The Volume Game: Book review of Big Data - Does Size Matter and Small Data

Uma introdução enganosamente leve ao Big Data, onde a inteligência artificial faz o pensamento pesado

livro de tecnologia, resenha de livro de tecnologia, Big Data: resenha de Does Size Matter, resenha de livro de pequenos dados, livros Timandra Harkness, livros de Martin Lindstrom, armazenamento virtual, resenhas de livros, livros mais recentes lançadosQualquer coisa que esteja logicamente conectada a qualquer outra coisa está gerando dados e quanto mais escassa for a economia, mais ricas serão essas conexões.

Big Data: o tamanho importa?
Autor: Timandra Harkness
Editor: Bloomsbury Sigma
Páginas: 304
Preço: 499



Pequenos dados: as pequenas pistas que revelam grandes tendências
Autor: Martin Lindstrom
Editor: Hachette India
Páginas: 245
Preço: 399

que tipo de fruta é uma laranja

A resposta curta à pergunta feita na capa do livro da comediante e proselitista de matemática Timandra Harkness é: claro, o tamanho não importa. Isso nunca importa, exceto nos filmes King Kong e Godzilla. Em todas as outras coisas, é a abordagem que importa. As abordagens de Big Data são definidas por estratégias de armazenamento e processamento amplamente distribuídas e paralelizadas. O tamanho do conjunto de dados é secundário, mas as coisas realmente começam a zumbir quando os volumes sofrem overclock.



Harkness, que tem um toque deliciosamente leve, aponta que o volume de dados lá fora - que ela visualiza como discos rígidos de terabyte embalados em malas em um carrinho de bagagem de aeroporto - está crescendo tão rápido que os números estão desatualizados quando estão Publicados. Qualquer coisa que esteja logicamente conectada a qualquer outra coisa está gerando dados e quanto mais escassa for a economia, mais ricas serão essas conexões. Se um cartão de viagem for recarregado por uma carteira eletrônica conectada a uma conta bancária e um número de celular (que informa constantemente os dados de chamada e localização), dados suficientes são gerados para o perfil do proprietário.



A curva vai ficar mais íngreme à medida que a Internet das Coisas entra em ação. Carros, geladeiras, etiquetas de bagagem, paletes de transporte e similares conectados à Internet vão gerar dados como espuma, e algoritmos estão sendo escritos para explorá-los. É aqui que reside a principal diferença operacional entre os métodos estatísticos tradicionais e as abordagens de big data: as últimas dependem totalmente da inteligência artificial, que aprende à medida que avança. Primeiro, você o instrui nos rudimentos do reconhecimento de padrões e, à medida que ele se aprimora, ele deve teoricamente atingir um ponto em que se lança no mar de dados em busca de padrões que você não esperava encontrar, mas nos quais estaria interessado.

Curiosamente, a inteligência humana do guru de branding Martin Lindstrom busca padrões bastante semelhantes. Uma vez que são selecionados a partir de conjuntos de amostras bastante pequenos, suas conclusões podem ser tratadas como anedóticas ou insight, dependendo de sua utilidade. Na primeira categoria está sua observação extraordinária de que os viajantes a negócios com terno e botas em aeroportos tendem a ter seus cartões de embarque voltados para baixo no bolso. Porque eles querem esconder o fato de que estão voando na economia. Isso tem um excelente valor de entretenimento, mas nenhuma utilidade. Essa homenagem vai para a observação de Lindstrom que aparentemente mudou o Lego, que estava perdendo terreno para a gratificação instantânea oferecida pelos jogos digitais. Ele perguntou a um fã de Lego de 11 anos qual era seu bem mais precioso. Na verdade, era um par de tênis velhos desgastados precisamente no ângulo certo para anunciar ao mundo que seu dono era um skatista campeão. Da gratificação, a Lego voltou seu foco para a prova visível de conquistas, como os modelos caros da Millennium Falcon que até mesmo os adultos brincam.

como é a casca da nogueira

De forma perspicaz, Lindstrom desconfia de Big Data. Porque um dia desses, a IA substituirá os gurus humanos. O reconhecimento de padrões é muito mais confiável do que o insight. É uma habilidade humana inata que as máquinas estão aprendendo agora. Harkness alude ao trabalho pioneiro do epidemiologista britânico John Snow, que usou técnicas estatísticas para rastrear o surto de cólera de 1854 em Londres até uma única bomba manual no Soho. Hoje, as IAs dificultam as pesquisas do Google por conselhos médicos, a partir das quais mapeiam as ondas de epidemias que se aproximam, dando aos serviços de saúde uma profundidade estratégica. Big Data já está sendo usado por empresas e governos e influenciará nosso mundo de maneiras ainda inimagináveis. Se for gentil, permanecerá espaço para o insight humano.