Ein Zitat von Nate Silver

Datengesteuerte Vorhersagen können erfolgreich sein – und sie können scheitern. Wenn wir unsere Rolle in diesem Prozess leugnen, steigt die Wahrscheinlichkeit eines Scheiterns. Bevor wir mehr von unseren Daten verlangen, müssen wir mehr von uns selbst verlangen.
Meiner Ansicht nach veranschaulicht unser Umgang mit der globalen Erwärmung alles, was an unserem Umgang mit der Umwelt falsch ist. Wir stützen unsere Entscheidungen auf Spekulationen, nicht auf Beweise. Befürworter drücken ihre Ansichten mehr mit PR als mit wissenschaftlichen Daten aus. Tatsächlich haben wir zugelassen, dass das ganze Thema politisiert wird – Rot gegen Blau, Republikaner gegen Demokrat. Das ist meiner Meinung nach absurd. Daten sind nicht politisch. Daten sind Daten. Politik führt Sie in die Richtung eines Glaubens. Daten führen Sie zur Wahrheit, wenn Sie ihnen folgen.
Disruptive Technologie ist eine Theorie. Es heißt, dass dies passieren wird, und das ist der Grund; Es ist eine Aussage über Ursache und Wirkung. In unserer Lehre haben wir die Vorzüge der datengesteuerten Entscheidungsfindung so hervorgehoben, dass wir Manager in vielerlei Hinsicht dazu verurteilen, erst Maßnahmen ergreifen zu können, wenn die Daten klar sind und das Spiel vorbei ist. In vielerlei Hinsicht ist eine gute Theorie genauer als Daten. Dadurch können Sie klarer in die Zukunft blicken.
Unser Bedarf an Fleisch, Milchprodukten und raffinierten Kohlenhydraten – die Welt verbraucht täglich eine Milliarde Dosen oder Flaschen Cola – unser Bedarf an diesen Dingen, nicht unser Bedürfnis, unser Wunsch – treibt uns dazu, viel mehr Kalorien zu verbrauchen, als gut für uns ist.
Bei Big Data geht es hauptsächlich darum, Zahlen zu erfassen und diese Zahlen zu nutzen, um Vorhersagen über die Zukunft zu treffen. Je größer der Datensatz, den Sie haben, desto genauer sind die Vorhersagen über die Zukunft.
Wenn ich mir die nächsten Technologien ansehe, die wir in Salesforce entwickeln müssen, handelt es sich ausschließlich um datenwissenschaftliche Technologien. Wir brauchen keine weitere Cloud. Wir brauchen nicht mehr Mobil. Wir brauchen nicht mehr Soziales. Wir brauchen mehr Datenwissenschaft.
Wir sind ... zu einer etwas vagen Unterscheidung zwischen dem, was wir „harte“ Daten und „weiche“ Daten nennen könnten, geführt. Diese Unterscheidung ist eine Frage des Grades und darf nicht unter Druck gesetzt werden; aber wenn man es nicht zu ernst nimmt, kann es helfen, die Situation klar zu machen. Mit „harten“ Daten meine ich diejenigen, die dem lösungsfähigen Einfluss kritischer Reflexion widerstehen, und mit „weichen“ Daten diejenigen, die im Zuge dieses Prozesses für unseren Geist mehr oder weniger zweifelhaft werden.
Man denkt, dass „Big Data“ das Problem der Diskriminierung vermeidet, weil man es mit großen Datensätzen zu tun hat, aber in Wirklichkeit wird Big Data für immer präzisere Formen der Diskriminierung verwendet – eine Form des Data Redlining.
Allein durch die Nachfrage könnte ein Geschäftsmodell entstehen, aber Dinge, die davon angetrieben werden, laufen Gefahr, seelenlos zu sein. Der Antrieb muss aus beiden Richtungen erfolgen. Sie brauchen die Verbindung zwischen Anspruch und kreativer Leidenschaft, die etwas erschaffen will.
Unsere zunehmend elektrifizierte, elektronische und datengesteuerte Gesellschaft stellt einen stetig steigenden Bedarf an zuverlässiger Grundlastversorgung dar – also an Strom, der rund um die Uhr und an 365 Tagen im Jahr verfügbar ist. Die Kellner schlafen nie, auch die Klimaanlage funktioniert in heißen Nächten nicht, und in den Megastädten Asiens machen U-Bahnen und elektrische Züge nur zwischen Mitternacht und 5 Uhr morgens einen kurzen Mittagsschlaf
MapReduce ist zur Assemblersprache für die Big-Data-Verarbeitung geworden, und SnapReduce verwendet ausgefeilte Techniken, um SnapLogic-Datenintegrationspipelines in diese neue Big-Data-Zielsprache zu kompilieren. Unter Anwendung unseres gesamten Wissens über die beiden Welten der Integration und Hadoop haben wir unsere Technologie so entwickelt, dass sie direkt zu MapReduce passt und den Prozess der Konnektivität und Datenintegration im großen Maßstab nahtlos und einfach macht.
Ich bin irgendwie fasziniert von der Idee, dass wir uns mit Informationen umgeben können: Wir können einfach Daten nach Daten anhäufen und uns mit Fakten ausstatten und trotzdem nicht in der Lage sein, die Fragen zu beantworten, die wir haben.
Wenn wir jedoch immer mehr Daten sammeln und immer mehr Zusammenhänge herstellen, werden wir nicht am Ende feststellen, dass wir etwas wissen. Am Ende werden wir einfach immer mehr Daten und größere Zusammenhänge haben.
„Sleep“ ist ein Projekt, über das ich schon seit vielen Jahren nachdenke. Es scheint einfach so, als ob sich die Gesellschaft mehr und mehr in eine Richtung bewegt hat, in der wir es brauchten. Unser psychologischer Raum wird zunehmend von Daten bevölkert. Und wir verbrauchen enorm viel Energie, um Daten zu kuratieren.
Ich denke, wir brauchen mehr Ehrgeiz bei der Nutzung unserer Daten, um unser Leben besser zu machen.
Ich persönlich denke, dass es in 10 Jahren eine größere Nachfrage nach Geisteswissenschaften als Hauptfächern geben wird als nach Programmierfächern und vielleicht sogar nach Ingenieurwissenschaften, denn wenn Ihnen alle Daten ausgespuckt werden, werden Ihnen Optionen ausgespuckt, die Sie brauchen eine andere Perspektive, um eine andere Sicht auf die Daten zu haben.
Die Forderung, dass wir unseren Nächsten wie uns selbst lieben, enthält als Axiom die Forderung, dass wir uns selbst lieben und uns selbst so akzeptieren sollen, wie wir geschaffen wurden.
Diese Website verwendet Cookies, um Ihnen das bestmögliche Erlebnis zu bieten. Mehr Info...
Habe es!