В оригинале, на английском языке, название книги звучит совсем по-другому – «Everybody Lies: Big Data, New Data, and What the
Internet Can Tell Us About Who We Really Are». И его можно
перевести примерно так – «Все лгут. Большие данные, Новые данные, и что
Интернет может рассказать нам о том, кто мы есть на самом деле». Это название
гораздо ближе не только к содержанию книги, но и к действительности. Правда
состоит в том, что ни Big Data, ни запросы в
поисковиках, ни профили в соцсетях, ни лайки в Facebook, ни даже отслеживание пользователей по геолокации
смартфонов, не позволят узнать о каком-то конкретном пользователе абсолютно
всё. Наоборот, и в книге об этом очень много говориться, эти данные чаще могут
вводить в заблуждение исследователей (или иных бенефициаров Big Data). Люди очень часто лгут и при заполнении профилей, и в резюме
и при выставлении лайков.
Однако, издательство Эксмо решило выбрать именно такое агрессивное и
бескомпромиссное название, обильно отдающее желтизной и безысходностью, что,
собственно, соответствует нынешним трендам эпохи постправды. В новостных лентах
я обычно обхожу такие кричащие заголовки, в которых изначально заложено
какое-нибудь противоречие. Но здесь я не удержался, и прочитал всю книгу. И,
надо сказать, ни чуть не пожалел об этом.
Собственно книга о современных методах анализа Больших данных (Big Data). В ней, к сожалению, вы не найдёте ни программного
кода, ни жёсткой структуры, ни определений, ни формул, характерных для
учебников. В то же время, в ней есть много кейсов, в которых автор принимал
непосредственное участие. Кроме того, в ней множество интервью со специалистами
в этой области и большое количество полезной информации, благодаря которой
книга получилась завершённой и вполне удовлетворяющей своим целям.
Первый и, наверное, самый главный вывод, который лично я для себя вывел
после прочтения книги, заключается в том, что анализ Больших данных в настоящее
время находится на самой начальной стадии. А в тех случаях, когда в результате
этого анализа были получены полезные результаты, становилось очевидным, что их
дальнейшая интерпретация и осмысление всё ещё требуют дополнительных усилий и
времени. Например, применение А/В-тестирования во время предвыборной компании
Барака Обамы. При выборе дизайна главной странички вебсайта Президента
применялось именно это тестирование, которое заключается в том, что меняя фон,
шрифт или фотографию Президента, подсчитываются количества кликов при каждом
таком изменении. В результате был выбран дизайн страницы с фотографией
Президента на фоне его семьи, что помогло привлечь на 40% больше
зарегистрированных избирателей и, соответственно, большее финансирования.
Однако, повсеместное привлечение А/В-тестирования без чёткого понимания
причинно-следственных связей может привести, например, к нежелательной
сегрегации на большинство и меньшинство.
Работа с Большими данными в основном относиться к выявлению благоприятных
корреляций, а не к нахождению истинных причинно-следственных связей. Например,
знаменитый первый закон виноградарства, с помощью которого определяют цену на
будущее вино в зависимости от погодных условий во время вегетации; или
соотношение левого желудочка сердца и селезёнки скаковой лошади для определения
перспектив животного на скачках. Эти корреляции плод долгих поисков и они
работают, но вот объяснений относительно того, почему они работают именно в
таких соотношениях, так и не удалось найти.
Учитывая всё это, я бы не разделил оптимизма автора книги, который считает,
что с появлением Больших данных такие науки, как экономика, социология и
психология, приобрели такую же определённость и упорядоченность, как физика,
биология и химия. Я бы даже сказал больше. Даже биология, и то, только с приходом
современных технологий стала постепенно приближаться к физике, переходя из
описательной науки в причинно-следственную. Да и современная психология всё
больше опирается на нейробиологию и сопутствующие науки. Что же касается
экономики и социологии, то этим наукам, на мой взгляд, предстоит ещё очень
долгий путь для того, чтобы хотя бы приблизиться к уровню упорядоченности и
стройности, по крайней мере, ньютоновской физики. Анализ Больших данных – это
всего лишь ещё один метод исследования с большой выборкой и степенью
достоверности, и вряд ли этот инструмент может существенно повлиять на
состояние этих наук. К тому же, этим инструментом уж очень часто
злоупотребляют, создавая, например, поведенческие зависимости, увеличивающие
время пребывания пользователей в соцсетях.
В заключении хотел бы сказать, что книга безусловно рекомендуется к
прочтению. В ней не только содержится масса полезной и интересной информации, но
и описаны методы, с помощью которых с Большими данными работают такие гиганты
как Google, Facebook и Amazon.
К тому же, книга
невольно заставляет ещё раз задуматься о том, стоит ли так безрассудно
размещать свои личные данные в Интернете. Уж очень не хочется быть кем-то посчитанным,
взвешенным и уложенным на соответствующую полочку с вполне себе конкретным ценником
и штрихкодом.
