sapiens:一个人类简史”中承担了最大的大数据项目。这是我的阅读清单,因为我感兴趣的不仅仅是科技如何促进分析思维,而是我们发展我们对世界的集体理解的能力是如何随着时间的推移而发展的。
在Edge.org上,DanielKahneman(思考,快速和缓慢)开始了他们的视频讨论,引用了Harari的书中关于发现无知的一章,这是作者的理由,这是科学最初发展的时候。换句话说,你必须知道你不知道的事情,然后你才能知道其他的事情。以下是更多关于这个理论,用Harari自己的话说:
我经常在大学告诉我的学生,我的目标是在三年后,你基本上只知道你刚到这里的时候。当你第一次来到这里时,你认为你知道世界是什么样的,什么是战争,什么是国家,等等。三年后,我的希望是,您将了解到,您实际了解的距离远、远远,您会看到当前和未来的更广泛的视图。
即使他从未涉足过数据中心,我认为Harari也抓住了这么多大数据项目和一般IT项目最常见的意外后果之一。开始使用非结构化数据,即使您可以使用最好的产品和服务,您也可能会有更多的新问题,而不是最初提出的问题的答案。
不同的是,在Harari的例子中,他在研究中考虑到了这个现实。你几乎可以称之为对无知的积极追求,这反过来又提供了它自己的潜在价值。以下是另一句话:
我正试图做一些与预测未来相反的事情。我试图找出什么是可能性,什么是我们所面临的可能性的地平线?在这些可能性中会发生什么呢?在这方面,我们仍有很多选择。
与大型企业的数据科学相比,对Harari所做的工作进行比较也许是不公平的,但取决于您所使用的数据的质量、组织的现有洞察力水平和业务目标,积极追求无知可能是分析的一个更现实的起点。毕竟,正如哈拉里可能第一个指出的那样,我们只是人类。