Шрифт:
То же самое можно сказать о любом человеке. Ребенок подмечает, что его мама проявляет к нему больше внимания, когда он плачет. Так он впервые приобщается к науке о данных. Взрослый человек замечает, что с ним меньше общаются, если он часто жалуется – это тоже пример науки о данных, то есть о том, как одна переменная влияет на другую, о причинно-следственной связи.
Так что не стоит бояться цифр и слов «большие данные», советует автор. На самом деле все мы так или иначе имеем с ними дело.
Идея № 2. Мы склонны преувеличивать значение нашего собственного опыта при анализе данных
Бабушка Стивенса-Давидовица не была полностью беспристрастным и объективным аналитиком – ни один человек, основываясь на собственном опыте, не может давать стопроцентно верные прогнозы. Так, она устроила брак сводного брата, который вскоре распался. Она считала, что брак родителей Стивенса-Давидовица непрочный из-за несходства интересов, но они до сих пор счастливы вместе. Вместе с опытом человек в пожилом возрасте смотрит на некоторые вещи так, как это было принято в далеком прошлом. Бабушка, в частности, считала, что для успешного брака необходимо наличие общих друзей – ведь ее собственная жизнь с мужем была именно такой. Но данные исследования ученых-программистов показали, что большое количество общих друзей, например в соцсетях, не продлевают отношения, а скорее наоборот.
Существует множество общественных стереотипов, которые принимаются за истину многими из нас. Так, в США принято считать, что большинство игроков NBA родились и выросли в бедных семьях, в тяжелых условиях, и стремление вырваться из нищеты и убожества привело их в высшую спортивную лигу. Спорт для таких детей – не развлечение, а вопрос жизни и смерти. И действительно, тому есть подтверждения – например, знаменитый Леброн Джеймс родился в бедной семье у малолетней матери-одиночки. Таково расхожее мнение. Что говорят по этому поводу большие данные, а не несколько ярких примеров?
Конец ознакомительного фрагмента.