Ein Zitat von Stephen J. Dubner

In den Wirtschaftswissenschaften kommt es auf die Daten an, und je mehr Rücksichtslosigkeit ein Ökonom aufbringen kann, um die Daten zu verstehen, desto nützlicher werden seine Erkenntnisse sein.
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.
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.
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.
Sinnesdaten sind viel umstrittener als Qualia, weil sie mit einer umstrittenen Wahrnehmungstheorie verbunden sind – dass man die Welt wahrnimmt, indem man seine Sinnesdaten wahrnimmt, oder so ähnlich.
Wissenschaftler ... widersetzen sich ... mehr aus den Daten zu machen, als die Daten aus sich selbst machen.
Daten allein sind nicht nützlich. Daten sind nur dann nützlich, wenn sie für den öffentlichen Nutzen genutzt werden können.
Einer der Mythen über das Internet der Dinge besagt, dass Unternehmen über alle Daten verfügen, die sie benötigen, ihre eigentliche Herausforderung jedoch darin besteht, sie zu verstehen. Tatsächlich sind die Kosten für die Erhebung einiger Datenarten nach wie vor zu hoch, die Qualität der Daten ist nicht immer gut genug und es bleibt schwierig, mehrere Datenquellen zu integrieren.
Je größer Ihr Datensatz ist, je mehr Umfragen Sie haben, je mehr Umfragen Sie durchführen lassen, desto genauer werden Ihre Modelle sein. Das ist einfach eine Tatsache der Datenwissenschaft.
Mit zu wenigen Daten können Sie keine vertrauenswürdigen Schlussfolgerungen ziehen. Bei einer Menge Daten werden Sie auf Beziehungen stoßen, die nicht real sind ... Bei Big Data geht es nicht um Bits, sondern um Talent.
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.
Ich werde etwas ziemlich Kontroverses sagen. Big Data, wie die Menschen es heute verstehen, ist nur eine größere Version von Small Data. Grundsätzlich hat sich nichts an der Art und Weise geändert, wie wir mit Daten umgehen; es gibt einfach mehr davon.
Der größte Fehler ist die übermäßige Abhängigkeit von Daten. Manager werden sagen, wenn keine Daten vorliegen, können sie keine Maßnahmen ergreifen. Es liegen jedoch nur Daten über die Vergangenheit vor. Wenn die Daten schlüssig sind, ist es zu spät, auf der Grundlage dieser Schlussfolgerungen Maßnahmen zu ergreifen.
Regel 1. Originaldaten sollten so präsentiert werden, dass die Beweise in den Originaldaten für alle als nützlich erachteten Vorhersagen erhalten bleiben.
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.
Daten!Daten!Daten!“, schrie er ungeduldig. „Ich kann keine Ziegel ohne Ton herstellen.“
Anwendungen des maschinellen Lernens und der künstlichen Intelligenz erweisen sich als besonders nützlich im Ozean, wo es sowohl so viele Daten – große Oberflächen, große Tiefen – als auch nicht genügend Daten gibt, dass es zu teuer und nicht unbedingt sinnvoll ist, Proben jeglicher Art zu sammeln überall.
Diese Website verwendet Cookies, um Ihnen das bestmögliche Erlebnis zu bieten. Mehr Info...
Habe es!