TED@IBM
Susan Etlinger: What do we do with all this big data?
수잔 이틀린저: 빅 데이터들로 우리가 할 일은 무엇일까요?
Filmed:
Readability: 4.7
1,344,301 views
데이터가 당신이 더욱 편한하고 성취감을 느끼도록 해주나요? 만약 그렇다면 당신의 데이터에 대한 해석은 틀렸을지도 모릅니다. 이 감동적인 연설에서, 수잔은 우리가 왜 더 많은 데이터를 받을 수록, 비판적으로 생각할 수 있는 능력을 길러야 하는지 설명합니다. 그것은 계산하는 것을 벗어나 그것들을 실제로 이해하기가 힘들기 때문입니다.
Susan Etlinger - Data analyst
Susan Etlinger promotes the smart, well-considered and ethical use of data. Full bio
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 has brought us so much:
0
1354
3135
기술은 우리에게
많은 것을 가져다 주었습니다.
많은 것을 가져다 주었습니다.
00:16
the moon landing, the Internet,
1
4489
2019
그 중엔 달 착륙, 인터넷
00:18
the ability to sequence the human genome.
2
6508
2625
인간 게놈의 배열을
밝힐 수 있는 능력 등이 있죠.
밝힐 수 있는 능력 등이 있죠.
00:21
But it also taps into a lot of our deepest fears,
3
9133
3724
또한 이것은 우리의
깊은 두려움속으로 다가가게 되었죠.
깊은 두려움속으로 다가가게 되었죠.
00:24
and about 30 years ago,
4
12857
1856
약 30 년 전,
00:26
the culture critic Neil Postman wrote a book
5
14713
2553
문화 평론가인 네일 포스만은
"죽도록 즐기기"라는 책을 썼습니다.
00:29
called "Amusing Ourselves to Death,"
6
17266
2115
00:31
which lays this out really brilliantly.
7
19381
2759
여기 데이터 시대에 대한 현상을
정말 잘 드러내고 있습니다.
정말 잘 드러내고 있습니다.
00:34
And here's what he said,
8
22140
1650
그는 조지 오엘과 올더스 헉슬리의
00:35
comparing the dystopian visions
9
23790
2263
반이상향적 시각을 비교하며
한 말이 있는데,
한 말이 있는데,
00:38
of George Orwell and Aldous Huxley.
10
26053
3573
그가 말하길,
00:41
He said, Orwell feared we would become
11
29626
3126
조지 오엘은 우리가 억압된
문명이 되는 것을 두려워했고,
문명이 되는 것을 두려워했고,
00:44
a captive culture.
12
32752
2248
00:47
Huxley feared we would become a trivial culture.
13
35000
3752
헉슬리는 우리가 하찮은 문명이
되는것을 두려워 했다고 했죠.
되는것을 두려워 했다고 했죠.
00:50
Orwell feared the truth would be
14
38752
2145
오엘은 진실이 우리로 부터
숨겨지는 것을 두려워했고,
00:52
concealed from us,
15
40897
1923
00:54
and Huxley feared we would be drowned
16
42820
2190
헉슬리는 우리가 무관성의 바다에서
00:57
in a sea of irrelevance.
17
45010
2693
익사하게 될 것을
두려워했다고 말했습니다.
두려워했다고 말했습니다.
00:59
In a nutshell, it's a choice between
18
47703
2170
간단히 말해서, 이것은 당신이
01:01
Big Brother watching you
19
49873
2600
독재자에게 감시를 당하느냐,
01:04
and you watching Big Brother.
20
52473
2496
아니면 당신이 독재자를
감시하느냐의 선택이라는 거죠.
감시하느냐의 선택이라는 거죠.
(웃음)
01:06
(Laughter)
21
54969
1931
하지만 꼭 이런
방향일 필요는 없어요.
방향일 필요는 없어요.
01:08
But it doesn't have to be this way.
22
56900
1734
01:10
We are not passive consumers
of data and technology.
of data and technology.
23
58634
3336
우리는 데이터와 기술의
수동적 소비자가 아니니까요.
수동적 소비자가 아니니까요.
01:13
We shape the role it plays in our lives
24
61970
2403
우리가 그것이 우리의 삶에서
영향을 미치는 역할과
영향을 미치는 역할과
01:16
and the way we make meaning from it,
25
64373
2130
우리가 그 부여하는
의미의 방식을 형성시킵니다.
의미의 방식을 형성시킵니다.
01:18
but to do that,
26
66503
1603
하지만 그렇게 하려면,
01:20
we have to pay as much attention to how we think
27
68106
3513
우리가 그것으 코드를 쓸 때만큼
우리가 생각하는 방법에 대해
주의를 기울여야 합니다.
주의를 기울여야 합니다.
01:23
as how we code.
28
71619
2030
01:25
We have to ask questions, and hard questions,
29
73649
3098
우리는 계속해서 질문을
던져야합니다. 어려운 질문들을요.
던져야합니다. 어려운 질문들을요.
01:28
to move past counting things
30
76747
1869
그 데이터의 숫자를
계산하는 단계에서 나아가
계산하는 단계에서 나아가
01:30
to understanding them.
31
78616
2602
그것들을 이해하기 위해서 말이죠.
01:33
We're constantly bombarded with stories
32
81218
2446
세계에 얼마나 많은 양의
데이터가 있는지에 대해
데이터가 있는지에 대해
01:35
about how much data there is in the world,
33
83664
2476
끊임없이 쏟아지는 이야기들로
둘러 쌓여있습니다.
둘러 쌓여있습니다.
01:38
but when it comes to big data
34
86140
1580
그러나 빅 데이터와,
01:39
and the challenges of interpreting it,
35
87720
2596
그것을 해석하는 난관의 경우에는,
규모는 전부가 아닙니다.
01:42
size isn't everything.
36
90316
2088
01:44
There's also the speed at which it moves,
37
92404
2903
거기엔 또한 데이터가 움직이는
속도가 있고
속도가 있고
01:47
and the many varieties of data types,
38
95307
1696
데이터들 종류의
다양성도 문제가 되는 것이죠.
다양성도 문제가 되는 것이죠.
01:49
and here are just a few examples:
39
97003
2498
여기 그 예가 몇개 있습니다.
01:51
images,
40
99501
2198
이미지,
01:53
text,
41
101699
4007
문자,
01:57
video,
42
105706
2095
영상,
01:59
audio.
43
107801
1830
음성등이 그것들이죠.
02:01
And what unites this disparate types of data
44
109631
3042
이러한 이질적인 종류의 데이터들을
통합시키는 것은
통합시키는 것은
02:04
is that they're created by people
45
112673
2221
그것들이 사람들에 의해 창조되었고
02:06
and they require context.
46
114894
2775
그것들에는 맥락이
필수적으로 필요하다는 것이죠.
필수적으로 필요하다는 것이죠.
02:09
Now, there's a group of data scientists
47
117669
2445
자, 일리노이주-시카고 대학 출신의
02:12
out of the University of Illinois-Chicago,
48
120114
2305
데이터 과학자 집단이 있는데,
02:14
and they're called the Health Media Collaboratory,
49
122419
2554
그 그룹은, "건강 매체 공동 연구단"
이라고 불립니다.
이라고 불립니다.
02:16
and they've been working with
the Centers for Disease Control
the Centers for Disease Control
50
124973
2587
그들은 질병 억제 센터 (Centers for
Disease Control)와 함께 일하며
Disease Control)와 함께 일하며
02:19
to better understand
51
127560
1505
사람들이 금연에 대해
이야기하는 방법과
이야기하는 방법과
02:21
how people talk about quitting smoking,
52
129065
2848
전자담배에 대해 이야기 하는 방법,
02:23
how they talk about electronic cigarettes,
53
131913
2680
그리고 그들이 금연하는 것을 돕기 위해
집단적으로 할 수 있는것들에 대해
집단적으로 할 수 있는것들에 대해
02:26
and what they can do collectively
54
134593
1985
02:28
to help them quit.
55
136578
1984
더 잘 이해하기 위해
함께 연구해오고 있습니다.
함께 연구해오고 있습니다.
흥미있는 것은, 사람들이 흡연에 대해
02:30
The interesting thing is, if you want to understand
56
138562
2013
02:32
how people talk about smoking,
57
140575
2216
이야기하는 방법을 이해하기 원한다면
02:34
first you have to understand
58
142791
1901
먼저 그들이 "흡연"에 관해 이야기할 때,
02:36
what they mean when they say "smoking."
59
144692
2565
그들이, "흡연"이라고 하는 게
무엇을 의미하는지 이해해야 하죠.
무엇을 의미하는지 이해해야 하죠.
02:39
And on Twitter, there are four main categories:
60
147257
3926
그래서, 트위터에는
4개의 주요 범주가 있는데요:
4개의 주요 범주가 있는데요:
02:43
number one, smoking cigarettes;
61
151183
2997
첫째, 담배 피우기
02:46
number two, smoking marijuana;
62
154180
2807
두번째, 마리화나 피우기
02:48
number three, smoking ribs;
63
156987
2643
세번째, 갈비 훈제하기
02:51
and number four, smoking hot women.
64
159630
3553
그리고 네번째,
매력적인 여자 꼬시기
매력적인 여자 꼬시기
(웃음)
02:55
(Laughter)
65
163183
2993
자, 그 다음,
사람들이 전자담배에 대해
사람들이 전자담배에 대해
02:58
So then you have to think about, well,
66
166176
2426
03:00
how do people talk about electronic cigarettes?
67
168602
2140
어떻게 이야기하는지
생각해봐야 하겠죠?
생각해봐야 하겠죠?
03:02
And there are so many different ways
68
170742
2025
사람들이 이것에 대해 이야기하는 데
매우 다른 방식들이 있어요.
매우 다른 방식들이 있어요.
03:04
that people do this, and you can see from the slide
69
172767
2599
여기 슬라이드에서 보실 수 있습니다.
03:07
it's a complex kind of a query.
70
175366
2610
이건 매우 복잡한 종류의
질의어입니다.
질의어입니다.
03:09
And what it reminds us is that
71
177976
3224
이것은 언어는 인간이 만든 것이라는
것을 우리에게 상기시켜 주죠.
것을 우리에게 상기시켜 주죠.
03:13
language is created by people,
72
181200
2411
03:15
and people are messy and we're complex
73
183611
2340
우리는 너저분하고 복잡합니다.
03:17
and we use metaphors and slang and jargon
74
185951
2767
우리는 은유법을 사용하며,
은어와 특수용어를 씁니다.
은어와 특수용어를 씁니다.
03:20
and we do this 24/7 in many, many languages,
75
188718
3279
우리는 정말 많은 언어들로
항상 이렇게 합니다.
항상 이렇게 합니다.
03:23
and then as soon as we figure it out, we change it up.
76
191997
3224
그리고 우리는 이것을
이해하자 마자 변경하죠.
이해하자 마자 변경하죠.
03:27
So did these ads that the CDC put on,
77
195221
5118
CDC에 방송한 이 광고들은
목에 구멍이 있는 여성이 출현하고
03:32
these television ads that featured a woman
78
200339
2430
03:34
with a hole in her throat and that were very graphic
79
202769
2021
매우 충격적인 이미지이며,
03:36
and very disturbing,
80
204790
1904
마음을 매우 교란시키죠.
03:38
did they actually have an impact
81
206694
1885
이 광고가 사람들이
03:40
on whether people quit?
82
208579
2671
금연하는데 영향을 주었을까요?
03:43
And the Health Media Collaboratory
respected the limits of their data,
respected the limits of their data,
83
211250
3307
건강 매체 공동 연구단은
데이터의 한계를 준수하였지만,
데이터의 한계를 준수하였지만,
03:46
but they were able to conclude
84
214557
2005
그럼에도, 그들은 이 연구를
결론 지을 수 있었는데,
결론 지을 수 있었는데,
03:48
that those advertisements —
and you may have seen them —
and you may have seen them —
85
216562
3312
그 광고들은--
아마 여러분도 보았을지 모릅니다.
아마 여러분도 보았을지 모릅니다.
그 광고들은
충격받은 사람들의 생각이
충격받은 사람들의 생각이
03:51
that they had the effect of jolting people
86
219874
2591
미래의 행동에
영향을 미칠지도 모르는
영향을 미칠지도 모르는
03:54
into a thought process
87
222465
1822
03:56
that may have an impact on future behavior.
88
224287
3667
사고과정으로 이어지는
효과를 가져왔다고 결론지었죠.
효과를 가져왔다고 결론지었죠.
03:59
And what I admire and
appreciate about this project,
appreciate about this project,
89
227954
3891
그 사실에서 벗어나서
제가 이 프로젝트에 대해
감탄하고 감사하게 여기는 것은
감탄하고 감사하게 여기는 것은
04:03
aside from the fact, including the fact
90
231845
1489
그것이 인간 필수 욕구에 기반을
둔다는 그 점을 포함해서,
둔다는 그 점을 포함해서,
04:05
that it's based on real human need,
91
233334
4057
04:09
is that it's a fantastic example of courage
92
237391
2846
무관성이라는 바다에서 용기에 관한
훌륭한 사례라는 것입니다.
훌륭한 사례라는 것입니다.
04:12
in the face of a sea of irrelevance.
93
240237
4443
04:16
And so it's not just big data that causes
94
244680
3305
또한 이것은 해석을 요구하는
04:19
challenges of interpretation, because let's face it,
95
247985
2601
빅 데이터에 대한 것만이 아닙니다.
04:22
we human beings have a very rich history
96
250586
2594
직면해 보면, 인류는 어떠한 양의
얼마나 작건간에 데이터를 수용해서
얼마나 작건간에 데이터를 수용해서
04:25
of taking any amount of data, no matter how small,
97
253180
2693
망쳐버린 굉장히
풍부한 역사를 가지고 있습니다.
풍부한 역사를 가지고 있습니다.
04:27
and screwing it up.
98
255873
1617
04:29
So many years ago, you may remember
99
257490
3737
수 년전에, 여러분은
대통령 로널드 레이건이
대통령 로널드 레이건이
04:33
that former President Ronald Reagan
100
261227
2273
바보같은 사실을 설명한것에 대하여
매우 비난받았던것을 기억하실 거예요.
매우 비난받았던것을 기억하실 거예요.
04:35
was very criticized for making a statement
101
263500
1991
04:37
that facts are stupid things.
102
265491
3010
04:40
And it was a slip of the tongue, let's be fair.
103
268501
2794
그리고 이건 말 실수였죠.
공평해져 봅시다.
공평해져 봅시다.
04:43
He actually meant to quote John Adams' defense
104
271295
2430
사실은, 그는
보스톤 마사크르 재판에서
존 아담스의 영국군 변론을
존 아담스의 영국군 변론을
04:45
of British soldiers in the Boston Massacre trials
105
273725
2751
04:48
that facts are stubborn things.
106
276476
3150
인용해 사실들은 끈질기게
완강하다고 말 하려는 의도였습니다.
완강하다고 말 하려는 의도였습니다.
04:51
But I actually think there's
107
279626
2624
저는 그가 이야기했던 것 속엔 사실
04:54
a bit of accidental wisdom in what he said,
108
282250
3418
우연한 지혜가
깃들였었다고 생각합니다.
깃들였었다고 생각합니다.
04:57
because facts are stubborn things,
109
285668
2776
실상이란 끈질기게 완강하지만
05:00
but sometimes they're stupid, too.
110
288444
2923
바보같기도 하기때문이죠.
05:03
I want to tell you a personal story
111
291367
1888
여러분께 왜 빅 데이터가
저에게 큰 문제인지에 대한
저에게 큰 문제인지에 대한
05:05
about why this matters a lot to me.
112
293255
3548
개인적인 이야기를 하고싶습니다.
05:08
I need to take a breath.
113
296803
2437
한 숨 돌려야겠네요.
05:11
My son Isaac, when he was two,
114
299240
2754
제 아들 Isaac은 2 살 이였을때
05:13
was diagnosed with autism,
115
301994
2417
자폐증 진단을 받았습니다.
05:16
and he was this happy, hilarious,
116
304411
2161
행복하고, 명랑하며
05:18
loving, affectionate little guy,
117
306572
2035
다정하고, 애정어린
조그만 아이였어요.
조그만 아이였어요.
05:20
but the metrics on his developmental evaluations,
118
308607
2902
그러나 그의
발달 평가의 척도는
발달 평가의 척도는
05:23
which looked at things like
the number of words —
the number of words —
119
311509
2070
의사소통 행동을
최소한의 시선맞춤 등으로
최소한의 시선맞춤 등으로
05:25
at that point, none —
120
313579
3657
어떤 현상을 그저
낱말 수 로 보는것이죠.
낱말 수 로 보는것이죠.
05:29
communicative gestures and minimal eye contact,
121
317236
3940
그때 당시에는 전혀 보지 못했죠--
05:33
put his developmental level
122
321176
2003
그래서, 그당시 그의 발달 단계는
9개월이 된 아기의 수준이었습니다.
9개월이 된 아기의 수준이었습니다.
05:35
at that of a nine-month-old baby.
123
323179
3961
05:39
And the diagnosis was factually correct,
124
327140
2960
그 진단은 눈에 보이는 것으로만
측정된 옳은 것이었지만
측정된 옳은 것이었지만
05:42
but it didn't tell the whole story.
125
330100
3209
그게 모든 것을
말하는 것은 아니였어요.
말하는 것은 아니였어요.
05:45
And about a year and a half later,
126
333309
1401
1년 반정도가 지났을 무렵
05:46
when he was almost four,
127
334710
2102
그가 거의 4살이었을때
05:48
I found him in front of the computer one day
128
336812
2363
어느 날, 제 아들이
컴퓨터 앞에 있을 것을 보았어요.
컴퓨터 앞에 있을 것을 보았어요.
05:51
running a Google image search on women,
129
339175
5453
구글에서 여자 사진을 찾고 있었죠.
05:56
spelled "w-i-m-e-n."
130
344628
3616
철자를 w-i-m-e-n 이라고
썼습니다.
썼습니다.
06:00
And I did what any obsessed parent would do,
131
348244
2740
어떤 집착어린 부모가
할 행동을 제가 했어요.
할 행동을 제가 했어요.
06:02
which is immediately started
hitting the "back" button
hitting the "back" button
132
350984
1901
곧 장 "뒤로가기"버튼을
쳐대기 시작했죠.
쳐대기 시작했죠.
06:04
to see what else he'd been searching for.
133
352885
3363
제 아들이 어떤 다른 것을
찾았는지 보기 위해서요.
찾았는지 보기 위해서요.
06:08
And they were, in order: men,
134
356248
2171
그 것들은, 순서대로 남자,
06:10
school, bus and computer.
135
358419
7267
학교,
버스,
그리고 컴퓨터였습니다.
저는 매우 충격을 받았어요.
06:17
And I was stunned,
136
365686
2070
06:19
because we didn't know that he could spell,
137
367756
2002
우리는 그가 철자를 읽고 쓸 줄
안다는 것을 몰랐기 때문입니다.
안다는 것을 몰랐기 때문입니다.
06:21
much less read, and so I asked him,
138
369758
1766
그래서 저는 제 아들에게 물었어요.
06:23
"Isaac, how did you do this?"
139
371524
2193
"Isaac 이걸 어떻게 했니?"
06:25
And he looked at me very seriously and said,
140
373717
2678
그는 저를 매우
진지하게 쳐다보며 말했죠.
진지하게 쳐다보며 말했죠.
06:28
"Typed in the box."
141
376395
3352
"박스 안에 입력했어요."
06:31
He was teaching himself to communicate,
142
379747
3734
그가 스스로 소통하는 법을
배우는 동안
배우는 동안
06:35
but we were looking in the wrong place,
143
383481
3004
우리는 엉뚱한 곳을
바라보고 있었던겁니다.
바라보고 있었던겁니다.
06:38
and this is what happens when assessments
144
386485
2295
평가와 분석들이 하나의 척도에
지나친 가치를 두고 있을 때
지나친 가치를 두고 있을 때
06:40
and analytics overvalue one metric —
145
388780
2396
그런 일이 일어나는 겁니다.
06:43
in this case, verbal communication —
146
391176
2609
이 경우에서는, 음성 소통이겠죠.
06:45
and undervalue others, such
as creative problem-solving.
as creative problem-solving.
147
393785
5703
그리고 창의적 문제 해결과 같은
다른 것들을 과소평가하는 것입니다.
다른 것들을 과소평가하는 것입니다.
06:51
Communication was hard for Isaac,
148
399488
2307
Issac은 의사소통을 힘들어했고
06:53
and so he found a workaround
149
401795
1912
그래서 그는 차선책을 찾아냈죠.
06:55
to find out what he needed to know.
150
403707
2857
그건 그가 무엇을 알아야하는지
이해하는 것이었어요.
이해하는 것이었어요.
06:58
And when you think about it, it makes a lot of sense,
151
406564
1890
여러분도 이것이
일리가 있다고 여기실겁니다.
일리가 있다고 여기실겁니다.
07:00
because forming a question
152
408454
2081
왜냐하면 질문을 만드는 것은
07:02
is a really complex process,
153
410535
2565
굉장히 복잡한 절차이기 때문이죠.
07:05
but he could get himself a lot of the way there
154
413100
2522
그러나 그는 여러가지 방법으로
검색창에 글자를 입력하면서
검색창에 글자를 입력하면서
07:07
by putting a word in a search box.
155
415622
4092
스스로 나아갔습니다.
07:11
And so this little moment
156
419714
2936
그리고 이 짧은 순간이
07:14
had a really profound impact on me
157
422650
2836
저와 제 가족들에게
정말 깊은 영향을 주었습니다.
정말 깊은 영향을 주었습니다.
07:17
and our family
158
425486
1309
07:18
because it helped us change our frame of reference
159
426795
3141
그 사건은 우리가
그에게 일어나는 일에 대해
그에게 일어나는 일에 대해
07:21
for what was going on with him,
160
429936
2208
참고할 수 있는 것에 대한
생각을 바꾸게 해주었고,
생각을 바꾸게 해주었고,
07:24
and worry a little bit less and appreciate
161
432144
2976
덜 걱정할 수 있게 해주었으며,
그의 문제 해결 능력에 대해
더욱 감사하게 해주었습니다.
더욱 감사하게 해주었습니다.
07:27
his resourcefulness more.
162
435120
2182
07:29
Facts are stupid things.
163
437302
2861
사실이라는 것은
바보같은 것들 입니다.
바보같은 것들 입니다.
07:32
And they're vulnerable to misuse,
164
440163
2397
그것들은 오용되기에 취약합니다.
07:34
willful or otherwise.
165
442560
1653
고의적이거나 아니면 다르게요.
07:36
I have a friend, Emily Willingham, who's a scientist,
166
444213
3026
제게는 에밀리 윌링햄이라는
과학자 친구가있습니다.
과학자 친구가있습니다.
07:39
and she wrote a piece for Forbes not long ago
167
447239
2801
얼마전 그녀는 Forbes 잡지에
기사 한편을 기재했습니다.
기사 한편을 기재했습니다.
07:42
entitled "The 10 Weirdest Things
168
450040
1980
"절대 자폐증과 연관성이 없는
10가지 이상한 것들 "
10가지 이상한 것들 "
07:44
Ever Linked to Autism."
169
452020
1810
이라는 제목이었어요.
07:45
It's quite a list.
170
453830
3005
상당히 많은 목록이에요.
07:48
The Internet, blamed for everything, right?
171
456835
3532
인터넷은, 모든것의 원인으로
비난 받습니다, 그렇죠?
비난 받습니다, 그렇죠?
07:52
And of course mothers, because.
172
460367
3757
그리고 다음은, 물론 엄마입니다.
사실 여기에
07:56
And actually, wait, there's more,
173
464124
1587
07:57
there's a whole bunch in
the "mother" category here.
the "mother" category here.
174
465711
3430
"엄마" 라는 범주에는
한 다발이 들어가니까요.
한 다발이 들어가니까요.
08:01
And you can see it's a pretty
rich and interesting list.
rich and interesting list.
175
469141
4815
보다시피, 꽤 풍부하고
흥미로운 목록이 있죠.
흥미로운 목록이 있죠.
08:05
I'm a big fan of
176
473956
2193
개인적으로
08:08
being pregnant near freeways, personally.
177
476149
3704
"고속도로 가까이에서 임신하기"가
가장 마음에 드는군요.
가장 마음에 드는군요.
08:11
The final one is interesting,
178
479853
1539
마지막 것은 굉장히 흥미로운데요.
08:13
because the term "refrigerator mother"
179
481392
3003
그것은 "냉장고 엄마"라는 용어는
08:16
was actually the original hypothesis
180
484395
2605
자폐증을 야기시키는 것에 대한
초기의 가설이었고
초기의 가설이었고
08:19
for the cause of autism,
181
487000
1431
08:20
and that meant somebody
who was cold and unloving.
who was cold and unloving.
182
488431
2735
그 용어의 의미는 차갑고
애정이없는 사람을 의미했죠.
애정이없는 사람을 의미했죠.
08:23
And at this point, you might be thinking,
183
491166
1562
이 지점에서, 아마도 여러분은
생각하실지도 모르겠네요,
생각하실지도 모르겠네요,
08:24
"Okay, Susan, we get it,
184
492728
1657
"좋아, 수잔, 알겠어.
08:26
you can take data, you can
make it mean anything."
make it mean anything."
185
494385
1782
데이터를 취해서, 그걸 어떤
의미로든 만들 수 있다는 거지.
의미로든 만들 수 있다는 거지.
08:28
And this is true, it's absolutely true,
186
496167
4703
그건 사실입니다,
그건 명백한 사실이에요.
그건 명백한 사실이에요.
08:32
but the challenge is that
187
500870
5610
하지만 곤란한 점은
우리에게는 우리 스스로 그것에 의미를
부여할 수 있는 기회가 있다는 겁니다.
부여할 수 있는 기회가 있다는 겁니다.
08:38
we have this opportunity
188
506480
2448
08:40
to try to make meaning out of it ourselves,
189
508928
2284
08:43
because frankly, data doesn't
create meaning. We do.
create meaning. We do.
190
511212
5352
왜냐면, 솔직히, 데이터는 의미를
부여하지 않죠. 우리가 합니다.
부여하지 않죠. 우리가 합니다.
08:48
So as businesspeople, as consumers,
191
516564
3256
사업가, 고객,
08:51
as patients, as citizens,
192
519820
2539
환자, 시민으로서,
08:54
we have a responsibility, I think,
193
522359
2396
전 우리가 비판적 사고능력에
집중하여 상당한 시간을
집중하여 상당한 시간을
08:56
to spend more time
194
524755
2194
08:58
focusing on our critical thinking skills.
195
526949
2870
소비해야 할
책임이 있다고 생각합니다.
책임이 있다고 생각합니다.
09:01
Why?
196
529819
1078
왜냐구요?
09:02
Because at this point in our history, as we've heard
197
530897
3178
우리는 우리 역사의 이 점에서,
우리가 여러번 들어왔듯이
우리가 여러번 들어왔듯이
09:06
many times over,
198
534075
1706
09:07
we can process exabytes of data
199
535781
1981
우리는 많은 거대 용량의 데이터를
09:09
at lightning speed,
200
537762
2153
빛의 속도로 가공할 수 있고,
09:11
and we have the potential to make bad decisions
201
539915
3515
더욱 빠르고 효과적으로
그리고 우리가 과거에 미쳤던 것보다
더 큰 영향력을 미치면서
더 큰 영향력을 미치면서
09:15
far more quickly, efficiently,
202
543430
1834
09:17
and with far greater impact than we did in the past.
203
545264
5028
나쁜 결정을 내릴 수 있는
잠재성이 있기 때문이죠.
잠재성이 있기 때문이죠.
09:22
Great, right?
204
550292
1388
훌륭하네요, 그렇죠?
09:23
And so what we need to do instead
205
551680
3030
그래서 우리가 대신에 해야하는 것은
09:26
is spend a little bit more time
206
554710
2330
아주 조금 더 많은 시간을
09:29
on things like the humanities
207
557040
2746
인류학이나
09:31
and sociology, and the social sciences,
208
559786
3464
사회학, 그리고 사회과학
09:35
rhetoric, philosophy, ethics,
209
563250
2308
수사학, 철학, 도덕 같은 것들에
투자하는 것입니다.
투자하는 것입니다.
09:37
because they give us context that is so important
210
565558
2856
왜냐하면 그것들이 우리에게
빅 데이터에 관한
빅 데이터에 관한
09:40
for big data, and because
211
568414
2576
매우 중요한 앞뒤 맥락을
제시해주기 때문입니다.
제시해주기 때문입니다.
09:42
they help us become better critical thinkers.
212
570990
2418
그리고 우리가 비판적으로 생각하는
사람들이 되도록 도와줍니다.
사람들이 되도록 도와줍니다.
09:45
Because after all, if I can spot
213
573408
4207
왜냐하면, 결국, 제가 논쟁에 있어
한 문제를 발견할 수 있다면,
한 문제를 발견할 수 있다면,
09:49
a problem in an argument, it doesn't much matter
214
577615
2486
그것이 단어이든 숫자이든
어떻게 표현되었는지는
어떻게 표현되었는지는
09:52
whether it's expressed in words or in numbers.
215
580101
2759
그다지 중요하지 않기 때문이죠.
09:54
And this means
216
582860
2719
그리고 그게 의미하는 것은
09:57
teaching ourselves to find
those confirmation biases
those confirmation biases
217
585579
4421
우리가 이런 확증 편향이나
잘못된 연관성을 발견하고,
10:02
and false correlations
218
590000
1822
10:03
and being able to spot a naked emotional appeal
219
591822
2138
그리고 30야드 떨어진 가까운 곳의
드러난 감정의 호소를
포착할 수 있도록 가르치는 것이죠.
포착할 수 있도록 가르치는 것이죠.
10:05
from 30 yards,
220
593960
1662
10:07
because something that happens after something
221
595622
2522
왜냐하면 어떤 일 이후에
벌어지는 일이
벌어지는 일이
10:10
doesn't mean it happened
because of it, necessarily,
because of it, necessarily,
222
598144
3082
필수적으로 그 일 때문에 일어났다는
의미는 아니기 때문입니다.
의미는 아니기 때문입니다.
10:13
and if you'll let me geek out on you for a second,
223
601226
2119
잠깐 괴짜같은 이야기를 하도록
허락해 주신다면,
허락해 주신다면,
10:15
the Romans called this
"post hoc ergo propter hoc,"
"post hoc ergo propter hoc,"
224
603345
4297
로마인들은 이렇게 말합니다,
"post hoc ergo propter hoc"
"post hoc ergo propter hoc"
10:19
after which therefore because of which.
225
607642
3296
"따라서 그 때문에" 라는 뜻입니다.
10:22
And it means questioning
disciplines like demographics.
disciplines like demographics.
226
610938
3757
이건 인구통계와 같은 원리에
질문을 던지는 것을 의미해요.
질문을 던지는 것을 의미해요.
왜냐구요?
10:26
Why? Because they're based on assumptions
227
614695
2520
우리의 성, 나이, 우리가 사는곳에
대한 가설에 기반을 두고있고,
대한 가설에 기반을 두고있고,
10:29
about who we all are based on our gender
228
617215
2306
10:31
and our age and where we live
229
619521
1462
10:32
as opposed to data on what
we actually think and do.
we actually think and do.
230
620983
3478
우리가 실제 생각하고
하는일에 반대되기 때문입니다.
하는일에 반대되기 때문입니다.
그리고 우리가 이런 데이터들을
가지고 있기 때문에,
가지고 있기 때문에,
10:36
And since we have this data,
231
624461
1663
10:38
we need to treat it with appropriate privacy controls
232
626124
3139
우리는 적절한
개인 정보 보호 통제와
개인 정보 보호 통제와
10:41
and consumer opt-in,
233
629263
3576
소비자 사전동의 등을 고려하여
이것을 다루어야 합니다.
이것을 다루어야 합니다.
10:44
and beyond that, we need to be clear
234
632839
2993
그리고 그것을 넘어서서, 우리는
우리의 가설과,
10:47
about our hypotheses,
235
635832
2103
우리가 사용하는 방법론,
10:49
the methodologies that we use,
236
637935
2596
그리고 그 결과에 대한 우리의
확신에 대해서명확해야 합니다.
확신에 대해서명확해야 합니다.
10:52
and our confidence in the result.
237
640531
2804
10:55
As my high school algebra teacher used to say,
238
643335
2474
저의 고등학교 대수학 선생님은
말씀하시곤 했던 것처럼,
말씀하시곤 했던 것처럼,
10:57
show your math,
239
645809
1531
"네 수학을 보여주렴"
10:59
because if I don't know what steps you took,
240
647340
3441
"만약 네가 어떤 단계를 거쳤는지
내가 모른다면,
내가 모른다면,
나는 네가 어떤 질문을 했는지
모를 것이고,
모를 것이고,
11:02
I don't know what steps you didn't take,
241
650781
1991
11:04
and if I don't know what questions you asked,
242
652772
2438
네가 어떤 질문을 했는지 모른다면,
11:07
I don't know what questions you didn't ask.
243
655210
3197
나는 네가 어떤 질문을
하지 않았는지 모를테니까."
하지 않았는지 모를테니까."
11:10
And it means asking ourselves, really,
244
658407
1523
그건 실제로, 우리 스스로에게 묻는 게
가장 어려운 질문이라는 것이죠.
가장 어려운 질문이라는 것이죠.
11:11
the hardest question of all:
245
659930
1479
11:13
Did the data really show us this,
246
661409
3500
데이타가 이것을 우리에게
보여주었나요?
보여주었나요?
11:16
or does the result make us feel
247
664909
2311
아니면 그 결과물들은 우리가
11:19
more successful and more comfortable?
248
667220
3878
성취감과 편한함을 더 많이
느끼도록 해주었나요?
느끼도록 해주었나요?
11:23
So the Health Media Collaboratory,
249
671098
2584
건강 매체 공동 연구단은
11:25
at the end of their project, they were able
250
673682
1699
그들의 프로젝트가 끝날 무렵
그들이 찾을 수 있었던 것은
그들이 찾을 수 있었던 것은
11:27
to find that 87 percent of tweets
251
675381
3408
87%의 트윗이
매우 입체적이고 충격적인
매우 입체적이고 충격적인
11:30
about those very graphic and disturbing
252
678789
2144
흡연 반대 광고에 대해
두려움을 나타냈지만
두려움을 나타냈지만
11:32
anti-smoking ads expressed fear,
253
680933
4038
그러나, 그 연구단은
11:36
but did they conclude
254
684971
1856
11:38
that they actually made people stop smoking?
255
686827
3161
그 광고가 사람들이 금연하도록
돕는다고 결론 지었을까요?
돕는다고 결론 지었을까요?
11:41
No. It's science, not magic.
256
689988
2542
아닙니다. 그건
마술이 아니라 과학입니다.
마술이 아니라 과학입니다.
11:44
So if we are to unlock
257
692530
3190
우리가 데이터의 힘을 방면한다면,
11:47
the power of data,
258
695720
2862
조지 오엘의 미래의
전체주의국가에 대한 견해와
전체주의국가에 대한 견해와
11:50
we don't have to go blindly into
259
698582
3448
11:54
Orwell's vision of a totalitarian future,
260
702030
3436
헉슬리의
하찮은 것들에 관한 견해에
하찮은 것들에 관한 견해에
11:57
or Huxley's vision of a trivial one,
261
705466
3117
맹목적으로 매달리지 않아도 되고
12:00
or some horrible cocktail of both.
262
708583
3020
또는 두가지를 섞은
끔찍한 조합도 할 필요가 없죠.
끔찍한 조합도 할 필요가 없죠.
12:03
What we have to do
263
711603
2379
우리가 해야만 하는 일은
12:05
is treat critical thinking with respect
264
713982
2718
비판적 사고를 존중해서 대하고
12:08
and be inspired by examples
265
716700
2029
건강 매체 연구단이 했던
실험과 같은 사례에서 영감을 얻고
실험과 같은 사례에서 영감을 얻고
12:10
like the Health Media Collaboratory,
266
718729
2610
12:13
and as they say in the superhero movies,
267
721339
2328
그리고 슈퍼히어로 영화에서
그들이 말하는 것처럼
그들이 말하는 것처럼
12:15
let's use our powers for good.
268
723667
1822
우리의 힘을 선을 위해 사용합시다.
12:17
Thank you.
269
725489
2351
감사합니다.
(박수)
12:19
(Applause)
270
727840
2334
ABOUT THE SPEAKER
Susan Etlinger - Data analystSusan 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.
Susan Etlinger | Speaker | TED.com