Takeaway:
మైక్రోసాఫ్ట్ రీసెర్చ్ కేట్ క్రాఫోర్డ్‌లోని ప్రధాన పరిశోధకుడు చాలా వ్యాపార అనువర్తనాలకు పెద్ద డేటా తప్పనిసరి అయితే, అనేక ఫలితాలను అర్థం చేసుకోవడానికి ఒకటి కంటే ఎక్కువ మార్గాలు ఉన్నాయి.
2013 స్ట్రాటా కాన్ఫరెన్స్‌లో మైక్రోసాఫ్ట్ రీసెర్చ్ ప్రధాన పరిశోధకుడు కేట్ క్రాఫోర్డ్ చేసిన మనోహరమైన ప్రదర్శన పెద్ద డేటాను మరియు దాని అర్థం ఏమిటో నిశితంగా పరిశీలిస్తుంది, క్రాఫోర్డ్ "అల్గోరిథమిక్ భ్రమలు" అని పిలిచే వాటిలో కొన్నింటిని మరియు పెద్ద-స్థాయి డేటా పరిష్కారాల పరిమితులను అన్వేషిస్తుంది. అవి వ్యాపార ప్రపంచంలోని అనేక ప్రాంతాలలో స్వీకరించబడుతున్నాయి.స్పిన్నింగ్ పిల్లితో కూడిన ఆప్టికల్ భ్రమకు ప్రాథమిక సారూప్యతను ఉపయోగించి, క్రాఫోర్డ్ అనేక వ్యాపార అనువర్తనాలకు పెద్ద డేటా తప్పనిసరి అయితే, మానవ నిర్ణయాధికారులకు లక్ష్యం అనిపించే డేటా సెట్ల యొక్క అనేక ఫలితాలను అర్థం చేసుకోవడానికి ఒకటి కంటే ఎక్కువ మార్గాలు ఉన్నాయి. .
"విషయాలు భిన్నంగా చూడవచ్చు" అని క్రాఫోర్డ్ చెప్పారు, ఆమె మరియు సహ రచయిత డేవిడ్ బోయ్డ్ పెద్ద డేటా వాడకం యొక్క కొన్ని ప్రధాన సూత్రాలను ప్రతిబింబిస్తుంది, వీటిలో క్రాఫోర్డ్ "పురాణాలు" అని పిలుస్తారు లేదా పెద్ద డేటా సంపూర్ణ సత్యాన్ని తెస్తుంది అనే నమ్మకంతో సహా మరియు ఒక ప్రాజెక్టుకు ఆబ్జెక్టివిజం. నాయకులు, తరచుగా పెద్ద డేటాను ఒక ఆబ్జెక్టివ్ పక్షి దృష్టితో నేరుగా అనుబంధిస్తారు, అయితే ఈ నిష్పాక్షికతను కీలక మార్గాల్లో ప్రభావితం చేసే మూడు ప్రాథమిక పరిమితులు లేదా పరిగణనలను ఆమె విస్మరిస్తుంది: పక్షపాతం, సిగ్నల్ మరియు స్కేల్.
పక్షపాతంతో ప్రారంభించి, క్రాఫోర్డ్ ఆస్ట్రేలియా మరియు యునైటెడ్ స్టేట్స్‌లో వరదలకు ఉదాహరణలను ఉపయోగిస్తుంది, పెద్ద డేటా ఎల్లప్పుడూ వీధిలో వాస్తవికతతో సరిపోలడం లేదు. ఆమె రెండవ సూత్రం, సిగ్నల్‌తో జతకడుతుంది, డేటా సెట్‌లు ఫలితాలను భారీగా వక్రీకరించగల దాచిన వాస్తవాలను ఎలా ప్రతిబింబిస్తాయో మరింత వివరిస్తుంది. ఒక ఉదాహరణగా, ఖండాలు మరియు దేశాల సాపేక్ష పరిమాణం యొక్క ఆబ్జెక్టివ్ దృక్పథాన్ని చూపించే ప్రయత్నంలో అభివృద్ధి చేయబడిన అనేక రకాల ప్రపంచ పటాలను క్రాఫోర్డ్ ఉదహరించారు.
"పటాలు తటస్థంగా లేవు" అని క్రాఫోర్డ్ చెప్పారు. "మేము మా డేటాను సూచించాలని నిర్ణయించుకున్న ప్రతిసారీ మేము ఎంపికలు చేస్తున్నాము."
సూత్రాన్ని మరింత వివరించడానికి, క్రాఫోర్డ్ నగర అధికారులకు బోస్టన్‌లోని గుంతలను నివేదించే ఒక అనువర్తనం యొక్క ఉదాహరణను ఉపయోగిస్తుంది, స్మార్ట్‌ఫోన్‌లు మరియు మొబైల్ పరికరాల్లో పనిచేసే ఈ రకమైన అనువర్తనాలు మొత్తం నివేదికలను సాపేక్ష వయస్సును సూచించే జనాభా లెక్కల పటాల మాదిరిగా కనిపించేలా చేస్తాయని సూచిస్తున్నాయి. మరియు నగరం లేదా మునిసిపాలిటీ అంతటా ఆదాయం.
"ప్రత్యేకమైన సామాజిక అసమానతలను మరింతగా ప్రభావితం చేసే ప్రమాదాన్ని మేము నడుపుతున్నాము" అని క్రాఫోర్డ్ చెప్పారు, సాంకేతిక వినియోగంలో తేడాల కారణంగా ఇచ్చిన పెద్ద డేటా సెట్ నుండి బయటపడవచ్చు.
"మీరు పెద్ద డేటా సెట్ల నీడలో నివసిస్తుంటే ఏమి జరుగుతుంది?" ఆమె చెప్పింది.
అదనంగా, క్రాఫోర్డ్ సంవత్సరాల క్రితం పరిశోధన గురించి మాట్లాడుతుంది, ఇది ఉన్నత-స్థాయి సమాచారం ఎల్లప్పుడూ ఎక్కువ కణిక డేటాను సూచిస్తుందా మరియు "ఆబ్జెక్టివ్ పనోరమా" ఎల్లప్పుడూ చిన్న స్థాయిలో డేటా కంటే మరింత ఖచ్చితమైన ప్రాతినిధ్యంగా పనిచేస్తుందా అని ప్రశ్నించింది. క్రాఫోర్డ్ శ్రోతలను పెద్ద డేటా గురించి మాత్రమే కాకుండా "లోతుతో ఉన్న డేటా" గురించి కూడా ఆలోచించమని అడుగుతుంది. దీని ద్వారా, ఆమె అర్థం ఏమిటంటే, పాఠకులను మరింత గ్లోబల్ విధానంతో వివరించకుండా, ఆబ్జెక్టివ్ రియాలిటీ వైపు నిజంగా నడిపించే డేటా, అర్థం చేసుకోవడం సులభం అయితే, వాస్తవానికి ఉనికిలో ఉన్న ముఖ్య అంశాలను వదిలివేయవచ్చు.