Tricia Wang: The human insights missing from big data
Тріша Ванг: У великих даних не вистачає людини
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.
poets and politicians,
поету чи політику
в житті рішення,
on life's most important questions,
цю подорож?",
на цю територію?",
advance into this territory?"
до оракула.
стаєте на коліна
and you would get on your knees,
вона виходить з нього,
she would come out of it,
в майбутньому.
what's going to happen next.
прийняти правильні рішення.
to make the right decision.
знати, що ми можемо прийняти рішення
knowing that we can make a decision
"глибоке вивчення" або "нейронна мережа".
or "deep learning" or "neural net."
які ми зараз питаємо нашого оракула,
we ask of our oracle now,
переправити телефони
to ship these phones
із вродженими вадами?"
with a genetic disorder?"
для цього товару?"
we can predict for this product?"
and she hates the rain.
і вона ненавидить дощ.
вона позбулась цього відчуття.
to untrain her.
оракулом під назвою Темне Небо
an oracle, called Dark Sky,
на прогулянку
10 хвилин.
in the next 10 minutes.
це індустрія у 122 мільйони доларів.
our oracle is a $122 billion industry.
навіть не є прибутковими,
aren't even profitable,
і кажуть,
coming up to me saying,
систему даних,
кращі рішення.
better decisions.
проривні ідеї."
with more breakthrough ideas."
of how people use technology,
не допомагає приймати кращі рішення,
not helping us make better decisions,
котрі мають всі ці ресурси
who have all these resources
в Nokia.
a research position with Nokia.
компаній мобільного зв'язку у світі,
cell phone companies in the world,
в Китаї, Мексиці та Індії --
like China, Mexico and India --
чимало досліджень про те,
a lot of research
користуються технологіями.
економікою.
постачальником,
as a street vendor
в інтернет-кафе,
in internet cafés,
щоб зрозуміти,
so I could understand
ігри та мобільні телефони
games and mobile phones
від сільських районів до міст.
from the rural areas to the cities.
that I was gathering,
якісним доказам,
серед китайців з низьким доходом.
among low-income Chinese people.
by advertisements for luxury products
для високого класу,
хто б такий не хотів? --
who wouldn't want one? --
реклама
the actually enticed them the most
такого високотехнологічного життя.
into this high-tech life.
міських нетрях, як ось це місце,
in urban slums like this one,
більшу половину свого місячного доходу
over half of their monthly income
та інших марок.
of iPhones and other brands.
з мігрантами та роботи з ними
with migrants and working with them
що робили і вони,
that they were doing,
всі ці дані --
all these data points together --
тоді, коли я продавала пельмені,
like me selling dumplings,
вони витрачають на мобільні телефони.
on their cell phone bills.
зображення
this much more holistic picture
хотіла смартфон,
would want a smartphone,
щоб отримати його.
to get their hands on one.
це було в 2009,
як айфон.
looking like iPhones.
людей говорили:
and realistic people said,
тяжкими речами,
these heavy things
і розбиваються, коли падають?"
and they break every time you drop them?"
about my insights,
з Nokia.
to share them with Nokia.
точок даних
millions of data points,
що хтось хоче купити смартфон,
of anyone wanting to buy a smartphone,
при такому різноманітті це занадто мало,
as diverse as it is, is too weak
на базі того, що люди не знають,
assuming that people don't know
жодної інформації,
to get any data back
смартфони через два роки.
a smartphone in two years.
створені,
have been designed
бізнес-модель,
людської динаміки,
at these emergent human dynamics
не звернули увагу.
of missing something.
які весь час зневажали дані,
throwing out data all the time
моделі,
великими даними; це наша відповідальність.
it's our responsibility.
дуже специфічних середовищ,
very specific environments,
чи генетичний код,
or delivery logistics or genetic code,
більш-менш локалізовані системи.
that are more or less contained.
є струнко організованими.
are as neatly contained.
а системи є більш динамічними,
and systems are more dynamic,
які залучають людський фактор,
that involve human beings,
як саме внести до плану.
that we don't know how to model so well.
щось у людській поведінці,
about human behavior,
постійно змінюються.
are constantly changing.
щось невідоме.
enters the picture.
лише від великих даних
on big data alone
пройде повз нашу увагу,
that we'll miss something,
того, що ми вже все знаємо.
that we already know everything.
цей парадокс,
to see this paradox
кількісним зміщенням,
that I call the quantification bias,
вимірюваного
of valuing the measurable
із такими колегами
colleagues who are like this,
company may be like this,
націленими на числа,
so fixated on that number,
outside of it,
речі прямо перед їх носом.
right in front of their face.
нічого поганого,
wrong with quantifying;
таблиці Excel,
from looking at an Excel spreadsheet,
Все під контролем.
Everything is under control."
нанести на чек,
to kind of keep that in check,
as a numerical value.
парочку-виручалочку,
into silver-bullet thinking,
для будь-якої організації,
for any organization,
яке нам потрібно передбачити --
the future we need to predict --
that's bearing down on us
рішення.
the wrong decisions.
велике.
цією стежкою.
стародавньої Греції,
of ancient Greece
направляє нас по стежці.
that shows us the path forward.
показали,
розташування оракулів,
where the most famous oracle sat,
на двох геологічних розломах.
over two earthquake faults.
нафтохімічні випаровування
these petrochemical fumes
на цих розломах
right above these faults,
етиленового газу з цих тріщин.
of ethylene gas, these fissures.
її бубніти та бачити галюцинації
babble and hallucinate
отримати від неї корисну пораду
any useful advice out of her
surrounding the oracle?
on your left-hand side
з оракулом.
with the oracle.
і ставали на коліна,
and get on their knees,
охоронці храму,
would get to work,
їй питання,
follow-up questions,
Хто ти?
this prophecy? Who are you?
з цією інформацієїю?"
with this information?"
візьмуть цю етнографічну,
this more ethnographic,
бурмотіння оракула.
системою великих даних.
вдихає етиленовий газ
are huffing ethylene gas,
неправильні передбачення.
invalid predictions.
охоронці храму,
that the oracle needed her temple guides,
дослідники користувачів,
and user researchers
насиченими даними.
які не перевести в числа.
that cannot be quantified.
для Nokia,
that I collected for Nokia
зразка,
of a very small sample size,
їх робить
людської природи.
the human narrative.
в наших моделях.
what's missing in our models.
до питань людини,
in human questions,
та насичених даних
big and thick data
масштабне розуміння
insights at scale
машинного інтелекту,
of machine intelligence,
допомогти врятувати контекст,
rescue the context loss
великих даних,
людського інтелекту.
of human intelligence.
то буде справді цікаво,
that's when things get really fun,
just working with data
із ще не зібраними даними.
that hasn't been collected.
шлях для зміни бізнесу.
to transform their business.
справді чудовий алгоритм корисних дій,
recommendation algorithm,
хто зміг би поліпшити його.
for anyone who could improve it.
підходили лише для першого етапу.
the improvements were only incremental.
насправді,
Гранта МакКракена,
Grant McCracken,
і не помічали
that they hadn't seen initially
тупитися в телевізор.
to binge-watch.
feel guilty about it.
"О. Це новий погляд."
"Oh. This is a new insight."
до своєї наукової команди з даних,
виміряти нові дані
this big data insight
and validated it,
дещо просте, але значне.
very simple but impactful.
пропонувати те ж саме шоу в різних жанрах
the same show from different genres
from similar users,
того самого шоу.
ми зробимо легшим.
for you to binge-watch.
досвід,
viewer experience,
споглядання телевізора.
на цілі вихідні в один і той же час,
for whole weekends at a time,
"Майстер не на всі руки".
like "Master of None."
вони не тільки покращили свій бізнес,
they not only improved their business,
споживання телебачення.
за прогнозами збільшаться.
to double in the next few years.
дивитися більше відео
watching more videos
до алгоритмів
insights into the algorithm
відокремлених.
використовують великі дані
police departments are using big data
та рекомендації щодо винесення вироку,
and sentencing recommendations
(Скайнет)
цивільних в Пакистані
of thousands of civilians in Pakistan
стільникового пристрою.
чи до пошуку роботи,
or to employment,
by the quantification bias.
is that we've come a long way
до яких ми довго йшли
до прогнозів.
to make predictions.
тож давайте їх краще використовувати.
so let's just use them better.
з насиченими даними.
with the thick data.
з оракулом,
with the oracles,
в компаніях, благодійних організаціях,
in companies or nonprofits
що ми всі разом змогли
we're collectively committed
чогось важливого.
missing that something.
ABOUT THE SPEAKER
Tricia Wang - Technology ethnographerWith 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.
Tricia Wang | Speaker | TED.com