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?

スーザン・エトリンガー: ビッグデータにどう向き合うべきか?

Filmed:
1,344,301 views

あるデータのおかげで、心地よい気持ちになれますか?より成功していると感じることができますか?だとしたら、あなたのそのデータの解釈は間違っている可能性が高いでしょう。この驚くほど心を揺さぶられるトークで、スーザン・エトリンガーは、より多くのデータを手にすればするほどに私たちの批判的に考える能力もまた深められなければならない理由を説明してくれます。なぜなら、単に物を数えるところを超えて、それらを本当に理解するところまで到達するのは、とても難しいのです。
- 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
Technology技術 has brought持ってきた us so much:
0
1354
3135
科学技術は多くをもたらしてくれました
00:16
the moon landing着陸, the Internetインターネット,
1
4489
2019
月面着陸 インターネット
00:18
the ability能力 to sequenceシーケンス the human人間 genomeゲノム.
2
6508
2625
ヒトゲノム配列の解析などです
00:21
But it alsoまた、 tapsタップ into a lot of our deepest最も深い fears恐怖,
3
9133
3724
ですが 私たちの奥深くにある
恐怖の多くにも それは入り込んでいます
00:24
and about 30 years ago,
4
12857
1856
およそ30年ほど前
00:26
the culture文化 critic評論家 Neilニール Postman郵便配達員 wrote書きました a book
5
14713
2553
文化批評家のニール・ポストマンは
00:29
calledと呼ばれる "Amusing面白い Ourselves自分自身 to Death,"
6
17266
2115
"Amusing Ourselves to Death"
という著作で
00:31
whichどの lays寝そべる this out really brilliantly華麗に.
7
19381
2759
このことを的確に述べました
00:34
And here'sここにいる what he said,
8
22140
1650
彼はこの著作において
00:35
comparing比較する the dystopianディスストピアン visionsビジョン
9
23790
2263
ジョージ・オーウェルとオルダス・ハクスリーの
00:38
of Georgeジョージ Orwellオーウェル and Aldousアルドゥス Huxleyハクスリー.
10
26053
3573
ディストピア (反ユートピア) 思想を比べて
こう書きました
00:41
He said, Orwellオーウェル feared恐れる we would become〜になる
11
29626
3126
「オーウェルは私たちが
00:44
a captive捕虜 culture文化.
12
32752
2248
囚われの身になる文化を恐れた
00:47
Huxleyハクスリー feared恐れる we would become〜になる a trivial自明 culture文化.
13
35000
3752
ハクスリーは私たちが
取るに足らないことに耽溺する文化を恐れた
00:50
Orwellオーウェル feared恐れる the truth真実 would be
14
38752
2145
オーウェルは真実が
00:52
concealed隠蔽された from us,
15
40897
1923
私たちから隠蔽されることを恐れ
00:54
and Huxleyハクスリー feared恐れる we would be drowned溺れた
16
42820
2190
ハクスリーは私たちが無関心の海で
00:57
in a sea of irrelevance無関係.
17
45010
2693
溺れ死ぬことを恐れた」
00:59
In a nutshell要するに, it's a choice選択 betweenの間に
18
47703
2170
要するに
01:01
Big大きい Brother watching見ている you
19
49873
2600
「ビッグ・ブラザー」 に監視されるか
01:04
and you watching見ている Big大きい Brother.
20
52473
2496
「ビッグ・ブラザー」を監視するかの
どちらかということです
01:06
(Laughter笑い)
21
54969
1931
(笑)
01:08
But it doesn't have to be this way.
22
56900
1734
でも そうでなくともよいのです
01:10
We are not passive受動的 consumers消費者
of dataデータ and technology技術.
23
58634
3336
私たちはデータや技術を
受け身で消費するだけではありません
01:13
We shape形状 the role役割 it plays演劇 in our lives人生
24
61970
2403
生活において
データや技術が果たす役割や
01:16
and the way we make meaning意味 from it,
25
64373
2130
その意味を見出す方法を
私たちが形作るのです
01:18
but to do that,
26
66503
1603
しかし そのためには
01:20
we have to pay支払う as much attention注意 to how we think
27
68106
3513
コード化の方法と同じくらいに
01:23
as how we codeコード.
28
71619
2030
考え方にも注意を向けねばなりません
01:25
We have to ask尋ねる questions質問, and hardハード questions質問,
29
73649
3098
物を数えるだけでなく
さらにそれを理解するために
01:28
to move動く past過去 counting数える things
30
76747
1869
難解な問いを
01:30
to understanding理解 them.
31
78616
2602
投げかけねばなりません
01:33
We're constantly常に bombarded砲撃された with stories物語
32
81218
2446
私たちは世界に
どれ位のデータがあるか
01:35
about how much dataデータ there is in the world世界,
33
83664
2476
常に聞かされていますが
01:38
but when it comes来る to big大きい dataデータ
34
86140
1580
ビッグデータや
01:39
and the challenges挑戦 of interpreting解釈する it,
35
87720
2596
それを読み解く難解さとなると
01:42
sizeサイズ isn't everything.
36
90316
2088
量だけがすべてではありません
01:44
There's alsoまた、 the speed速度 at whichどの it moves動き,
37
92404
2903
データが動く速さも問題になりますし
01:47
and the manyたくさんの varieties品種 of dataデータ typesタイプ,
38
95307
1696
データには様々な種類があります
01:49
and here are just a few少数 examples:
39
97003
2498
ごくわずかな例を挙げると
01:51
imagesイメージ,
40
99501
2198
画像
01:53
textテキスト,
41
101699
4007
文章
01:57
videoビデオ,
42
105706
2095
映像
01:59
audioオーディオ.
43
107801
1830
音声などです
02:01
And what unitesユニット this disparate異なる typesタイプ of dataデータ
44
109631
3042
これら別々の種類のデータに
共通しているのは
02:04
is that they're created作成した by people
45
112673
2221
これらは人の手で作られ
02:06
and they require要求する contextコンテキスト.
46
114894
2775
文脈を必要としているということです
02:09
Now, there's a groupグループ of dataデータ scientists科学者
47
117669
2445
さて イリノイ大学シカゴ校出身の
02:12
out of the University大学 of Illinois-Chicagoイリノイ州シカゴ,
48
120114
2305
データ科学者のグループがあります
02:14
and they're calledと呼ばれる the Health健康 Mediaメディア Collaboratoryコラボレーティブ,
49
122419
2554
このグループは
ヘルス・メディア・コラボラトリーと呼ばれ
02:16
and they've彼らは been workingワーキング with
the Centersセンター for Disease疾患 Controlコントロール
50
124973
2587
米国疾病管理センターと一緒に仕事をし
02:19
to better understandわかる
51
127560
1505
人々が
02:21
how people talk about quitting辞める smoking喫煙,
52
129065
2848
禁煙についての言い表し方や
02:23
how they talk about electronic電子 cigarettesタバコ,
53
131913
2680
電子タバコについての言い表し方
02:26
and what they can do collectively集合的に
54
134593
1985
禁煙を促すために協力しあえることを
02:28
to help them quit終了する.
55
136578
1984
より良く理解するよう努めました
02:30
The interesting面白い thing is, if you want to understandわかる
56
138562
2013
興味深いことに 人がどのように
02:32
how people talk about smoking喫煙,
57
140575
2216
喫煙について話しているかを
理解するにはまず
02:34
first you have to understandわかる
58
142791
1901
「smoking (吸う)」という語で
02:36
what they mean when they say "smoking喫煙."
59
144692
2565
どんな意味が表されているかを
理解せねばなりません
02:39
And on TwitterTwitter, there are four4つの mainメイン categoriesカテゴリ:
60
147257
3926
ツイッター上には
4つの主なカテゴリーがあります
02:43
number one, smoking喫煙 cigarettesタバコ;
61
151183
2997
1つ目 タバコを「吸う」
02:46
number two, smoking喫煙 marijuanaマリファナ;
62
154180
2807
2つ目 マリファナを「吸入する」
02:48
number three, smoking喫煙 ribs肋骨;
63
156987
2643
3つ目 リブ肉を「いぶす」
02:51
and number four4つの, smoking喫煙 hotホット women女性.
64
159630
3553
4つ目 「煙が出るほどホットな」イケてる女
02:55
(Laughter笑い)
65
163183
2993
(笑)
02:58
So then you have to think about, well,
66
166176
2426
電子タバコについて
どのように話されているかは
03:00
how do people talk about electronic電子 cigarettesタバコ?
67
168602
2140
その上で考えてみなければなりません
03:02
And there are so manyたくさんの different異なる ways方法
68
170742
2025
これには 非常に様々な例が見られます
03:04
that people do this, and you can see from the slide滑り台
69
172767
2599
スライドからもおわかりのように
03:07
it's a complex複合体 kind種類 of a queryクエリ.
70
175366
2610
これは複雑な問いなのです
03:09
And what it reminds思い出させる us is that
71
177976
3224
このことで思い出すのは
03:13
language言語 is created作成した by people,
72
181200
2411
言語は人々によって作られたものであり
03:15
and people are messy厄介な and we're complex複合体
73
183611
2340
人間は厄介かつ複雑なもので
03:17
and we use metaphors隠喩 and slangスラング and jargon専門用語
74
185951
2767
比喩やスラングや隠語を
使うものだということ
03:20
and we do this 24/7 in manyたくさんの, manyたくさんの languages言語,
75
188718
3279
そしてそれを人間は毎日24時間
多くの言語で行い続けており
03:23
and then as soonすぐに as we figure数字 it out, we change変化する it up.
76
191997
3224
理解するやいなや
その言葉自体を変えてしまうことです
03:27
So did these ads広告 that the CDCCDC put on,
77
195221
5118
では 米国疾病管理センターが出した
03:32
these televisionテレビ ads広告 that featured特集 a woman女性
78
200339
2430
喉に穴が開いた女性を
映し出すこのテレビ広告は
03:34
with a hole in her throat and that were very graphicグラフィック
79
202769
2021
非常に描写が露骨で
03:36
and very disturbing邪魔する,
80
204790
1904
気持ちの良いものではありませんが
03:38
did they actually実際に have an impact影響
81
206694
1885
この広告は実際に禁煙するように
03:40
on whetherかどうか people quit終了する?
82
208579
2671
人々を促したのでしょうか?
03:43
And the Health健康 Mediaメディア Collaboratoryコラボレーティブ
respected敬意を表する the limits限界 of their彼らの dataデータ,
83
211250
3307
ヘルス・メディア・コラボラトリーは
データの限界を認めてはいますが
03:46
but they were ableできる to conclude結論づける
84
214557
2005
その結論によると
03:48
that those advertisements広告
and you mayかもしれない have seen見た them —
85
216562
3312
あなた方も見たことがあるかもしれない
これらの広告によって
03:51
that they had the effect効果 of jolting激しい people
86
219874
2591
将来の行動が
03:54
into a thought processプロセス
87
222465
1822
影響されるかもしれないような
03:56
that mayかもしれない have an impact影響 on future未来 behavior動作.
88
224287
3667
思考プロセスに
人々を導いたのだそうです
03:59
And what I admire賞賛する and
appreciate感謝する about this projectプロジェクト,
89
227954
3891
私がこのプロジェクトについて
感心し 評価するのは
04:03
aside脇に from the fact事実, includingを含む the fact事実
90
231845
1489
人間の現実的な必要性に
基づいている などの事実面はさておき
04:05
that it's basedベース on realリアル human人間 need,
91
233334
4057
人間の現実的な必要性に
基づいている などの事実面はさておき
04:09
is that it's a fantastic素晴らしい example of courage勇気
92
237391
2846
これが無関心の海に真っ向から
立ち向かう勇気を示す
04:12
in the face of a sea of irrelevance無関係.
93
240237
4443
素晴らしい例であるということです
04:16
And so it's not just big大きい dataデータ that causes原因
94
244680
3305
一方 理解が難しいのは
ビッグデータだけではないのです
04:19
challenges挑戦 of interpretation解釈, because let's face it,
95
247985
2601
なぜなら 考えてもみてください
04:22
we human人間 beings存在 have a very richリッチ history歴史
96
250586
2594
私たち人間は データの大小にかかわらず
04:25
of taking取る any amount of dataデータ, no matter問題 how small小さい,
97
253180
2693
それを台無しにしてしまった
豊かな歴史を
04:27
and screwingねじ止め it up.
98
255873
1617
有しているではありませんか
04:29
So manyたくさんの years ago, you mayかもしれない remember思い出す
99
257490
3737
何年も前に
ロナルド・レーガン元大統領が
04:33
that former前者 President大統領 Ronaldロナルド Reaganレーガン
100
261227
2273
このように述べて厳しく批判されたことを
04:35
was very criticized批判された for making作る a statementステートメント
101
263500
1991
皆さんも覚えているかもしれません
04:37
that facts事実 are stupid愚か things.
102
265491
3010
「事実とは馬鹿げたものである」と
04:40
And it was a slipスリップ of the tongue, let's be fairフェア.
103
268501
2794
これは言い間違いでした
公平を期すなら ですが
04:43
He actually実際に meant意味した to quote見積もり Johnジョン Adams'アダムズは、 defense防衛
104
271295
2430
彼はジョン・アダムズが
04:45
of Britishイギリス人 soldiers兵隊 in the Bostonボストン Massacre虐殺 trials試行
105
273725
2751
ボストン虐殺事件裁判において
イギリス人兵士の弁護で述べた
04:48
that facts事実 are stubborn頑固な things.
106
276476
3150
「事実とは確固たるものである」を
引用したつもりだったのです
04:51
But I actually実際に think there's
107
279626
2624
しかし このレーガンの言い間違いは
04:54
a bitビット of accidental偶然 wisdom知恵 in what he said,
108
282250
3418
偶然ながらも 一理あると私は思います
04:57
because facts事実 are stubborn頑固な things,
109
285668
2776
なぜなら 事実は確固たるものですが
05:00
but sometimes時々 they're stupid愚か, too.
110
288444
2923
時に 馬鹿げてもいるからです
05:03
I want to tell you a personal個人的 storyストーリー
111
291367
1888
これが 私にとってなぜ重要なのか
05:05
about why this matters問題 a lot to me.
112
293255
3548
個人的なお話をしたいと思います
05:08
I need to take a breath呼吸.
113
296803
2437
ひと息つかせてください
05:11
My son息子 Isaacアイザック, when he was two,
114
299240
2754
息子のアイザックは 2歳の時に
05:13
was diagnosed診断された with autism自閉症,
115
301994
2417
自閉症の診断を受けました
05:16
and he was this happyハッピー, hilarious陽気な,
116
304411
2161
彼はにこにこして 愉快で
05:18
loving愛する, affectionate愛情のある little guy,
117
306572
2035
愛情深く 優しい男の子でしたが
05:20
but the metricsメトリック on his developmental発達する evaluations評価,
118
308607
2902
彼の発育評価についての測定基準が
05:23
whichどの looked見た at things like
the number of words言葉
119
311509
2070
着目したのは 話せる言葉の数や―
05:25
at that pointポイント, noneなし
120
313579
3657
これは当時 ゼロでした―
05:29
communicativeコミュニケーション的 gesturesジェスチャー and minimal最小限 eye contact接触,
121
317236
3940
意思疎通を図る身振り
アイコンタクトなどであったため
05:33
put his developmental発達する levelレベル
122
321176
2003
彼の発育レベルは
05:35
at that of a nine-month-old9カ月齢 baby赤ちゃん.
123
323179
3961
9か月の赤ちゃん程度でした
05:39
And the diagnosis診断 was factually事実上 correct正しい,
124
327140
2960
この診断は事実からすれば
正しいものでしたが
05:42
but it didn't tell the whole全体 storyストーリー.
125
330100
3209
全体像を語ってはいませんでした
05:45
And about a year and a halfハーフ later後で,
126
333309
1401
およそ1年半後
05:46
when he was almostほぼ four4つの,
127
334710
2102
アイザックがもうすぐ4歳になる頃
05:48
I found見つけた him in frontフロント of the computerコンピューター one day
128
336812
2363
私は ある日
彼がコンピュータの前で
05:51
runningランニング a GoogleGoogle image画像 searchサーチ on women女性,
129
339175
5453
グーグル画像検索で
女性を検索しているのを見つけました
05:56
spelled綴り "w-i-m-e-nウィメン."
130
344628
3616
「w-i-m-e-n」というつづりで です
06:00
And I did what any obsessed執拗な parent would do,
131
348244
2740
過干渉な親がそうするように 私も
06:02
whichどの is immediatelyすぐに started開始した
hittingヒッティング the "back" buttonボタン
132
350984
1901
「前のページに戻る」ボタンをクリックし
06:04
to see what elseelse he'd彼は been searching検索 for.
133
352885
3363
他に何を検索していたのか知ろうとしました
06:08
And they were, in order注文: men男性,
134
356248
2171
他の検索は 順番に「男性」
06:10
school学校, busバス and computerコンピューター.
135
358419
7267
「学校」 「バス」 そして「コンピュータ」でした
06:17
And I was stunned唖然,
136
365686
2070
私は呆気にとられました
06:19
because we didn't know that he could spellスペル,
137
367756
2002
アイザックがスペルを知っているとも
06:21
much lessもっと少なく read読む, and so I asked尋ねた him,
138
369758
1766
ましてや読めるとも知らなかったのです
06:23
"Isaacアイザック, how did you do this?"
139
371524
2193
そこで息子に訊きました
「どうやったの?」
06:25
And he looked見た at me very seriously真剣に and said,
140
373717
2678
アイザックは私を真剣に見て 言いました
06:28
"Typed型付き in the boxボックス."
141
376395
3352
「ボックスに文字をタイプしたんだ」
06:31
He was teaching教える himself彼自身 to communicate通信する,
142
379747
3734
彼は自分で意思疎通の仕方を
学んでいたのに
06:35
but we were looking in the wrong違う place場所,
143
383481
3004
私たちは誤った部分に
目を向けていたのです
06:38
and this is what happens起こる when assessmentsアセスメント
144
386485
2295
そして こういったことが起こるのは
06:40
and analytics分析 overvalue過大値 one metricメトリック
145
388780
2396
査定や分析が ある測定基準―
06:43
in this case場合, verbal口頭 communicationコミュニケーション
146
391176
2609
ここでは 言語による意思疎通―
を過大評価して
06:45
and undervalue過小評価 othersその他, suchそのような
as creative創造的な problem-solving問題解決.
147
393785
5703
創造的問題解決能力のような
他の基準を過小評価する場合です
06:51
Communicationコミュニケーション was hardハード for Isaacアイザック,
148
399488
2307
アイザックにとって
他者との意思疎通は難しいので
06:53
and so he found見つけた a workaround回避策
149
401795
1912
彼は自分に必要なことを知るための
06:55
to find out what he needed必要な to know.
150
403707
2857
別の方法を見つけたのです
06:58
And when you think about it, it makes作る a lot of senseセンス,
151
406564
1890
考えてみれば 合点がいきますね
07:00
because formingフォーミング a question質問
152
408454
2081
質問文を構成するのは
07:02
is a really complex複合体 processプロセス,
153
410535
2565
実に複雑なプロセスですが
07:05
but he could get himself彼自身 a lot of the way there
154
413100
2522
アイザックは検索ボックスに
単語を入れるだけで
07:07
by puttingパッティング a wordワード in a searchサーチ boxボックス.
155
415622
4092
自力で答えにたどり着けるのです
07:11
And so this little moment瞬間
156
419714
2936
この些細な瞬間が
07:14
had a really profound深遠な impact影響 on me
157
422650
2836
私と家族に
07:17
and our family家族
158
425486
1309
大きな影響を与えました
07:18
because it helped助けた us change変化する our frameフレーム of reference参照
159
426795
3141
なぜなら これが
アイザックに何が起こっているのかを
07:21
for what was going on with him,
160
429936
2208
把握する方法を変えてくれたからです
07:24
and worry心配 a little bitビット lessもっと少なく and appreciate感謝する
161
432144
2976
心配もほんの少し和らぎ
07:27
his resourcefulness機知 more.
162
435120
2182
彼の能力を
より理解できるようになりました
07:29
Facts事実 are stupid愚か things.
163
437302
2861
事実とは馬鹿げたものなのです
07:32
And they're vulnerable脆弱な to misuse悪用,
164
440163
2397
また事実は意図的 あるいは無意図的に
07:34
willful故意の or otherwiseさもないと.
165
442560
1653
誤用されやすいものです
07:36
I have a friend友人, Emilyエミリー Willinghamウィリンガム, who'sだれの a scientist科学者,
166
444213
3026
私には エミリー・ウィリンガムという
科学者の友人がいますが
07:39
and she wrote書きました a pieceピース for Forbesフォーブス not long ago
167
447239
2801
彼女は最近フォーブス誌に
07:42
entitledタイトル "The 10 Weirdest奇妙な Things
168
450040
1980
「自閉症と関連付けられてきた
10のおかしな事」
07:44
Ever Linkedリンクされた to Autism自閉症."
169
452020
1810
という記事を書きました
07:45
It's quiteかなり a listリスト.
170
453830
3005
これは 結構なリストです
07:48
The Internetインターネット, blamed非難された for everything, right?
171
456835
3532
何でもインターネットのせいにされます ねえ?
07:52
And of courseコース mothers母親の, because.
172
460367
3757
もちろん 母親も入っています
07:56
And actually実際に, wait, there's more,
173
464124
1587
実は もっとあります
07:57
there's a whole全体 bunch in
the "mother" categoryカテゴリー here.
174
465711
3430
この「母親」のカテゴリーの中に
色々とあるのです
08:01
And you can see it's a prettyかなり
richリッチ and interesting面白い listリスト.
175
469141
4815
色々な要素の入った
興味深いリストでしょう?
08:05
I'm a big大きい fanファン of
176
473956
2193
私が好きなのは
08:08
beingであること pregnant妊娠している near近く freeways高速道路, personally個人的に.
177
476149
3704
「妊娠中 高速道路のそばで
暮らしていた」ですね
08:11
The final最後の one is interesting面白い,
178
479853
1539
最後のも興味深いです
08:13
because the term期間 "refrigerator冷蔵庫 mother"
179
481392
3003
「冷蔵庫のような母親」という言葉は
08:16
was actually実際に the original元の hypothesis仮説
180
484395
2605
自閉症の原因に関する
08:19
for the cause原因 of autism自閉症,
181
487000
1431
元々の仮説からきており
08:20
and that meant意味した somebody誰か
who was coldコールド and unloving無邪気な.
182
488431
2735
冷徹で愛情が薄い人という意味でした
08:23
And at this pointポイント, you mightかもしれない be thinking考え,
183
491166
1562
ここで こう考えるかもしれませんね
08:24
"Okay, Susanスーザン, we get it,
184
492728
1657
「わかった データを測定してしまえば
08:26
you can take dataデータ, you can
make it mean anything."
185
494385
1782
どんな意味づけも可能と言うんだろう」
08:28
And this is true真実, it's absolutely絶対に true真実,
186
496167
4703
確かに 全くその通りですが
08:32
but the challengeチャレンジ is that
187
500870
5610
難しいのは
08:38
we have this opportunity機会
188
506480
2448
私たちは その意味を作り出す機会を
08:40
to try to make meaning意味 out of it ourselves自分自身,
189
508928
2284
自らに与えられていることです
08:43
because frankly率直に, dataデータ doesn't
create作成する meaning意味. We do.
190
511212
5352
データ自身ではなく
私たちが意味を作るのです
08:48
So as businesspeople社会人, as consumers消費者,
191
516564
3256
ビジネスパーソンとして
消費者として
08:51
as patients患者, as citizens市民,
192
519820
2539
患者として 市民として
08:54
we have a responsibility責任, I think,
193
522359
2396
私たちには より多くの時間を使って
08:56
to spend費やす more time
194
524755
2194
批判的に考える能力を
08:58
focusingフォーカス on our criticalクリティカルな thinking考え skillsスキル.
195
526949
2870
鍛える責任があります
09:01
Why?
196
529819
1078
なぜかって?
09:02
Because at this pointポイント in our history歴史, as we've私たちは heard聞いた
197
530897
3178
なぜなら 何度も耳にしてきたように
09:06
manyたくさんの times over,
198
534075
1706
有史以来 今やものすごい速さで
09:07
we can processプロセス exabytesエクサバイト of dataデータ
199
535781
1981
何エクサバイトものデータを
09:09
at lightningライトニング speed速度,
200
537762
2153
私たちは処理することができるからです
09:11
and we have the potential潜在的な to make bad悪い decisions決定
201
539915
3515
そして 間違った判断を
09:15
far遠い more quickly早く, efficiently効率的に,
202
543430
1834
より速く 効率的に下し
09:17
and with far遠い greater大きい impact影響 than we did in the past過去.
203
545264
5028
これまでにないほどの影響を及ぼす
可能性があるからです
09:22
Great, right?
204
550292
1388
すごいと思いませんか?
09:23
And so what we need to do instead代わりに
205
551680
3030
ですから 私たちがすべきなのは
09:26
is spend費やす a little bitビット more time
206
554710
2330
時間をもう少し
09:29
on things like the humanities人文科学
207
557040
2746
人文学や
09:31
and sociology社会学, and the socialソーシャル sciences科学,
208
559786
3464
社会学 社会科学―
09:35
rhetoricレトリック, philosophy哲学, ethics倫理,
209
563250
2308
修辞学や哲学 倫理学などに費やすことです
09:37
because they give us contextコンテキスト that is so important重要
210
565558
2856
これらがビッグデータに
重要な文脈を与えてくれ
09:40
for big大きい dataデータ, and because
211
568414
2576
より批判的な考え方が
09:42
they help us become〜になる better criticalクリティカルな thinkers思想家.
212
570990
2418
できるようにしてくれるからです
09:45
Because after all, if I can spotスポット
213
573408
4207
結局のところ
特定の議論の中に存在する問題を
09:49
a problem問題 in an argument引数, it doesn't much matter問題
214
577615
2486
見つけることができれば
09:52
whetherかどうか it's expressed表現された in words言葉 or in numbers数字.
215
580101
2759
それが言葉で表されようと
数字で表されようと関係ないのですから
09:54
And this means手段
216
582860
2719
つまり
09:57
teaching教える ourselves自分自身 to find
those confirmation確認 biasesバイアス
217
585579
4421
確証バイアスや誤った相関関係を
10:02
and false correlations相関
218
590000
1822
自ら見つけ出し
10:03
and beingであること ableできる to spotスポット a naked emotional感情の appealアピール
219
591822
2138
感情に露骨に訴えるようなやり方を
10:05
from 30 yardsヤード,
220
593960
1662
30m手前で見抜けるようにするのです
10:07
because something that happens起こる after something
221
595622
2522
なぜなら 何かがある出来事の後に
起こったからといって
10:10
doesn't mean it happened起こった
because of it, necessarily必ずしも,
222
598144
3082
必ずしも関連があるとは限らないからです
10:13
and if you'llあなたは let me geekオタク out on you for a second二番,
223
601226
2119
ちょっと 小難しいことを言えば
10:15
the Romansローマ人 calledと呼ばれる this
"post役職 hocホック ergoエゴ propterプロポーター hocホック,"
224
603345
4297
ローマ人はこう言い表しました
「post hoc ergo propter hoc」
10:19
after whichどの thereforeしたがって、 because of whichどの.
225
607642
3296
「後に起きた ゆえにそれが原因なり」
という前後即因果の誤謬です
10:22
And it means手段 questioning質問
disciplines分野 like demographics人口統計.
226
610938
3757
つまり 人口統計学のような
学問を疑問に付すことになります
10:26
Why? Because they're basedベース on assumptions仮定
227
614695
2520
なぜかって?
なぜなら 人口統計学は
10:29
about who we all are basedベース on our gender性別
228
617215
2306
私たちの実際の考えや行動ではなく
10:31
and our age年齢 and where we liveライブ
229
619521
1462
性別や年齢
10:32
as opposed反対 to dataデータ on what
we actually実際に think and do.
230
620983
3478
住む場所による推定に基づいているからです
10:36
And since以来 we have this dataデータ,
231
624461
1663
それから データを取得した以上は
10:38
we need to treat治療する it with appropriate適切な privacyプライバシー controlsコントロール
232
626124
3139
適切な個人情報保護や
10:41
and consumer消費者 opt-inオプトイン,
233
629263
3576
消費者の意思を汲んで
これを扱わねばなりません
10:44
and beyond超えて that, we need to be clearクリア
234
632839
2993
さらには 私たちは
10:47
about our hypotheses仮説,
235
635832
2103
自身の仮説や用いる方法論
10:49
the methodologies方法論 that we use,
236
637935
2596
そして結果の確実性について
10:52
and our confidence信頼 in the result結果.
237
640531
2804
明確でなければなりません
10:55
As my high高い school学校 algebra代数 teacher先生 used to say,
238
643335
2474
私の高校の代数の先生は
よくこう言っていました
10:57
showショー your math数学,
239
645809
1531
「計算過程を明らかにしなさい
10:59
because if I don't know what stepsステップ you took取った,
240
647340
3441
君が踏んだ過程がわからなければ
11:02
I don't know what stepsステップ you didn't take,
241
650781
1991
どの手順を
踏まなかったのかわからないし
11:04
and if I don't know what questions質問 you asked尋ねた,
242
652772
2438
君がどんな問いを立てたのかが
わからなければ
11:07
I don't know what questions質問 you didn't ask尋ねる.
243
655210
3197
どんな問いを
立てなかったかがわからないからね」
11:10
And it means手段 asking尋ねる ourselves自分自身, really,
244
658407
1523
それは最も難しい問いを
11:11
the hardest一番難しい question質問 of all:
245
659930
1479
自らに投げかけることなのです
11:13
Did the dataデータ really showショー us this,
246
661409
3500
このデータは本当に
このことを示しているのか?
11:16
or does the result結果 make us feel
247
664909
2311
それともこの結果が 私たちをもっと
11:19
more successful成功した and more comfortable快適?
248
667220
3878
成功しているとか 心地よく
感じさせてくれるだけなのか? と
11:23
So the Health健康 Mediaメディア Collaboratoryコラボレーティブ,
249
671098
2584
ヘルス・メディア・コラボラトリーは
11:25
at the end終わり of their彼らの projectプロジェクト, they were ableできる
250
673682
1699
プロジェクトの終わりに
11:27
to find that 87 percentパーセント of tweetsつぶやき
251
675381
3408
あの非常に露骨で不快な
禁煙推奨広告に関する
11:30
about those very graphicグラフィック and disturbing邪魔する
252
678789
2144
ツイートの87パーセントが
11:32
anti-smoking禁煙 ads広告 expressed表現された fear恐れ,
253
680933
4038
恐れを表していたことが
わかったといいます
11:36
but did they conclude結論づける
254
684971
1856
しかし 彼らは
11:38
that they actually実際に made people stop smoking喫煙?
255
686827
3161
「広告が実際に人々を禁煙に導いた」
と結論付けていましたか?
11:41
No. It's science科学, not magicマジック.
256
689988
2542
答えはノーです
これは科学であり 魔法ではないのです
11:44
So if we are to unlockロック解除する
257
692530
3190
ですから データの力を
11:47
the powerパワー of dataデータ,
258
695720
2862
解き放つのであれば
11:50
we don't have to go blindly盲目的に into
259
698582
3448
私たちは必ずしも
オーウェルの思い描いたような
11:54
Orwell'sオーウェル visionビジョン of a totalitarian全体主義者 future未来,
260
702030
3436
全体主義的な未来や
11:57
or Huxley'sハクスリー visionビジョン of a trivial自明 one,
261
705466
3117
ハクスリーの描いたような
些末な事柄に溺れる未来 あるいは
12:00
or some horrible恐ろしい cocktailカクテル of bothどちらも.
262
708583
3020
両者を折衷したおぞましい未来に
盲目的に突き進まずに済むのです
12:03
What we have to do
263
711603
2379
私たちがすべきなのは
12:05
is treat治療する criticalクリティカルな thinking考え with respect尊敬
264
713982
2718
批判的な思考に敬意を払い
12:08
and be inspiredインスピレーションを受けた by examples
265
716700
2029
ヘルス・メディア・コラボラトリーのような
前例からインスピレーションを得ることです
12:10
like the Health健康 Mediaメディア Collaboratoryコラボレーティブ,
266
718729
2610
ヘルス・メディア・コラボラトリーのような
前例からインスピレーションを得ることです
12:13
and as they say in the superheroスーパーヒーロー movies映画,
267
721339
2328
そして ヒーローものの映画に
よくあるように
12:15
let's use our powers for good.
268
723667
1822
私たちの力を善きものに使いましょう
12:17
Thank you.
269
725489
2351
ありがとうございました
12:19
(Applause拍手)
270
727840
2334
(拍手)
Translated by Moe Shoji
Reviewed by Naoko Fujii

▲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