TEDxCambridge
Tricia Wang: The human insights missing from big data
Tricia Wang: Bỏ lỡ góc nhìn con người trong dữ liệu lớn
Filmed:
Readability: 4.5
1,688,539 views
Tại sao nhiều công ty đưa ra các quyết định tồi, ngay cả khi truy cập vào lượng dữ liệu lớn chưa từng có? Với các câu chuyện từ Nokia đến Netflix đến các nhà tiên tri thời Hy Lạp cổ đại, Tricia Wang làm rõ dữ liệu lớn và chỉ ra những khiếm khuyết của chúng, gợi ý rằng chúng ta tập trung vào dữ liệu dày -- các thông tin quý giá không định lượng được từ những con người thực -- để đưa ra các quyết định kinh doanh đúng và phát đạt từ những điều chưa biết
Tricia Wang - Technology ethnographer
With astronaut eyes and ethnographer curiosity, Tricia Wang helps corporations grow by discovering the unknown about their customers. Full bio
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 ancient Greece,
0
885
1545
Ở Hy Lạp cổ đại,
00:15
when anyone from slaves to soldiers,
poets and politicians,
poets and politicians,
1
3436
3943
bất cứ ai từ nô lệ đến người lính,
nhà thơ và chính khách,
nhà thơ và chính khách,
00:19
needed to make a big decision
on life's most important questions,
on life's most important questions,
2
7403
4004
đều cần phải đưa ra một quyết định lớn
cho các câu hỏi quan trọng trong đời,
cho các câu hỏi quan trọng trong đời,
00:23
like, "Should I get married?"
3
11431
1391
như, "Tôi có nên kết hôn?"
00:24
or "Should we embark on this voyage?"
4
12846
1857
hay "Ta có nên tham gia chuyến đi này?"
00:26
or "Should our army
advance into this territory?"
advance into this territory?"
5
14727
2928
hay "Quân ta có nên tiến vào
vùng lãnh thổ này?"
vùng lãnh thổ này?"
00:29
they all consulted the oracle.
6
17679
2579
họ đều tham vấn nhà tiên tri.
00:33
So this is how it worked:
7
21020
1440
Và cách làm như sau:
00:34
you would bring her a question
and you would get on your knees,
and you would get on your knees,
8
22484
3112
bạn đem đến cho bà ấy một câu hỏi
và quỳ gối chờ,
và quỳ gối chờ,
00:37
and then she would go into this trance.
9
25620
1871
và rồi bà ấy sẽ chuyển sang nhập định.
00:39
It would take a couple of days,
10
27515
1549
Kéo dài trong vài ngày,
00:41
and then eventually
she would come out of it,
she would come out of it,
11
29088
2163
và cuối cùng bà ấy sẽ bình thường trở lại,
00:43
giving you her predictions as your answer.
12
31275
2536
và cho bạn những tiên đoán
cũng như là câu trả lời.
cũng như là câu trả lời.
00:46
From the oracle bones of ancient China
13
34910
2566
Từ những mẫu xương nhà tiên tri
của Trung quốc cổ đại
của Trung quốc cổ đại
00:49
to ancient Greece to Mayan calendars,
14
37500
2345
đến Hy Lạp cổ đại đến lịch Maya,
00:51
people have craved for prophecy
15
39869
2296
con người khao khát những lời tiên tri
00:54
in order to find out
what's going to happen next.
what's going to happen next.
16
42189
3137
để biết được điều gì sẽ xãy ra tiếp theo.
00:58
And that's because we all want
to make the right decision.
to make the right decision.
17
46516
3239
Và đó là bởi vì tất cả chúng ta
đều muốn đưa ra quyết định đúng,
đều muốn đưa ra quyết định đúng,
01:01
We don't want to miss something.
18
49779
1545
Ta không muốn bỏ lỡ điều gì.
01:03
The future is scary,
19
51892
1743
Tương lai thật đáng sợ,
01:05
so it's much nicer
knowing that we can make a decision
knowing that we can make a decision
20
53659
2717
và sẽ dễ chịu hơn khi biết
ta có thể đưa ra một quyết định
ta có thể đưa ra một quyết định
01:08
with some assurance of the outcome.
21
56400
1982
mà có sự chắc chắn nhất định về kết quả.
01:11
Well, we have a new oracle,
22
59079
1611
Vâng, ta có một nhà tiên tri mới,
01:12
and it's name is big data,
23
60714
2145
có tên là dữ liệu lớn,
01:14
or we call it "Watson"
or "deep learning" or "neural net."
or "deep learning" or "neural net."
24
62883
3939
ta có thể gọi nó là "Watson"
hay "học máy" hay "mạng nơ rôn."
hay "học máy" hay "mạng nơ rôn."
01:19
And these are the kinds of questions
we ask of our oracle now,
we ask of our oracle now,
25
67340
4012
Và đây là những loại câu hỏi mà giờ đây
ta có thể hỏi nhà tiên tri của chúng ta,
ta có thể hỏi nhà tiên tri của chúng ta,
01:23
like, "What's the most efficient way
to ship these phones
to ship these phones
26
71376
3922
như, "Cách nào hiệu quả nhất
để chuyển những chiếc điện thoại
để chuyển những chiếc điện thoại
01:27
from China to Sweden?"
27
75322
1823
từ Trung Quốc đến Thụy Điển?"
01:29
Or, "What are the odds
28
77169
1800
Hay, "Con tôi sinh ra
01:30
of my child being born
with a genetic disorder?"
with a genetic disorder?"
29
78993
3363
có tỷ lệ bị rối loạn di truyền
là bao nhiêu?"
là bao nhiêu?"
01:34
Or, "What are the sales volume
we can predict for this product?"
we can predict for this product?"
30
82952
3244
Hay, "Ta có thể dự đoán doanh số
của sản phẩm này là bao nhiêu?"
của sản phẩm này là bao nhiêu?"
01:40
I have a dog. Her name is Elle,
and she hates the rain.
and she hates the rain.
31
88108
4047
Tôi có một con chó. Tên nó là Elle,
và nó rất ghét trời mưa.
và nó rất ghét trời mưa.
01:44
And I have tried everything
to untrain her.
to untrain her.
32
92179
3306
Và tôi đã tìm mọi cách
để giúp nó hết sợ.
để giúp nó hết sợ.
01:47
But because I have failed at this,
33
95509
2771
Nhưng tôi đã thất bại,
01:50
I also have to consult
an oracle, called Dark Sky,
an oracle, called Dark Sky,
34
98304
3286
nên tôi đã tham vấn một nhà tiên tri,
được gọi là Dark Sky,
được gọi là Dark Sky,
01:53
every time before we go on a walk,
35
101614
1635
trước mỗi lúc chúng tôi đi dạo bộ,
01:55
for very accurate weather predictions
in the next 10 minutes.
in the next 10 minutes.
36
103273
3577
để có được các dự báo thời tiết chính xác
trong 10 phút tới.
trong 10 phút tới.
02:01
She's so sweet.
37
109535
1303
Cô ấy thật ngọt ngào.
02:03
So because of all of this,
our oracle is a $122 billion industry.
our oracle is a $122 billion industry.
38
111827
5707
Bởi tất cả những điều đó, nhà tiên tri
của ta là một ngành công nghiệp 122 tỷ đô.
của ta là một ngành công nghiệp 122 tỷ đô.
02:10
Now, despite the size of this industry,
39
118006
3376
Giờ đây, bất chấp kích cỡ của
ngành công nghiệp này,
ngành công nghiệp này,
02:13
the returns are surprisingly low.
40
121406
2456
kết quả mang lại vẫn thấp
một cách ngạc nhiên.
một cách ngạc nhiên.
02:16
Investing in big data is easy,
41
124342
2494
Đầu tư vào dữ liệu lớn rất dễ dàng,
02:18
but using it is hard.
42
126860
1933
nhưng sử dụng nó mới khó.
02:21
Over 73 percent of big data projects
aren't even profitable,
aren't even profitable,
43
129981
4040
Thậm chí, hơn 73 phần trăm các dự án
dữ liệu lớn không đem lại lợi nhuận,
dữ liệu lớn không đem lại lợi nhuận,
02:26
and I have executives
coming up to me saying,
coming up to me saying,
44
134045
2431
và nhiều vị giám đốc
đến gặp tôi và nói rằng,
đến gặp tôi và nói rằng,
02:28
"We're experiencing the same thing.
45
136500
1789
"Chúng tôi đang gặp
vấn đề giống nhau,
vấn đề giống nhau,
02:30
We invested in some big data system,
46
138313
1753
Đều đầu tư một hệ thống
dữ liệu lớn,
dữ liệu lớn,
02:32
and our employees aren't making
better decisions.
better decisions.
47
140090
2968
và nhân viên vẫn không đưa ra được
các quyết định tốt hơn.
các quyết định tốt hơn.
02:35
And they're certainly not coming up
with more breakthrough ideas."
with more breakthrough ideas."
48
143082
3162
Và chắc chắn là họ không đưa ra được
các ý tưởng đột phá hơn."
các ý tưởng đột phá hơn."
02:38
So this is all really interesting to me,
49
146914
3184
Tất cả điều này thực sự thú vị với tôi,
02:42
because I'm a technology ethnographer.
50
150122
2010
vì tôi là nhà dân tộc học
về công nghệ
về công nghệ
02:44
I study and I advise companies
51
152630
2564
Tôi nghiên cứu và cố vấn cho các công ty
02:47
on the patterns
of how people use technology,
of how people use technology,
52
155218
2483
về các mô hình sử dụng công nghệ,
02:49
and one of my interest areas is data.
53
157725
2678
và một trong các lĩnh vực mà tôi
quan tâm là dữ liệu.
quan tâm là dữ liệu.
02:52
So why is having more data
not helping us make better decisions,
not helping us make better decisions,
54
160427
5193
Tại sao có thêm nhiều dữ liệu cũng không
giúp ta đưa ra các quyết định tốt hơn,
giúp ta đưa ra các quyết định tốt hơn,
02:57
especially for companies
who have all these resources
who have all these resources
55
165644
2783
đặc biệt đối với các công ty có đủ
nguồn lực
nguồn lực
03:00
to invest in these big data systems?
56
168451
1736
để đầu tư các hệ thống dữ liệu lớn?
03:02
Why isn't it getting any easier for them?
57
170211
2398
Tại sao nó không trở nên dễ dàng hơn?
03:05
So, I've witnessed the struggle firsthand.
58
173990
2634
Tôi đã chứng kiến sự khó khăn đầu tiên.
03:09
In 2009, I started
a research position with Nokia.
a research position with Nokia.
59
177374
3484
Năm 2009, tôi bắt đầu
một vị trí nghiên cứu với Nokia.
một vị trí nghiên cứu với Nokia.
03:13
And at the time,
60
181232
1158
Và vào lúc đó,
03:14
Nokia was one of the largest
cell phone companies in the world,
cell phone companies in the world,
61
182414
3158
Nokia là 1 trong các công ty điện thoại
di động lớn nhất thế giới,
di động lớn nhất thế giới,
03:17
dominating emerging markets
like China, Mexico and India --
like China, Mexico and India --
62
185596
3202
thống trị các thị trường mới nổi
như Trung Quốc, Mexico và Ấn Độ--
như Trung Quốc, Mexico và Ấn Độ--
03:20
all places where I had done
a lot of research
a lot of research
63
188822
2502
những nơi đó tôi đã thực hiện
nhiều nghiên cứu
nhiều nghiên cứu
03:23
on how low-income people use technology.
64
191348
2676
về cách những người thu nhập thấp
sử dụng công nghệ.
sử dụng công nghệ.
03:26
And I spent a lot of extra time in China
65
194048
2330
Và tôi cũng đã dành nhiều thời gian
ở Trung Quốc
ở Trung Quốc
03:28
getting to know the informal economy.
66
196402
2592
để tìm hiểu nền kinh tế phi chính thức.
03:31
So I did things like working
as a street vendor
as a street vendor
67
199018
2401
Tôi đã làm những việc
như bán hàng rong
như bán hàng rong
03:33
selling dumplings to construction workers.
68
201443
2574
bán bánh bao cho công nhân xây dựng.
03:36
Or I did fieldwork,
69
204041
1358
Hay tôi đi thực tế,
03:37
spending nights and days
in internet cafés,
in internet cafés,
70
205423
2958
dành cả ngày lẫn đêm
trong các quán cà phê internet,
trong các quán cà phê internet,
03:40
hanging out with Chinese youth,
so I could understand
so I could understand
71
208405
2546
đi chơi với thanh niên Trung Quốc,
nên tôi có thể hiểu
nên tôi có thể hiểu
03:42
how they were using
games and mobile phones
games and mobile phones
72
210975
2284
họ đã sử dụng điện thoại
và chơi game ra sao
và chơi game ra sao
03:45
and using it between moving
from the rural areas to the cities.
from the rural areas to the cities.
73
213283
3370
và sử dụng khi di chuyển giữa
nông thôn và thành thị.
nông thôn và thành thị.
03:50
Through all of this qualitative evidence
that I was gathering,
that I was gathering,
74
218335
3927
Dựa trên những dữ liệu định tính mà
tôi đã thu thập được này,
tôi đã thu thập được này,
03:54
I was starting to see so clearly
75
222286
2824
Tôi đã bắt đầu nhận ra
03:57
that a big change was about to happen
among low-income Chinese people.
among low-income Chinese people.
76
225134
4472
rằng sắp diễn ra một sự thay đổi lớn
giữa những người Trung Quốc thu nhập thấp.
giữa những người Trung Quốc thu nhập thấp.
04:03
Even though they were surrounded
by advertisements for luxury products
by advertisements for luxury products
77
231020
4367
Ngay cả khi họ bị bủa vây bởi những
quảng cáo cho các sản phẩm xa xỉ
quảng cáo cho các sản phẩm xa xỉ
04:07
like fancy toilets --
who wouldn't want one? --
who wouldn't want one? --
78
235411
3495
như thiết bị vệ sinh ưa thích--
ai mà không muốn một cái?
ai mà không muốn một cái?
04:10
and apartments and cars,
79
238930
2890
rồi căn hộ và xe hơi,
04:13
through my conversations with them,
80
241844
1820
qua tiếp xúc với họ,
04:15
I found out that the ads
the actually enticed them the most
the actually enticed them the most
81
243688
3841
Tôi khám phá ra rằng những quảng cáo
thực sự lôi cuốn họ nhất
thực sự lôi cuốn họ nhất
04:19
were the ones for iPhones,
82
247553
1996
là những cái quảng cáo về iPhones,
04:21
promising them this entry
into this high-tech life.
into this high-tech life.
83
249573
3052
hứa hẹn họ cánh cửa này
dẫn vào cuộc sống công nghệ cao.
dẫn vào cuộc sống công nghệ cao.
04:25
And even when I was living with them
in urban slums like this one,
in urban slums like this one,
84
253469
3163
Và ngay cả khi tôi sống với họ
trong các khu ổ chuột như cái này,
trong các khu ổ chuột như cái này,
04:28
I saw people investing
over half of their monthly income
over half of their monthly income
85
256656
2996
Tôi thấy mọi người chi quá nữa thu nhập
hàng tháng của họ
hàng tháng của họ
04:31
into buying a phone,
86
259676
1623
để mua điện thoại,
04:33
and increasingly, they were "shanzhai,"
87
261323
2302
và hàng nhái "shanzhai" ngày càng nhiều,
04:35
which are affordable knock-offs
of iPhones and other brands.
of iPhones and other brands.
88
263649
3388
giá cả dễ mua đánh bật iPhones và
các nhãn hiệu khác.
các nhãn hiệu khác.
04:40
They're very usable.
89
268303
1625
Những thứ này dùng được.
04:42
Does the job.
90
270890
1322
Được chấp nhận.
04:44
And after years of living
with migrants and working with them
with migrants and working with them
91
272750
5789
Sau nhiều năm sống với những
người nhập cư và làm việc với họ
người nhập cư và làm việc với họ
04:50
and just really doing everything
that they were doing,
that they were doing,
92
278563
3434
và làm mọi thứ họ làm,
04:54
I started piecing
all these data points together --
all these data points together --
93
282021
3597
Tôi bắt đầu kết nối tất cả
dữ liệu lại với nhau--
dữ liệu lại với nhau--
04:57
from the things that seem random,
like me selling dumplings,
like me selling dumplings,
94
285642
3123
từ những thứ tưởng như ngẫu nhiên,
như tôi đi bán bánh bao,
như tôi đi bán bánh bao,
05:00
to the things that were more obvious,
95
288789
1804
đến những thứ rõ ràng hơn,
05:02
like tracking how much they were spending
on their cell phone bills.
on their cell phone bills.
96
290617
3232
như tìm hiểu họ đã chi tiêu bao nhiêu
cho hóa đơn điện thoại.
cho hóa đơn điện thoại.
05:05
And I was able to create
this much more holistic picture
this much more holistic picture
97
293873
2639
Và tôi đã tạo ra bức tranh
toàn diện hơn rất nhiều này
toàn diện hơn rất nhiều này
05:08
of what was happening.
98
296536
1156
về những gì đang xảy ra.
05:09
And that's when I started to realize
99
297716
1722
Và đó cũng là lúc
tôi bắt đầu nhận ra
tôi bắt đầu nhận ra
05:11
that even the poorest in China
would want a smartphone,
would want a smartphone,
100
299462
3509
ngay cả những người Trung Quốc nghèo nhất
cũng muốn điện thoại thông minh,
cũng muốn điện thoại thông minh,
05:14
and that they would do almost anything
to get their hands on one.
to get their hands on one.
101
302995
4985
và họ làm gần như mọi thứ
để có được một cái trên tay.
để có được một cái trên tay.
05:21
You have to keep in mind,
102
309073
2404
Bạn cần nhớ rằng,
05:23
iPhones had just come out, it was 2009,
103
311501
3084
iPhones chỉ mới xuất hiện, vào năm 2009,
05:26
so this was, like, eight years ago,
104
314609
1885
mới khoảng tám năm trước,
05:28
and Androids had just started
looking like iPhones.
looking like iPhones.
105
316518
2437
và Android cũng bắt đầu
trông giống iPhones.
trông giống iPhones.
05:30
And a lot of very smart
and realistic people said,
and realistic people said,
106
318979
2507
Và rất nhiều người thực tế
và thông minh đã nói,
và thông minh đã nói,
05:33
"Those smartphones -- that's just a fad.
107
321510
2207
Điện thoại thông minh -- ở thời điểm đó.
05:36
Who wants to carry around
these heavy things
these heavy things
108
324243
2996
Có ai muốn mang theo những thứ nặng nề đó
05:39
where batteries drain quickly
and they break every time you drop them?"
and they break every time you drop them?"
109
327263
3487
trong khi Pin thì nhanh hết và sẽ bị vỡ
mỗi khi ta làm rơi chúng?
mỗi khi ta làm rơi chúng?
05:44
But I had a lot of data,
110
332793
1201
Và tôi có nhiều dữ liệu,
05:46
and I was very confident
about my insights,
about my insights,
111
334018
2260
tôi rất tự tin về những
phát hiện của mình,
phát hiện của mình,
05:48
so I was very excited
to share them with Nokia.
to share them with Nokia.
112
336302
2829
tôi đã rất hào hứng chia sẻ với Nokia.
05:53
But Nokia was not convinced,
113
341332
2517
Nhưng đã không thuyết phục được Nokia,
05:55
because it wasn't big data.
114
343873
2335
bởi vì đó không phải là dữ liệu lớn.
05:59
They said, "We have
millions of data points,
millions of data points,
115
347022
2404
Họ nói, "Chúng tôi có
hàng triệu mục dữ liệu,
hàng triệu mục dữ liệu,
06:01
and we don't see any indicators
of anyone wanting to buy a smartphone,
of anyone wanting to buy a smartphone,
116
349450
4247
và chúng tôi không thấy chỉ dấu nào rằng
có người muốn mua điện thoại thông minh,
có người muốn mua điện thoại thông minh,
06:05
and your data set of 100,
as diverse as it is, is too weak
as diverse as it is, is too weak
117
353721
4388
và tập dữ liệu của bạn chỉ có 100,
mức độ đa dạng của nó quá yếu
mức độ đa dạng của nó quá yếu
06:10
for us to even take seriously."
118
358133
1714
để chúng tôi xem xét nghiêm túc."
06:12
And I said, "Nokia, you're right.
119
360908
1605
Và tôi nói, "Nokia, các bạn đúng.
06:14
Of course you wouldn't see this,
120
362537
1560
Tất nhiên các bạn sẽ không thấy,
06:16
because you're sending out surveys
assuming that people don't know
assuming that people don't know
121
364121
3371
bởi vì bạn thực hiện các khảo sát
giả định rằng mọi người không biết
giả định rằng mọi người không biết
06:19
what a smartphone is,
122
367516
1159
về điện thoại thông minh
06:20
so of course you're not going
to get any data back
to get any data back
123
368699
2366
và dĩ nhiên bạn sẽ không có được bất
kỳ dữ liệu
kỳ dữ liệu
06:23
about people wanting to buy
a smartphone in two years.
a smartphone in two years.
124
371089
2572
về người muốn mua điện thoại
thông minh cho 2 năm tới.
thông minh cho 2 năm tới.
06:25
Your surveys, your methods
have been designed
have been designed
125
373685
2118
Phương pháp khảo sát của bạn
được thiết kế
được thiết kế
06:27
to optimize an existing business model,
126
375827
2022
để tối ưu mô hình kinh doanh hiện tại,
06:29
and I'm looking
at these emergent human dynamics
at these emergent human dynamics
127
377873
2608
và tôi đang nhắm đến
những động lực con người mới nổi
những động lực con người mới nổi
06:32
that haven't happened yet.
128
380505
1354
mà chưa xuất hiện.
06:33
We're looking outside of market dynamics
129
381883
2438
Chúng ta đang ra bên ngoài
các động lực thị trường
các động lực thị trường
06:36
so that we can get ahead of it."
130
384345
1631
để có thể đón đầu nó."
06:39
Well, you know what happened to Nokia?
131
387373
2244
Vâng, các bạn biết
những gì đã xãy ra với Nokia?
những gì đã xãy ra với Nokia?
06:41
Their business fell off a cliff.
132
389641
2365
Kinh doanh của họ đã rơi thẳng đứng.
06:44
This -- this is the cost
of missing something.
of missing something.
133
392791
3727
Đây là cái giá
của việc thiếu sót thứ gì đó.
của việc thiếu sót thứ gì đó.
06:49
It was unfathomable.
134
397163
1999
Không thể hiểu được.
06:52
But Nokia's not alone.
135
400003
1651
Nhưng không phải chỉ mình Nokia.
06:54
I see organizations
throwing out data all the time
throwing out data all the time
136
402258
2581
Tôi thấy các tổ chức
luôn vứt bỏ các dữ liệu
luôn vứt bỏ các dữ liệu
06:56
because it didn't come from a quant model
137
404863
2561
bởi vì nó không xuất phát
từ một mô hình phân tích
từ một mô hình phân tích
06:59
or it doesn't fit in one.
138
407448
1768
hay không khớp với nó.
07:02
But it's not big data's fault.
139
410219
2048
Nhưng đó không phải lỗi của dữ liệu lớn.
07:04
It's the way we use big data;
it's our responsibility.
it's our responsibility.
140
412942
3907
Mà ở cách chúng ta sử dụng dữ liệu lớn;
đó là lỗi của chúng ta.
đó là lỗi của chúng ta.
07:09
Big data's reputation for success
141
417730
1911
Thành công nổi tiếng của dữ liệu lớn
07:11
comes from quantifying
very specific environments,
very specific environments,
142
419665
3759
đến từ việc định lượng hóa
mọi điều kiện môi trường cụ thể
mọi điều kiện môi trường cụ thể
07:15
like electricity power grids
or delivery logistics or genetic code,
or delivery logistics or genetic code,
143
423448
4913
như các lưới điện hay
hạ tầng giao vận hay mã di truyền,
hạ tầng giao vận hay mã di truyền,
07:20
when we're quantifying in systems
that are more or less contained.
that are more or less contained.
144
428385
4318
khi chúng ta đang định lượng trong các
hệ thống mà hay ít nhiều có kiểm soát.
hệ thống mà hay ít nhiều có kiểm soát.
07:24
But not all systems
are as neatly contained.
are as neatly contained.
145
432727
2969
Nhưng không phải mọi hệ thống
đều được kiểm soát rõ ràng.
đều được kiểm soát rõ ràng.
07:27
When you're quantifying
and systems are more dynamic,
and systems are more dynamic,
146
435720
3258
Khi chúng ta đang định lượng
và các hệ thống thì năng động hơn,
và các hệ thống thì năng động hơn,
07:31
especially systems
that involve human beings,
that involve human beings,
147
439002
3799
đặc biệt là các hệ thống
liên quan đến yếu tố con người,
liên quan đến yếu tố con người,
07:34
forces are complex and unpredictable,
148
442825
2426
các động lực rất phức tạp và khó đoán,
07:37
and these are things
that we don't know how to model so well.
that we don't know how to model so well.
149
445275
3486
và đây là những thứ mà chúng ta
không biết cách để mô hình hóa cho tốt
không biết cách để mô hình hóa cho tốt
07:41
Once you predict something
about human behavior,
about human behavior,
150
449204
2813
Một khi bạn dự đoán điều gì đó về
hành vi con người,
hành vi con người,
07:44
new factors emerge,
151
452041
1855
các yếu tố mới xuất hiện,
07:45
because conditions
are constantly changing.
are constantly changing.
152
453920
2365
bởi vì các điều kiện luôn thay đổi.
07:48
That's why it's a never-ending cycle.
153
456309
1803
Do đó nó là một chu trình vô tận.
07:50
You think you know something,
154
458136
1464
Bạn nghĩ bạn biết điều gì đó,
07:51
and then something unknown
enters the picture.
enters the picture.
155
459624
2242
và rồi điều chưa biết
lại xuất hiện.
lại xuất hiện.
07:53
And that's why just relying
on big data alone
on big data alone
156
461890
3322
Đó là lý do nếu chỉ dựa vào dữ liệu lớn
07:57
increases the chance
that we'll miss something,
that we'll miss something,
157
465236
2849
sẽ làm tăng xác suất
chúng ta sẽ bỏ nhỡ điều gì đó,
chúng ta sẽ bỏ nhỡ điều gì đó,
08:00
while giving us this illusion
that we already know everything.
that we already know everything.
158
468109
3777
trong khi làm cho chúng ta ảo tưởng rằng
chúng ta đã biết mọi thứ.
chúng ta đã biết mọi thứ.
08:04
And what makes it really hard
to see this paradox
to see this paradox
159
472406
3856
Và điều gì làm cho việc nhận ra
nghịch lý này khó khăn đến vậy
nghịch lý này khó khăn đến vậy
08:08
and even wrap our brains around it
160
476286
2659
và ngay cả để hiểu nó
08:10
is that we have this thing
that I call the quantification bias,
that I call the quantification bias,
161
478969
3691
chúng ta đa gặp phải cái
mà tôi gọi là thiên vị định lượng,
mà tôi gọi là thiên vị định lượng,
08:14
which is the unconscious belief
of valuing the measurable
of valuing the measurable
162
482684
3922
đó là niềm tin vô thức về giá trị
của những cái đo lường được
của những cái đo lường được
08:18
over the immeasurable.
163
486630
1594
so với cái không đo lường được.
08:21
And we often experience this at our work.
164
489222
3284
Và chúng ta thường trải nghiệm điều này
khi làm việc.
khi làm việc.
08:24
Maybe we work alongside
colleagues who are like this,
colleagues who are like this,
165
492530
2650
Có thể chúng ta làm việc bên cạnh
đồng nghiệp như vậy,
đồng nghiệp như vậy,
08:27
or even our whole entire
company may be like this,
company may be like this,
166
495204
2428
hoặc có thể cả công ty của chúng ta
cũng như vậy,
cũng như vậy,
08:29
where people become
so fixated on that number,
so fixated on that number,
167
497656
2546
nơi mà mọi người mặc nhiên
tin vào con số đó,
tin vào con số đó,
08:32
that they can't see anything
outside of it,
outside of it,
168
500226
2067
họ không thể nhìn thấy
cái gì ngoài nó ra,
cái gì ngoài nó ra,
08:34
even when you present them evidence
right in front of their face.
right in front of their face.
169
502317
3948
ngay cả khi bạn cho họ thấy bằng chứng
ngay trước mặt họ.
ngay trước mặt họ.
08:39
And this is a very appealing message,
170
507123
3371
Vầ đây là một thông điệp rất lôi cuốn,
08:42
because there's nothing
wrong with quantifying;
wrong with quantifying;
171
510518
2343
bởi vì chẳng có gì sai
với việc định lượng hóa;
với việc định lượng hóa;
08:44
it's actually very satisfying.
172
512885
1430
Nó thực sự rất thỏa mãn.
08:46
I get a great sense of comfort
from looking at an Excel spreadsheet,
from looking at an Excel spreadsheet,
173
514339
4362
Tôi có một cảm giác rất thoải mái
khi nhìn vào một bảng tính Excel,
khi nhìn vào một bảng tính Excel,
08:50
even very simple ones.
174
518725
1401
cho dù nó rát đơn giản.
08:52
(Laughter)
175
520150
1014
(Cười)
08:53
It's just kind of like,
176
521188
1152
Nó có phần giống như,
08:54
"Yes! The formula worked. It's all OK.
Everything is under control."
Everything is under control."
177
522364
3504
"Vâng! Công thức đúng. Tất cả đều ổn.
Mọi thứ đang được kiểm soát."
Mọi thứ đang được kiểm soát."
08:58
But the problem is
178
526792
2390
Nhưng vấn đề là
09:01
that quantifying is addictive.
179
529206
2661
Việc định lượng hóa gây nghiện.
09:03
And when we forget that
180
531891
1382
Và khi chúng ta quên mất rằng
09:05
and when we don't have something
to kind of keep that in check,
to kind of keep that in check,
181
533297
3038
khi chúng ta không có cái gì
để giữ chúng trong tầm kiểm soát,
để giữ chúng trong tầm kiểm soát,
09:08
it's very easy to just throw out data
182
536359
2118
Chúng ta rất dễ đánh mất dữ liệu
09:10
because it can't be expressed
as a numerical value.
as a numerical value.
183
538501
2718
bởi vì nó không thể được
biểu diễn như một giá trị số học.
biểu diễn như một giá trị số học.
09:13
It's very easy just to slip
into silver-bullet thinking,
into silver-bullet thinking,
184
541243
2921
Nó làm cho ta rất dễ rơi vào
tư duy xử lý tình thế,
tư duy xử lý tình thế,
09:16
as if some simple solution existed.
185
544188
2579
như là một giải pháp đơn giản tồn tại.
09:19
Because this is a great moment of danger
for any organization,
for any organization,
186
547600
4062
Bởi vì đây là thời điểm vô cùng nguy hiểm
cho bất kỳ tổ chức nào,
cho bất kỳ tổ chức nào,
09:23
because oftentimes,
the future we need to predict --
the future we need to predict --
187
551686
2634
bởi vì thường là,
chúng ta cần dự đoán tương lai --
chúng ta cần dự đoán tương lai --
09:26
it isn't in that haystack,
188
554344
2166
không giống như trong đống rơm
09:28
but it's that tornado
that's bearing down on us
that's bearing down on us
189
556534
2538
mà nó như là cơn lốc xoáy
đổ xuống đầu chúng ta
đổ xuống đầu chúng ta
09:31
outside of the barn.
190
559096
1488
bên ngoài lều trại.
09:34
There is no greater risk
191
562960
2326
Không có rủi ro nào lớn hơn
09:37
than being blind to the unknown.
192
565310
1666
là bị mù với
những thứ chưa biết.
những thứ chưa biết.
09:39
It can cause you to make
the wrong decisions.
the wrong decisions.
193
567000
2149
Nó có thể làm cho bạn
đưa ra quyết định sai.
đưa ra quyết định sai.
09:41
It can cause you to miss something big.
194
569173
1974
Nó có thể làm bạn bỏ lỡ
những điều to lớn.
những điều to lớn.
09:43
But we don't have to go down this path.
195
571734
3101
Nhưng chúng ta không cần phải
đi theo con đường này.
đi theo con đường này.
09:47
It turns out that the oracle
of ancient Greece
of ancient Greece
196
575453
3195
Hóa ra những nhà tiên tri
của Hy Lạp cổ đại
của Hy Lạp cổ đại
09:50
holds the secret key
that shows us the path forward.
that shows us the path forward.
197
578672
3966
nắm giữ chìa khóa bí mật
chỉ cho ta con đường đi về phía trước.
chỉ cho ta con đường đi về phía trước.
09:55
Now, recent geological research has shown
198
583654
2595
Hiện nay, nghiên cứu địa chất gần
đây chỉ ra rằng
đây chỉ ra rằng
09:58
that the Temple of Apollo,
where the most famous oracle sat,
where the most famous oracle sat,
199
586273
3564
ngôi đền Apollo,
nơi nhà tiên tri nổi tiếng nhất ngồi,
nơi nhà tiên tri nổi tiếng nhất ngồi,
10:01
was actually built
over two earthquake faults.
over two earthquake faults.
200
589861
3084
được xây dựng
trên hai đoạn đứt gãy động đất.
trên hai đoạn đứt gãy động đất.
10:04
And these faults would release
these petrochemical fumes
these petrochemical fumes
201
592969
2886
Và những đoạn đứt gãy này
bốc ra hơi hóa dầu
bốc ra hơi hóa dầu
10:07
from underneath the Earth's crust,
202
595879
1685
từ bên dưới lớp vỏ Trái đất,
10:09
and the oracle literally sat
right above these faults,
right above these faults,
203
597588
3866
và nhà tiên tri ngồi chính xác
ngay trên chổ đứt gãy này,
ngay trên chổ đứt gãy này,
10:13
inhaling enormous amounts
of ethylene gas, these fissures.
of ethylene gas, these fissures.
204
601478
3588
hít vào lượng lớn khí Etylen
ở chỗ vết nứt này.
ở chỗ vết nứt này.
10:17
(Laughter)
205
605090
1008
(Cười)
10:18
It's true.
206
606122
1173
Sự thật là như vậy.
10:19
(Laughter)
207
607319
1017
(Cười)
10:20
It's all true, and that's what made her
babble and hallucinate
babble and hallucinate
208
608360
3509
Tất cả là sự thật, và nó làm cho bà ấy
nói nhảm và ảo giác
nói nhảm và ảo giác
10:23
and go into this trance-like state.
209
611893
1724
và chuyển sang trạng thái xuất thần
10:25
She was high as a kite!
210
613641
1770
Bà ta bay bổng như chiếc diều!
10:27
(Laughter)
211
615435
4461
(Cười)
10:31
So how did anyone --
212
619920
2779
Vậy làm sao người ta--
10:34
How did anyone get
any useful advice out of her
any useful advice out of her
213
622723
3030
Làm sao người ta xin lời khuyên
hữu dụng từ bà ấy
hữu dụng từ bà ấy
10:37
in this state?
214
625777
1190
trong trạng thái này?
10:39
Well, you see those people
surrounding the oracle?
surrounding the oracle?
215
627497
2381
Vâng, bạn thấy những người đó
vây quanh bà?
vây quanh bà?
10:41
You see those people holding her up,
216
629902
1879
Bạn thấy những người đó nâng bà ấy lên,
10:43
because she's, like, a little woozy?
217
631805
1717
Vì bà ấy giống như một người say?
10:45
And you see that guy
on your left-hand side
on your left-hand side
218
633546
2308
Và bạn thấy cái gã bên tay trái
10:47
holding the orange notebook?
219
635878
1598
đang cầm quyển vở màu cam?
10:50
Well, those were the temple guides,
220
638105
1730
Đó là những người hướng dẫn đền,
10:51
and they worked hand in hand
with the oracle.
with the oracle.
221
639859
3016
và họ làm việc cùng với nhà tiên tri.
10:56
When inquisitors would come
and get on their knees,
and get on their knees,
222
644084
2516
Khi những người xin lời khuyên
đến và quỳ gối,
đến và quỳ gối,
10:58
that's when the temple guides
would get to work,
would get to work,
223
646624
2340
đó là lúc người hướng dẫn đền làm việc,
11:00
because after they asked her questions,
224
648988
1864
vì sau khi người ta đặt câu hỏi cho bà,
11:02
they would observe their emotional state,
225
650876
2001
người ta sẽ quan sát trạng thái cảm xúc,
11:04
and then they would ask them
follow-up questions,
follow-up questions,
226
652901
2324
và khi họ hỏi những câu hỏi tiếp theo,
11:07
like, "Why do you want to know
this prophecy? Who are you?
this prophecy? Who are you?
227
655249
2834
như, "Tại sao các người
muốn biết điều này? Các người là ai?
muốn biết điều này? Các người là ai?
11:10
What are you going to do
with this information?"
with this information?"
228
658107
2264
Các người sẽ làm gì với thông tin này?"
11:12
And then the temple guides would take
this more ethnographic,
this more ethnographic,
229
660395
3182
Và rồi người hướng dẫn đền sẽ lấy
thông tin nhân chủng học,
thông tin nhân chủng học,
11:15
this more qualitative information,
230
663601
2156
thông tin định tính,
11:17
and interpret the oracle's babblings.
231
665781
2075
và dịch những lời nói nhảm của tiên tri.
11:21
So the oracle didn't stand alone,
232
669428
2292
Vậy ra nhà tiên tri không đơn độc,
11:23
and neither should our big data systems.
233
671744
2148
và không như các hệ thống
dữ liệu lớn của ta.
dữ liệu lớn của ta.
11:26
Now to be clear,
234
674630
1161
Bây giờ đã rõ,
11:27
I'm not saying that big data systems
are huffing ethylene gas,
are huffing ethylene gas,
235
675815
3459
Tôi không nói rằng các
hệ thống dữ liệu lớn đang thổi khí Etylen,
hệ thống dữ liệu lớn đang thổi khí Etylen,
11:31
or that they're even giving
invalid predictions.
invalid predictions.
236
679298
2353
hay chúng đang cung cấp các dự đoán sai.
11:33
The total opposite.
237
681675
1161
Hoàn toàn ngược lại.
11:34
But what I am saying
238
682860
2068
Nhưng điều tôi đang nói
11:36
is that in the same way
that the oracle needed her temple guides,
that the oracle needed her temple guides,
239
684952
3832
là giống như cách nhà tiên tri
cần những người hướng dẫn đền của bà ấy,
cần những người hướng dẫn đền của bà ấy,
11:40
our big data systems need them, too.
240
688808
2288
các hệ thống dữ liệu lớn cũng cần họ.
11:43
They need people like ethnographers
and user researchers
and user researchers
241
691120
4109
Chúng cần những nhà nhân chủng học,
nhà nghiên cứu người dùng
nhà nghiên cứu người dùng
11:47
who can gather what I call thick data.
242
695253
2506
họ có thể thu thập cái gọi là dữ liệu dày.
11:50
This is precious data from humans,
243
698502
2991
Đây là dữ liệu quý giá từ con người,
11:53
like stories, emotions and interactions
that cannot be quantified.
that cannot be quantified.
244
701517
4102
như những câu chuyện, cảm xúc và những
tương tác mà không thể lượng hóa được.
tương tác mà không thể lượng hóa được.
11:57
It's the kind of data
that I collected for Nokia
that I collected for Nokia
245
705643
2322
Đó là loại dữ liệu
mà tôi đã thu thập cho Nokia
mà tôi đã thu thập cho Nokia
11:59
that comes in in the form
of a very small sample size,
of a very small sample size,
246
707989
2669
nó thể hiện dưới dạng
có kích thước mẫu rất nhỏ,
có kích thước mẫu rất nhỏ,
12:02
but delivers incredible depth of meaning.
247
710682
2955
nhưng chuyển tải độ sâu ý nghĩa
không thể tin được.
không thể tin được.
12:05
And what makes it so thick and meaty
248
713661
3680
Và điều làm cho nó mang nhiều ý nghĩa
12:10
is the experience of understanding
the human narrative.
the human narrative.
249
718445
4029
là sự trải nghiệm thấu hiểu
những câu chuyện về con người.
những câu chuyện về con người.
12:14
And that's what helps to see
what's missing in our models.
what's missing in our models.
250
722498
3639
Nó giúp ta nhìn thấy những thiếu sót trong
các mô hình của chúng ta.
các mô hình của chúng ta.
12:18
Thick data grounds our business questions
in human questions,
in human questions,
251
726851
4045
Dữ liệu dày làm nền tảng cho những câu hỏi
kinh doanh theo những câu hỏi con người,
kinh doanh theo những câu hỏi con người,
12:22
and that's why integrating
big and thick data
big and thick data
252
730920
3562
và đó là lý do
việc tích hợp dữ liệu dày và dữ liệu lớn
việc tích hợp dữ liệu dày và dữ liệu lớn
12:26
forms a more complete picture.
253
734506
1689
tạo nên một bức tranh đầy đủ hơn.
12:28
Big data is able to offer
insights at scale
insights at scale
254
736772
2881
Dữ liệu lớn có thể đem đến
những thông tin theo quy mô
những thông tin theo quy mô
12:31
and leverage the best
of machine intelligence,
of machine intelligence,
255
739677
2647
và tận dụng tối đa trí tuệ của máy,
12:34
whereas thick data can help us
rescue the context loss
rescue the context loss
256
742348
3572
trong khi dữ liệu dày có thể giúp ta
cứu vớt những mất mát ngữ cảnh
cứu vớt những mất mát ngữ cảnh
12:37
that comes from making big data usable,
257
745944
2098
mà để làm cho
dữ liệu lớn có thể dùng được,
dữ liệu lớn có thể dùng được,
12:40
and leverage the best
of human intelligence.
of human intelligence.
258
748066
2181
và tối đa hóa trí tuệ con người.
12:42
And when you actually integrate the two,
that's when things get really fun,
that's when things get really fun,
259
750271
3552
Và khi bạn tích hợp hai loại đó lại,
lúc đó mọi thứ sẽ rất thú vị,
lúc đó mọi thứ sẽ rất thú vị,
12:45
because then you're no longer
just working with data
just working with data
260
753847
2436
bởi vì bạn không còn chỉ
làm việc với dữ liệu
làm việc với dữ liệu
12:48
you've already collected.
261
756307
1196
mà bạn đã thu thập sẵn.
12:49
You get to also work with data
that hasn't been collected.
that hasn't been collected.
262
757527
2737
Bạn sẽ cần làm việc với dữ liệu
mà chưa được thu thập.
mà chưa được thu thập.
12:52
You get to ask questions about why:
263
760288
1719
Bạn cần hỏi những câu tại sao:
12:54
Why is this happening?
264
762031
1317
Tại sao điều này xảy ra?
12:55
Now, when Netflix did this,
265
763778
1379
Khi Netflix làm điều này,
12:57
they unlocked a whole new way
to transform their business.
to transform their business.
266
765181
3035
họ đã mở ra một con đường hoàn toàn mới
để thay đổi việc làm ăn.
để thay đổi việc làm ăn.
13:01
Netflix is known for their really great
recommendation algorithm,
recommendation algorithm,
267
769406
3956
Netflix được biết đến với
giải thuật khuyến nghị tuyệt vời của họ,
giải thuật khuyến nghị tuyệt vời của họ,
13:05
and they had this $1 million prize
for anyone who could improve it.
for anyone who could improve it.
268
773386
4797
và họ đã treo giải 1 triệu đô
cho ai có thể cải thiện nó.
cho ai có thể cải thiện nó.
13:10
And there were winners.
269
778207
1314
Đây, những người đoạt giải.
13:12
But Netflix discovered
the improvements were only incremental.
the improvements were only incremental.
270
780255
4323
Nhưng Netflix khám phá ra rằng
sự cải tiến chỉ giúp tăng dần.
sự cải tiến chỉ giúp tăng dần.
13:17
So to really find out what was going on,
271
785404
1964
Để tìm ra điều gì đang thực sự diễn ra,
13:19
they hired an ethnographer,
Grant McCracken,
Grant McCracken,
272
787392
3741
họ thuê một nhà nhân chủng học,
Grant McCracken,
Grant McCracken,
13:23
to gather thick data insights.
273
791157
1546
để tập hợp ý nghĩa dữ liệu dày.
13:24
And what he discovered was something
that they hadn't seen initially
that they hadn't seen initially
274
792727
3924
Và ông ấy đã khám phá ra là có điều gì đó
mà họ đã không nhận thấy ngay từ đầu
mà họ đã không nhận thấy ngay từ đầu
13:28
in the quantitative data.
275
796675
1355
trong dữ liệu định lượng.
13:31
He discovered that people loved
to binge-watch.
to binge-watch.
276
799072
2728
Ông khám phá ra rằng
mọi người thích xem quá độ.
mọi người thích xem quá độ.
13:33
In fact, people didn't even
feel guilty about it.
feel guilty about it.
277
801824
2353
Nhưng người ta không cảm thấy
có lỗi về điều đó.
có lỗi về điều đó.
13:36
They enjoyed it.
278
804201
1255
Họ thưởng thức nó.
13:37
(Laughter)
279
805480
1026
(Cười)
13:38
So Netflix was like,
"Oh. This is a new insight."
"Oh. This is a new insight."
280
806530
2356
Netflix tiếp nhận kiểu,
"Ồ, đây là cách nhìn mới."
"Ồ, đây là cách nhìn mới."
13:40
So they went to their data science team,
281
808910
1938
Và họ đã gặp đội
khoa học dữ liệu của họ,
khoa học dữ liệu của họ,
13:42
and they were able to scale
this big data insight
this big data insight
282
810872
2318
và họ có thể điều chỉnh
tỉ lệ ý nghĩa dữ liệu lớn
tỉ lệ ý nghĩa dữ liệu lớn
13:45
in with their quantitative data.
283
813214
2587
cùng với dữ liệu định lượng của họ.
13:47
And once they verified it
and validated it,
and validated it,
284
815825
3170
Và khi đã xác minh và xác nhận nó,
13:51
Netflix decided to do something
very simple but impactful.
very simple but impactful.
285
819019
4761
Netflix đã quyết định làm điều gì đó
rất đơn giản nhưng có ảnh hưởng lớn.
rất đơn giản nhưng có ảnh hưởng lớn.
13:56
They said, instead of offering
the same show from different genres
the same show from different genres
286
824834
6492
Họ nói, thay vì chào mời cùng chương trình
đến các giới tính khác nhau
đến các giới tính khác nhau
14:03
or more of the different shows
from similar users,
from similar users,
287
831350
3888
hay tăng các chương trình khác nhau
đến cùng lớp người dùng,
đến cùng lớp người dùng,
14:07
we'll just offer more of the same show.
288
835262
2554
chúng tôi sẽ tăng chào mời
cùng loại chương trình.
cùng loại chương trình.
14:09
We'll make it easier
for you to binge-watch.
for you to binge-watch.
289
837840
2105
Chúng tôi sẽ giúp bạn xem quá độ
dễ dàng hơn.
dễ dàng hơn.
14:11
And they didn't stop there.
290
839969
1486
Và họ không dừng ở đó.
14:13
They did all these things
291
841479
1474
Họ đã làm tất cả những điều đó
14:14
to redesign their entire
viewer experience,
viewer experience,
292
842977
2959
để thiết kế lại toàn bộ
trải nghiệm cho người xem,
trải nghiệm cho người xem,
14:17
to really encourage binge-watching.
293
845960
1758
để thực sự khuyến khích xem quá độ.
14:20
It's why people and friends disappear
for whole weekends at a time,
for whole weekends at a time,
294
848230
3241
Đó là lý do mọi người và bạn bè
biến mất cả cuối tuần cùng lúc,
biến mất cả cuối tuần cùng lúc,
14:23
catching up on shows
like "Master of None."
like "Master of None."
295
851495
2343
theo dõi các chương trình
như "Không thông thạo."
như "Không thông thạo."
14:25
By integrating big data and thick data,
they not only improved their business,
they not only improved their business,
296
853862
4173
Việc tích hợp dữ liệu lớn và dữ liệu dày,
họ đã không chỉ cải thiện việc kinh doanh,
họ đã không chỉ cải thiện việc kinh doanh,
14:30
but they transformed how we consume media.
297
858059
2812
nhưng họ còn thay đổi
cách chúng ta tiêu dùng truyền thông.
cách chúng ta tiêu dùng truyền thông.
14:32
And now their stocks are projected
to double in the next few years.
to double in the next few years.
298
860895
4552
Và giờ đây kho hàng của họ được dự báo
sẽ gấp đôi trong vài năm đến.
sẽ gấp đôi trong vài năm đến.
14:38
But this isn't just about
watching more videos
watching more videos
299
866280
3830
Nhưng đây không chỉ là
xem nhiều phim hơn
xem nhiều phim hơn
14:42
or selling more smartphones.
300
870134
1620
hay bán nhiều điện thoại hơn.
14:44
For some, integrating thick data
insights into the algorithm
insights into the algorithm
301
872143
4050
Đối với một số người, tích hợp
ý nghĩa dữ liệu dày và giải thuật
ý nghĩa dữ liệu dày và giải thuật
14:48
could mean life or death,
302
876217
2263
có ý nghĩa sống còn,
14:50
especially for the marginalized.
303
878504
2146
đặc biệt những người
bị gạt ra khỏi cuộc chơi.
bị gạt ra khỏi cuộc chơi.
14:53
All around the country,
police departments are using big data
police departments are using big data
304
881738
3434
Trên khắp đất nước,
các sở cảnh sát đang sử dụng dữ liệu lớn
các sở cảnh sát đang sử dụng dữ liệu lớn
14:57
for predictive policing,
305
885196
1963
cho việc giữ trật tự có dự báo,
14:59
to set bond amounts
and sentencing recommendations
and sentencing recommendations
306
887183
3084
để thiết lập mức bảo lãnh
và các khuyến nghị hình phạt
và các khuyến nghị hình phạt
15:02
in ways that reinforce existing biases.
307
890291
3147
theo nhiều cách để củng cố lại
các thiên vị đang tồn tại.
các thiên vị đang tồn tại.
15:06
NSA's Skynet machine learning algorithm
308
894296
2423
Máy giải thuật học của NSA's Skynet
15:08
has possibly aided in the deaths
of thousands of civilians in Pakistan
of thousands of civilians in Pakistan
309
896743
5444
có thể đã góp phần vào những cái chết
của hàng ngàn thường dân vô tội ở Pakistan
của hàng ngàn thường dân vô tội ở Pakistan
15:14
from misreading cellular device metadata.
310
902211
2721
vì đọc sai dữ liệu mô tả thiết bị di động.
15:19
As all of our lives become more automated,
311
907131
3403
Khi cuộc sống chúng ta
trở nên tự động hóa hơn,
trở nên tự động hóa hơn,
15:22
from automobiles to health insurance
or to employment,
or to employment,
312
910558
3080
từ xe ô tô đến bảo hiểm y tế,
hay việc làm,
hay việc làm,
15:25
it is likely that all of us
313
913662
2350
có vẻ như rằng tất cả chúng ta
15:28
will be impacted
by the quantification bias.
by the quantification bias.
314
916036
2989
sẽ bị ảnh hưởng
bởi sự thiên vị định lượng.
bởi sự thiên vị định lượng.
15:32
Now, the good news
is that we've come a long way
is that we've come a long way
315
920972
2621
Giờ đây, tin tốt là
chúng ta đã đi một chặng đường dài
chúng ta đã đi một chặng đường dài
15:35
from huffing ethylene gas
to make predictions.
to make predictions.
316
923617
2450
từ hít phải khí Etylen
đến việc đưa ra các dự báo.
đến việc đưa ra các dự báo.
15:38
We have better tools,
so let's just use them better.
so let's just use them better.
317
926091
3070
Chúng ta có các công cụ tốt hơn,
nên hãy sử dụng chúng tốt hơn.
nên hãy sử dụng chúng tốt hơn.
15:41
Let's integrate the big data
with the thick data.
with the thick data.
318
929185
2323
Ta hãy tích hợp dữ liệu lớn cùng
với dữ liệu dày.
với dữ liệu dày.
15:43
Let's bring our temple guides
with the oracles,
with the oracles,
319
931532
2261
Hãy đem người hướng dẫn đền
đến với nhà tiên tri
đến với nhà tiên tri
15:45
and whether this work happens
in companies or nonprofits
in companies or nonprofits
320
933817
3376
và cho dù việc này xãy ra ở công ty
hay các tổ chức phi lợi nhuận
hay các tổ chức phi lợi nhuận
15:49
or government or even in the software,
321
937217
2469
hay chính phủ hay ngay cả trong phần mềm,
15:51
all of it matters,
322
939710
1792
tất cả chúng đều quan trọng,
15:53
because that means
we're collectively committed
we're collectively committed
323
941526
3023
bởi vì nó có nghĩa
chúng ta đã cam kết một cách tập thể
chúng ta đã cam kết một cách tập thể
15:56
to making better data,
324
944573
2191
để tạo ra dữ liệu tốt hơn,
15:58
better algorithms, better outputs
325
946788
1836
các giải thuật tốt hơn,
kết quả tốt hơn
kết quả tốt hơn
16:00
and better decisions.
326
948648
1643
và các quyết định tốt hơn.
16:02
This is how we'll avoid
missing that something.
missing that something.
327
950315
3558
Đây là cách chúng ta sẽ tránh bỏ lỡ
những thứ quan trọng đó.
những thứ quan trọng đó.
16:07
(Applause)
328
955222
3948
(Vỗ tay)
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