Big Data: خوب یا بد

Big Data: خوب یا بد

به نظر می‌رسد در حال حاضر شرایط به گونه‌ای است که می‌توان به کمک داده‌پژوهی پول خوبی به جیب زد! البته این چیزی است که گزارش‌های انتشارات معروف O'Reilly نشان می‌دهند. ولی اکنون این سؤال پیش می‌آید که Big Data چقدر می‌تواند سودآور باشد و مهم‌تر اینکه برای افزایش سودآوری چه بهایی باید پرداخت؟ 

در سال‌های اخیر حقوق کسانی که با علم داده سرو‌کار دارند به طرز قابل‌توجهی افزایش پیدا کرده است. آمار و ارقام دستمزد متخصصین داده بسیار جالب به نظر می‌رسد. چنین دستمزدی شاید آرزوی بسیار از ما باشد ولی بحث ما به دستمزدهای وسوسه‌کننده مربوط نمی‌شود. روی دیگر این دستمزدهای ایده‌آل، بیکاری بسیاری از کسانی است که جای خود را به ماشین‌ها داده‌اند. در حقیقت، متخصصین داده ماهیت کارشان این است که افراد زیادی را از کار بیکار کنند!

Patrick McKenzie کسی است که در دنیای وب، اپلیکیشن و استارتاپ پروژه‌های موفقیت‌آمیزی داشته است؛ او در مورد مهندسین گفته که «کار آن‌ها در واقع بیکار کردن دیگران است.» و جالب اینجا است که این دیدگاه در مورد متخصصین داده هم کاملاً صدق می‌کند. هم متخصصین داده و هم مهندسین، کارشان این است تا کاری کنند که یک سیستم پربازده‌تر و مؤثرتر کار کند و در بیشتر مواقع هم مؤثرتر شدن و بهینه‌تر شدن سیستم به این معنا است که یک نفر باید جایش را به یک ماشین بدهد؛ بنابراین بیکار شدن افراد در بهینه‌سازی سیستم‌ها اجتناب‌ناپذیر است!

البته همه مشاغل در فرآیند بهینه‌سازی سیستم در خطر نیستند. عملکرد مشترک انسان و ماشین در کنار یکدیگر برای جمع‌آوری و پردازش داده‌ها اهمیت و کارایی زیادی دارد و این همان چیزی است که به تازگی دنیای فناوری و صنعت متوجه آن شده است. بنابراین جایگاه برخی مشاغل به هر حال محفوظ خواهد ماند.

تعامل انسان و ماشین در علم داده‌ها 
اوایل که بحث کلان داده‌ها مطرح شده بود، گزارش‌های مختلفی منتشر می‌شد. این گزارش‌ها به اتفاق نشان می‌دادند که ماشین قرار است به زودی جایگزین انسان شود و کار تحلیل داده‌ها را بر عهده گیرد. 

در عمل، مشخص شد که ماشین‌ها در تحلیل داده‌ها آن‌قدرها هم که تصور می‌کردیم خوب و عالی نیستند. با آنکه ما انسان‌ها ممکن است جهت‌گیری داشته باشیم یا دچار خطا شویم (هم در بحث انتخاب داده‌هایی که می‌خواهیم جمع‌آوری کنیم و هم در تحلیل آن‌ها) و یا تحلیل‌های ناقص و نادرستی ارائه دهیم، ولی با این حال حضور ما در کنار ماشین برای درک داده‌ها ضروری است. در واقع، کلید حل ماجرا در این نیست که انسان‌ها به‌ طور کامل جای خود را به ماشین‌ها بدهند؛ بلکه بهترین راه‌حل آن است که ایده‌آل‌ترین حالت تعادل میان انسان و ماشین برقرار شود.

Svetlana Sicular که خود در شرکت Gartner (شرکت مشاوره در زمینهٔ فناوری اطلاعات و تحقیقات) کار می‌کند و تجربهٔ زیادی در کار با کلان داده دارد در این مورد گفته است: 

به نظرم هم‌زیستی انسان و ماشین مثل قنطورس (موجود افسانه‌ای به صورت ترکیبی از نیم‌تنهٔ بالای انسان و نیم‌تنهٔ پایین اسب) است. در این میان، سر قنطورس همیشه سر انسانه و او کاری که در اون مهارت داره رو بر عهده می‌گیره یعنی خلاقیت، کنجکاوی و همدردی. در طرف دیگر هم ماشین همان کاری که برای اون برنامه‌ریزی شده رو انجام می‌ده یعنی جمع‌آوری داده‌ها، فشرده‌سازی اون‌ها و تحلیل سریع و برق‌آسای چیزی که مورد نیازه.
برای آنکه پاسخ‌های ماشین از یکسری روابط به علت و معلول تبدیل بشن، نیاز به حضور یک انسان هست. این انسان‌ها هستن که از داده‌ها استفاده می‌کنن و هدف درست برای بررسی کردن رو مشخص می‌کنن. هر دو طرف ماجرا به طرف دیگر کمک می‌کنن تا کار به بهترین صورت انجام بشه و این قنطورس ترکیب هوش انسانی و هوش مصنوعی رو هدایت می‌کنه. 

بیکاری ناشی از داده 
همان‌طور که گفتیم، همهٔ مشاغل از خطر حضور کلان داده در دنیای امروز و احتمالاً آینده در امان نخواهند بود. ممکن است تصور اینکه در آینده استفاده از کلان داده کارها را ساده‌تر کرده و جای انسان‌ها را پر می‌کند، جالب و هیجان‌انگیز به نظر برسد؛ ولی بخش دیگر ماجرا این است که لزوماً افراد زیادی مشاغل خود را از دست می‌دهند و این اصلاً جالب نیست.

سیکیولار می‌گوید ما باید به یاد داشته باشیم که ماشین‌ها از یک جنبه از ما برتر هستند، یعنی در بحث الگوریتم‌ها و داده‌ها و این در حالی است که انسان‌ها را می‌توان ماشین‌های همه‌کاره دانست که در خیلی زمینه‌ها می‌توانند خوب باشند و کسانی که به‌ طور ویژه در یک زمینهٔ مشخص توانایی بالایی ندارند ممکن است جای خود را به ماشین‌های برتر، بهتر و تک‌منظوره بدهند.

تا پیش از این، رابطهٔ انسان و فناوری تا این حد به یکدیگر نزدیک نشده بود. در گذشته شرکت‌هایی که درآمدهای کلان داشتند و دنیا را تحت‌تأثیر قرار می‌دادند، همیشه سرمایه‌های کلان و کارکنان بسیاری داشتند. به طور مثال، در سال 1990 سه شرکت اتومبیل‌سازی بزرگ دیترویت درآمدی معادل با 250 میلیارد دلار و ارزش بازار 36 میلیارد دلار داشتند که توانسته بودند 1/2 میلیون نفر کارمند را مشغول به کار کنند. در مقام مقایسه، در سال 2014 سه شرکت برتر در سیلیکون‌ولی ارزش سهامی بالای 1 تریلیون داشتند در حالی که تعداد کارمندان این شرکت‌ها فقط به 137 هزار نفر می‌رسید!

منبع