ABOUT THE SPEAKER
Susan Etlinger - Data analyst
Susan Etlinger promotes the smart, well-considered and ethical use of data.

Why you should listen

Susan Etlinger is an industry analyst with Altimeter Group, where she focuses on data and analytics. She conducts independent research and has authored two intriguing reports: “The Social Media ROI Cookbook” and “A Framework for Social Analytics.” She also advises global clients on how to work measurement into their organizational structure and how to extract insights from the social web which can lead to tangible actions. In addition, she works with technology innovators to help them refine their roadmaps and strategies. 

Etlinger is on the board of The Big Boulder Initiative, an industry organization dedicated to promoting the successful and ethical use of social data. She is regularly interviewed and asked to speak on data strategy and best practices, and has been quoted in media outlets like The Wall Street Journal, The New York Times, and the BBC.

More profile about the speaker
Susan Etlinger | Speaker | TED.com
TED@IBM

Susan Etlinger: What do we do with all this big data?

سوزان اتلینگر: با این حجم وسیع اطلاعات چه می کنیم؟

Filmed:
1,344,301 views

آیا داشتن اطلاعاتی خاص به شما احساس راحتی بیشتری می دهد؟ احساس موفقیت بیشتری می دهد؟ پس به احتمال زیاد برداشت شما از اطلاعاتتان نادرست است. در یک سخنرانی بسیار جالب، سوزان اتلینگر نشان می دهد که چرا ما باید همزمان با گسترش اطلاعاتمان، تفکر انتقادی خودمان را هم تعمیق دهیم. چرا که درک مفهوم اطلاعات چیزی فراتر از شمارش و اعداد است.
- Data analyst
Susan Etlinger promotes the smart, well-considered and ethical use of data. Full bio

Double-click the English transcript below to play the video.

00:13
Technologyفن آوری has broughtآورده شده us so much:
0
1354
3135
تکنولوژی دست آوردهای زیادی داشته است:
00:16
the moonماه landingفرود آمدن, the Internetاینترنت,
1
4489
2019
سفر به کره ماه، اینترنت،
00:18
the abilityتوانایی to sequenceتوالی the humanانسان genomeژنوم.
2
6508
2625
توانمندی در دست کاری ژنتیک انسان
00:21
But it alsoهمچنین tapsشیپور خاموشی into a lot of our deepestعمیق ترین fearsترس,
3
9133
3724
اما خیلی از ترسهای قدیمی ما را
نیز تازه می کند،
00:24
and about 30 yearsسالها agoپیش,
4
12857
1856
در حدود ۳۰ سال پیش
00:26
the cultureفرهنگ criticمنتقد Neilنیل Postmanپستچی wroteنوشت a bookکتاب
5
14713
2553
منتقد فرهنگی، نیل پُستمن، کتابی نوشت
00:29
calledبه نام "Amusingسرگرم کننده Ourselvesخودمان to Deathمرگ,"
6
17266
2115
به نام «زندگی در عیش، مردن در خوشی»
00:31
whichکه laysمی گذارد this out really brilliantlyدرخشان.
7
19381
2759
که این موضوع را به خوبی بیان می کند.
00:34
And here'sاینجاست what he said,
8
22140
1650
او این مساله را با
00:35
comparingمقایسه کنید the dystopianدودویی visionsدیدگاه ها
9
23790
2263
مقایسه تصورات جورج اورول و آلدوس هاکسلی
00:38
of Georgeجورج Orwellاورول and Aldousآلدوس Huxleyهاکسلی.
10
26053
3573
از ناکجا آباد بیان می کند.
00:41
He said, Orwellاورول fearedترسید we would becomeتبدیل شدن به
11
29626
3126
او می گوید، اورول می ترسید که ما
00:44
a captiveاسیر cultureفرهنگ.
12
32752
2248
به لحاظ فرهنگی اسیر شویم.
00:47
Huxleyهاکسلی fearedترسید we would becomeتبدیل شدن به a trivialبدیهی cultureفرهنگ.
13
35000
3752
هاکسی می ترسید که ما به لحاظ فرهنگی
بی محتوا شویم.
00:50
Orwellاورول fearedترسید the truthحقیقت would be
14
38752
2145
اورول می ترسید که حقیقت
00:52
concealedپنهان from us,
15
40897
1923
از ما پنهان شود.
00:54
and Huxleyهاکسلی fearedترسید we would be drownedغرق شد
16
42820
2190
و هاکسلی می ترسید که ما
00:57
in a seaدریا of irrelevanceبی ربط بودن.
17
45010
2693
در دریای حاشیه ها غرق شویم.
00:59
In a nutshellمخلص کلام, it's a choiceانتخابی betweenبین
18
47703
2170
به صورت کلی، این یک انتخاب بین این است که
01:01
Bigبزرگ Brotherبرادر watchingتماشا کردن you
19
49873
2600
«برادر بزرگ» بر شما نظارت کند
01:04
and you watchingتماشا کردن Bigبزرگ Brotherبرادر.
20
52473
2496
یا شما بر «برادر بزرگ» نظارت کنید.
01:06
(Laughterخنده)
21
54969
1931
(خنده حضار)
01:08
But it doesn't have to be this way.
22
56900
1734
اما لزومی ندارد که اینگونه بماند.
01:10
We are not passiveمنفعل consumersمصرف کنندگان
of dataداده ها and technologyتکنولوژی.
23
58634
3336
ما مصرف کنندگان مطیع داده و فناوری نیستیم.
01:13
We shapeشکل the roleنقش it playsنمایشنامه in our livesزندگی می کند
24
61970
2403
ما نقش آن را در زندگی خود شکل می دهیم
01:16
and the way we make meaningبه معنی from it,
25
64373
2130
و به آن معنا می دهیم،
01:18
but to do that,
26
66503
1603
ولی برای انجام این کار،
01:20
we have to payپرداخت as much attentionتوجه to how we think
27
68106
3513
باید به همان میزان به نحوه فکر کردنمان
اهمیت بدهیم،
01:23
as how we codeکد.
28
71619
2030
که به نحوه کد نوشتنمان اهمیت می دهیم.
01:25
We have to askپرسیدن questionsسوالات, and hardسخت questionsسوالات,
29
73649
3098
ما باید سوال بپرسیم، سوالهای سخت،
01:28
to moveحرکت pastگذشته countingبا احتساب things
30
76747
1869
تا از شمارش عبور کنیم،
01:30
to understandingدرك كردن them.
31
78616
2602
و به ادراک و فهم اطلاعات برسیم.
01:33
We're constantlyبه طور مداوم bombardedبمباران شده with storiesداستان ها
32
81218
2446
ما دائما با داستانهای مختلفی درباره این که
01:35
about how much dataداده ها there is in the worldجهان,
33
83664
2476
چقدر داده در جهان وجود دارد
بمباران می شویم،
01:38
but when it comesمی آید to bigبزرگ dataداده ها
34
86140
1580
اما وقتی صحبت از داده های بزرگ
01:39
and the challengesچالش ها of interpretingتفسیر it,
35
87720
2596
و چالش تفسیر آن می شود،
01:42
sizeاندازه isn't everything.
36
90316
2088
اندازه همه چیز نیست.
01:44
There's alsoهمچنین the speedسرعت at whichکه it movesحرکت می کند,
37
92404
2903
سرعت جابجایی آن نیز مطرح است،
01:47
and the manyبسیاری varietiesارقام of dataداده ها typesانواع,
38
95307
1696
و تنوع اشکال مختلف داده،
01:49
and here are just a fewتعداد کمی examplesمثال ها:
39
97003
2498
اینجا فقط چند نمونه را می گویم:
01:51
imagesتصاویر,
40
99501
2198
تصاویر،
01:53
textمتن,
41
101699
4007
متن،
01:57
videoویدئو,
42
105706
2095
ویدیو،
01:59
audioسمعی.
43
107801
1830
صوت.
02:01
And what unitesمتحد می شود this disparateمتفاوت است typesانواع of dataداده ها
44
109631
3042
و چیزی که این داده ها را به هم
مربوط می سازد
02:04
is that they're createdایجاد شده by people
45
112673
2221
این است که همه آنها توسط آدمها
تولید شده اند
02:06
and they requireنیاز contextزمینه.
46
114894
2775
و همه آنها مفهوم دارند.
02:09
Now, there's a groupگروه of dataداده ها scientistsدانشمندان
47
117669
2445
بسیار خوب، گروهی از دانشمندان
02:12
out of the Universityدانشگاه of Illinois-Chicagoایلینوی-شیکاگو,
48
120114
2305
در دانشگاه ایلینویز-شیکاگو وجود دارند،
02:14
and they're calledبه نام the Healthسلامتی Mediaرسانه ها Collaboratoryهمکاری,
49
122419
2554
که به آنان «کارگروه سلامت رسانه» می گویند،
02:16
and they'veآنها دارند been workingکار کردن with
the Centersمراکز for Diseaseمرض Controlکنترل
50
124973
2587
و با مراکز کنترل بیماری ها کار می کنند
02:19
to better understandفهمیدن
51
127560
1505
تا درک بهتری داشته باشند
از گفتگوی
02:21
how people talk about quittingترک smokingسیگار کشیدن,
52
129065
2848
مردم در رابطه با ترک دود( سیگار)،
02:23
how they talk about electronicالکترونیکی cigarettesسیگار,
53
131913
2680
درباره سیگارهای الکترونیکی،
02:26
and what they can do collectivelyمجموعا
54
134593
1985
و این که کلا چه کاری می توان انجام داد،
02:28
to help them quitترک.
55
136578
1984
که به ترک سیگار کمک شود.
02:30
The interestingجالب هست thing is, if you want to understandفهمیدن
56
138562
2013
نکته جالب این است که اگر بخواهیم درک کنیم
02:32
how people talk about smokingسیگار کشیدن,
57
140575
2216
که مردم چطور درباره دود حرف می زنند،
02:34
first you have to understandفهمیدن
58
142791
1901
ابتدا باید بفهمیم که
02:36
what they mean when they say "smokingسیگار کشیدن."
59
144692
2565
منظور آنها وقتی می گویند «دود» چیست.
02:39
And on Twitterتوییتر, there are fourچهار mainاصلی categoriesدسته بندی ها:
60
147257
3926
و در توییتر، ۴ دسته بندی اصلی وجود دارد:
02:43
numberعدد one, smokingسیگار کشیدن cigarettesسیگار;
61
151183
2997
شماره یک: دود سیگار؛
02:46
numberعدد two, smokingسیگار کشیدن marijuanaماری جوانا;
62
154180
2807
شماره دو: دود ماریجوانا (علف)
02:48
numberعدد threeسه, smokingسیگار کشیدن ribsدنده;
63
156987
2643
شماره سه: کباب دودی
02:51
and numberعدد fourچهار, smokingسیگار کشیدن hotداغ womenزنان.
64
159630
3553
شماره سه: با دخترهای خوشگل اشنا شوید.(دود کردن دخترها)
02:55
(Laughterخنده)
65
163183
2993
(خنده حضار)
02:58
So then you have to think about, well,
66
166176
2426
پس بعد باید درباره این فکر کنید که،
03:00
how do people talk about electronicالکترونیکی cigarettesسیگار?
67
168602
2140
چطور راجع به سیگارهای الکترونیکی
صحبت می شود؟
03:02
And there are so manyبسیاری differentناهمسان waysراه ها
68
170742
2025
و مردم به اشکال مختلفی این کار را
03:04
that people do this, and you can see from the slideاسلاید
69
172767
2599
انجام می دهند، که می توانید در
اسلاید ببینید که
03:07
it's a complexپیچیده kindنوع of a queryپرس و جو.
70
175366
2610
بسیار پیچیده است.
03:09
And what it remindsیادآوری می کند us is that
71
177976
3224
و آنچه که به یاد ما می آورد این است که
03:13
languageزبان is createdایجاد شده by people,
72
181200
2411
زبان توسط افراد ایجاد می شود،
03:15
and people are messyبی نظم and we're complexپیچیده
73
183611
2340
و افراد درهم و برهم و پیچیده اند
03:17
and we use metaphorsاستعاره ها and slangعامیانه and jargonاصطلاحا
74
185951
2767
و ما از ضرب المثل وکنایه و هجو
استفاده می کنیم
03:20
and we do this 24/7 in manyبسیاری, manyبسیاری languagesزبان ها,
75
188718
3279
و این کار را هر روز و هر ساعت،
به زبانهای مختلف انجام می دهیم.
03:23
and then as soonبه زودی as we figureشکل it out, we changeتغییر دادن it up.
76
191997
3224
و بعد به محض اینکه کارمان با آن
تمام می شود، تغییرش می دهیم.
03:27
So did these adsتبلیغات that the CDCCDC put on,
77
195221
5118
مانند کاری که تبلیغات شرکت CDC انجام داد.
03:32
these televisionتلویزیون adsتبلیغات that featuredویژه a womanزن
78
200339
2430
تبلیغاتی تلویزیونی که زنی را نشان می داد
03:34
with a holeسوراخ in her throatگلو and that were very graphicگرافیک
79
202769
2021
با یک سوراخ روی گلویش، با تصویری واضح
03:36
and very disturbingمزاحم,
80
204790
1904
و بسیار ناراحت کننده،
03:38
did they actuallyدر واقع have an impactتأثیر
81
206694
1885
آیا واقعا تاثیری بر روی
03:40
on whetherچه people quitترک?
82
208579
2671
ترک سیگار داشت؟
03:43
And the Healthسلامتی Mediaرسانه ها Collaboratoryهمکاری
respectedاحترام the limitsمحدودیت ها of theirخودشان dataداده ها,
83
211250
3307
و «کارگروه سلامت رسانه» با احترام به
محدودیت اطلاعاتشان،
03:46
but they were ableتوانایی to concludeنتیجه گرفتن
84
214557
2005
نتیجه گیری کرد که
03:48
that those advertisementsآگهی ها
and you mayممکن است have seenمشاهده گردید them —
85
216562
3312
این گونه تبلیغات -
که شما ممکن است دیده باشید -
03:51
that they had the effectاثر of joltingتحریک کننده people
86
219874
2591
مردم را درگیر به یک
03:54
into a thought processروند
87
222465
1822
فرآیند فکری می کنند
03:56
that mayممکن است have an impactتأثیر on futureآینده behaviorرفتار.
88
224287
3667
که ممکن است بر رفتار آنها
در آینده اثر بگذارد.
03:59
And what I admireتحسین and
appreciateقدردانی about this projectپروژه,
89
227954
3891
و آنچه که من در ارتباط با این پروژه
تحسین می کنم،
04:03
asideگذشته از from the factواقعیت, includingشامل the factواقعیت
90
231845
1489
به جز این حقیقت که
04:05
that it's basedمستقر on realواقعی humanانسان need,
91
233334
4057
بر اساس نیاز واقعی انسان است،
04:09
is that it's a fantasticخارق العاده exampleمثال of courageشجاعت
92
237391
2846
این است که این یک مثال فوق العاده از
«شجاعت»
04:12
in the faceصورت of a seaدریا of irrelevanceبی ربط بودن.
93
240237
4443
در مواجهه با «دریایی از حاشیه ها» است.
04:16
And so it's not just bigبزرگ dataداده ها that causesعلل
94
244680
3305
و خب تنها حجم عظیم اطلاعات نیستند
که باعث می شوند
04:19
challengesچالش ها of interpretationتفسیر, because let's faceصورت it,
95
247985
2601
چالش هایی در تفسیر رخ دهد٬
زیرا بگذارید با آن روبرو شویم٬
04:22
we humanانسان beingsموجودات have a very richثروتمند historyتاریخ
96
250586
2594
ما انسان ها تاریخی غنی داریم
04:25
of takingگرفتن any amountمیزان of dataداده ها, no matterموضوع how smallکوچک,
97
253180
2693
از گرفتن هر حجمی از اطلاعات٬ هرچند کوچک٬
04:27
and screwingپیچش it up.
98
255873
1617
و نهایتاً خراب کردن آن.
04:29
So manyبسیاری yearsسالها agoپیش, you mayممکن است rememberیاد آوردن
99
257490
3737
خب چندین سال پیش
شما ممکن است به یاد داشته باشید
04:33
that formerسابق Presidentرئيس جمهور Ronaldرونالد Reaganریگان
100
261227
2273
که رئیس جمهور سابق رونالد ریگان
04:35
was very criticizedانتقاد شدید for makingساخت a statementبیانیه
101
263500
1991
شدیدا بخاطر صحبتش درباره
04:37
that factsحقایق are stupidاحمق things.
102
265491
3010
«احمقانه بودن حقایق» انتقاد شد.
04:40
And it was a slipلیز خوردن of the tongueزبان, let's be fairنمایشگاه.
103
268501
2794
بیایید منصف باشیم چون اون از دستش در رفت.
04:43
He actuallyدر واقع meantبه معنای to quoteنقل قول Johnجان Adams'آدامز defenseدفاع
104
271295
2430
در حقیقت منظورش
نقلی قولی از دفاعیه جان آدامز بود
04:45
of Britishانگلیس soldiersسربازان in the Bostonبوستون Massacreقتل عام trialsآزمایش های
105
273725
2751
درباره سربازان بریتانیایی
در محاکمه «قتل عام بوستون»
04:48
that factsحقایق are stubbornیک دنده things.
106
276476
3150
که حقایق مطالبی سرسخت هستند.
04:51
But I actuallyدر واقع think there's
107
279626
2624
اما من واقعاً فکر می کنم
04:54
a bitبیت of accidentalتصادفی wisdomحکمت in what he said,
108
282250
3418
تصادفاً مقداری از ذکاوت
در آن چه گفت وجود دارد٬
04:57
because factsحقایق are stubbornیک دنده things,
109
285668
2776
چرا که واقعاً حقایق محکمند،
05:00
but sometimesگاه گاهی they're stupidاحمق, too.
110
288444
2923
اما برخی اوقات احمقانه هم هستند.
05:03
I want to tell you a personalشخصی storyداستان
111
291367
1888
می خواهم داستانی شخصی را برایتان بگویم
05:05
about why this mattersمسائل a lot to me.
112
293255
3548
که چرا اینقدر این مسأله برایم مهم است.
05:08
I need to take a breathنفس کشیدن.
113
296803
2437
بگذارید نفسی تازه کنم.
05:11
My sonفرزند پسر Isaacاسحاق, when he was two,
114
299240
2754
پسرم ایزاک٬ در دو سالگی
05:13
was diagnosedتشخیص داده شده with autismاوتیسم,
115
301994
2417
مبتلا به اوتیسم شد٬
05:16
and he was this happyخوشحال, hilariousخنده دار,
116
304411
2161
و او مرد کوچک خوشحال، بشاش،
05:18
lovingبا محبت, affectionateمهربان little guy,
117
306572
2035
دوست داشتنی و خونگرم بود
05:20
but the metricsمعیارهای on his developmentalتوسعه evaluationsارزیابی ها,
118
308607
2902
اما مقیاس های ارزیابی رشد او،
05:23
whichکه lookedنگاه کرد at things like
the numberعدد of wordsکلمات
119
311509
2070
که به مواردی چون تعداد کلمات نگاه می کرد
05:25
at that pointنقطه, noneهیچ کدام
120
313579
3657
و در آن زمان،
05:29
communicativeارتباطی gesturesحرکات and minimalحداقل eyeچشم contactتماس,
121
317236
3940
نبود علائم روشنی از ارتباط
و حداقل تماس چشمی
05:33
put his developmentalتوسعه levelسطح
122
321176
2003
سطح رشد او را
05:35
at that of a nine-month-oldنه ماهه babyعزیزم.
123
323179
3961
برابر با کودکی 9 ماهه قرار داد.
05:39
And the diagnosisتشخیص was factuallyدر واقع correctدرست,
124
327140
2960
و تشخیص بیماری در حقیقت درست بود٬
05:42
but it didn't tell the wholeکل storyداستان.
125
330100
3209
اما تمام ماجرا را بیان نمی کرد.
05:45
And about a yearسال and a halfنیم laterبعد,
126
333309
1401
و یکسال و نیم بعد٬
05:46
when he was almostتقریبا fourچهار,
127
334710
2102
وقتی که پسرم ۴ ساله بود٬
05:48
I foundپیدا شد him in frontجلوی of the computerکامپیوتر one day
128
336812
2363
روزی دیدم پسرم جلوی کامپیوتر نشسته
05:51
runningدر حال اجرا a Googleگوگل imageتصویر searchجستجو کردن on womenزنان,
129
339175
5453
و جستجوی تصویری را
درباره کلمه «زنان» انجام می دهد٬
05:56
spelledاملای "w-i-m-e-nویمن."
130
344628
3616
در حالی که یک حرف از کلمه را
اشتباه هجی کرده بود.
06:00
And I did what any obsessedغرق parentوالدین would do,
131
348244
2740
و من کاری را کردم که
هر مادر حساسی انجام می داد٬
06:02
whichکه is immediatelyبلافاصله startedآغاز شده
hittingضربه زدن the "back" buttonدکمه
132
350984
1901
و فوراً کلید عقبگرد را زدم
06:04
to see what elseچیز دیگری he'dاو می خواهد been searchingجستجوکردن for.
133
352885
3363
تا ببینم
او درباره چه چیزهایی جستجو می کرده است.
06:08
And they were, in orderسفارش: menمردان,
134
356248
2171
و آن ها به ترتیب: مردان٬
06:10
schoolمدرسه, busاتوبوس and computerکامپیوتر.
135
358419
7267
مدرسه٬ اتوبوس و کامپیوتر بودند.
06:17
And I was stunnedخسته شدم,
136
365686
2070
و من شگفت زده شدم٬
06:19
because we didn't know that he could spellهجی کردن,
137
367756
2002
چون ما نمی دانستیم که او می تواند هجی کند٬
06:21
much lessکمتر readخواندن, and so I askedپرسید: him,
138
369758
1766
یا بخواند، و خب از او پرسیدم،
06:23
"Isaacاسحاق, how did you do this?"
139
371524
2193
«ایزاک٬ چطور این کار رو کردی؟»
06:25
And he lookedنگاه کرد at me very seriouslyبه طور جدی and said,
140
373717
2678
او خیلی جدی به من نگاه کرد و گفت٬
06:28
"Typedتایپ شده in the boxجعبه."
141
376395
3352
«تو این کادر جستجو نوشتم.»
06:31
He was teachingدرس دادن himselfخودت to communicateبرقراری ارتباط,
142
379747
3734
او به خودش یاد می داد
تا ارتباط برقرار کند٬
06:35
but we were looking in the wrongاشتباه placeمحل,
143
383481
3004
اما ما در مسیر غلطی بودیم٬
06:38
and this is what happensاتفاق می افتد when assessmentsارزیابی ها
144
386485
2295
و این چیزی است که اتفاق می افتد
وقتی ارزیابی ها
06:40
and analyticsتجزیه و تحلیل overvalueبیش از حد ارزش one metricمتریک
145
388780
2396
و تحلیل ها یک ویژگی را بیشتر اهمیت می دهند
06:43
in this caseمورد, verbalکلامی communicationارتباطات
146
391176
2609
که در این مورد ارتباط کلامی بود
06:45
and undervalueکمبود اعتبار othersدیگران, suchچنین
as creativeخلاقانه problem-solvingحل مسئله.
147
393785
5703
و بقیه را نادیده می گیرد٬
مانند حل خلاق مسائل.
06:51
Communicationارتباطات was hardسخت for Isaacاسحاق,
148
399488
2307
برقراری ارتباط برای ایزاک سخت بود٬
06:53
and so he foundپیدا شد a workaroundراه حل
149
401795
1912
و او راهی میانبر را پیدا کرد
06:55
to find out what he neededمورد نیاز است to know.
150
403707
2857
تا بفهمد که چه چیزی را نیاز دارد که بداند.
06:58
And when you think about it, it makesباعث می شود a lot of senseاحساس,
151
406564
1890
وقتی درباره آن فکر میکنید٬
منطقی است،
07:00
because formingشکل گیری a questionسوال
152
408454
2081
زیرا طرح یک سؤال
07:02
is a really complexپیچیده processروند,
153
410535
2565
فرآیندی کاملاً پیچیده است٬
07:05
but he could get himselfخودت a lot of the way there
154
413100
2522
اما او توانست خود را در این مسیر
07:07
by puttingقرار دادن a wordکلمه in a searchجستجو کردن boxجعبه.
155
415622
4092
با گذاشتن کلمه را در کادر جستجو، قرار دهد.
07:11
And so this little momentلحظه
156
419714
2936
و خب این اتفاق کوتاه
07:14
had a really profoundعمیق impactتأثیر on me
157
422650
2836
اثر واقعاً عمیقی بر من
07:17
and our familyخانواده
158
425486
1309
و خانواده ام گذاشت.
07:18
because it helpedکمک کرد us changeتغییر دادن our frameفریم of referenceمرجع
159
426795
3141
چرا که کمک کرد تا چارچوب نگاهمان را
07:21
for what was going on with him,
160
429936
2208
درباره وضعیت پسرم تغییر دهیم٬
07:24
and worryنگرانی a little bitبیت lessکمتر and appreciateقدردانی
161
432144
2976
و اندکی از نگرانی خود بکاهیم
07:27
his resourcefulnessمجاز بودن more.
162
435120
2182
و تدبیر او را قدر بدانیم.
07:29
Factsآمار are stupidاحمق things.
163
437302
2861
حقایق احمقانه هستند.
07:32
And they're vulnerableآسیب پذیر to misuseسوء استفاده,
164
440163
2397
و آنها در معرض سوء استفاده
07:34
willfulمشروع or otherwiseدر غیر این صورت.
165
442560
1653
استفاده خودسرانه و ... هستند.
07:36
I have a friendدوست, Emilyامیلی Willinghamویلینگام, who'sچه کسی است a scientistدانشمند,
166
444213
3026
من دوستی به نام
امیلی ویلینگتون که دانشمند است دارم٬
07:39
and she wroteنوشت a pieceقطعه for Forbesفوربس not long agoپیش
167
447239
2801
اندکی پیش متنی را برای «فوربس» نوشت
07:42
entitledحق الزحمه "The 10 Weirdestعجیب ترین Things
168
450040
1980
به عنوان «۱۰ چیز بسیار عجیب
07:44
Ever Linkedمرتبط to Autismاوتیسم."
169
452020
1810
مرتبط با اوتیسم»
07:45
It's quiteکاملا a listفهرست.
170
453830
3005
لیست جالبی بود.
07:48
The Internetاینترنت, blamedسرزنش شد for everything, right?
171
456835
3532
اینترنت در همه چیز مقصر است٬ درسته؟
07:52
And of courseدوره mothersمادران, because.
172
460367
3757
و همچنین مادران.
07:56
And actuallyدر واقع, wait, there's more,
173
464124
1587
و خب چیزهای دیگری هم هستند٬
07:57
there's a wholeکل bunchدسته ای in
the "motherمادر" categoryدسته بندی here.
174
465711
3430
گروه بزرگی از
موارد مرتبط با «مادر» اینجاست.
08:01
And you can see it's a prettyبسیار
richثروتمند and interestingجالب هست listفهرست.
175
469141
4815
و شما می بینید که این
لیستی بلند بالا و جالب است.
08:05
I'm a bigبزرگ fanپنکه of
176
473956
2193
من که به شخصه، طرفدار
08:08
beingبودن pregnantباردار nearنزدیک freewaysبزرگراه ها, personallyشخصا.
177
476149
3704
«زن باردار که نزدیک بزرگ راه زندگی می کند»
هستم.
08:11
The finalنهایی one is interestingجالب هست,
178
479853
1539
آخری بسیار عجیب است.
08:13
because the termدوره "refrigeratorیخچال motherمادر"
179
481392
3003
به خاطر عبارت «مادر یخچالی»
08:16
was actuallyدر واقع the originalاصلی hypothesisفرضیه
180
484395
2605
که عملاً فرضیه ای اساسی
08:19
for the causeسبب می شود of autismاوتیسم,
181
487000
1431
برای دلیل اوتیسم است،
08:20
and that meantبه معنای somebodyکسی
who was coldسرماخوردگی and unlovingناخوشایند.
182
488431
2735
و این یعنی
کسی که سرد و غیردوست داشتنی است.
08:23
And at this pointنقطه, you mightممکن be thinkingفكر كردن,
183
491166
1562
و در اینجا،
شما ممکن است فکر کنید،
08:24
"Okay, Susanسوزان, we get it,
184
492728
1657
«خب سوزان ما فهمیدیم
08:26
you can take dataداده ها, you can
make it mean anything."
185
494385
1782
میتونی اطلاعات رو هرجوری تفسیر کنی»
08:28
And this is trueدرست است, it's absolutelyکاملا trueدرست است,
186
496167
4703
و این درسته٬ کاملاً درسته٬
08:32
but the challengeچالش is that
187
500870
5610
اما چالش این است که
08:38
we have this opportunityفرصت
188
506480
2448
ما این فرصت را داریم
08:40
to try to make meaningبه معنی out of it ourselvesخودمان,
189
508928
2284
تا معنایی مناسب را از آن استخراج کنیم٬
08:43
because franklyرک و پوست کنده, dataداده ها doesn't
createايجاد كردن meaningبه معنی. We do.
190
511212
5352
چرا که صریح بگم٬ اطلاعات معنایی ندارند٬
بلکه ما معنا می سازیم.
08:48
So as businesspeopleبازرگانان, as consumersمصرف کنندگان,
191
516564
3256
پس به عنوان تاجر٬ مصرف کننده٬
08:51
as patientsبیماران, as citizensشهروندان,
192
519820
2539
بیمار٬ شهروند و ...
08:54
we have a responsibilityمسئوليت, I think,
193
522359
2396
فکر می کنم که همه ما مسئولیم٬
08:56
to spendخرج کردن more time
194
524755
2194
تا زمان بیشتری بگذاریم
08:58
focusingتمرکز on our criticalبحرانی thinkingفكر كردن skillsمهارت ها.
195
526949
2870
بر تمرکز روی توانایی تفکر تشخیصی مان.
09:01
Why?
196
529819
1078
چرا؟
09:02
Because at this pointنقطه in our historyتاریخ, as we'veما هستیم heardشنیدم
197
530897
3178
زیرا در نقطه از تاریخ٬ همانطور که شنیدیم
09:06
manyبسیاری timesبار over,
198
534075
1706
بارها و بارها٬
09:07
we can processروند exabytesexabytes of dataداده ها
199
535781
1981
می توانیم میلیاردها گیگا داده را پردازش کنیم
09:09
at lightningرعد و برق speedسرعت,
200
537762
2153
با سرعت نور،
09:11
and we have the potentialپتانسیل to make badبد decisionsتصمیمات
201
539915
3515
و ما بالقوه ممکن است تصمیماتی بد بگیریم
09:15
farدور more quicklyبه سرعت, efficientlyموثر,
202
543430
1834
آن هم بسیار سریع و در لحظه
09:17
and with farدور greaterبزرگتر impactتأثیر than we did in the pastگذشته.
203
545264
5028
و اثری به مراتب بزرگتر نسبت به گذشته٬
09:22
Great, right?
204
550292
1388
بزرگ٬ نه؟
09:23
And so what we need to do insteadبجای
205
551680
3030
پس آنچه که ما باید به جایش انجام دهیم
09:26
is spendخرج کردن a little bitبیت more time
206
554710
2330
اندکی صرف وقت بیشتر است
09:29
on things like the humanitiesعلوم انسانی
207
557040
2746
روی مسائلی همچون انسانیت٬
09:31
and sociologyجامعه شناسی, and the socialاجتماعی sciencesعلوم,
208
559786
3464
جامعه شناسی و علوم اجتماعی٬
09:35
rhetoricلفاظی, philosophyفلسفه, ethicsاخلاق,
209
563250
2308
سخنوری٬ فلسفه٬ اخلاق٬
09:37
because they give us contextزمینه that is so importantمهم
210
565558
2856
چون آنها زمینه ای را در اختیار ما می گذارند که
09:40
for bigبزرگ dataداده ها, and because
211
568414
2576
برای داده های بزرگ بسیار مهم هستند٬
09:42
they help us becomeتبدیل شدن به better criticalبحرانی thinkersمتفکران.
212
570990
2418
و چون به ما کمک می کنند تا متفکرین بهتری شویم.
09:45
Because after all, if I can spotنقطه
213
573408
4207
چون به هرترتیب٬ اگر بتوانم
09:49
a problemمسئله in an argumentبحث و جدل, it doesn't much matterموضوع
214
577615
2486
مشکلی را در یک بحث مشخص کنم٬ مهم نیست که
09:52
whetherچه it's expressedبیان in wordsکلمات or in numbersشماره.
215
580101
2759
در قالب کلمات و یا ارقام مطرح شود.
09:54
And this meansبه معنای
216
582860
2719
و این یعنی
09:57
teachingدرس دادن ourselvesخودمان to find
those confirmationتائیدیه biasesتعصب ها
217
585579
4421
به خود یاد یاد دهیم تا آن تعصبات را پیدا کنیم
10:02
and falseنادرست correlationsهمبستگی
218
590000
1822
و ارتباطات غلط را تشخیص دهیم
10:03
and beingبودن ableتوانایی to spotنقطه a nakedبرهنه emotionalعاطفی appealدرخواست
219
591822
2138
و بتوانیم نظر احساسی را شناسایی کنیم
10:05
from 30 yardsمتری,
220
593960
1662
از فاصله ای دور
10:07
because something that happensاتفاق می افتد after something
221
595622
2522
چرا که چیزی بعد از چیز دیگری اتفاق می افتد
10:10
doesn't mean it happenedاتفاق افتاد
because of it, necessarilyلزوما,
222
598144
3082
لزوما دلیل رخ داد آن نیست٬
10:13
and if you'llشما خواهید بود let me geekجک out on you for a secondدومین,
223
601226
2119
و اگر بگذارید تا من برای لحظه ای شما را به هیجان ببرم
10:15
the Romansرومیان calledبه نام this
"postپست hocهک ergoergo propterطرفدار hocهک,"
224
603345
4297
رومی ها به این می گفتند: «post hoc ergo propter hoc...»
10:19
after whichکه thereforeاز این رو because of whichکه.
225
607642
3296
به این معنا که هر چیزی علت چیز دیگری است.
10:22
And it meansبه معنای questioningسوال کردن
disciplinesرشته ها like demographicsجمعیت شناسی.
226
610938
3757
و این یعنی اصول را مثل سرشماری بپرسید.
10:26
Why? Because they're basedمستقر on assumptionsمفروضات
227
614695
2520
چرا؟ چون آن ها بر مبنای فرضیاتی هستند
10:29
about who we all are basedمستقر on our genderجنسیت
228
617215
2306
درباره این که همه ما طبق جنسیت
10:31
and our ageسن and where we liveزنده
229
619521
1462
سن و محل زندگی٬ چه کسانی هستیم
10:32
as opposedمخالف to dataداده ها on what
we actuallyدر واقع think and do.
230
620983
3478
برخلاف اطلاعاتی درباره آن چه ما واقعاً فکر می کنیم و انجام می دهیم.
10:36
And sinceاز آنجا که we have this dataداده ها,
231
624461
1663
و از آنجا که این اطلاعات را داریم٬
10:38
we need to treatدرمان شود it with appropriateمناسب privacyحریم خصوصی controlsکنترل ها
232
626124
3139
ما لازم است تا با کنترل های مناسب حیطه شخصی نگاه کنیم
10:41
and consumerمصرف كننده opt-inانتخاب کردن,
233
629263
3576
و هم چنین بحث انتخاب مصرف کننده
10:44
and beyondفراتر that, we need to be clearروشن است
234
632839
2993
و فراتر از این٬ لازم است تا درباره
10:47
about our hypothesesفرضیه ها,
235
635832
2103
فرضیاتمان واضح صحبت کنیم٬
10:49
the methodologiesمتدولوژی ها that we use,
236
637935
2596
و همچنین روش های مورد استفاده
10:52
and our confidenceاعتماد به نفس in the resultنتيجه.
237
640531
2804
و اطمینانمان به نتایج.
10:55
As my highبالا schoolمدرسه algebraجبر teacherمعلم used to say,
238
643335
2474
همانطور که معلم جبر من در دبیرستان همیشه می گفت٬
10:57
showنشان بده your mathریاضی,
239
645809
1531
ریاضی خودت رو نشون بده٬
10:59
because if I don't know what stepsمراحل you tookگرفت,
240
647340
3441
چرا که اگر من ندانم که چه گام هایی را تا الآن برداشتی٬
11:02
I don't know what stepsمراحل you didn't take,
241
650781
1991
نخواهم فهمید که چه گام هایی را برنداشته ای٬
11:04
and if I don't know what questionsسوالات you askedپرسید:,
242
652772
2438
و اگر ندانم چه سوالاتی را پرسیده ای٬
11:07
I don't know what questionsسوالات you didn't askپرسیدن.
243
655210
3197
نخواهم فهمید کدام را نپرسیده ای.
11:10
And it meansبه معنای askingدرخواست ourselvesخودمان, really,
244
658407
1523
و این یعنی از خودمان بپرسیم٬
11:11
the hardestسخت ترین questionسوال of all:
245
659930
1479
سخت ترین سوال ممکن را:
11:13
Did the dataداده ها really showنشان بده us this,
246
661409
3500
آیا اطلاعات واقعاً این را نشان دادند
11:16
or does the resultنتيجه make us feel
247
664909
2311
یا نتایج به ما احساس بیشتری از
11:19
more successfulموفق شدن and more comfortableراحت?
248
667220
3878
موفقیت و راحتی می دهند؟
11:23
So the Healthسلامتی Mediaرسانه ها Collaboratoryهمکاری,
249
671098
2584
خوب کارگروه سلامت رسانه٬
11:25
at the endپایان of theirخودشان projectپروژه, they were ableتوانایی
250
673682
1699
در انتهای پروژه خود٬ توانستند
11:27
to find that 87 percentدرصد of tweetsتویت ها
251
675381
3408
دریابند که حدود ۸۷ درصد توییت ها
11:30
about those very graphicگرافیک and disturbingمزاحم
252
678789
2144
درباره صحنه های واضح و ناراحت کننده
11:32
anti-smokingضد سیگار کشیدن adsتبلیغات expressedبیان fearترس,
253
680933
4038
در تبلیغات علیه سیگار منجر به ترس می شود٬
11:36
but did they concludeنتیجه گرفتن
254
684971
1856
اما آیا آنها نتیجه گرفتند
11:38
that they actuallyدر واقع madeساخته شده people stop smokingسیگار کشیدن?
255
686827
3161
که توانستند واقعاً جلوی مردم را از کشیدن سیگار بگیرند؟
11:41
No. It's scienceعلوم پایه, not magicشعبده بازي.
256
689988
2542
نه٬ این علم است و نه جادو.
11:44
So if we are to unlockباز کردن
257
692530
3190
اگر ما قدرت اطلاعات را
11:47
the powerقدرت of dataداده ها,
258
695720
2862
آزاد کنیم
11:50
we don't have to go blindlyکورکورانه into
259
698582
3448
کورکورانه به مسیری نمی رویم که
11:54
Orwell'sاورول visionچشم انداز of a totalitarianتوتالیتر futureآینده,
260
702030
3436
دید اورول از آینده اسیری٬
11:57
or Huxley'sهاکسلی visionچشم انداز of a trivialبدیهی one,
261
705466
3117
یا نگاه هاکسی درباره بی محتوایی٬
12:00
or some horribleناگوار cocktailکوکتل of bothهر دو.
262
708583
3020
یا ترکیبی وحشتناکی از هر دو‌ باشد.
12:03
What we have to do
263
711603
2379
آنچه باید بکنیم
12:05
is treatدرمان شود criticalبحرانی thinkingفكر كردن with respectتوجه
264
713982
2718
احترام به تفکر تشخیصی است
12:08
and be inspiredالهام گرفته by examplesمثال ها
265
716700
2029
و الهام از نمونه های واقعی است
12:10
like the Healthسلامتی Mediaرسانه ها Collaboratoryهمکاری,
266
718729
2610
مانند کارگروه سلامت رسانه٬
12:13
and as they say in the superheroابرقهرمان moviesفیلم ها,
267
721339
2328
و همانطور که در فیلم های ابرقهرمانی می گویند
12:15
let's use our powersقدرت for good.
268
723667
1822
از قدرتمان در کارهای خوب استفاده کنیم.
12:17
Thank you.
269
725489
2351
ممنون.
12:19
(Applauseتشویق و تمجید)
270
727840
2334
(تشویق)
Translated by Ali Hosseini
Reviewed by soheila Jafari

▲Back to top

ABOUT THE SPEAKER
Susan Etlinger - Data analyst
Susan Etlinger promotes the smart, well-considered and ethical use of data.

Why you should listen

Susan Etlinger is an industry analyst with Altimeter Group, where she focuses on data and analytics. She conducts independent research and has authored two intriguing reports: “The Social Media ROI Cookbook” and “A Framework for Social Analytics.” She also advises global clients on how to work measurement into their organizational structure and how to extract insights from the social web which can lead to tangible actions. In addition, she works with technology innovators to help them refine their roadmaps and strategies. 

Etlinger is on the board of The Big Boulder Initiative, an industry organization dedicated to promoting the successful and ethical use of social data. She is regularly interviewed and asked to speak on data strategy and best practices, and has been quoted in media outlets like The Wall Street Journal, The New York Times, and the BBC.

More profile about the speaker
Susan Etlinger | Speaker | TED.com