Kenneth Cukier: Big data is better data

Çeviri: pinar sadi Gözden geçirme: Figen Ergürbüz

America's favorite pie is?

Amerika'nın en sevilen turtası nedir ?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

İzleyici: Elmalı turta. Kenneth Cukier: Elmalı turta. Tabii ki o.

How do we know it?

Bunu nasıl biliyoruz?

Because of data.

Veri sayesinde.

You look at supermarket sales.

Süpermarket satışlarına bakın.

You look at supermarket sales of 30-centimeter pies

Dondurulmuş, 30 santimlik turtaların süpermarket satışlarına

that are frozen, and apple wins, no contest.

bakın ve elmalı turta kazanır, şüphesiz.

The majority of the sales are apple.

En çok satılanlar elmalı turtalardır.

But then supermarkets started selling

Fakat sonra süpermarketler daha küçük,

smaller, 11-centimeter pies,

11 santimlik turtalar satmaya başladı

and suddenly, apple fell to fourth or fifth place.

ve aniden elmalı turta dördüncü ya da beşinciliğe düştü.

Why? What happened?

Neden? Ne oldu?

Okay, think about it.

Tamam, bir düşünün.

When you buy a 30-centimeter pie,

30 santimlik bir turta aldığınızda

the whole family has to agree,

bütün aile hemfikir olmalı

and apple is everyone's second favorite.

ve elmalı turta herkesin ikinci favori tercihidir.

(Laughter)

(Gülüşmeler)

But when you buy an individual 11-centimeter pie,

Ama 11 santimlik tek turta aldığınızda

you can buy the one that you want.

istediğinizi alabilirsiniz.

You can get your first choice.

İlk tercihinizi alabilirsiniz.

You have more data.

Daha fazla veriniz var.

You can see something

Ondan daha küçük miktarlarda

that you couldn't see

sizde olunca daha önce

when you only had smaller amounts of it.

göremediğiniz bir şeyi görebilirsiniz.

Now, the point here is that more data

Şimdi, buradaki anafikir ise daha fazla veri

doesn't just let us see more,

bizim sadece daha fazla görmemizi değil,

more of the same thing we were looking at.

baktığımız şeyin daha fazlasını görmemizi sağlar.

More data allows us to see new.

Daha fazla veri, yeniyi görmemizi sağlar.

It allows us to see better.

Daha iyi görmemizi sağlar.

It allows us to see different.

Farklı görmemizi sağlar.

In this case, it allows us to see

Bu durumda da bize

what America's favorite pie is:

Amerika'nın en sevdiği turtanın

not apple.

elmalı turta olmadığını gösteriyor.

Now, you probably all have heard the term big data.

Şimdi, hepiniz büyük ihtimalle büyük veri terimini duymuşsunuzdur.

In fact, you're probably sick of hearing the term

Hatta, belki de büyük veri terimini

big data.

duymaktan bıkmışsınızdır.

It is true that there is a lot of hype around the term,

Terimin etrafında bir çok aldatıcı olduğu doğru

and that is very unfortunate,

ve bu çok talihsiz bir durum

because big data is an extremely important tool

çünkü büyük veri toplumun ilerleyeceği

by which society is going to advance.

çok önemli bir araçtır.

In the past, we used to look at small data

Geçmişte küçük verilere bakardık

and think about what it would mean

ve dünyayı anlamaya çalışmanın nasıl

to try to understand the world,

bir şey olacağını düşünürdük

and now we have a lot more of it,

ve şu an daha fazlasına sahibiz,

more than we ever could before.

daha önce sahip olabileceğimizden de daha fazlasına.

What we find is that when we have

Bulduğumuz şey ise, geniş bir veriye sahip

a large body of data, we can fundamentally do things

olduğumuzda küçük miktarlara sahip olduğumuz

that we couldn't do when we only had smaller amounts.

zaman yapamadığımız şeyleri temel olarak yapabilmemizdir.

Big data is important, and big data is new,

Büyük veri önemlidir ve büyük veri yenidir

and when you think about it,

ve bunun hakkında düşündüğünüzde

the only way this planet is going to deal

bu gezegenin küresel zorluklarını ---

with its global challenges —

insanları beslemek; sağlık hizmetini, enerjisini,

to feed people, supply them with medical care,

elektriğini sağlamak ve küresel ısınma yüzünden

supply them with energy, electricity,

onların yanıp kül olmadığından

and to make sure they're not burnt to a crisp

emin olmak —

because of global warming —

verinin verimli kullamıyla

is because of the effective use of data.

üstesinden gelebileceği tek yoldur.

So what is new about big data? What is the big deal?

Peki büyük veri hakkında gelişmeler ne? Önemli olan ne?

Well, to answer that question, let's think about

Peki, bu soruyu cevaplamak için

what information looked like,

geçmişte fiziksel olarak

physically looked like in the past.

bilginin neye benzediğini düşünelim.

In 1908, on the island of Crete,

1908'de Girit Adası'nda

archaeologists discovered a clay disc.

arkeologlar bir kil disk buldular.

They dated it from 2000 B.C., so it's 4,000 years old.

Milattan önce 2000 tarihli olduğunu söylediler, yani kil 4000 yaşında.

Now, there's inscriptions on this disc,

Diskin üzerinde yazılar var fakat

but we actually don't know what it means.

ne anlama geldiklerini bilmiyoruz.

It's a complete mystery, but the point is that

Bu tamamen bir gizem, fakat önemli olan

this is what information used to look like

bunun bize bilgilerin 4000 yıl önce nasıl

4,000 years ago.

göründüğünü göstermesidir.

This is how society stored

Toplum, bu şekilde bilgiyi

and transmitted information.

kaydetmiş ve aktarmış.

Now, society hasn't advanced all that much.

Şu an toplum o kadar da fazla ilerlemedi.

We still store information on discs,

Biz hâlâ bilgileri disklerin üzerine kaydediyoruz

but now we can store a lot more information,

fakat şu an daha fazla bilgi depolayabiliyoruz,

more than ever before.

her zamankinden de fazla.

Searching it is easier. Copying it easier.

Arama daha kolaydır. Kopyalama daha kolaydır.

Sharing it is easier. Processing it is easier.

Paylaşmak daha kolaydır. İşlemek daha kolaydır.

And what we can do is we can reuse this information

Ve yapabildiğimiz şey ise bilgileri ilk topladığımızda

for uses that we never even imagined

hiç hayal etmediğimiz kullanımlar için

when we first collected the data.

tekrar tekrar kullanabilmemizdir.

In this respect, the data has gone

Bu açıdan, veri bir depodan

from a stock to a flow,

bir akıma, yani durağan

from something that is stationary and static

ve dengeli olan bir şeyden akışkan

to something that is fluid and dynamic.

ve hareketli olan bir şeye gitti.

There is, if you will, a liquidity to information.

İsterseniz, bilgide bir akıcılık var.

The disc that was discovered off of Crete

4000 yaşındaki Girit'te

that's 4,000 years old, is heavy,

keşfedilen disk ağır,

it doesn't store a lot of information,

çok fazla bilgi depolamıyor

and that information is unchangeable.

ve bu bilgi değiştirilemez.

By contrast, all of the files

Buna zıt olarak, Edward Snowden'ın

that Edward Snowden took

Birleşik Devletler'deki Ulusal Güvenlik

from the National Security Agency in the United States

Ajansından aldığı bütün dosyalar

fits on a memory stick

bir tırnak büyüklüğündeki

the size of a fingernail,

bir hafıza kartına sığıyor

and it can be shared at the speed of light.

ve ışık hızında paylaşılabiliyor.

More data. More.

Daha fazla veri. Daha fazla.

Now, one reason why we have so much data in the world today

Bugün dünyada bunca veri olmasının bir nedeni ise

is we are collecting things

daha önce üzerinde bilgi

that we've always collected information on,

biriktirdiğimiz şeyleri toplamamızdandır

but another reason why is we're taking things

ancak diğer bir sebep ise daha önce bilgili

that have always been informational

olduğumuz fakat öncesinde hiç veri formatı

but have never been rendered into a data format

hâline getirilmememiş şeyleri almamız

and we are putting it into data.

ve onları verilerin içine koymamızdır.

Think, for example, the question of location.

Örneğin, yer mevzusunu düşünün.

Take, for example, Martin Luther.

Mesela Martin Luther'i ele alın.

If we wanted to know in the 1500s

Eğer Martin Luther'in yaşadığı

where Martin Luther was,

1500'lü yılları bilmek isteseydik

we would have to follow him at all times,

onu her zaman takip etmek zorunda olacaktık,

maybe with a feathery quill and an inkwell,

belki bir kuş tüyü ve mürekkep hokkası ile

and record it,

onu kaydetmek zorunda olacaktık

but now think about what it looks like today.

ama şimdi bugün bu nasıl görünür bir düşünün.

You know that somewhere,

Bilirsiniz bir yerde, muhtemelen

probably in a telecommunications carrier's database,

telekomünikasyon taşıyıcılarının veri tabanında,

there is a spreadsheet or at least a database entry

bütün zaman nerede olduğunuza dair bilgi

that records your information

kaydeden bir hesap çizelgesi veya

of where you've been at all times.

en azından bir veri tabanı girişi vardır.

If you have a cell phone,

Cep telefonunuz varsa

and that cell phone has GPS, but even if it doesn't have GPS,

ve bu cep telefonunun GPS'i varsa hatta GPS'i yoksa bile

it can record your information.

bilginizi kaydedebilir.

In this respect, location has been datafied.

Bu bakımdan konum verilendirilmiştir.

Now think, for example, of the issue of posture,

Şimdi düşünün, örneğin şu anki

the way that you are all sitting right now,

hepinizin oturuş biçimini,

the way that you sit,

sizin oturuş biçiminizi,

the way that you sit, the way that you sit.

sizin oturuş biçiminizi, sizin oturuş biçiminizi.

It's all different, and it's a function of your leg length

Hepsi de farklı, sizin bacak uzunluğunuzun,

and your back and the contours of your back,

sırt ve sırt konturünün fonksiyonudur

and if I were to put sensors, maybe 100 sensors

ve eğer herbirinizin sandalyesine belki

into all of your chairs right now,

bütün sandalyelere toplamda

I could create an index that's fairly unique to you,

100 sensör koysaydım, parmağınızın olmasa da

sort of like a fingerprint, but it's not your finger.

parmak iziniz gibi size özel bir indeks yaratabilirdim.

So what could we do with this?

Peki bununla ne yapabilirdik?

Researchers in Tokyo are using it

Tokyo'daki araştırmacılar bunu arabalarda

as a potential anti-theft device in cars.

potansiyel hırsızlık önleme aracı olarak kullanıyorlar.

The idea is that the carjacker sits behind the wheel,

Fikir şu ki; araba hırsızı direksiyona geçer,

tries to stream off, but the car recognizes

yola çıkmaya çalışır ama araba direksiyonda

that a non-approved driver is behind the wheel,

izinsiz bir sürücünün olduğunu tanımlar

and maybe the engine just stops, unless you

ve belki de motor birden durur, tabii eğer

type in a password into the dashboard

"Hey, kullanmak için yetkim var" diye

to say, "Hey, I have authorization to drive." Great.

şifre yapmadıysanız. Harika.

What if every single car in Europe

Avrupa'daki her arabada bu teknoloji

had this technology in it?

olsa ne olurdu?

What could we do then?

Ne yapabilirdik o zaman?

Maybe, if we aggregated the data,

Belki, verileri kümelersek

maybe we could identify telltale signs

belki belirtileri, en iyi öngörüyü

that best predict that a car accident

5 dakika içerinde bir araba kazasının

is going to take place in the next five seconds.

gerçekleşebileceğini tanımlayabiliriz.

And then what we will have datafied

Ve daha sonra verileştireceğimiz ise

is driver fatigue,

sürücü yorgunluğudur

and the service would be when the car senses

ve servis otomatik olarak bilir,

that the person slumps into that position,

kişi birden o pozisyona düştüğünde araba

automatically knows, hey, set an internal alarm

bunu algılayarak direksiyonu titretecek

that would vibrate the steering wheel, honk inside

içeride korna çalacak ve

to say, "Hey, wake up,

"Hey, Uyan ve daha dikkatli ol. "

pay more attention to the road."

diyecek bir iç alarm kurar.

These are the sorts of things we can do

Yaşamımızın diğer yönlerini

when we datafy more aspects of our lives.

verileştirirken yapabileceğimiz şeylerdendir bunlar.

So what is the value of big data?

Peki büyük verinin değeri nedir?

Well, think about it.

Peki, bir düşünün.

You have more information.

Daha fazla bilginiz var.

You can do things that you couldn't do before.

Önceden yapamadığınız şeyleri yapabilirsiniz.

One of the most impressive areas

Bu konseptin yer aldığı

where this concept is taking place

en etkileyici alanlardan bir tanesi

is in the area of machine learning.

ise makine öğrenmesi.

Machine learning is a branch of artificial intelligence,

Makine öğrenmesi yapay zekânın bir dalıdır

which itself is a branch of computer science.

ki o da bilgisayar biliminin bir dalıdır.

The general idea is that instead of

Genel fikir ise, bir bilgisayarı

instructing a computer what do do,

yapacağı şey için talimat vermek yerine

we are going to simply throw data at the problem

adeta verileri probleme yönelteceğiz ve

and tell the computer to figure it out for itself.

bilgisayara yolunu bulmasını söyleyeceğiz.

And it will help you understand it

Ve temelini görerek

by seeing its origins.

anlamanıza yardımcı olacaktır.

In the 1950s, a computer scientist

1950 'lerde, IBM'de Arthur Samuel

at IBM named Arthur Samuel liked to play checkers,

adında bir bilgisayar bilimci dama oynamayı seviyordu

so he wrote a computer program

ve bilgisayara karşı

so he could play against the computer.

oynayabilmek için bir program yazdı.

He played. He won.

Oynadı. Kazandı.

He played. He won.

Oynadı. Kazandı.

He played. He won,

Oynadı. Kazandı.

because the computer only knew

Çünkü bilgisayar sadece geçerli hamlenin

what a legal move was.

ne olduğunu biliyordu.

Arthur Samuel knew something else.

Arthur Samuel başka bir şey biliyordu.

Arthur Samuel knew strategy.

Arthur Samuel strateji biliyordu.

So he wrote a small sub-program alongside it

Bu yüzden yanına ufak bir alt-program yazdı

operating in the background, and all it did

arkaplanda işyelen ve tüm yaptığı

was score the probability

verilen bir dama tahta düzeninin

that a given board configuration would likely lead

olası kazanan ya da kaybeden taraf

to a winning board versus a losing board

olma ihtimalini tutmasıydı

her hamle sonrası.

after every move.

He plays the computer. He wins.

Bilgisayarla oynar. Kazanır.

He plays the computer. He wins.

Bilgisayarla oynar. Kazanır.

Bilgisayarla oynar. Kazanır.

He plays the computer. He wins.

Ve daha sonra Arthur Samuel bilgisayarı

And then Arthur Samuel leaves the computer

kendi kendine oynamaya bırakır.

to play itself.

It plays itself. It collects more data.

Kendi kendine oynar, daha fazla veri toplar.

Daha çok veri toplar. Tahminlerinin doğruluk oranını yükseltir.

It collects more data. It increases the accuracy of its prediction.

Sonra Arthur Samuel yine bilgisayarın başına geçer

And then Arthur Samuel goes back to the computer

and he plays it, and he loses,

oynar ve kaybeder,

and he plays it, and he loses,

oynar ve kaybeder,

and he plays it, and he loses,

oynar ve kaybeder

and Arthur Samuel has created a machine

ve Arthur Samuel kendi öğrettiği bir işte,

that surpasses his ability in a task that he taught it.

kendi becerilerini aşan bir makine yaratmıştır.

And this idea of machine learning

Ve bu makine öğrenimi fikri

is going everywhere.

her yerde kullanılıyor.

How do you think we have self-driving cars?

Kendi kendini süren arabaları nasıl yapıyoruz zannediyorsunuz ?

Are we any better off as a society

İnsanlık olarak bir yolun tüm kurallarını

enshrining all the rules of the road into software?

bir yazılıma yüklemekten daha iyisini yapabiliyor muyuz ?

No. Memory is cheaper. No.

Hayır. Bellek daha ucuz. Hayır.

Algorithms are faster. No. Processors are better. No.

Algoritmalar daha hızlı. Hayır. İşlemciler daha iyi. Hayır.

All of those things matter, but that's not why.

Bunların hepsi önemli, fakat asıl mesele bunlar değil.

It's because we changed the nature of the problem.

Asıl mesele, bizim sorunun doğasını değiştirmiş olmamızdır.

We changed the nature of the problem from one

Sorunun doğasını açık şekilde

in which we tried to overtly and explicitly

bizim bilgisayara arabayı nasıl

explain to the computer how to drive

süreceğini anlattığımız noktadan,

"İşte, aracın etrafında bir sürü veri var.

to one in which we say,

"Here's a lot of data around the vehicle.

Sen bunları çözersin.

You figure it out.

Sen onun bir trafik ışığı olduğunu anlarsın,

You figure it out that that is a traffic light,

bu trafik ışığı kırmızı, yeşil değil

ve bu durman gerektiği

that that traffic light is red and not green,

ileriye gitmemen gerektiği anlamına gelir."

that that means that you need to stop

noktasına değiştirdik.

and not go forward."

Makine öğrenimi temelinde

Machine learning is at the basis

of many of the things that we do online:

bizim internette yaptığımız çoğu şey vardır:

search engines,

arama motorları,

Amazon's personalization algorithm,

Amazon'un kişiselleştirme algoritması,

bilgisayar çevirisi,

computer translation,

voice recognition systems.

ses tanıma sistemleri.

Araştırmacılar yakın zamanda

Researchers recently have looked at

biopsi ve kanserli biopsi sorusu

the question of biopsies,

ile ilgilenmeye başladılar

cancerous biopsies,

and they've asked the computer to identify

ve bilgisayardan verilere ve hayatta kalma

by looking at the data and survival rates

oranlarına bakarak hücrelerin aslında

to determine whether cells are actually

kanserli olup olmadığına

karar vermesini istediler ve

cancerous or not,

and sure enough, when you throw the data at it,

bilgisayara makine öğrenimi algoritması

through a machine-learning algorithm,

aracılığıyla bir veri verdiğinizde

the machine was able to identify

makine göğüs kanseri hücre

the 12 telltale signs that best predict

biopsilerininden en iyi 12 tane

that this biopsy of the breast cancer cells

gerçekten de kanserli hücre belirtisini

bulmayı başardı.

are indeed cancerous.

The problem: The medical literature

Sorun şu: Sağlık literatürü

only knew nine of them.

bunların sadece 9 tanesini biliyordu.

Three of the traits were ones

Belirtilerden üçü, onların

that people didn't need to look for,

araştırma ihtiyacı duymadıklarıydı

but that the machine spotted.

fakat bilgisayar bunları buldu.

Now, there are dark sides to big data as well.

Şimdi, büyük verinin karanlık tarafları da var.

It will improve our lives, but there are problems

Hayatlarımızı kolaylaştıracak fakat

that we need to be conscious of,

farkına varmamız gereken sorunlar da var

and the first one is the idea

ve ilki de

tahminler yüzünden cezalandırılabiliriz,

that we may be punished for predictions,

that the police may use big data for their purposes,

polis büyük veriyi kendi amaçları için kullanabilir,

a little bit like "Minority Report."

"Azınlık Raporu"' ndaki gibi.

Now, it's a term called predictive policing,

Öngörüsel polislik adı verilen bir terim var

or algorithmic criminology,

veya algoritmik suçbilim olarak

and the idea is that if we take a lot of data,

olay şu, bir sürü veri toplarsak

for example where past crimes have been,

meselâ geçmiş suçlar nerede gerçekleşti gibi

devriyeleri nereye göndereceğimizi de biliriz.

we know where to send the patrols.

That makes sense, but the problem, of course,

Mantıklı duruyor fakat, sorun şu ki

is that it's not simply going to stop on location data,

bu öyle konum bilgisiyle bitmeyecek

bu kişisel sınırlara kadar inecektir.

it's going to go down to the level of the individual.

Neden birinin lisedeki not dökümünü

Why don't we use data about the person's

high school transcript?

veri olarak kullanmıyoruz ?

Maybe we should use the fact that

Belki de, işsiz olsalar da olmasalar da

they're unemployed or not, their credit score,

kredi notlarını,

internette gezinme davranışlarını,

their web-surfing behavior,

whether they're up late at night.

gece ayakta olup olmadıklarını kullanmalıyız.

Their Fitbit, when it's able to identify biochemistries,

Fitbit'leri, biyokimyalarını tanımlayabildiğinde

will show that they have aggressive thoughts.

agresif fikirleri olduğunu bize gösterecek.

Ne yapacağımızı tahmin edebilecek

We may have algorithms that are likely to predict

algoritmalara sahip olabiliriz

what we are about to do,

hatta harekete geçmeden önce

and we may be held accountable

before we've actually acted.

sorumlu bile tutulabiliriz.

Privacy was the central challenge

Mahremiyet, küçük veri devrinde

in a small data era.

esas zorlu işimiz idi.

In the big data age,

Büyük veri devrinde ise

the challenge will be safeguarding free will,

zorlu iş hür iradeyi,

ahlaki seçimleri, insani istekleri ve

moral choice, human volition,

human agency.

insanın benliğini korumak olacak.

There is another problem:

Başka bir sorun daha var:

Big data is going to steal our jobs.

Büyük veri mesleklerimizi elimizden alacak.

Big data and algorithms are going to challenge

Büyük veri ve algoritmalar birlikte

ofis çalışanlarına, 21. yüzyıldaki mesleki becerilere

white collar, professional knowledge work

in the 21st century

meydan okuyacak

in the same way that factory automation

sanayi devriminin 20. yy'da otomasyon ve seri üretim hattı ile

and the assembly line

challenged blue collar labor in the 20th century.

mavi yakalı işçilere yaptığı gibi.

Think about a lab technician

Bir laboratuar teknisyeni düşünün

who is looking through a microscope

bir mikroskopla kanser biopsisine bakıyor

at a cancer biopsy

and determining whether it's cancerous or not.

ve kanserli olup olmadığına karar veriyor.

The person went to university.

Bu kişi üniversiteye gitti.

The person buys property.

Bu kişi mülk ediniyor.

He or she votes.

Oy kullanıyor.

He or she is a stakeholder in society.

Toplumda paydaş bir kimse.

And that person's job,

Ve bu kişinin işi

as well as an entire fleet

ve diğer onun gibi

of professionals like that person,

profesyoneller filosunun

is going to find that their jobs are radically changed

mesleklerinin tamamiyle

başka bir şeye dönüştüğünü

or actually completely eliminated.

ya da artık yok olduğunu görecekler.

Now, we like to think

Biz kısa ve geçici bir

that technology creates jobs over a period of time

alt üst olmadan sonra

teknolojinin bizlere yeni meslekler

after a short, temporary period of dislocation,

yaratacağını düşünmeyi seviyoruz

and that is true for the frame of reference

ve bu hakikaten doğru, hepimizin yaşadığı

with which we all live, the Industrial Revolution,

önümüzdeki endüstri devrimi örneğine bakınca

because that's precisely what happened.

çünkü gerçekte olan tam olarak bu.

But we forget something in that analysis:

Fakat bu tahlilde bir şeyi unutuyoruz:

There are some categories of jobs

Bazı meslek grupları var

that simply get eliminated and never come back.

öylece yok olan ve

bir daha geri gelmeyecek olan.

Endüstri Devrimi pek iyi olmazdı

The Industrial Revolution wasn't very good

eğer bir at olsaydınız.

if you were a horse.

So we're going to need to be careful

Yani dikkatli olmamız gerekiyor

and take big data and adjust it for our needs,

büyük veriyi ele alıp ihtiyaçlarımıza

göre şekillendirmemiz gerekiyor

our very human needs.

tümüyle insani ihtiyaçlarımıza göre.

We have to be the master of this technology,

Bu teknolojinin ustası olmamız gerekiyor,

not its servant.

hizmetçisi değil.

We are just at the outset of the big data era,

Daha henüz büyük veri devrinin başındayız

and honestly, we are not very good

ve doğrusu, toplayabildiğimiz

at handling all the data that we can now collect.

veri ile başa çıkmak konusunda pek iyi değiliz.

It's not just a problem for the National Security Agency.

Bu sadece Ulusal Güvenlik Teşkilatı

için bir sorun değil.

İşletmeler oldukça veri topluyorlar

Businesses collect lots of data, and they misuse it too,

ve bunu suistimal de ediyorlar

and we need to get better at this, and this will take time.

ve bu konuda daha iyi olmamız gerekiyor,

tabii ki bu da zaman alacak.

It's a little bit like the challenge that was faced

Bu biraz zorlu bir iş,

by primitive man and fire.

ilkel insanın ateşle karşılaşması gibi.

This is a tool, but this is a tool that,

Bu bir araç fakat dikkatli olmazsak

unless we're careful, will burn us.

bizi yakabilecek bir araç.

Büyük veri yaşayış şeklimizi değiştirecek,

Big data is going to transform how we live,

çalışma şeklimizi ve düşünme şeklimizi de.

how we work and how we think.

It is going to help us manage our careers

Kariyerimizi yönetmemize yardımcı olacak

and lead lives of satisfaction and hope

hayatlarımıza tatmin ve umut getirecek,

mutluluk ve sağlık getirecek

and happiness and health,

fakat geçmişte sıkça

but in the past, we've often looked at information technology

bilgi teknolojilerine baktık ve

and our eyes have only seen the T,

gözlerimiz yalnızca teknolojinin -T' sini gördü

the technology, the hardware,

teknoloji, donanım

because that's what was physical.

çünkü fiziksel olanlar onlardı.

We now need to recast our gaze at the I,

Şimdi gözlerimizi daha az

meydanda olan bilginin -B' sine

the information,

çevirmemiz gerekiyor

which is less apparent,

but in some ways a lot more important.

ki bazı açılardan çok daha önemlidir kendisi.

Humanity can finally learn from the information

İnsanlık en sonunda toplayabileceğimiz

bilgiden bir şeyler öğrenebilir,

that it can collect,

bu dünyayı ve içindeki yerimizi

as part of our timeless quest

anlamamızı sağlayacak olan

to understand the world and our place in it,

ebedi görevimizin bir parçası olarak

and that's why big data is a big deal.

ve bu sebeple büyük veri büyük bir meseledir.

(Applause)

(Alkışlar)