Susan Etlinger: What do we do with all this big data?

번역: Jina Bae 검토: Jeong-Lan Kinser

Technology has brought us so much:

기술은 우리에게 많은 것을 가져다 주었습니다.

the moon landing, the Internet,

그 중엔 달 착륙, 인터넷

the ability to sequence the human genome.

인간 게놈의 배열을 밝힐 수 있는 능력 등이 있죠.

But it also taps into a lot of our deepest fears,

또한 이것은 우리의 깊은 두려움속으로 다가가게 되었죠.

and about 30 years ago,

약 30 년 전,

the culture critic Neil Postman wrote a book

문화 평론가인 네일 포스만은

"죽도록 즐기기"라는 책을 썼습니다.

called "Amusing Ourselves to Death,"

which lays this out really brilliantly.

여기 데이터 시대에 대한 현상을 정말 잘 드러내고 있습니다.

And here's what he said,

그는 조지 오엘과 올더스 헉슬리의

comparing the dystopian visions

반이상향적 시각을 비교하며 한 말이 있는데,

of George Orwell and Aldous Huxley.

He said, Orwell feared we would become

그가 말하길,

조지 오엘은 우리가 억압된 문명이 되는 것을 두려워했고,

a captive culture.

Huxley feared we would become a trivial culture.

헉슬리는 우리가 하찮은 문명이 되는것을 두려워 했다고 했죠.

Orwell feared the truth would be

오엘은 진실이 우리로 부터

concealed from us,

숨겨지는 것을 두려워했고,

and Huxley feared we would be drowned

헉슬리는 우리가 무관성의 바다에서

in a sea of irrelevance.

익사하게 될 것을 두려워했다고 말했습니다.

In a nutshell, it's a choice between

간단히 말해서, 이것은 당신이

Big Brother watching you

독재자에게 감시를 당하느냐,

and you watching Big Brother.

아니면 당신이 독재자를 감시하느냐의 선택이라는 거죠.

(Laughter)

(웃음)

But it doesn't have to be this way.

하지만 꼭 이런 방향일 필요는 없어요.

We are not passive consumers of data and technology.

우리는 데이터와 기술의 수동적 소비자가 아니니까요.

We shape the role it plays in our lives

우리가 그것이 우리의 삶에서 영향을 미치는 역할과

and the way we make meaning from it,

우리가 그 부여하는 의미의 방식을 형성시킵니다.

but to do that,

하지만 그렇게 하려면,

we have to pay as much attention to how we think

우리가 그것으 코드를 쓸 때만큼

우리가 생각하는 방법에 대해 주의를 기울여야 합니다.

as how we code.

We have to ask questions, and hard questions,

우리는 계속해서 질문을 던져야합니다. 어려운 질문들을요.

to move past counting things

그 데이터의 숫자를 계산하는 단계에서 나아가

to understanding them.

그것들을 이해하기 위해서 말이죠.

We're constantly bombarded with stories

세계에 얼마나 많은 양의 데이터가 있는지에 대해

about how much data there is in the world,

끊임없이 쏟아지는 이야기들로 둘러 쌓여있습니다.

but when it comes to big data

그러나 빅 데이터와,

and the challenges of interpreting it,

그것을 해석하는 난관의 경우에는,

규모는 전부가 아닙니다.

size isn't everything.

There's also the speed at which it moves,

거기엔 또한 데이터가 움직이는 속도가 있고

and the many varieties of data types,

데이터들 종류의 다양성도 문제가 되는 것이죠.

and here are just a few examples:

여기 그 예가 몇개 있습니다.

images,

이미지,

text,

문자,

video,

영상,

audio.

음성등이 그것들이죠.

And what unites this disparate types of data

이러한 이질적인 종류의 데이터들을 통합시키는 것은

is that they're created by people

그것들이 사람들에 의해 창조되었고

and they require context.

그것들에는 맥락이 필수적으로 필요하다는 것이죠.

Now, there's a group of data scientists

자, 일리노이주-시카고 대학 출신의

out of the University of Illinois-Chicago,

데이터 과학자 집단이 있는데,

and they're called the Health Media Collaboratory,

그 그룹은, "건강 매체 공동 연구단" 이라고 불립니다.

and they've been working with the Centers for Disease Control

그들은 질병 억제 센터 (Centers for Disease Control)와 함께 일하며

to better understand

사람들이 금연에 대해 이야기하는 방법과

how people talk about quitting smoking,

전자담배에 대해 이야기 하는 방법,

how they talk about electronic cigarettes,

그리고 그들이 금연하는 것을 돕기 위해 집단적으로 할 수 있는것들에 대해

and what they can do collectively

to help them quit.

더 잘 이해하기 위해 함께 연구해오고 있습니다.

The interesting thing is, if you want to understand

흥미있는 것은, 사람들이 흡연에 대해

how people talk about smoking,

이야기하는 방법을 이해하기 원한다면

first you have to understand

먼저 그들이 "흡연"에 관해 이야기할 때,

what they mean when they say "smoking."

그들이, "흡연"이라고 하는 게 무엇을 의미하는지 이해해야 하죠.

And on Twitter, there are four main categories:

그래서, 트위터에는 4개의 주요 범주가 있는데요:

number one, smoking cigarettes;

첫째, 담배 피우기

number two, smoking marijuana;

두번째, 마리화나 피우기

number three, smoking ribs;

세번째, 갈비 훈제하기

and number four, smoking hot women.

그리고 네번째, 매력적인 여자 꼬시기

(웃음)

(Laughter)

자, 그 다음, 사람들이 전자담배에 대해

So then you have to think about, well,

how do people talk about electronic cigarettes?

어떻게 이야기하는지 생각해봐야 하겠죠?

And there are so many different ways

사람들이 이것에 대해 이야기하는 데 매우 다른 방식들이 있어요.

that people do this, and you can see from the slide

여기 슬라이드에서 보실 수 있습니다.

it's a complex kind of a query.

이건 매우 복잡한 종류의 질의어입니다.

And what it reminds us is that

이것은 언어는 인간이 만든 것이라는 것을 우리에게 상기시켜 주죠.

language is created by people,

and people are messy and we're complex

우리는 너저분하고 복잡합니다.

and we use metaphors and slang and jargon

우리는 은유법을 사용하며, 은어와 특수용어를 씁니다.

and we do this 24/7 in many, many languages,

우리는 정말 많은 언어들로 항상 이렇게 합니다.

and then as soon as we figure it out, we change it up.

그리고 우리는 이것을 이해하자 마자 변경하죠.

So did these ads that the CDC put on,

CDC에 방송한 이 광고들은

these television ads that featured a woman

목에 구멍이 있는 여성이 출현하고

with a hole in her throat and that were very graphic

매우 충격적인 이미지이며,

and very disturbing,

마음을 매우 교란시키죠.

did they actually have an impact

이 광고가 사람들이

on whether people quit?

금연하는데 영향을 주었을까요?

And the Health Media Collaboratory respected the limits of their data,

건강 매체 공동 연구단은 데이터의 한계를 준수하였지만,

but they were able to conclude

그럼에도, 그들은 이 연구를 결론 지을 수 있었는데,

that those advertisements — and you may have seen them —

그 광고들은-- 아마 여러분도 보았을지 모릅니다.

that they had the effect of jolting people

그 광고들은 충격받은 사람들의 생각이

into a thought process

미래의 행동에 영향을 미칠지도 모르는

that may have an impact on future behavior.

사고과정으로 이어지는 효과를 가져왔다고 결론지었죠.

And what I admire and appreciate about this project,

그 사실에서 벗어나서

제가 이 프로젝트에 대해 감탄하고 감사하게 여기는 것은

aside from the fact, including the fact

그것이 인간 필수 욕구에 기반을 둔다는 그 점을 포함해서,

that it's based on real human need,

is that it's a fantastic example of courage

무관성이라는 바다에서 용기에 관한 훌륭한 사례라는 것입니다.

in the face of a sea of irrelevance.

And so it's not just big data that causes

또한 이것은 해석을 요구하는

challenges of interpretation, because let's face it,

빅 데이터에 대한 것만이 아닙니다.

we human beings have a very rich history

직면해 보면, 인류는 어떠한 양의 얼마나 작건간에 데이터를 수용해서

of taking any amount of data, no matter how small,

망쳐버린 굉장히 풍부한 역사를 가지고 있습니다.

and screwing it up.

So many years ago, you may remember

수 년전에, 여러분은 대통령 로널드 레이건이

that former President Ronald Reagan

바보같은 사실을 설명한것에 대하여 매우 비난받았던것을 기억하실 거예요.

was very criticized for making a statement

that facts are stupid things.

And it was a slip of the tongue, let's be fair.

그리고 이건 말 실수였죠. 공평해져 봅시다.

He actually meant to quote John Adams' defense

사실은, 그는

보스톤 마사크르 재판에서 존 아담스의 영국군 변론을

of British soldiers in the Boston Massacre trials

that facts are stubborn things.

인용해 사실들은 끈질기게 완강하다고 말 하려는 의도였습니다.

But I actually think there's

저는 그가 이야기했던 것 속엔 사실

a bit of accidental wisdom in what he said,

우연한 지혜가 깃들였었다고 생각합니다.

because facts are stubborn things,

실상이란 끈질기게 완강하지만

but sometimes they're stupid, too.

바보같기도 하기때문이죠.

I want to tell you a personal story

여러분께 왜 빅 데이터가 저에게 큰 문제인지에 대한

about why this matters a lot to me.

개인적인 이야기를 하고싶습니다.

I need to take a breath.

한 숨 돌려야겠네요.

My son Isaac, when he was two,

제 아들 Isaac은 2 살 이였을때

was diagnosed with autism,

자폐증 진단을 받았습니다.

and he was this happy, hilarious,

행복하고, 명랑하며

loving, affectionate little guy,

다정하고, 애정어린 조그만 아이였어요.

but the metrics on his developmental evaluations,

그러나 그의 발달 평가의 척도는

which looked at things like the number of words —

의사소통 행동을 최소한의 시선맞춤 등으로

at that point, none —

어떤 현상을 그저 낱말 수 로 보는것이죠.

communicative gestures and minimal eye contact,

그때 당시에는 전혀 보지 못했죠--

put his developmental level

그래서, 그당시 그의 발달 단계는 9개월이 된 아기의 수준이었습니다.

at that of a nine-month-old baby.

And the diagnosis was factually correct,

그 진단은 눈에 보이는 것으로만 측정된 옳은 것이었지만

but it didn't tell the whole story.

그게 모든 것을 말하는 것은 아니였어요.

And about a year and a half later,

1년 반정도가 지났을 무렵

when he was almost four,

그가 거의 4살이었을때

I found him in front of the computer one day

어느 날, 제 아들이 컴퓨터 앞에 있을 것을 보았어요.

running a Google image search on women,

구글에서 여자 사진을 찾고 있었죠.

spelled "w-i-m-e-n."

철자를 w-i-m-e-n 이라고 썼습니다.

And I did what any obsessed parent would do,

어떤 집착어린 부모가 할 행동을 제가 했어요.

which is immediately started hitting the "back" button

곧 장 "뒤로가기"버튼을 쳐대기 시작했죠.

to see what else he'd been searching for.

제 아들이 어떤 다른 것을 찾았는지 보기 위해서요.

And they were, in order: men,

그 것들은, 순서대로 남자,

school, bus and computer.

학교,

버스,

그리고 컴퓨터였습니다.

저는 매우 충격을 받았어요.

And I was stunned,

because we didn't know that he could spell,

우리는 그가 철자를 읽고 쓸 줄 안다는 것을 몰랐기 때문입니다.

much less read, and so I asked him,

그래서 저는 제 아들에게 물었어요.

"Isaac, how did you do this?"

"Isaac 이걸 어떻게 했니?"

And he looked at me very seriously and said,

그는 저를 매우 진지하게 쳐다보며 말했죠.

"Typed in the box."

"박스 안에 입력했어요."

He was teaching himself to communicate,

그가 스스로 소통하는 법을 배우는 동안

but we were looking in the wrong place,

우리는 엉뚱한 곳을 바라보고 있었던겁니다.

and this is what happens when assessments

평가와 분석들이 하나의 척도에 지나친 가치를 두고 있을 때

and analytics overvalue one metric —

그런 일이 일어나는 겁니다.

in this case, verbal communication —

이 경우에서는, 음성 소통이겠죠.

and undervalue others, such as creative problem-solving.

그리고 창의적 문제 해결과 같은 다른 것들을 과소평가하는 것입니다.

Communication was hard for Isaac,

Issac은 의사소통을 힘들어했고

and so he found a workaround

그래서 그는 차선책을 찾아냈죠.

to find out what he needed to know.

그건 그가 무엇을 알아야하는지 이해하는 것이었어요.

And when you think about it, it makes a lot of sense,

여러분도 이것이 일리가 있다고 여기실겁니다.

because forming a question

왜냐하면 질문을 만드는 것은

is a really complex process,

굉장히 복잡한 절차이기 때문이죠.

but he could get himself a lot of the way there

그러나 그는 여러가지 방법으로 검색창에 글자를 입력하면서

by putting a word in a search box.

스스로 나아갔습니다.

And so this little moment

그리고 이 짧은 순간이

had a really profound impact on me

저와 제 가족들에게 정말 깊은 영향을 주었습니다.

and our family

because it helped us change our frame of reference

그 사건은 우리가 그에게 일어나는 일에 대해

for what was going on with him,

참고할 수 있는 것에 대한 생각을 바꾸게 해주었고,

and worry a little bit less and appreciate

덜 걱정할 수 있게 해주었으며,

그의 문제 해결 능력에 대해 더욱 감사하게 해주었습니다.

his resourcefulness more.

Facts are stupid things.

사실이라는 것은 바보같은 것들 입니다.

And they're vulnerable to misuse,

그것들은 오용되기에 취약합니다.

willful or otherwise.

고의적이거나 아니면 다르게요.

I have a friend, Emily Willingham, who's a scientist,

제게는 에밀리 윌링햄이라는 과학자 친구가있습니다.

and she wrote a piece for Forbes not long ago

얼마전 그녀는 Forbes 잡지에 기사 한편을 기재했습니다.

entitled "The 10 Weirdest Things

"절대 자폐증과 연관성이 없는 10가지 이상한 것들 "

Ever Linked to Autism."

이라는 제목이었어요.

It's quite a list.

상당히 많은 목록이에요.

The Internet, blamed for everything, right?

인터넷은, 모든것의 원인으로 비난 받습니다, 그렇죠?

And of course mothers, because.

그리고 다음은, 물론 엄마입니다.

사실 여기에

And actually, wait, there's more,

there's a whole bunch in the "mother" category here.

"엄마" 라는 범주에는 한 다발이 들어가니까요.

And you can see it's a pretty rich and interesting list.

보다시피, 꽤 풍부하고 흥미로운 목록이 있죠.

I'm a big fan of

개인적으로

being pregnant near freeways, personally.

"고속도로 가까이에서 임신하기"가 가장 마음에 드는군요.

The final one is interesting,

마지막 것은 굉장히 흥미로운데요.

because the term "refrigerator mother"

그것은 "냉장고 엄마"라는 용어는

was actually the original hypothesis

자폐증을 야기시키는 것에 대한 초기의 가설이었고

for the cause of autism,

and that meant somebody who was cold and unloving.

그 용어의 의미는 차갑고 애정이없는 사람을 의미했죠.

And at this point, you might be thinking,

이 지점에서, 아마도 여러분은 생각하실지도 모르겠네요,

"Okay, Susan, we get it,

"좋아, 수잔, 알겠어.

you can take data, you can make it mean anything."

데이터를 취해서, 그걸 어떤 의미로든 만들 수 있다는 거지.

And this is true, it's absolutely true,

그건 사실입니다, 그건 명백한 사실이에요.

but the challenge is that

하지만 곤란한 점은

we have this opportunity

우리에게는 우리 스스로 그것에 의미를 부여할 수 있는 기회가 있다는 겁니다.

to try to make meaning out of it ourselves,

because frankly, data doesn't create meaning. We do.

왜냐면, 솔직히, 데이터는 의미를 부여하지 않죠. 우리가 합니다.

So as businesspeople, as consumers,

사업가, 고객,

as patients, as citizens,

환자, 시민으로서,

we have a responsibility, I think,

전 우리가 비판적 사고능력에 집중하여 상당한 시간을

to spend more time

focusing on our critical thinking skills.

소비해야 할 책임이 있다고 생각합니다.

Why?

왜냐구요?

Because at this point in our history, as we've heard

우리는 우리 역사의 이 점에서, 우리가 여러번 들어왔듯이

many times over,

we can process exabytes of data

우리는 많은 거대 용량의 데이터를

at lightning speed,

빛의 속도로 가공할 수 있고,

and we have the potential to make bad decisions

더욱 빠르고 효과적으로

그리고 우리가 과거에 미쳤던 것보다 더 큰 영향력을 미치면서

far more quickly, efficiently,

and with far greater impact than we did in the past.

나쁜 결정을 내릴 수 있는 잠재성이 있기 때문이죠.

Great, right?

훌륭하네요, 그렇죠?

And so what we need to do instead

그래서 우리가 대신에 해야하는 것은

is spend a little bit more time

아주 조금 더 많은 시간을

on things like the humanities

인류학이나

and sociology, and the social sciences,

사회학, 그리고 사회과학

rhetoric, philosophy, ethics,

수사학, 철학, 도덕 같은 것들에 투자하는 것입니다.

because they give us context that is so important

왜냐하면 그것들이 우리에게 빅 데이터에 관한

for big data, and because

매우 중요한 앞뒤 맥락을 제시해주기 때문입니다.

they help us become better critical thinkers.

그리고 우리가 비판적으로 생각하는 사람들이 되도록 도와줍니다.

Because after all, if I can spot

왜냐하면, 결국, 제가 논쟁에 있어 한 문제를 발견할 수 있다면,

a problem in an argument, it doesn't much matter

그것이 단어이든 숫자이든 어떻게 표현되었는지는

whether it's expressed in words or in numbers.

그다지 중요하지 않기 때문이죠.

And this means

그리고 그게 의미하는 것은

teaching ourselves to find those confirmation biases

우리가 이런 확증 편향이나

잘못된 연관성을 발견하고,

and false correlations

and being able to spot a naked emotional appeal

그리고 30야드 떨어진 가까운 곳의

from 30 yards,

드러난 감정의 호소를 포착할 수 있도록 가르치는 것이죠.

because something that happens after something

왜냐하면 어떤 일 이후에 벌어지는 일이

doesn't mean it happened because of it, necessarily,

필수적으로 그 일 때문에 일어났다는 의미는 아니기 때문입니다.

and if you'll let me geek out on you for a second,

잠깐 괴짜같은 이야기를 하도록 허락해 주신다면,

the Romans called this "post hoc ergo propter hoc,"

로마인들은 이렇게 말합니다, "post hoc ergo propter hoc"

after which therefore because of which.

"따라서 그 때문에" 라는 뜻입니다.

And it means questioning disciplines like demographics.

이건 인구통계와 같은 원리에 질문을 던지는 것을 의미해요.

Why? Because they're based on assumptions

왜냐구요?

우리의 성, 나이, 우리가 사는곳에 대한 가설에 기반을 두고있고,

about who we all are based on our gender

and our age and where we live

as opposed to data on what we actually think and do.

우리가 실제 생각하고 하는일에 반대되기 때문입니다.

And since we have this data,

그리고 우리가 이런 데이터들을 가지고 있기 때문에,

we need to treat it with appropriate privacy controls

우리는 적절한 개인 정보 보호 통제와

and consumer opt-in,

소비자 사전동의 등을 고려하여 이것을 다루어야 합니다.

and beyond that, we need to be clear

그리고 그것을 넘어서서, 우리는

우리의 가설과,

about our hypotheses,

the methodologies that we use,

우리가 사용하는 방법론,

and our confidence in the result.

그리고 그 결과에 대한 우리의 확신에 대해서명확해야 합니다.

As my high school algebra teacher used to say,

저의 고등학교 대수학 선생님은 말씀하시곤 했던 것처럼,

show your math,

"네 수학을 보여주렴"

because if I don't know what steps you took,

"만약 네가 어떤 단계를 거쳤는지 내가 모른다면,

I don't know what steps you didn't take,

나는 네가 어떤 질문을 했는지 모를 것이고,

and if I don't know what questions you asked,

네가 어떤 질문을 했는지 모른다면,

I don't know what questions you didn't ask.

나는 네가 어떤 질문을 하지 않았는지 모를테니까."

And it means asking ourselves, really,

그건 실제로, 우리 스스로에게 묻는 게 가장 어려운 질문이라는 것이죠.

the hardest question of all:

Did the data really show us this,

데이타가 이것을 우리에게 보여주었나요?

or does the result make us feel

아니면 그 결과물들은 우리가

more successful and more comfortable?

성취감과 편한함을 더 많이 느끼도록 해주었나요?

So the Health Media Collaboratory,

건강 매체 공동 연구단은

at the end of their project, they were able

그들의 프로젝트가 끝날 무렵 그들이 찾을 수 있었던 것은

to find that 87 percent of tweets

87%의 트윗이 매우 입체적이고 충격적인

about those very graphic and disturbing

흡연 반대 광고에 대해 두려움을 나타냈지만

anti-smoking ads expressed fear,

but did they conclude

그러나, 그 연구단은

that they actually made people stop smoking?

그 광고가 사람들이 금연하도록 돕는다고 결론 지었을까요?

No. It's science, not magic.

아닙니다. 그건 마술이 아니라 과학입니다.

So if we are to unlock

우리가 데이터의 힘을 방면한다면,

the power of data,

조지 오엘의 미래의 전체주의국가에 대한 견해와

we don't have to go blindly into

Orwell's vision of a totalitarian future,

헉슬리의 하찮은 것들에 관한 견해에

or Huxley's vision of a trivial one,

맹목적으로 매달리지 않아도 되고

or some horrible cocktail of both.

또는 두가지를 섞은 끔찍한 조합도 할 필요가 없죠.

What we have to do

우리가 해야만 하는 일은

is treat critical thinking with respect

비판적 사고를 존중해서 대하고

and be inspired by examples

건강 매체 연구단이 했던 실험과 같은 사례에서 영감을 얻고

like the Health Media Collaboratory,

and as they say in the superhero movies,

그리고 슈퍼히어로 영화에서 그들이 말하는 것처럼

let's use our powers for good.

우리의 힘을 선을 위해 사용합시다.

Thank you.

감사합니다.

(Applause)

(박수)