ABOUT THE SPEAKER
Tricia Wang - Technology ethnographer
With astronaut eyes and ethnographer curiosity, Tricia Wang helps corporations grow by discovering the unknown about their customers.

Why you should listen

For Tricia Wang, human behavior generates some of the most perplexing questions of our times. She has taught global organizations how to identify new customers and markets hidden behind their data, amplified IDEO's design thinking practice as an expert-in-residence, researched the social evolution of the Chinese internet, and written about the "elastic self," an emergent form of interaction in a virtual world. Wang is the co-founder of Sudden Compass, a consulting firm that helps companies unlock new growth opportunities by putting customer obsession into practice.

Wang's work has been featured in The Atlantic, Al Jazeera, and The Guardian. Fast Company spotlighted her work in China: "What Twitter Can Learn From Weibo: Field Notes From Global Tech Ethnographer Tricia Wang." In her latest op-ed on Slate, she discusses how attempts to stop terrorists on social media can harm our privacy and anonymity. Her Medium post, "Why Big Data Needs Thick Data," is a frequently cited industry piece on the importance of an integrated data approach. One of her favorite essays documents her day in the life of working as a street vendor in China.

Known for her lively presentations that are grounded in her research and observations about human behavior and data, Wang has spoken at organizations such as Proctor & Gamble, Nike, Wrigley, 21st Century Fox and Tumblr. Her most recent talk at Enterprise UX delved into why corporate innovation usually doesn’t work and what to do about it. She delivered the opening keynote at The Conference to a crowd of marketers and creatives, delving into the wild history of linear perspective and its influence on how we think and form organizations.

Wang holds affiliate positions at Data & Society, Harvard University's Berkman Klein Center for Internet Studies and New York University's Interactive Telecommunication Program. She oversees Ethnography Matters, a site that publishes articles about applied ethnography and technology. She co-started a Slack community for anyone who uses ethnographic methods in industry.

Wang began her career as a documentary filmmaker at NASA, an HIV/AIDS activist, and an educator specializing in culturally responsive pedagogy. She is also proud to have co-founded the first national hip-hop education initiative, which turned into the Hip Hop Education Center at New York University, and to have built after-school technology and arts programs for low-income youth at New York City public schools and the Queens Museum of Arts. Her life philosophy is that you have to go to the edge to discover what’s really happening. She's the proud companion of her internet famous dog, #ellethedog.

More profile about the speaker
Tricia Wang | Speaker | TED.com
TEDxCambridge

Tricia Wang: The human insights missing from big data

تريسيا وانج: افتقار البيانات الضخمة إلى رؤية الإنسان

Filmed:
1,688,539 views

لماذا تتخذ العديد من الشركات قرارات خاطئة على الرغم من الحصول على كميات غير مسبوقة من البيانات؟ مع قصص من نوكيا ونتفليكس إلى الوسيطة الروحية في اليونان القديمة، تبسط تريسيا وانج فكرة البيانات الضخمة وتوضح أخطارها، مقترحةً أن نركز على "البيانات الكثيفة"- وجهات نظر غير قابلة للقياس ولا تُقدر بثمن من أشخاص حقيقيين- لاتخاذ قرارات العمل الصحيحة والازدهار في المجهول.
- Technology ethnographer
With astronaut eyes and ethnographer curiosity, Tricia Wang helps corporations grow by discovering the unknown about their customers. Full bio

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

00:12
In ancientعتيق Greeceاليونان,
0
885
1545
في اليونان القديمة،
00:15
when anyoneأي واحد from slavesعبيد to soldiersجنود,
poetsالشعراء and politiciansسياسة,
1
3436
3943
عندما يكون أي شخص من العبيد
وحتى الجنود والشعراء والسياسيين
00:19
neededبحاجة to make a bigكبير decisionقرار
on life'sالحياة mostعظم importantمهم questionsالأسئلة,
2
7403
4004
يحتاجون لاتخاذ قرار حاسم
في أسئلة الحياة الهامة.
00:23
like, "Should I get marriedزوجت?"
3
11431
1391
مثل: "هل من اللازم أن أتزوج؟"
00:24
or "Should we embarkالشروع on this voyageرحلة?"
4
12846
1857
أو"هل يجب أن نشرع في هذه الرحلة؟"
00:26
or "Should our armyجيش
advanceتقدم into this territoryمنطقة?"
5
14727
2928
"هل يجب أن يتقدم جيشنا نحو هذه الأرض؟"
00:29
they all consultedاستشارة the oracleوحي.
6
17679
2579
جميعهم استشار الأوراكل (الوسيطة الروحية).
00:33
So this is how it workedعمل:
7
21020
1440
فهكذا سار الأمر:
00:34
you would bringاحضر her a questionسؤال
and you would get on your kneesالركبتين,
8
22484
3112
أن تسألها سؤالاً وتركع
00:37
and then she would go into this tranceنشوة.
9
25620
1871
ثم ستنتقل هي إلى حالة من النشوة.
00:39
It would take a coupleزوجان of daysأيام,
10
27515
1549
وقد يستغرق هذا يومين
00:41
and then eventuallyفي النهاية
she would come out of it,
11
29088
2163
ولتخرج في النهاية
00:43
givingإعطاء you her predictionsتوقعات as your answerإجابة.
12
31275
2536
وتعطيك تنبؤاتها بمثابة إجابة لأسئلتك.
00:46
From the oracleوحي bonesالعظام of ancientعتيق Chinaالصين
13
34910
2566
من عظام الوسيط الروحي للصين القديمة
00:49
to ancientعتيق Greeceاليونان to Mayanالمايا calendarsالتقويمات,
14
37500
2345
إلى اليونان القديمة وتقويمات المايا،
00:51
people have cravedمشتهى for prophecyنبوءة
15
39869
2296
يتشوق الأشخاص إلى التوقعات
00:54
in orderطلب to find out
what's going to happenيحدث nextالتالى.
16
42189
3137
حتى يكتشفوا ما ينتظرهم مستقبلاً.
00:58
And that's because we all want
to make the right decisionقرار.
17
46516
3239
وذلك لأننا جميعاً نرغب في اتخاذ
القرار الصحيح.
01:01
We don't want to missيغيب something.
18
49779
1545
لا نريد أن يفوتنا شيئًا.
01:03
The futureمستقبل is scaryمخيف,
19
51892
1743
فالمستقبل مُخيف،
01:05
so it's much nicerأجمل
knowingمعرفة that we can make a decisionقرار
20
53659
2717
لذا فمن الأجمل معرفة
أننا يمكننا اتخاذ قرار
01:08
with some assuranceتوكيد of the outcomeنتيجة.
21
56400
1982
مع بعض الضمانات للنتائج.
01:11
Well, we have a newالجديد oracleوحي,
22
59079
1611
حسناً، لدينا أوراكل جديد
01:12
and it's nameاسم is bigكبير dataالبيانات,
23
60714
2145
واسمه هو البيانات الضخمة،
01:14
or we call it "Watsonواتسون"
or "deepعميق learningتعلم" or "neuralعصبي netشبكة."
24
62883
3939
أو نسميه نحن "واتسون" أو"التعليم العميق"
أو"الشبكة العصبية الاصطناعية."
01:19
And these are the kindsأنواع of questionsالأسئلة
we askيطلب of our oracleوحي now,
25
67340
4012
وهذه أنواع من الأسئلة التي نطرحها الآن
على أوراكل،
01:23
like, "What's the mostعظم efficientفعالة way
to shipسفينة these phonesالهواتف
26
71376
3922
مثل "ما هي أفضل وسيلة لنقل الهواتف بحريًا
01:27
from Chinaالصين to Swedenالسويد?"
27
75322
1823
من الصين إلى السويد؟"
01:29
Or, "What are the oddsخلاف
28
77169
1800
أو "ما هو احتمال
01:30
of my childطفل beingيجرى bornمولود
with a geneticوراثي disorderاضطراب?"
29
78993
3363
أن يولد طفلي باضطراب وراثي؟"
01:34
Or, "What are the salesمبيعات volumeالصوت
we can predictتنبؤ for this productالمنتج?"
30
82952
3244
أو "ما هو حجم المبيعات المتوقع
لهذا المنتج؟"
01:40
I have a dogالكلب. Her nameاسم is Elleايل,
and she hatesيكره the rainتمطر.
31
88108
4047
لدي كلبة تُدعى إيل، وتكره المطر.
01:44
And I have triedحاول everything
to untrainuntrain her.
32
92179
3306
جربت كل شيء لأصرفها عن هذا الإحساس.
01:47
But because I have failedفشل at this,
33
95509
2771
ولكن لأنني فشلت في ذلك،
01:50
I alsoأيضا have to consultشاور
an oracleوحي, calledمسمي Darkداكن Skyسماء,
34
98304
3286
فأنا مضطرة إلى استشارة
أوراكل يدعى "دارك سكاي"
01:53
everyكل time before we go on a walkسير,
35
101614
1635
في كل مرة نذهب في نزهة
01:55
for very accurateدقيق weatherطقس predictionsتوقعات
in the nextالتالى 10 minutesالدقائق.
36
103273
3577
للحصول على تنبؤات دقيقة عن حالة الطقس
في العشر دقائق القادمة.
02:01
She's so sweetحلو.
37
109535
1303
إنها لطيفة للغاية.
02:03
So because of all of this,
our oracleوحي is a $122 billionمليار industryصناعة.
38
111827
5707
وبسبب كل ذلك، يمثل وسيطنا الروحي
قطاعًا تجاريًا بحجم 122 مليار دولاراً.
02:10
Now, despiteعلى الرغم من the sizeبحجم of this industryصناعة,
39
118006
3376
حاليًا، على الرغم من حجم هذه الصناعة،
02:13
the returnsعائدات are surprisinglyبشكل مفاجئ lowمنخفض.
40
121406
2456
فالأرباح منخفضة بشكل غير متوقع.
02:16
Investingالاستثمار in bigكبير dataالبيانات is easyسهل,
41
124342
2494
إن الاستثمار في البيانات الضخمة يسير
02:18
but usingاستخدام it is hardالصعب.
42
126860
1933
ولكن استخدامها صعبًا.
02:21
Over 73 percentنسبه مئويه of bigكبير dataالبيانات projectsمشاريع
aren'tلا even profitableمربح,
43
129981
4040
أكثر من 73% من مشروعات
البيانات الضخمة غير مربحة.
02:26
and I have executivesالمديرين
comingآت up to me sayingقول,
44
134045
2431
يقول لي رؤساء تنفيذيون
02:28
"We're experiencingتعاني the sameنفسه thing.
45
136500
1789
"إننا نعيش نفس التجربة.
02:30
We investedاستثمرت in some bigكبير dataالبيانات systemالنظام,
46
138313
1753
استثمرنا في مجال البيانات الضخمة
02:32
and our employeesالموظفين aren'tلا makingصناعة
better decisionsقرارات.
47
140090
2968
ولا يتخذ الموظفون لدينا قرارات أفضل.
02:35
And they're certainlyمن المؤكد not comingآت up
with more breakthroughاختراق ideasأفكار."
48
143082
3162
وبالتأكيد ليس لديهم
المزيد من الأفكار المبدعة."
02:38
So this is all really interestingمثير للإعجاب to me,
49
146914
3184
هذا مثير للاهتمام بالنسبة لي
02:42
because I'm a technologyتقنية ethnographerالأثنوغرافي.
50
150122
2010
لأنني عالمة في مجال الأعراق البشرية
التكنولوجية.
02:44
I studyدراسة and I adviseنصيحة companiesالشركات
51
152630
2564
أنا أدرس وأنصح الشركات
02:47
on the patternsأنماط - رسم
of how people use technologyتقنية,
52
155218
2483
بأنماط استخدام الناس للتكنولوجيا،
02:49
and one of my interestفائدة areasالمناطق is dataالبيانات.
53
157725
2678
والبيانات هي إحدى مجالات إهتمامي.
02:52
So why is havingوجود more dataالبيانات
not helpingمساعدة us make better decisionsقرارات,
54
160427
5193
فلماذا لا يساعدنا المزيد من البيانات
على اتخاذ قرارات أفضل،
02:57
especiallyخصوصا for companiesالشركات
who have all these resourcesموارد
55
165644
2783
خاصة الشركات التي لديها جميع تلك المصادر
03:00
to investاستثمار in these bigكبير dataالبيانات systemsأنظمة?
56
168451
1736
للاستثمار في أنظمة البيانات الضخمة؟
03:02
Why isn't it gettingالحصول على any easierأسهل for them?
57
170211
2398
لماذا لا يسهل الأمر عليهم؟
03:05
So, I've witnessedشهد the struggleصراع firsthandمباشرة.
58
173990
2634
لذلك شاهدت الصراع لأول مرة.
03:09
In 2009, I startedبدأت
a researchابحاث positionموضع with Nokiaنوكيا.
59
177374
3484
في عام 2009 بدأت بحثًا مع نوكيا.
03:13
And at the time,
60
181232
1158
في ذلك الوقت،
03:14
Nokiaنوكيا was one of the largestأكبر
cellخلية - زنزانة phoneهاتف companiesالشركات in the worldالعالمية,
61
182414
3158
كانت نوكيا إحدى
كبرى شركات الهاتف الخلوي في العالم،
03:17
dominatingمتسلط emergingالمستجدة marketsالأسواق
like Chinaالصين, Mexicoالمكسيك and Indiaالهند --
62
185596
3202
وكانت تسيطر على الأسواق الناشئة،
مثل: الصين والمكسيك والهند--
03:20
all placesأماكن where I had doneفعله
a lot of researchابحاث
63
188822
2502
كل الأماكن التي قمت بها بالكثير من الأبحاث
03:23
on how low-incomeدخل منخفض people use technologyتقنية.
64
191348
2676
عن كيفية استخدام ذوي الدخل
المنخفض للتكنولوجيا.
03:26
And I spentأنفق a lot of extraإضافي time in Chinaالصين
65
194048
2330
قضيت الكثير من الوقت الإضافي في الصين
03:28
gettingالحصول على to know the informalغير رسمي economyاقتصاد.
66
196402
2592
لكي أعرف الاقتصاد غير الرسمي.
03:31
So I did things like workingعامل
as a streetشارع vendorبائع
67
199018
2401
فقمت ببعض الأمور، مثل بائعة متجولة
03:33
sellingيبيع dumplingsالزلابية to constructionاعمال بناء workersعمال.
68
201443
2574
كنت أبيع معجنات لعمال البناء.
03:36
Or I did fieldworkالعمل الميداني,
69
204041
1358
وقمت بأعمال في الحقول،
03:37
spendingالإنفاق nightsليالي and daysأيام
in internetالإنترنت cafمقهىés,
70
205423
2958
قضيت أيامًا وليال في مقاهي الإنترنت،
03:40
hangingمعلق out with Chineseصينى youthشباب,
so I could understandتفهم
71
208405
2546
وتنزهت مع بعض الشباب الصينيين لكي أفهم
03:42
how they were usingاستخدام
gamesألعاب and mobileالتليفون المحمول phonesالهواتف
72
210975
2284
كيف كانوا يستخدمون الألعاب
والهواتف الخلوية
03:45
and usingاستخدام it betweenما بين movingمتحرك
from the ruralريفي areasالمناطق to the citiesمدن.
73
213283
3370
واستخدامها أثناء التنقل من المناطق الريفية
إلى المدن.
03:50
Throughعبر all of this qualitativeنوعي evidenceدليل
that I was gatheringجمع,
74
218335
3927
من خلال نوعية الأدلة تلك التي كنت أجمعها،
03:54
I was startingابتداء to see so clearlyبوضوح
75
222286
2824
بدأت ألاحظ بوضوح
03:57
that a bigكبير changeيتغيرون was about to happenيحدث
amongمن بين low-incomeدخل منخفض Chineseصينى people.
76
225134
4472
أن تغيرًا كبيرًا كان على وشك الحدوث
بين الصينيين ذوي الدخل المنخفض.
04:03
Even thoughاعتقد they were surroundedمحاط
by advertisementsالإعلانات for luxuryترف productsمنتجات
77
231020
4367
على الرغم من إعلانات السلع الكمالية
التي كانت تحاوطهم،
04:07
like fancyغير حقيقي toiletsمراحيض --
who wouldn'tلن want one? --
78
235411
3495
مثل المراحيض الفاخرة --
من لا يريد امتلاك واحد؟ --
04:10
and apartmentsشقق سكنية and carsالسيارات,
79
238930
2890
والشقق السكنية والسيارات،
04:13
throughعبر my conversationsالمحادثات with them,
80
241844
1820
من خلال محادثاتي معهم
04:15
I foundوجدت out that the adsإعلانات
the actuallyفعلا enticedأغرى them the mostعظم
81
243688
3841
وجدت أن الإعلانات التي كانت تجذبهم بشدة
04:19
were the onesمنها for iPhonesفون,
82
247553
1996
هي إعلانات أجهزة الآي فون
04:21
promisingواعد them this entryدخول
into this high-techتقنية عالية life.
83
249573
3052
التي تعدهم بدخول هذا العالم
من التقنية العالية.
04:25
And even when I was livingالمعيشة with them
in urbanالحضاري slumsالأحياء الفقيرة like this one,
84
253469
3163
وحتى عندما كنت أعيش معهم في عشوائيات
بالمدينة مثل هذه،
04:28
I saw people investingالاستثمار
over halfنصف of theirهم monthlyشهريا incomeالإيرادات
85
256656
2996
رأيت الناس تستثمر أكثر من نصف دخلها الشهري
04:31
into buyingشراء a phoneهاتف,
86
259676
1623
في شراء هاتف خلوي
وكانت تلك الهواتف من نوع "shanzhai"
04:33
and increasinglyعلى نحو متزايد, they were "shanzhaishanzhai,"
87
261323
2302
04:35
whichالتي are affordableبأسعار معقولة، ميسور، متناول اليد knock-offsالعرضية ضرب
of iPhonesفون and other brandsالعلامات التجارية.
88
263649
3388
وهي هواتف مقلدة من الآي فون
وغيرها من الماركات.
04:40
They're very usableصالح للإستعمال.
89
268303
1625
كانت صالحة للاستخدام.
04:42
Does the jobوظيفة.
90
270890
1322
تقوم بمهامها.
04:44
And after yearsسنوات of livingالمعيشة
with migrantsالمهاجرين and workingعامل with them
91
272750
5789
بعد عدة سنوات من العيش مع مهاجرين
والعمل معهم
04:50
and just really doing everything
that they were doing,
92
278563
3434
والقيام بكل شيء يفعلونه،
04:54
I startedبدأت piecingالتفكيك
all these dataالبيانات pointsنقاط togetherسويا --
93
282021
3597
بدأت جمع تلك البيانات جميعها معًا --
04:57
from the things that seemبدا randomعشوائي,
like me sellingيبيع dumplingsالزلابية,
94
285642
3123
بداية من الأشياء التي تبدو عشوائية
مثل بيع المعجنات
05:00
to the things that were more obviousواضح,
95
288789
1804
إلى الأشياء الأكثر وضوحًا،
05:02
like trackingتتبع how much they were spendingالإنفاق
on theirهم cellخلية - زنزانة phoneهاتف billsفواتير.
96
290617
3232
مثل متابعة ما ينفقونه علي فواتير
هواتفهم المحمولة.
05:05
And I was ableقادر to createخلق
this much more holisticكلي pictureصورة
97
293873
2639
وكنت قادرة على خلق تلك الصورة الشمولية
05:08
of what was happeningحدث.
98
296536
1156
عما كان يحدث.
05:09
And that's when I startedبدأت to realizeأدرك
99
297716
1722
وهنا عندما بدأت أن أدرك
05:11
that even the poorestأفقر in Chinaالصين
would want a smartphoneالهاتف الذكي,
100
299462
3509
أن حتى أفقر الصينيين يريدون هواتف ذكية،
05:14
and that they would do almostتقريبيا anything
to get theirهم handsأيادي on one.
101
302995
4985
وسيفعلون أي شيء ليحصلوا عليها.
05:21
You have to keep in mindعقل,
102
309073
2404
يجب أن تعرف أن
05:23
iPhonesفون had just come out, it was 2009,
103
311501
3084
أجهزة الأي فون ظهرت عام 2009
05:26
so this was, like, eightثمانية yearsسنوات agoمنذ,
104
314609
1885
أي منذ ثماني سنوات
05:28
and Androidsأجهزة Android had just startedبدأت
looking like iPhonesفون.
105
316518
2437
وبدأت أجهزة الأندرويد تبدو كالآي فون.
05:30
And a lot of very smartذكي
and realisticواقعي people said,
106
318979
2507
ويقول الكثير من الناس الذكية والواقعية
05:33
"Those smartphonesالهواتف الذكية -- that's just a fadموضة عابرة.
107
321510
2207
"إن الهواتف الذكية مجرد صيحة."
05:36
Who wants to carryيحمل around
these heavyثقيل things
108
324243
2996
"من يريد اقتناء مثل تلك الأشياء الثقيلة"
05:39
where batteriesبطاريات drainتصرف quicklyبسرعة
and they breakاستراحة everyكل time you dropقطرة them?"
109
327263
3487
"حيث تتعطل البطاريات سريعًا،
وتنكسر الهواتف عندما تسقط منك"
05:44
But I had a lot of dataالبيانات,
110
332793
1201
ولكن كان لدى بياناتٌ عدة
05:46
and I was very confidentواثق
about my insightsرؤى,
111
334018
2260
وكنت واثقة جدًا من رؤيتي.
05:48
so I was very excitedفرح
to shareشارك them with Nokiaنوكيا.
112
336302
2829
لذلك كنت متحمسة للغاية لأشاركها مع نوكيا.
05:53
But Nokiaنوكيا was not convincedمقتنع,
113
341332
2517
ولكن نوكيا لم تقتنع،
05:55
because it wasn'tلم يكن bigكبير dataالبيانات.
114
343873
2335
لأنها لم تكن بيانات ضخمة.
05:59
They said, "We have
millionsملايين of dataالبيانات pointsنقاط,
115
347022
2404
وقالوا "لدينا الملايين من نقاط البيانات"
06:01
and we don't see any indicatorsمؤشرات
of anyoneأي واحد wantingيريد to buyيشترى a smartphoneالهاتف الذكي,
116
349450
4247
ولا نرى أية مؤشرات تتنبأ عن أي شخص
يريد شراء هاتف ذكي
06:05
and your dataالبيانات setجلس of 100,
as diverseمتنوع as it is, is too weakضعيف
117
353721
4388
ومجموعة بياناتك المتنوعة كليًا
ضعيفة للغاية بالنسبة لنا
06:10
for us to even take seriouslyبشكل جاد."
118
358133
1714
لنأخذها على محمل الجد.
06:12
And I said, "Nokiaنوكيا, you're right.
119
360908
1605
وقلت لهم" لديك حق يا نوكيا"
06:14
Of courseدورة you wouldn'tلن see this,
120
362537
1560
"بالتأكيد لن تروا ذلك،"
06:16
because you're sendingإرسال out surveysالدراسات الاستقصائية
assumingعلى افتراض that people don't know
121
364121
3371
لأنكم تصدرون الدراسات
وتفترضون أن الناس لا تعرف
06:19
what a smartphoneالهاتف الذكي is,
122
367516
1159
ما هو الهاتف الذكي،
06:20
so of courseدورة you're not going
to get any dataالبيانات back
123
368699
2366
ولذلك لن تستقبلوا أية بيانات في المقابل
06:23
about people wantingيريد to buyيشترى
a smartphoneالهاتف الذكي in two yearsسنوات.
124
371089
2572
عن الراغبين في هاتف لمدة عامين.
06:25
Your surveysالدراسات الاستقصائية, your methodsأساليب
have been designedتصميم
125
373685
2118
صممتم أبحاثكم وأساليبكم
06:27
to optimizeتحسين an existingموجود businessاعمال modelنموذج,
126
375827
2022
لتتفاءلوا بنموذج أعمال مثير للاهتمام،
06:29
and I'm looking
at these emergentالناشئة humanبشري dynamicsدينامية
127
377873
2608
وأنا أنظر لتلك الديناميكا البشرية الناشئة
06:32
that haven'tلم happenedحدث yetبعد.
128
380505
1354
التي لم تحدث بعد.
06:33
We're looking outsideفي الخارج of marketسوق dynamicsدينامية
129
381883
2438
نحن ننظر خارج ديناميكيات الأسواق
06:36
so that we can get aheadالمكانية of it."
130
384345
1631
حتى نستطيع أن نبعد عنها."
06:39
Well, you know what happenedحدث to Nokiaنوكيا?
131
387373
2244
حسنًا، هل تعلمون ماذا حدث لنوكيا؟
06:41
Theirهم businessاعمال fellسقط off a cliffجرف.
132
389641
2365
كسد نشاطها التجاري.
06:44
This -- this is the costكلفة
of missingمفقود something.
133
392791
3727
هذا مقابل إغفال شيء ما.
06:49
It was unfathomableلا يسبر غوره.
134
397163
1999
كان الأمر مبهمًا.
06:52
But Nokia'sنوكيا not aloneوحده.
135
400003
1651
ولكن نوكيا ليست وحدها هكذا.
06:54
I see organizationsالمنظمات
throwingرمي out dataالبيانات all the time
136
402258
2581
أرى مؤسسات تتجاهل البيانات طوال الوقت
06:56
because it didn't come from a quantضليع في الرياضيات modelنموذج
137
404863
2561
لأنها لم تنتج عن نموذج كمي
06:59
or it doesn't fitلائق بدنيا in one.
138
407448
1768
أو لا تتناسب مع واحدٍ.
07:02
But it's not bigكبير data'sفي البيانات faultخطأ.
139
410219
2048
ولكنه ليس خطأ البيانات الضخمة.
07:04
It's the way we use bigكبير dataالبيانات;
it's our responsibilityالمسئولية.
140
412942
3907
ولكن الخطأ يوجد في طريقة استخدامها،
فهذه مسؤوليتنا.
07:09
Bigكبير data'sفي البيانات reputationسمعة for successنجاح
141
417730
1911
إن سمعة نجاح البيانات الضخمة
07:11
comesيأتي from quantifyingتحديد مقدار
very specificمحدد environmentsالبيئات,
142
419665
3759
تأتي من قياس بيئات محددة جدًا،
07:15
like electricityكهرباء powerقوة gridsشبكات
or deliveryتوصيل logisticsالخدمات اللوجستية or geneticوراثي codeالشفرة,
143
423448
4913
مثل شبكات الطاقة الكهربائية
أو التسليم اللوجيستي أو الشفرة الجينية
07:20
when we're quantifyingتحديد مقدار in systemsأنظمة
that are more or lessأقل containedيتضمن.
144
428385
4318
عندما نحدد المقدار في الأنظمة المتضمنة.
07:24
But not all systemsأنظمة
are as neatlyبعناية containedيتضمن.
145
432727
2969
ولكن ليست كل الأنظمة تشارك بدقة.
07:27
When you're quantifyingتحديد مقدار
and systemsأنظمة are more dynamicديناميكي,
146
435720
3258
عندما تقيس، وتكون الأنظمة أكثر ديناميكية
07:31
especiallyخصوصا systemsأنظمة
that involveتنطوي humanبشري beingsالكائنات,
147
439002
3799
وخاصة الأنظمة التي تتضمن بشرًا،
07:34
forcesالقوات are complexمركب and unpredictableلا يمكن التنبؤ به,
148
442825
2426
القوى معقدة وغير متوقعة،
07:37
and these are things
that we don't know how to modelنموذج so well.
149
445275
3486
وهذه أشياء لا نستطيع إعمالها بشكل جيد.
07:41
Onceذات مرة you predictتنبؤ something
about humanبشري behaviorسلوك,
150
449204
2813
عندما تتوقع شيئًا عن سلوك الإنسان
07:44
newالجديد factorsالعوامل emergeيظهر,
151
452041
1855
تظهر عوامل أخرى
07:45
because conditionsالظروف
are constantlyباستمرار changingمتغير.
152
453920
2365
لأن الظروف تتغير باستمرار.
07:48
That's why it's a never-endingلا تنتهي cycleدورة.
153
456309
1803
ولذلك فهي دورة لا تنتهي.
07:50
You think you know something,
154
458136
1464
تعتقد أنك تعلم أمرًا،
07:51
and then something unknownغير معروف
entersيدخل the pictureصورة.
155
459624
2242
وبعد ذلك يظهر شيء غير معلوم في الصورة.
07:53
And that's why just relyingالاعتماد
on bigكبير dataالبيانات aloneوحده
156
461890
3322
لذلك الاعتماد على البيانات الضخمة وحدها
07:57
increasesيزيد the chanceفرصة
that we'llحسنا missيغيب something,
157
465236
2849
يزيد فرصة إغفال شيء ما،
08:00
while givingإعطاء us this illusionوهم
that we alreadyسابقا know everything.
158
468109
3777
في الوقت الذي يتهيأ لنا
أننا نعرف بالفعل كل شيء.
08:04
And what makesيصنع it really hardالصعب
to see this paradoxالمفارقة
159
472406
3856
وما يجعل من الصعب رؤية هذه المفارقة
08:08
and even wrapلف our brainsعقل around it
160
476286
2659
وحتي يركز انتباهنا عليه
08:10
is that we have this thing
that I call the quantificationتحديد الكميات biasانحياز، نزعة,
161
478969
3691
هو أن لدينا ما أُسميه الانحياز الكمي،
08:14
whichالتي is the unconsciousفاقد الوعي beliefإيمان
of valuingتثمين the measurableقابل للقياس
162
482684
3922
وهوالاعتقاد اللاإرادي بتصديق ما يمكن قياسه
08:18
over the immeasurableلا محدود.
163
486630
1594
عن ما لا يمكن قياسه.
08:21
And we oftenغالبا experienceتجربة this at our work.
164
489222
3284
وغالبًا ما نواجه ذلك في عملنا.
08:24
Maybe we work alongsideجنبا إلى جنب
colleaguesالزملاء who are like this,
165
492530
2650
من الممكن أن نعمل بجانب زملاء هكذا
08:27
or even our wholeكامل entireكامل
companyشركة mayقد be like this,
166
495204
2428
أو أن تكون الشركة بأكملها مثل ذلك
08:29
where people becomeيصبح
so fixatedتركز اهتمامها on that numberرقم,
167
497656
2546
حيث يصبح الناس مركزين انتباههم على الأرقام
08:32
that they can't see anything
outsideفي الخارج of it,
168
500226
2067
إلى أن يتعذر عليهم رؤية أي شيء بدونها،
08:34
even when you presentحاضر them evidenceدليل
right in frontأمامي of theirهم faceوجه.
169
502317
3948
حتى لو وضعت الدليل مباشرةً أمام أعينهم.
08:39
And this is a very appealingجذاب messageرسالة,
170
507123
3371
وهذه رسالة رائعة،
08:42
because there's nothing
wrongخطأ with quantifyingتحديد مقدار;
171
510518
2343
لأنه لا يوجد عيب في القياس
08:44
it's actuallyفعلا very satisfyingمرضيه.
172
512885
1430
فهو في الواقع مُرضٍ.
08:46
I get a great senseإحساس of comfortراحة
from looking at an Excelتفوق spreadsheetجدول,
173
514339
4362
ينتابني إحساس كبير بالراحة
عند النظر في جدول بيانات على برنامج إكسل
08:50
even very simpleبسيط onesمنها.
174
518725
1401
حتى الجداول البسيطة.
08:52
(Laughterضحك)
175
520150
1014
(ضحك)
08:53
It's just kindطيب القلب of like,
176
521188
1152
فالأمر مثل
08:54
"Yes! The formulaمعادلة workedعمل. It's all OK.
Everything is underتحت controlمراقبة."
177
522364
3504
"حسنًا! نجحت المعادلة.
كل شيء على ما يرام."
08:58
But the problemمشكلة is
178
526792
2390
ولكن المشكلة هي
09:01
that quantifyingتحديد مقدار is addictiveالادمان.
179
529206
2661
أن القياس إدماني.
09:03
And when we forgetننسى that
180
531891
1382
وعندما ننسى ذلك
09:05
and when we don't have something
to kindطيب القلب of keep that in checkالتحقق من,
181
533297
3038
وعندما لا نملك ما نستطيع التأكد منه
09:08
it's very easyسهل to just throwيرمي out dataالبيانات
182
536359
2118
من السهل إلقاء البيانات جانبًا
09:10
because it can't be expressedأعربت
as a numericalعددي valueالقيمة.
183
538501
2718
لأنه لا يمكن ترجمتها كقيمة رقمية.
09:13
It's very easyسهل just to slipانزلاق
into silver-bulletرصاصة فضية thinkingتفكير,
184
541243
2921
من اليسير اللجوء للتفكير السهل
09:16
as if some simpleبسيط solutionحل existedموجودة.
185
544188
2579
كأنه يوجد حل بسيط بالفعل.
09:19
Because this is a great momentلحظة of dangerخطر
for any organizationمنظمة,
186
547600
4062
ولأن هذه لحظة خطر لأية مؤسسة
09:23
because oftentimesكثيرا ما,
the futureمستقبل we need to predictتنبؤ --
187
551686
2634
ولأن في معظم الوقت
نحتاج إلى التنبؤ بالمستقبل --
09:26
it isn't in that haystackكومة قش,
188
554344
2166
فهو ليس إبرة في كومة قش،
09:28
but it's that tornadoإعصار
that's bearingتحمل down on us
189
556534
2538
ولكنه ينقض علينا كالثور الهائج
09:31
outsideفي الخارج of the barnإسطبل.
190
559096
1488
الخارج من الحظيرة.
09:34
There is no greaterأكبر riskخطر
191
562960
2326
لا يوجد شيء
09:37
than beingيجرى blindبليند to the unknownغير معروف.
192
565310
1666
أخطر من كونك مسلِّمًا بالمجهول.
09:39
It can causeسبب you to make
the wrongخطأ decisionsقرارات.
193
567000
2149
يمكن أن يجعلك ذلك تتخذ قرارات خاطئة.
09:41
It can causeسبب you to missيغيب something bigكبير.
194
569173
1974
يمكن أن تغفل شيئًا مهمًا،
09:43
But we don't have to go down this pathمسار.
195
571734
3101
ولكن لسنا مضطرين أن نسلك هذا الدرب.
09:47
It turnsيتحول out that the oracleوحي
of ancientعتيق Greeceاليونان
196
575453
3195
اتضح أن الوسيطة الروحية في اليونان القديمة
09:50
holdsيحمل the secretسر keyمفتاح
that showsعروض us the pathمسار forwardإلى الأمام.
197
578672
3966
تمتلك المفتاح السري الذي يرينا
الطريق للأمام.
09:55
Now, recentالأخيرة geologicalالجيولوجية researchابحاث has shownأظهرت
198
583654
2595
والآن أوضح بحث جيولوجي حديث
09:58
that the Templeصدغ of Apolloأبولو,
where the mostعظم famousمشهور oracleوحي satجلسنا,
199
586273
3564
أن معبد أبولو
حيث جلست الوسيطة الروحية الأشهر،
10:01
was actuallyفعلا builtمبني
over two earthquakeزلزال faultsفوالق.
200
589861
3084
كان مبنيًا فوق صدعين زلزاليين.
10:04
And these faultsفوالق would releaseإطلاق سراح
these petrochemicalالبتروكيماويات fumesأدخنة
201
592969
2886
وبعث الصدعان تلك الأبخرة البتروكيماوية
10:07
from underneathتحته the Earth'sفي الأرض crustقشرة,
202
595879
1685
الموجودة تحت القشرة الأرضية
10:09
and the oracleوحي literallyحرفيا satجلسنا
right aboveفي الاعلى these faultsفوالق,
203
597588
3866
وجلست الوسيطة حرفيًا
فوق الصدعين مباشرةً
10:13
inhalingاستنشاق enormousضخم amountsكميات
of ethyleneالإثيلين gasغاز, these fissuresشقوق.
204
601478
3588
مستنشقة كميات ضخمة
من غاز الإيثيلين، هذان الصدعان.
10:17
(Laughterضحك)
205
605090
1008
(ضحك)
10:18
It's trueصحيح.
206
606122
1173
هذا حقيقي.
10:19
(Laughterضحك)
207
607319
1017
(ضحك)
10:20
It's all trueصحيح, and that's what madeمصنوع her
babbleثرثرة and hallucinateبالهلوسة
208
608360
3509
هذا ما جعلها تخرج الفقاقيع
10:23
and go into this trance-likeنشوة تشبه stateحالة.
209
611893
1724
وتدخل في هذه الحالة من النشوة.
10:25
She was highمتوسط as a kiteطائرة ورقية!
210
613641
1770
كانت منتشية للغاية.
10:27
(Laughterضحك)
211
615435
4461
(ضحك)
10:31
So how did anyoneأي واحد --
212
619920
2779
كيف استطاع أي شخص..
10:34
How did anyoneأي واحد get
any usefulمفيد adviceالنصيحة out of her
213
622723
3030
كيف استطاع أي شخص أن يأخذ منها نصيحة
10:37
in this stateحالة?
214
625777
1190
في هذه الحالة؟
10:39
Well, you see those people
surroundingالمحيط the oracleوحي?
215
627497
2381
حسنًا، هل ترون هؤلاء
المحيطين بالوسيطة الروحية؟
10:41
You see those people holdingتحتجز her up,
216
629902
1879
ترون الأشخاص الذين يرفعونها لأعلى
10:43
because she's, like, a little woozyمشوش الذهن?
217
631805
1717
لأنها كالمشوشة الذهن قليلًا؟
10:45
And you see that guy
on your left-handاليد اليسرى sideجانب
218
633546
2308
هل ترون الرجل تجاه اليسار
10:47
holdingتحتجز the orangeالبرتقالي notebookدفتر?
219
635878
1598
الممسك بالدفتر البرتقالي؟
10:50
Well, those were the templeصدغ guidesخطوط إرشاد,
220
638105
1730
هؤلاء كانوا مرشدي المعبد،
10:51
and they workedعمل handيد in handيد
with the oracleوحي.
221
639859
3016
وتعاونوا مع الوسيطة الروحية.
10:56
When inquisitorsالمحققون would come
and get on theirهم kneesالركبتين,
222
644084
2516
عندما يأتي الباحثون عن الحقيقة
ويركعون أمامها،
10:58
that's when the templeصدغ guidesخطوط إرشاد
would get to work,
223
646624
2340
يبدأ مرشدو المعبد عملهم،
11:00
because after they askedطلبت her questionsالأسئلة,
224
648988
1864
لأن بعد سؤالها أسئلتهم
11:02
they would observeرصد theirهم emotionalعاطفي stateحالة,
225
650876
2001
سيراقبون حالاتهم الشعورية
11:04
and then they would askيطلب them
follow-upمتابعة questionsالأسئلة,
226
652901
2324
وسيطلبون منهم إجابة الأسئلة
11:07
like, "Why do you want to know
this prophecyنبوءة? Who are you?
227
655249
2834
مثل " لماذا تريد أن تعرف هذه النبؤة؟
من أنت؟"
11:10
What are you going to do
with this informationمعلومات?"
228
658107
2264
" ماذا تنوي أن تفعل بهذه المعلومة؟"
11:12
And then the templeصدغ guidesخطوط إرشاد would take
this more ethnographicأثنولوجي,
229
660395
3182
يأخذ مرشدو المعبد
هذا على محمل علم الأعراق البشرية.
11:15
this more qualitativeنوعي informationمعلومات,
230
663601
2156
تلك المعلومات الكمية
11:17
and interpretتفسر the oracle'sأوراكل babblingsbabblings.
231
665781
2075
ويفسرون فقاعات الوسيطة الروحية.
11:21
So the oracleوحي didn't standيفهم aloneوحده,
232
669428
2292
حتى لا تعمل الوسيطة بمفردها،
11:23
and neitherلا هذا ولا ذاك should our bigكبير dataالبيانات systemsأنظمة.
233
671744
2148
وكذلك أنظمة البيانات الضخمة خاصتنا.
11:26
Now to be clearواضح,
234
674630
1161
وحتى أكون واضحة،
11:27
I'm not sayingقول that bigكبير dataالبيانات systemsأنظمة
are huffingالنفخ ethyleneالإثيلين gasغاز,
235
675815
3459
لا أعني أن الأنظمة تبعث غاز الإيثيلين
11:31
or that they're even givingإعطاء
invalidغير صالحة predictionsتوقعات.
236
679298
2353
أو أنها تعطي تنبؤات غير صحيحة،
11:33
The totalمجموع oppositeمقابل.
237
681675
1161
بل على العكس.
11:34
But what I am sayingقول
238
682860
2068
ولكن ما أقوله هو أن
11:36
is that in the sameنفسه way
that the oracleوحي neededبحاجة her templeصدغ guidesخطوط إرشاد,
239
684952
3832
كما احتاجت الوسيطة الروحية لمرشدي المعبد
11:40
our bigكبير dataالبيانات systemsأنظمة need them, too.
240
688808
2288
تحتاج أنظمة البيانات الضخمة أيضا لهم.
11:43
They need people like ethnographersالإنثوغرافيون
and userالمستعمل researchersالباحثين
241
691120
4109
تحتاج أشخاص كعلماء الأعراق البشرية
11:47
who can gatherجمع what I call thickسميك dataالبيانات.
242
695253
2506
الذين يستطيعون جمع
ما أسميه البيانات الكثيفة.
11:50
This is preciousثمين dataالبيانات from humansالبشر,
243
698502
2991
هذه بيانات عن البشر لا تقدر بثمن
11:53
like storiesقصص, emotionsالعواطف and interactionsالتفاعلات
that cannotلا تستطيع be quantifiedكميا.
244
701517
4102
مثل القصص و المشاعر
والتفاعلات التي لا يمكن قياسها.
11:57
It's the kindطيب القلب of dataالبيانات
that I collectedجمع for Nokiaنوكيا
245
705643
2322
هذه هي فئة البيانات التي جمعتها لنوكيا
11:59
that comesيأتي in in the formشكل
of a very smallصغير sampleعينة sizeبحجم,
246
707989
2669
التي تكون في حجم عينة صغيرة للغاية،
12:02
but deliversيسلم incredibleلا يصدق depthعمق of meaningالمعنى.
247
710682
2955
ولكن توصل عمقًا هائلًا من المعنى.
12:05
And what makesيصنع it so thickسميك and meatyلحمي
248
713661
3680
والذي يجعلها كثيفة وغنية
12:10
is the experienceتجربة of understandingفهم
the humanبشري narrativeسرد.
249
718445
4029
هي خبرة فهم الرواية الإنسانية.
12:14
And that's what helpsيساعد to see
what's missingمفقود in our modelsعارضات ازياء.
250
722498
3639
وهذا ما يساعد على رؤية المفقود في نماذجنا.
12:18
Thickسميك dataالبيانات groundsأساس our businessاعمال questionsالأسئلة
in humanبشري questionsالأسئلة,
251
726851
4045
تبنى البيانات الكثيفة
أسئلة نشاطنا التجاري على أسئلة الناس.
12:22
and that's why integratingدمج
bigكبير and thickسميك dataالبيانات
252
730920
3562
ولذلك تكامل البيانات الضخمة
والبيانات الكثيفة
12:26
formsإستمارات a more completeاكتمال pictureصورة.
253
734506
1689
يُكون صورةً كاملةً.
12:28
Bigكبير dataالبيانات is ableقادر to offerعرض
insightsرؤى at scaleمقياس
254
736772
2881
تستطيع البيانات الضخمة
تقديم وجهات نظرعلى قدر ما هو مطلوب
12:31
and leverageتأثير ايجابي the bestالأفضل
of machineآلة intelligenceالمخابرات,
255
739677
2647
وتدعم عمل أفضل الماكينات
12:34
whereasبينما thickسميك dataالبيانات can help us
rescueإنقاذ the contextسياق الكلام lossخسارة
256
742348
3572
ولكن البيانات الكثيفة
تساعد في إنقاذ السياق المفقود
12:37
that comesيأتي from makingصناعة bigكبير dataالبيانات usableصالح للإستعمال,
257
745944
2098
الذي يأتي من جعل البيانات الضخمة
صالحة للاستعمال
12:40
and leverageتأثير ايجابي the bestالأفضل
of humanبشري intelligenceالمخابرات.
258
748066
2181
وتدعم ذكاء البشر.
12:42
And when you actuallyفعلا integrateدمج the two,
that's when things get really funمرح,
259
750271
3552
عندما تدمج الاثنين،
تصبح الأمور أكثر مرحًا
12:45
because then you're no longerطويل
just workingعامل with dataالبيانات
260
753847
2436
لأنك لم تعد تعمل مع البيانات فقط
12:48
you've alreadyسابقا collectedجمع.
261
756307
1196
التي قد جمعتها بالفعل.
12:49
You get to alsoأيضا work with dataالبيانات
that hasn'tلم been collectedجمع.
262
757527
2737
أنت مضطر للعمل
مع البيانات التي لم تجمعها بعد.
12:52
You get to askيطلب questionsالأسئلة about why:
263
760288
1719
ستسأل أسئلة عن:
12:54
Why is this happeningحدث?
264
762031
1317
لماذا يحدث هذا؟
12:55
Now, when Netflixنيتفليكس did this,
265
763778
1379
عندما فعلت شركة نتفليكس هذا،
12:57
they unlockedمفتوحة a wholeكامل newالجديد way
to transformتحول theirهم businessاعمال.
266
765181
3035
فتحوا طريقًا جديدًا لتغيير نشاطهم التجاري.
13:01
Netflixنيتفليكس is knownمعروف for theirهم really great
recommendationتوصية algorithmخوارزمية,
267
769406
3956
تُعرف نتفليكس بخوارزمية اقتراحات رائعة،
13:05
and they had this $1 millionمليون prizeجائزة
for anyoneأي واحد who could improveتحسن it.
268
773386
4797
وقد قدمت جائزة بقيمة مليون دولار
لمن يستطيع تحسينها.
13:10
And there were winnersالفائزين.
269
778207
1314
وكان يوجد فائزون.
13:12
But Netflixنيتفليكس discoveredمكتشف
the improvementsتحسينات were only incrementalتدريجي.
270
780255
4323
ولكن وجدت نتفليكس أن الاقتراحات
كانت تزايدية فقط.
13:17
So to really find out what was going on,
271
785404
1964
وحتى تتأكد أنها تتقدم
13:19
they hiredالتعاقد an ethnographerالأثنوغرافي,
Grantمنحة McCrackenمكراكين,
272
787392
3741
عينت العالم في وصف
الأعراق البشرية، غرانت مكراكين،
13:23
to gatherجمع thickسميك dataالبيانات insightsرؤى.
273
791157
1546
لجمع وجهات نظر البيانات الضخمة.
13:24
And what he discoveredمكتشف was something
that they hadn'tلم يكن seenرأيت initiallyفي البداية
274
792727
3924
وما اكتشفه كان شيئًا لم يروه في البداية
13:28
in the quantitativeمرور dataالبيانات.
275
796675
1355
في البيانات الكمية.
13:31
He discoveredمكتشف that people lovedأحب
to binge-watchمشاهدة حفلة.
276
799072
2728
اكتشف أن الناس أحبت الإفراط في المشاهدة.
13:33
In factحقيقة, people didn't even
feel guiltyمذنب about it.
277
801824
2353
في الواقع المشاهدون لم يشعروا بالذنب لذلك.
13:36
They enjoyedاستمتعت it.
278
804201
1255
ولكن استمتعوا به.
13:37
(Laughterضحك)
279
805480
1026
(ضحك)
13:38
So Netflixنيتفليكس was like,
"Oh. This is a newالجديد insightتبصر."
280
806530
2356
كان لسان حال نتفليكس: "هذا رأي جديد".
13:40
So they wentذهب to theirهم dataالبيانات scienceعلم teamالفريق,
281
808910
1938
لذلك ذهبت لفريقها العلمي
13:42
and they were ableقادر to scaleمقياس
this bigكبير dataالبيانات insightتبصر
282
810872
2318
واستطاعوا قياس هذا المنظور
13:45
in with theirهم quantitativeمرور dataالبيانات.
283
813214
2587
من البيانات الضخمة مع البيانات الكمية.
13:47
And onceذات مرة they verifiedالتحقق it
and validatedالتحقق من صحة it,
284
815825
3170
وعندما تأكدوا من ذلك
13:51
Netflixنيتفليكس decidedقرر to do something
very simpleبسيط but impactfulتأثيرا.
285
819019
4761
قررت نتفليكس عمل شيء بسيط، ولكنه مؤثر.
13:56
They said, insteadفي حين أن of offeringعرض
the sameنفسه showتبين from differentمختلف genresالأنواع
286
824834
6492
فقالوا بدلًا من عرض نفس البرنامج
من فئات مختلفة
14:03
or more of the differentمختلف showsعروض
from similarمماثل usersالمستخدمين,
287
831350
3888
أو برامج أكثر من مستخدمين متشابهين،
14:07
we'llحسنا just offerعرض more of the sameنفسه showتبين.
288
835262
2554
سنعرض حلقات أكثر من نفس البرنامج.
14:09
We'llحسنا make it easierأسهل
for you to binge-watchمشاهدة حفلة.
289
837840
2105
سنجعل فكرة مشاهدة عدة حلقات مسلسلة أسهل.
14:11
And they didn't stop there.
290
839969
1486
ولم تتوقف عند ذلك.
14:13
They did all these things
291
841479
1474
فعلوا كل هذه الأشياء
14:14
to redesignإعادة تصميم theirهم entireكامل
viewerمشاهد experienceتجربة,
292
842977
2959
لإعادة تشكيل خبرة المشاهد كلها
14:17
to really encourageالتشجيع binge-watchingمشاهدة-حفلة.
293
845960
1758
لتشجيع فكرة المشاهدة التسلسلية.
14:20
It's why people and friendsاصحاب disappearاختفى
for wholeكامل weekendsعطلة نهاية الأسبوع at a time,
294
848230
3241
هذا سبب اختفاء الناس
والأصدقاء في العطلات الأسبوعية.
14:23
catchingاصطياد up on showsعروض
like "Masterرئيس of Noneلا شيء."
295
851495
2343
لمتابعة البرامج مثل "ماستر أوف نن".
14:25
By integratingدمج bigكبير dataالبيانات and thickسميك dataالبيانات,
they not only improvedتحسن theirهم businessاعمال,
296
853862
4173
استطاعت تحسين عملها بدمج
البيانات الضخمة مع البيانات الكثيفة
14:30
but they transformedحولت how we consumeتستهلك mediaوسائل الإعلام.
297
858059
2812
ولكنها غيرت طريقة استهلاكنا للإعلام.
14:32
And now theirهم stocksمخازن are projectedالمتوقع
to doubleمزدوج in the nextالتالى fewقليل yearsسنوات.
298
860895
4552
والآن من المتوقع أن تتضاعف مبيعاتهم
في السنوات القليلة القادمة.
14:38
But this isn't just about
watchingمشاهدة more videosأشرطة فيديو
299
866280
3830
ولكن هذا ليس فقط عن
مشاهدة المزيد من الفيديوهات
14:42
or sellingيبيع more smartphonesالهواتف الذكية.
300
870134
1620
أو بيع المزيد من الهواتف الذكية.
14:44
For some, integratingدمج thickسميك dataالبيانات
insightsرؤى into the algorithmخوارزمية
301
872143
4050
بالنسبة للبعض، إدماج البيانات الكثيفة
في خوارزمياتهم
14:48
could mean life or deathالموت,
302
876217
2263
قد يعني حياة أو موت،
14:50
especiallyخصوصا for the marginalizedالمهمشة.
303
878504
2146
خاصة للمهمشين.
14:53
All around the countryبلد,
policeشرطة departmentsالإدارات are usingاستخدام bigكبير dataالبيانات
304
881738
3434
تستخدم أقسام الشرطة في كل أنحاء الدولة
البيانات الضخمة
14:57
for predictiveتنبؤي policingالشرطة,
305
885196
1963
لضبط الأمن التنبؤي
14:59
to setجلس bondكفالة amountsكميات
and sentencingالحكم recommendationsتوصيات
306
887183
3084
لكي تضع أرقامًا للسندات واقتراحات للعقوبة
15:02
in waysطرق that reinforceتعزز existingموجود biasesالتحيزات.
307
890291
3147
بطرق تعزز الانحياز الموجود.
15:06
NSA'sوNSA Skynetسكاي نت machineآلة learningتعلم algorithmخوارزمية
308
894296
2423
إن خوارزمية التعلم الآلي (سكاي نت)
لدى الأمن القومي الأمريكي
15:08
has possiblyربما aidedساعد in the deathsوفاة
of thousandsالآلاف of civiliansالمدنيين in Pakistanباكستان
309
896743
5444
أدت إلى وفاة آلاف المواطنين في باكستان
15:14
from misreadingخطأ في القراءة cellularخلوي deviceجهاز metadataالبيانات الوصفية.
310
902211
2721
نتيجة سوء قراءة البيانات الوصفية
للجهاز الخلوي.
15:19
As all of our livesالأرواح becomeيصبح more automatedالآلي,
311
907131
3403
ولأن حياتنا أصبحت أكثر آلية
15:22
from automobilesالسيارات to healthالصحة insuranceتأمين
or to employmentتوظيف,
312
910558
3080
من السيارات حتى التأمين الصحي أو التوظيف
15:25
it is likelyالمحتمل أن that all of us
313
913662
2350
فعلى الأرجح أن جميعنا
15:28
will be impactedأثرت
by the quantificationتحديد الكميات biasانحياز، نزعة.
314
916036
2989
سيتأثر بالانحياز القياسي.
15:32
Now, the good newsأخبار
is that we'veقمنا come a long way
315
920972
2621
والآن، الخبر الجيد هو
أننا سلكنا طريقًا طويلًا
15:35
from huffingالنفخ ethyleneالإثيلين gasغاز
to make predictionsتوقعات.
316
923617
2450
من استنشاق غاز الايثيلين إلى صنع التنبؤات.
15:38
We have better toolsأدوات,
so let's just use them better.
317
926091
3070
لدينا أدوات أفضل، فهيا نستخدمها بشكل أفضل.
15:41
Let's integrateدمج the bigكبير dataالبيانات
with the thickسميك dataالبيانات.
318
929185
2323
لندمج البيانات الضخمة مع البيانات الكثيفة.
15:43
Let's bringاحضر our templeصدغ guidesخطوط إرشاد
with the oraclesأقوال,
319
931532
2261
لِنُحضر مرشدي المعبد مع الوسيطة الروحية،
15:45
and whetherسواء this work happensيحدث
in companiesالشركات or nonprofitsالمنظمات غير الربحية
320
933817
3376
وسواء إذا كان هذا العمل
داخل شركات أو جمعيات غير حكومية
15:49
or governmentحكومة or even in the softwareالبرمجيات,
321
937217
2469
أو الحكومة أو حتي في البرمجيات،
15:51
all of it mattersالقضايا,
322
939710
1792
كل ذلك مهم،
15:53
because that meansيعني
we're collectivelyجماعي committedملتزم
323
941526
3023
لأنه يعني أننا ملتزمون بشكل جماعي
15:56
to makingصناعة better dataالبيانات,
324
944573
2191
لصنع بيانات أفضل
15:58
better algorithmsخوارزميات, better outputsالمخرجات
325
946788
1836
وخوارزميات ونتائج أفضل
16:00
and better decisionsقرارات.
326
948648
1643
وقرارات أفضل.
16:02
This is how we'llحسنا avoidتجنب
missingمفقود that something.
327
950315
3558
هكذا سنتجنب إغفال ذلك الشيء.
16:07
(Applauseتصفيق)
328
955222
3948
(تصفيق)
Translated by Abdellatif zoumhane
Reviewed by Abdul Rahman Malek

▲Back to top

ABOUT THE SPEAKER
Tricia Wang - Technology ethnographer
With astronaut eyes and ethnographer curiosity, Tricia Wang helps corporations grow by discovering the unknown about their customers.

Why you should listen

For Tricia Wang, human behavior generates some of the most perplexing questions of our times. She has taught global organizations how to identify new customers and markets hidden behind their data, amplified IDEO's design thinking practice as an expert-in-residence, researched the social evolution of the Chinese internet, and written about the "elastic self," an emergent form of interaction in a virtual world. Wang is the co-founder of Sudden Compass, a consulting firm that helps companies unlock new growth opportunities by putting customer obsession into practice.

Wang's work has been featured in The Atlantic, Al Jazeera, and The Guardian. Fast Company spotlighted her work in China: "What Twitter Can Learn From Weibo: Field Notes From Global Tech Ethnographer Tricia Wang." In her latest op-ed on Slate, she discusses how attempts to stop terrorists on social media can harm our privacy and anonymity. Her Medium post, "Why Big Data Needs Thick Data," is a frequently cited industry piece on the importance of an integrated data approach. One of her favorite essays documents her day in the life of working as a street vendor in China.

Known for her lively presentations that are grounded in her research and observations about human behavior and data, Wang has spoken at organizations such as Proctor & Gamble, Nike, Wrigley, 21st Century Fox and Tumblr. Her most recent talk at Enterprise UX delved into why corporate innovation usually doesn’t work and what to do about it. She delivered the opening keynote at The Conference to a crowd of marketers and creatives, delving into the wild history of linear perspective and its influence on how we think and form organizations.

Wang holds affiliate positions at Data & Society, Harvard University's Berkman Klein Center for Internet Studies and New York University's Interactive Telecommunication Program. She oversees Ethnography Matters, a site that publishes articles about applied ethnography and technology. She co-started a Slack community for anyone who uses ethnographic methods in industry.

Wang began her career as a documentary filmmaker at NASA, an HIV/AIDS activist, and an educator specializing in culturally responsive pedagogy. She is also proud to have co-founded the first national hip-hop education initiative, which turned into the Hip Hop Education Center at New York University, and to have built after-school technology and arts programs for low-income youth at New York City public schools and the Queens Museum of Arts. Her life philosophy is that you have to go to the edge to discover what’s really happening. She's the proud companion of her internet famous dog, #ellethedog.

More profile about the speaker
Tricia Wang | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee