Peneliti Membuktikan Menggunakan Data Besar Dapat Menghasilkan Anda dan Saya

Pada 1997, para peneliti NASA mengemukakan frasa "big data" untuk menggambarkan pemrosesan informasi volume tinggi oleh superkomputer. Pada 2008, data besar dihipnotis sebagai alat yang belum pernah ada sebelumnya yang mampu memecahkan masalah yang menjangkiti sains, pendidikan, teknologi, dan - kebanyakan, jika kita jujur ​​- bisnis. Tetapi dalam sebuah makalah baru-baru ini diterbitkan di Pekerjaan Sosial Australia, akademisi memperingatkan bahwa kita mungkin menjadi terlalu bergantung pada penggunaan data besar sebagai sarana untuk menyembuhkan penyakit sosial.

Sementara data besar telah membawa wawasan baru dalam pemberian layanan sosial, peneliti Universitas Queensland Philip Gillingham dan Timothy Graham berpendapat bahwa mereka yang menggunakan data besar - seperti pemerintah - tidak cukup kritis dan berhati-hati dengan informasi tersebut. Skala besar masalah yang diterapkan oleh big data berarti bahwa penilaian subyektif, kesalahan, dan tanggapan yang tidak tepat dapat menyebabkan hasil yang tragis.

"Anda dapat mencocokkan data orang-orang tunawisma dan mengatakan sejumlah besar adalah pecandu alkohol, sehingga mereka dapat ditargetkan dengan rehabilitasi alkohol," kata Gillingham dalam siaran pers. “Tapi apa yang menyebabkan situasi mereka tidak pernah terungkap. Kami perlu memastikan bahwa kami tidak akan menyia-nyiakan sumber daya dan menghina dan menstigmatisasi kelompok orang."

Gillingham menggunakan Selandia Baru sebagai contoh, di mana pejabat pemerintah sebelumnya mempertimbangkan menggunakan data besar untuk memprediksi kemungkinan seseorang akan menjadi pelaku kekerasan terhadap anak. Lubang-lubang dalam data, potensi salah penilaian, dan kesadaran bahwa data besar sebenarnya tidak memberikan jauh lebih banyak wawasan menggagalkan rencana ini, tetapi jika telah lanjut, hasilnya bisa menjadi bencana.

Menggunakan data besar juga sangat, sangat mahal.

"Alat yang ada sudah memberi tahu kami pelaku yang paling mungkin, tanpa menghabiskan jutaan dolar," kata Gillingham. "Biaya fenomenal - dan apakah uang itu bisa dihabiskan lebih baik untuk layanan - adalah sesuatu yang cukup sering diabaikan."

Sementara Gillingham dan Graham berbagi perspektif bahwa uang tunai harus dihabiskan untuk orang-orang yang paling membutuhkannya, ada peningkatan investasi pada data besar sebagai langkah pencegahan. Lembaga seperti Harvard dan University of Chicago memiliki departemen dan inisiatif yang dirancang untuk melatih para ilmuwan data muda untuk menggunakan data besar untuk menyelesaikan masalah yang memengaruhi kesehatan, energi, keselamatan publik, dan pembangunan internasional. Sebagai contoh, para peneliti dalam program Sistem Sosial Teknik Harvard berusaha untuk menggunakan data besar yang diambil dari harga pasar, frekuensi kekeringan, dan tingkat produksi regional untuk memprediksi kapan penduduk pedesaan di Uganda mungkin mengalami krisis pangan.

Contoh penggunaan data besar yang paling terkenal adalah pengumpulan informasi NSA untuk tujuan pengawasan. Tetapi pemerintah juga memasukkan analitik data besar ke dalam Rencana Pendidikan Nasional dan penerapan Undang-Undang Perawatan Terjangkau.

Namun, penggunaan data besar yang paling dikenal untuk orang sehari-hari mungkin adalah iklan - setiap kali Anda masuk ke Facebook, misalnya, Anda dibombardir dengan iklan bertarget yang dikembangkan oleh perusahaan melalui pengumpulan data penawaran. Ini juga, menurut Gillingham, adalah masalah yang menghasilkan uang yang terbuang. Dalam contoh limbah yang lebih pribadi, Gillingham menyampaikan bagaimana ia menunjukkan karakteristik yang dapat dikaitkan dengan orang-orang yang menyukai golf, sehingga ia "terus-menerus dibombardir" dengan surat dan iklan daring untuk pasokan golf. Namun dalam kenyataannya, "kebenaran sebenarnya adalah bahwa saya membenci golf," katanya. Pemodelan prediktif di sini hanya menghasilkan uang yang mungkin juga dibuang ke tempat sampah.