TED@IBM
Susan Etlinger: What do we do with all this big data?
Сюзан Этлиджер: Как быть с большими данными?
Filmed:
Readability: 4.7
1,344,301 views
Даёт ли имеющаяся у вас информация вам чувство комфорта? Успеха? Если да, то, скорее всего, ваша интерпретация этой информации неверна. В этой на удивление трогательной лекции Сюзан Этлингер объясняет, почему при получении всё больших и больших объёмов информации, нам необходимо углубить свои навыки критического мышления. Потому что нелегко перейти от подсчёта вещей к их осмыслению.
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
Техника дала нам очень многое:
00:16
the moon landing, the Internet,
1
4489
2019
полёт на луну, интернет,
00:18
the ability to sequence the human genome.
2
6508
2625
возможность упорядочить геном человека.
00:21
But it also taps into a lot of our deepest fears,
3
9133
3724
Но она может быть и устрашающей,
00:24
and about 30 years ago,
4
12857
1856
около 30-ти лет назад
00:26
the culture critic Neil Postman wrote a book
5
14713
2553
культурный критик Нил Постман
00:29
called "Amusing Ourselves to Death,"
6
17266
2115
выпустил книгу под названием
«Забавляемся до смерти»,
«Забавляемся до смерти»,
00:31
which lays this out really brilliantly.
7
19381
2759
в которой блестяще это описал.
00:34
And here's what he said,
8
22140
1650
Вот что он сказал,
00:35
comparing the dystopian visions
9
23790
2263
сравнивая антиутопии
00:38
of George Orwell and Aldous Huxley.
10
26053
3573
Джорджа Оруэлла и Олдоса Хаксли,
00:41
He said, Orwell feared we would become
11
29626
3126
он сказал, что Оруэлл боялся,
00:44
a captive culture.
12
32752
2248
что мы станем несвободным обществом.
00:47
Huxley feared we would become a trivial culture.
13
35000
3752
Хаксли боялся, что мы будем
тривиальным обществом.
тривиальным обществом.
00:50
Orwell feared the truth would be
14
38752
2145
Оруэлл опасался, что правда
00:52
concealed from us,
15
40897
1923
будет скрыта от нас,
00:54
and Huxley feared we would be drowned
16
42820
2190
а Хаксли — что мы утонем
00:57
in a sea of irrelevance.
17
45010
2693
в море ненужной информации.
00:59
In a nutshell, it's a choice between
18
47703
2170
Вкратце, это выбор между:
01:01
Big Brother watching you
19
49873
2600
Большой Брат смотрит за вами
01:04
and you watching Big Brother.
20
52473
2496
или вы смотрите «Большого Брата».
01:06
(Laughter)
21
54969
1931
(Смех)
01:08
But it doesn't have to be this way.
22
56900
1734
Но будущее не обязательно
должно быть таким.
должно быть таким.
01:10
We are not passive consumers
of data and technology.
of data and technology.
23
58634
3336
Мы — не пассивные потребители
информации и техники.
информации и техники.
01:13
We shape the role it plays in our lives
24
61970
2403
Мы определяем, какую роль
они играют в нашей жизни,
они играют в нашей жизни,
01:16
and the way we make meaning from it,
25
64373
2130
и какой смысл мы из них извлекаем,
01:18
but to do that,
26
66503
1603
но, чтобы это сделать, мы должны
01:20
we have to pay as much attention to how we think
27
68106
3513
уделять такое же внимание тому,
как мы думаем,
как мы думаем,
01:23
as how we code.
28
71619
2030
как и тому, как мы программируем.
01:25
We have to ask questions, and hard questions,
29
73649
3098
Мы должны задавать вопросы,
нелёгкие вопросы —
нелёгкие вопросы —
01:28
to move past counting things
30
76747
1869
для того, чтобы продвинуться
от подсчёта вещей
от подсчёта вещей
01:30
to understanding them.
31
78616
2602
к их осмыслению.
01:33
We're constantly bombarded with stories
32
81218
2446
Мы постоянно слышим о том,
01:35
about how much data there is in the world,
33
83664
2476
как много информации в мире,
01:38
but when it comes to big data
34
86140
1580
но в случае больших данных
01:39
and the challenges of interpreting it,
35
87720
2596
и трудностей их понимания,
01:42
size isn't everything.
36
90316
2088
размер — это ещё не всё.
01:44
There's also the speed at which it moves,
37
92404
2903
Есть также скорость информации,
01:47
and the many varieties of data types,
38
95307
1696
и множество различных типов информации,
01:49
and here are just a few examples:
39
97003
2498
вот только несколько примеров:
01:51
images,
40
99501
2198
изображение,
01:53
text,
41
101699
4007
текст,
01:57
video,
42
105706
2095
видео,
01:59
audio.
43
107801
1830
аудио.
02:01
And what unites this disparate types of data
44
109631
3042
Объединяет
эти разные виды информации то,
эти разные виды информации то,
02:04
is that they're created by people
45
112673
2221
что они создаются людьми
02:06
and they require context.
46
114894
2775
и им необходим контекст.
02:09
Now, there's a group of data scientists
47
117669
2445
Есть группа учёных
02:12
out of the University of Illinois-Chicago,
48
120114
2305
в Иллинойском университете в Чикаго,
02:14
and they're called the Health Media Collaboratory,
49
122419
2554
их название — Коллаборатория
о здравоохранении в СМИ,
о здравоохранении в СМИ,
02:16
and they've been working with
the Centers for Disease Control
the Centers for Disease Control
50
124973
2587
они сотрудничают
с Центром по контролю заболеваний
с Центром по контролю заболеваний
02:19
to better understand
51
127560
1505
чтобы понять, как люди говорят
02:21
how people talk about quitting smoking,
52
129065
2848
о прекращении курения,
02:23
how they talk about electronic cigarettes,
53
131913
2680
как говорят об электронных сигаретах,
02:26
and what they can do collectively
54
134593
1985
и что может быть сделано для того,
02:28
to help them quit.
55
136578
1984
чтобы помочь им бросить курить.
02:30
The interesting thing is, if you want to understand
56
138562
2013
Интересно, что для того, чтобы понять
02:32
how people talk about smoking,
57
140575
2216
как люди говорят о прекращении курения,
02:34
first you have to understand
58
142791
1901
сначала нужно понять,
02:36
what they mean when they say "smoking."
59
144692
2565
что они имеют в виду
под словом «курение».
под словом «курение».
02:39
And on Twitter, there are four main categories:
60
147257
3926
В Твиттере четыре основных категории:
02:43
number one, smoking cigarettes;
61
151183
2997
1. Курение сигарет,
02:46
number two, smoking marijuana;
62
154180
2807
2. Курение марихуаны,
02:48
number three, smoking ribs;
63
156987
2643
3. Копчение [курение] рёбрышек, и
02:51
and number four, smoking hot women.
64
159630
3553
4. Женщины, настолько горячие, что дым идёт.
02:55
(Laughter)
65
163183
2993
(Смех)
02:58
So then you have to think about, well,
66
166176
2426
Тогда вы задаётесь вопросом, как люди
03:00
how do people talk about electronic cigarettes?
67
168602
2140
говорят об электронных сигаретах?
03:02
And there are so many different ways
68
170742
2025
Очень по-разному,
03:04
that people do this, and you can see from the slide
69
172767
2599
и, как видно на слайде,
03:07
it's a complex kind of a query.
70
175366
2610
это очень сложный запрос.
03:09
And what it reminds us is that
71
177976
3224
И это напоминает нам о том,
03:13
language is created by people,
72
181200
2411
что люди создают язык,
03:15
and people are messy and we're complex
73
183611
2340
а мы сложные, и хаотичные,
03:17
and we use metaphors and slang and jargon
74
185951
2767
пользуемся метафорами,
и сленгом, и жаргоном,
и сленгом, и жаргоном,
03:20
and we do this 24/7 in many, many languages,
75
188718
3279
и мы это делаем круглые сутки,
на множестве языков,
на множестве языков,
03:23
and then as soon as we figure it out, we change it up.
76
191997
3224
и как только мы разбираемся,
мы всё меняем.
мы всё меняем.
03:27
So did these ads that the CDC put on,
77
195221
5118
Итак, помогла ли реклама,
которую выпустил ЦКЗ,
которую выпустил ЦКЗ,
03:32
these television ads that featured a woman
78
200339
2430
где показывали женщину
с отверстием в горле,
с отверстием в горле,
03:34
with a hole in her throat and that were very graphic
79
202769
2021
очень наглядно показали,
03:36
and very disturbing,
80
204790
1904
страшные ролики —
03:38
did they actually have an impact
81
206694
1885
повлияли ли они
03:40
on whether people quit?
82
208579
2671
на курильщиков?
03:43
And the Health Media Collaboratory
respected the limits of their data,
respected the limits of their data,
83
211250
3307
И учёные из Коллаборатории,
учитывая ограниченность своих данных,
учитывая ограниченность своих данных,
03:46
but they were able to conclude
84
214557
2005
пришли к выводу,
03:48
that those advertisements —
and you may have seen them —
and you may have seen them —
85
216562
3312
что эта реклама,
вы её, возможно, видели,
вы её, возможно, видели,
03:51
that they had the effect of jolting people
86
219874
2591
она встряхнула людей,
03:54
into a thought process
87
222465
1822
заставила их задуматься, и это может
03:56
that may have an impact on future behavior.
88
224287
3667
повлиять на их поведение в будущем.
03:59
And what I admire and
appreciate about this project,
appreciate about this project,
89
227954
3891
Что я люблю и ценю в этом проекте,
04:03
aside from the fact, including the fact
90
231845
1489
помимо факта, и включая тот факт,
04:05
that it's based on real human need,
91
233334
4057
что проект был
о реальной человеческой нужде,
о реальной человеческой нужде,
04:09
is that it's a fantastic example of courage
92
237391
2846
то, что это потрясающий пример
04:12
in the face of a sea of irrelevance.
93
240237
4443
смелости в море ненужной информации.
04:16
And so it's not just big data that causes
94
244680
3305
Итак, не только большие данные
представляют
представляют
04:19
challenges of interpretation, because let's face it,
95
247985
2601
сложность при интерпретации,
потому что, честно,
потому что, честно,
04:22
we human beings have a very rich history
96
250586
2594
у нас у людей богатая история
04:25
of taking any amount of data, no matter how small,
97
253180
2693
неправильного понимания информации,
04:27
and screwing it up.
98
255873
1617
большого или маленького объёма.
04:29
So many years ago, you may remember
99
257490
3737
Много лет назад, если вы помните,
04:33
that former President Ronald Reagan
100
261227
2273
бывший президент Рональд Рейган
04:35
was very criticized for making a statement
101
263500
1991
подвергся критике за то, что сказал,
04:37
that facts are stupid things.
102
265491
3010
что факты — глупая вещь.
04:40
And it was a slip of the tongue, let's be fair.
103
268501
2794
Признаем, это была оговорка.
04:43
He actually meant to quote John Adams' defense
104
271295
2430
Он хотел цитировать слова Джона Адамса
04:45
of British soldiers in the Boston Massacre trials
105
273725
2751
из его защиты бостонских солдат,
04:48
that facts are stubborn things.
106
276476
3150
что факты — упрямая вещь.
04:51
But I actually think there's
107
279626
2624
А я думаю, в его оговорке
04:54
a bit of accidental wisdom in what he said,
108
282250
3418
есть случайная мудрость,
04:57
because facts are stubborn things,
109
285668
2776
потому что да, факты — упрямая вещь,
05:00
but sometimes they're stupid, too.
110
288444
2923
но иногда они и глупая вещь.
05:03
I want to tell you a personal story
111
291367
1888
Я хочу рассказать вам личную историю
05:05
about why this matters a lot to me.
112
293255
3548
о том, почему для меня это очень важно.
05:08
I need to take a breath.
113
296803
2437
Мне нужно перевести дыхание.
05:11
My son Isaac, when he was two,
114
299240
2754
Моему сыну Айзеку, когда ему было 2,
05:13
was diagnosed with autism,
115
301994
2417
был поставлен диагноз аутизм,
05:16
and he was this happy, hilarious,
116
304411
2161
он был таким счастливым, радостным,
05:18
loving, affectionate little guy,
117
306572
2035
очень любящим мальчиком,
05:20
but the metrics on his developmental evaluations,
118
308607
2902
но показатели его развития,
05:23
which looked at things like
the number of words —
the number of words —
119
311509
2070
которые определялись,
например, количеством слов —
например, количеством слов —
05:25
at that point, none —
120
313579
3657
в то время он не говорил вообще —
05:29
communicative gestures and minimal eye contact,
121
317236
3940
коммуникативными жестами,
минимальным зрительным контактом,
минимальным зрительным контактом,
05:33
put his developmental level
122
321176
2003
определили его уровень развития
05:35
at that of a nine-month-old baby.
123
323179
3961
как 9-месячного младенца.
05:39
And the diagnosis was factually correct,
124
327140
2960
Фактически, диагноз был правильным,
05:42
but it didn't tell the whole story.
125
330100
3209
но он не отражал полной картины.
05:45
And about a year and a half later,
126
333309
1401
Примерно полтора года спустя,
05:46
when he was almost four,
127
334710
2102
ему было почти 4,
05:48
I found him in front of the computer one day
128
336812
2363
однажды, я застала его у компьютера,
05:51
running a Google image search on women,
129
339175
5453
он искал в гугле картинки женщин,
05:56
spelled "w-i-m-e-n."
130
344628
3616
написав «жинщины».
06:00
And I did what any obsessed parent would do,
131
348244
2740
Как любой одержимый родитель,
06:02
which is immediately started
hitting the "back" button
hitting the "back" button
132
350984
1901
я сразу стала нажимать кнопку «назад»,
06:04
to see what else he'd been searching for.
133
352885
3363
чтобы посмотреть, что ещё он искал.
06:08
And they were, in order: men,
134
356248
2171
Вот что: мужчины,
06:10
school, bus and computer.
135
358419
7267
школа, автобус, компьютер.
06:17
And I was stunned,
136
365686
2070
Я была поражена,
06:19
because we didn't know that he could spell,
137
367756
2002
потому что мы не знали,
что он может писать,
что он может писать,
06:21
much less read, and so I asked him,
138
369758
1766
не говоря о том, чтобы читать,
и я спросила его:
и я спросила его:
06:23
"Isaac, how did you do this?"
139
371524
2193
«Айзек, как ты это сделал?»
06:25
And he looked at me very seriously and said,
140
373717
2678
Он посмотрел на меня очень серьёзно,
и ответил:
и ответил:
06:28
"Typed in the box."
141
376395
3352
«Напечатал в коробочке».
06:31
He was teaching himself to communicate,
142
379747
3734
Он сам учился общению,
06:35
but we were looking in the wrong place,
143
383481
3004
а мы не туда смотрели,
06:38
and this is what happens when assessments
144
386485
2295
и такое случается, когда тесты
06:40
and analytics overvalue one metric —
145
388780
2396
переоценивают один показатель —
06:43
in this case, verbal communication —
146
391176
2609
в данном случае,
вербальная коммуникация,
вербальная коммуникация,
06:45
and undervalue others, such
as creative problem-solving.
as creative problem-solving.
147
393785
5703
и недооценивают другие, например,
находчивость при решении проблем.
находчивость при решении проблем.
06:51
Communication was hard for Isaac,
148
399488
2307
Айзеку было тяжело с общением,
06:53
and so he found a workaround
149
401795
1912
поэтому он нашёл другой способ
06:55
to find out what he needed to know.
150
403707
2857
узнать то, что ему было нужно.
06:58
And when you think about it, it makes a lot of sense,
151
406564
1890
Если подумать, всё становится ясно,
07:00
because forming a question
152
408454
2081
потому что сформировать вопрос —
07:02
is a really complex process,
153
410535
2565
это действительно сложный процесс,
07:05
but he could get himself a lot of the way there
154
413100
2522
но он мог подойти ближе к своей цели,
07:07
by putting a word in a search box.
155
415622
4092
набрав слово в поисковике.
07:11
And so this little moment
156
419714
2936
И этот маленький случай
07:14
had a really profound impact on me
157
422650
2836
очень сильно повлиял на меня,
07:17
and our family
158
425486
1309
и на нашу семью,
07:18
because it helped us change our frame of reference
159
426795
3141
потому что это помогло нам
по-новому думать
по-новому думать
07:21
for what was going on with him,
160
429936
2208
о том, что с Айзеком,
07:24
and worry a little bit less and appreciate
161
432144
2976
и переживать чуть меньше,
и чуть больше радоваться
и чуть больше радоваться
07:27
his resourcefulness more.
162
435120
2182
его находчивости.
07:29
Facts are stupid things.
163
437302
2861
Факты — глупая вещь.
07:32
And they're vulnerable to misuse,
164
440163
2397
Ими могут неправильно воспользоваться,
07:34
willful or otherwise.
165
442560
1653
нарочно или нет.
07:36
I have a friend, Emily Willingham, who's a scientist,
166
444213
3026
У меня есть подруга,
Эмили Уиллингхэм, учёный,
Эмили Уиллингхэм, учёный,
07:39
and she wrote a piece for Forbes not long ago
167
447239
2801
она недавно написала статью для «Форбс»
07:42
entitled "The 10 Weirdest Things
168
450040
1980
под заглавием «10 самых странных вещей,
07:44
Ever Linked to Autism."
169
452020
1810
когда-либо связываемых с аутизмом».
07:45
It's quite a list.
170
453830
3005
Довольно интересный список.
07:48
The Internet, blamed for everything, right?
171
456835
3532
Интернет — его обвиняют во всём, так?
07:52
And of course mothers, because.
172
460367
3757
И, конечно же, матери — потому что.
07:56
And actually, wait, there's more,
173
464124
1587
Вообще-то, подождите, там
07:57
there's a whole bunch in
the "mother" category here.
the "mother" category here.
174
465711
3430
в категории «матери» ещё целый список.
08:01
And you can see it's a pretty
rich and interesting list.
rich and interesting list.
175
469141
4815
Как видите, очень колоритный
и интересный список.
и интересный список.
08:05
I'm a big fan of
176
473956
2193
Лично мне больше всего нравится
08:08
being pregnant near freeways, personally.
177
476149
3704
«беременность рядом с шоссе».
08:11
The final one is interesting,
178
479853
1539
Последний пункт интересен,
08:13
because the term "refrigerator mother"
179
481392
3003
потому что термин «мать-холодильник»
08:16
was actually the original hypothesis
180
484395
2605
был первой гипотезой
08:19
for the cause of autism,
181
487000
1431
причины аутизма,
08:20
and that meant somebody
who was cold and unloving.
who was cold and unloving.
182
488431
2735
имелась в виду холодная, нелюбящая мать.
08:23
And at this point, you might be thinking,
183
491166
1562
Вы, наверное, думаете:
08:24
"Okay, Susan, we get it,
184
492728
1657
«Хорошо, Сюзан, мы поняли,
можно взять
можно взять
08:26
you can take data, you can
make it mean anything."
make it mean anything."
185
494385
1782
любую информацию и представить
её в любом свете».
её в любом свете».
08:28
And this is true, it's absolutely true,
186
496167
4703
И так и есть на самом деле,
08:32
but the challenge is that
187
500870
5610
но вопрос в том, что
08:38
we have this opportunity
188
506480
2448
у нас есть возможность
08:40
to try to make meaning out of it ourselves,
189
508928
2284
самим извлекать смысл,
потому что, честно,
потому что, честно,
08:43
because frankly, data doesn't
create meaning. We do.
create meaning. We do.
190
511212
5352
информация не создаёт смысла.
Смысл создаём мы.
Смысл создаём мы.
08:48
So as businesspeople, as consumers,
191
516564
3256
Как предприниматели, потребители,
08:51
as patients, as citizens,
192
519820
2539
пациенты, граждане,
08:54
we have a responsibility, I think,
193
522359
2396
мы ответственны, я считаю,
08:56
to spend more time
194
524755
2194
за то, чтобы развивать
08:58
focusing on our critical thinking skills.
195
526949
2870
своё критическое мышление.
09:01
Why?
196
529819
1078
Почему?
09:02
Because at this point in our history, as we've heard
197
530897
3178
Потому что в данное время,
09:06
many times over,
198
534075
1706
как мы не раз слышали,
09:07
we can process exabytes of data
199
535781
1981
мы можем с молниеносной скоростью
09:09
at lightning speed,
200
537762
2153
обрабатывать экзабайт информации,
09:11
and we have the potential to make bad decisions
201
539915
3515
и потенциально, мы можем
принимать плохие решения
принимать плохие решения
09:15
far more quickly, efficiently,
202
543430
1834
намного быстрее, эффективнее,
09:17
and with far greater impact than we did in the past.
203
545264
5028
и с большим резонансом, чем в прошлом.
09:22
Great, right?
204
550292
1388
Здорово, правда?
09:23
And so what we need to do instead
205
551680
3030
И что нам лучше делать —
09:26
is spend a little bit more time
206
554710
2330
это тратить больше времени
09:29
on things like the humanities
207
557040
2746
на такие вещи как гуманитарные науки,
09:31
and sociology, and the social sciences,
208
559786
3464
социология и общественные науки,
09:35
rhetoric, philosophy, ethics,
209
563250
2308
риторика, философия, этика,
09:37
because they give us context that is so important
210
565558
2856
потому что они дают нам контекст,
09:40
for big data, and because
211
568414
2576
который так важен
при работе с большими данными,
при работе с большими данными,
09:42
they help us become better critical thinkers.
212
570990
2418
они помогают нам
лучше мыслить критически.
лучше мыслить критически.
09:45
Because after all, if I can spot
213
573408
4207
Потому что, если я могу подметить
09:49
a problem in an argument, it doesn't much matter
214
577615
2486
проблему в суждении, не так важно,
09:52
whether it's expressed in words or in numbers.
215
580101
2759
выражена она словами или цифрами.
09:54
And this means
216
582860
2719
Это значит, если мы
09:57
teaching ourselves to find
those confirmation biases
those confirmation biases
217
585579
4421
научимся находить предвзятость
10:02
and false correlations
218
590000
1822
и ошибочные взаимосвязи,
10:03
and being able to spot a naked emotional appeal
219
591822
2138
и за версту будем видеть
10:05
from 30 yards,
220
593960
1662
эмоциональную притягательность,
10:07
because something that happens after something
221
595622
2522
потому что, если что-то
случается после чего-то,
случается после чего-то,
10:10
doesn't mean it happened
because of it, necessarily,
because of it, necessarily,
222
598144
3082
это ещё не значит,
что оно случилось из-за первого.
что оно случилось из-за первого.
10:13
and if you'll let me geek out on you for a second,
223
601226
2119
И если вы мне позволите
минутку всезнайки,
минутку всезнайки,
10:15
the Romans called this
"post hoc ergo propter hoc,"
"post hoc ergo propter hoc,"
224
603345
4297
римляне называли это
«post hoc ergo propter hoc»,
«post hoc ergo propter hoc»,
10:19
after which therefore because of which.
225
607642
3296
«после этого, значит из-за этого».
10:22
And it means questioning
disciplines like demographics.
disciplines like demographics.
226
610938
3757
И это означает переосмысление
таких дисциплин как демография.
таких дисциплин как демография.
10:26
Why? Because they're based on assumptions
227
614695
2520
Почему? Потому что
они основываются на предположениях
они основываются на предположениях
10:29
about who we all are based on our gender
228
617215
2306
о том, кто мы
в связи с нашим полом,
в связи с нашим полом,
10:31
and our age and where we live
229
619521
1462
возрастом, местом жительства
10:32
as opposed to data on what
we actually think and do.
we actually think and do.
230
620983
3478
вместо информации о том,
что мы думаем и делаем.
что мы думаем и делаем.
10:36
And since we have this data,
231
624461
1663
И потому что у нас
эта информация есть,
эта информация есть,
10:38
we need to treat it with appropriate privacy controls
232
626124
3139
мы должны пользоваться ею
с должной конфиденциальностью,
с должной конфиденциальностью,
10:41
and consumer opt-in,
233
629263
3576
с разрешением граждан,
10:44
and beyond that, we need to be clear
234
632839
2993
и кроме того, мы должны
10:47
about our hypotheses,
235
635832
2103
ясно понимать
собственные гипотезы
собственные гипотезы
10:49
the methodologies that we use,
236
637935
2596
и какой методологией мы пользуемся
10:52
and our confidence in the result.
237
640531
2804
и свою уверенность в результатах.
10:55
As my high school algebra teacher used to say,
238
643335
2474
Как говорила
мой школьный учитель алгебры,
мой школьный учитель алгебры,
10:57
show your math,
239
645809
1531
покажи вычисления,
10:59
because if I don't know what steps you took,
240
647340
3441
потому что если я не знаю,
какие шаги вы предприняли,
какие шаги вы предприняли,
11:02
I don't know what steps you didn't take,
241
650781
1991
я не знаю, какие вы не предпринимали,
11:04
and if I don't know what questions you asked,
242
652772
2438
и если я не знаю,
какие вопросы вы задавали,
какие вопросы вы задавали,
11:07
I don't know what questions you didn't ask.
243
655210
3197
я не знаю, какие не задавали.
11:10
And it means asking ourselves, really,
244
658407
1523
Это значит, что мы должны задать себе
11:11
the hardest question of all:
245
659930
1479
самый тяжёлый вопрос:
11:13
Did the data really show us this,
246
661409
3500
«На самом ли деле
данные нам так показали
данные нам так показали
11:16
or does the result make us feel
247
664909
2311
или мы чувствуем себя успешнее
11:19
more successful and more comfortable?
248
667220
3878
и комфортнее с таким результатом?»
11:23
So the Health Media Collaboratory,
249
671098
2584
Так, учёные из Коллаборатории,
11:25
at the end of their project, they were able
250
673682
1699
в конце проекта они обнаружили,
11:27
to find that 87 percent of tweets
251
675381
3408
что 87% твитов
11:30
about those very graphic and disturbing
252
678789
2144
об этих пугающих роликах
11:32
anti-smoking ads expressed fear,
253
680933
4038
против курения выражали страх,
11:36
but did they conclude
254
684971
1856
Но заключили ли они,
11:38
that they actually made people stop smoking?
255
686827
3161
что ролики на деле заставили
кого-то бросить курить?
кого-то бросить курить?
11:41
No. It's science, not magic.
256
689988
2542
Нет. Это наука, а не магия.
11:44
So if we are to unlock
257
692530
3190
Так что, если мы хотим использовать
11:47
the power of data,
258
695720
2862
силу информации,
11:50
we don't have to go blindly into
259
698582
3448
нам не нужно слепо идти
11:54
Orwell's vision of a totalitarian future,
260
702030
3436
в оруэлльское тоталитарное будущее,
11:57
or Huxley's vision of a trivial one,
261
705466
3117
или банальное будущее Хаксли,
12:00
or some horrible cocktail of both.
262
708583
3020
либо какой-то ужасный коктейль из них.
12:03
What we have to do
263
711603
2379
Что нам необходимо —
12:05
is treat critical thinking with respect
264
713982
2718
это с уважением относиться
к критическому мышлению
к критическому мышлению
12:08
and be inspired by examples
265
716700
2029
и вдохновляться примерами, такими как
12:10
like the Health Media Collaboratory,
266
718729
2610
Коллаборатория о здравоохранении в СМИ.
12:13
and as they say in the superhero movies,
267
721339
2328
Как говорят в фильмах о супер-героях,
12:15
let's use our powers for good.
268
723667
1822
давайте использовать
нашу силу для добра.
нашу силу для добра.
12:17
Thank you.
269
725489
2351
Спасибо.
12:19
(Applause)
270
727840
2334
(Аплодисменты)
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