The human insights missing from big data | Tricia Wang

Translator: Thuy Nguyen Thanh Reviewer: Jessie Nguyễn

In ancient Greece,

Ở Hy Lạp cổ đại,

when anyone from slaves to soldiers, poets and politicians,

bất cứ ai từ nô lệ đến người lính, nhà thơ và chính khách,

needed to make a big decision on life's most important questions,

đều cần phải đưa ra một quyết định lớn cho các câu hỏi quan trọng trong đời,

like, "Should I get married?"

như, "Tôi có nên kết hôn?"

or "Should we embark on this voyage?"

hay "Ta có nên tham gia chuyến đi này?"

or "Should our army advance into this territory?"

hay "Quân ta có nên tiến vào vùng lãnh thổ này?"

they all consulted the oracle.

họ đều tham vấn nhà tiên tri.

So this is how it worked:

Và cách làm như sau:

you would bring her a question and you would get on your knees,

bạn đem đến cho bà ấy một câu hỏi và quỳ gối chờ,

and then she would go into this trance.

và rồi bà ấy sẽ chuyển sang nhập định.

It would take a couple of days,

Kéo dài trong vài ngày,

and then eventually she would come out of it,

và cuối cùng bà ấy sẽ bình thường trở lại,

giving you her predictions as your answer.

và cho bạn những tiên đoán cũng như là câu trả lời.

From the oracle bones of ancient China

Từ những mẫu xương nhà tiên tri của Trung quốc cổ đại

to ancient Greece to Mayan calendars,

đến Hy Lạp cổ đại đến lịch Maya,

people have craved for prophecy

con người khao khát những lời tiên tri

in order to find out what's going to happen next.

để biết được điều gì sẽ xãy ra tiếp theo.

And that's because we all want to make the right decision.

Và đó là bởi vì tất cả chúng ta đều muốn đưa ra quyết định đúng,

We don't want to miss something.

Ta không muốn bỏ lỡ điều gì.

The future is scary,

Tương lai thật đáng sợ,

so it's much nicer knowing that we can make a decision

và sẽ dễ chịu hơn khi biết ta có thể đưa ra một quyết định

with some assurance of the outcome.

mà có sự chắc chắn nhất định về kết quả.

Well, we have a new oracle,

Vâng, ta có một nhà tiên tri mới,

and it's name is big data,

có tên là dữ liệu lớn,

or we call it "Watson" or "deep learning" or "neural net."

ta có thể gọi nó là "Watson" hay "học máy" hay "mạng nơ rôn."

And these are the kinds of questions we ask of our oracle now,

Và đây là những loại câu hỏi mà giờ đây ta có thể hỏi nhà tiên tri của chúng ta,

like, "What's the most efficient way to ship these phones

như, "Cách nào hiệu quả nhất để chuyển những chiếc điện thoại

from China to Sweden?"

từ Trung Quốc đến Thụy Điển?"

Or, "What are the odds

Hay, "Con tôi sinh ra

of my child being born with a genetic disorder?"

có tỷ lệ bị rối loạn di truyền là bao nhiêu?"

Or, "What are the sales volume we can predict for this product?"

Hay, "Ta có thể dự đoán doanh số của sản phẩm này là bao nhiêu?"

I have a dog. Her name is Elle, and she hates the rain.

Tôi có một con chó. Tên nó là Elle, và nó rất ghét trời mưa.

And I have tried everything to untrain her.

Và tôi đã tìm mọi cách để giúp nó hết sợ.

But because I have failed at this,

Nhưng tôi đã thất bại,

I also have to consult an oracle, called Dark Sky,

nên tôi đã tham vấn một nhà tiên tri, được gọi là Dark Sky,

every time before we go on a walk,

trước mỗi lúc chúng tôi đi dạo bộ,

for very accurate weather predictions in the next 10 minutes.

để có được các dự báo thời tiết chính xác trong 10 phút tới.

She's so sweet.

Cô ấy thật ngọt ngào.

So because of all of this, our oracle is a $122 billion industry.

Bởi tất cả những điều đó, nhà tiên tri của ta là một ngành công nghiệp 122 tỷ đô.

Now, despite the size of this industry,

Giờ đây, bất chấp kích cỡ của ngành công nghiệp này,

the returns are surprisingly low.

kết quả mang lại vẫn thấp một cách ngạc nhiên.

Investing in big data is easy,

Đầu tư vào dữ liệu lớn rất dễ dàng,

but using it is hard.

nhưng sử dụng nó mới khó.

Over 73 percent of big data projects aren't even profitable,

Thậm chí, hơn 73 phần trăm các dự án dữ liệu lớn không đem lại lợi nhuận,

and I have executives coming up to me saying,

và nhiều vị giám đốc đến gặp tôi và nói rằng,

"We're experiencing the same thing.

"Chúng tôi đang gặp vấn đề giống nhau,

We invested in some big data system,

Đều đầu tư một hệ thống dữ liệu lớn,

and our employees aren't making better decisions.

và nhân viên vẫn không đưa ra được các quyết định tốt hơn.

And they're certainly not coming up with more breakthrough ideas."

Và chắc chắn là họ không đưa ra được các ý tưởng đột phá hơn."

So this is all really interesting to me,

Tất cả điều này thực sự thú vị với tôi,

because I'm a technology ethnographer.

vì tôi là nhà dân tộc học về công nghệ

I study and I advise companies

Tôi nghiên cứu và cố vấn cho các công ty

on the patterns of how people use technology,

về các mô hình sử dụng công nghệ,

and one of my interest areas is data.

và một trong các lĩnh vực mà tôi quan tâm là dữ liệu.

So why is having more data not helping us make better decisions,

Tại sao có thêm nhiều dữ liệu cũng không giúp ta đưa ra các quyết định tốt hơn,

especially for companies who have all these resources

đặc biệt đối với các công ty có đủ nguồn lực

to invest in these big data systems?

để đầu tư các hệ thống dữ liệu lớn?

Why isn't it getting any easier for them?

Tại sao nó không trở nên dễ dàng hơn?

So, I've witnessed the struggle firsthand.

Tôi đã chứng kiến sự khó khăn đầu tiên.

In 2009, I started a research position with Nokia.

Năm 2009, tôi bắt đầu một vị trí nghiên cứu với Nokia.

And at the time,

Và vào lúc đó,

Nokia was one of the largest cell phone companies in the world,

Nokia là 1 trong các công ty điện thoại di động lớn nhất thế giới,

dominating emerging markets like China, Mexico and India --

thống trị các thị trường mới nổi như Trung Quốc, Mexico và Ấn Độ--

all places where I had done a lot of research

những nơi đó tôi đã thực hiện nhiều nghiên cứu

on how low-income people use technology.

về cách những người thu nhập thấp sử dụng công nghệ.

And I spent a lot of extra time in China

Và tôi cũng đã dành nhiều thời gian ở Trung Quốc

getting to know the informal economy.

để tìm hiểu nền kinh tế phi chính thức.

So I did things like working as a street vendor

Tôi đã làm những việc như bán hàng rong

selling dumplings to construction workers.

bán bánh bao cho công nhân xây dựng.

Or I did fieldwork,

Hay tôi đi thực tế,

spending nights and days in internet cafés,

dành cả ngày lẫn đêm trong các quán cà phê internet,

hanging out with Chinese youth, so I could understand

đi chơi với thanh niên Trung Quốc, nên tôi có thể hiểu

how they were using games and mobile phones

họ đã sử dụng điện thoại và chơi game ra sao

and using it between moving from the rural areas to the cities.

và sử dụng khi di chuyển giữa nông thôn và thành thị.

Through all of this qualitative evidence that I was gathering,

Dựa trên những dữ liệu định tính mà tôi đã thu thập được này,

I was starting to see so clearly

Tôi đã bắt đầu nhận ra

that a big change was about to happen among low-income Chinese people.

rằng sắp diễn ra một sự thay đổi lớn giữa những người Trung Quốc thu nhập thấp.

Even though they were surrounded by advertisements for luxury products

Ngay cả khi họ bị bủa vây bởi những quảng cáo cho các sản phẩm xa xỉ

like fancy toilets -- who wouldn't want one? --

như thiết bị vệ sinh ưa thích-- ai mà không muốn một cái?

and apartments and cars,

rồi căn hộ và xe hơi,

through my conversations with them,

qua tiếp xúc với họ,

I found out that the ads the actually enticed them the most

Tôi khám phá ra rằng những quảng cáo thực sự lôi cuốn họ nhất

were the ones for iPhones,

là những cái quảng cáo về iPhones,

promising them this entry into this high-tech life.

hứa hẹn họ cánh cửa này dẫn vào cuộc sống công nghệ cao.

And even when I was living with them in urban slums like this one,

Và ngay cả khi tôi sống với họ trong các khu ổ chuột như cái này,

I saw people investing over half of their monthly income

Tôi thấy mọi người chi quá nữa thu nhập hàng tháng của họ

into buying a phone,

để mua điện thoại,

and increasingly, they were "shanzhai,"

và hàng nhái "shanzhai" ngày càng nhiều,

which are affordable knock-offs of iPhones and other brands.

giá cả dễ mua đánh bật iPhones và các nhãn hiệu khác.

They're very usable.

Những thứ này dùng được.

Does the job.

Được chấp nhận.

And after years of living with migrants and working with them

Sau nhiều năm sống với những người nhập cư và làm việc với họ

and just really doing everything that they were doing,

và làm mọi thứ họ làm,

I started piecing all these data points together --

Tôi bắt đầu kết nối tất cả dữ liệu lại với nhau--

from the things that seem random, like me selling dumplings,

từ những thứ tưởng như ngẫu nhiên, như tôi đi bán bánh bao,

to the things that were more obvious,

đến những thứ rõ ràng hơn,

like tracking how much they were spending on their cell phone bills.

như tìm hiểu họ đã chi tiêu bao nhiêu cho hóa đơn điện thoại.

And I was able to create this much more holistic picture

Và tôi đã tạo ra bức tranh toàn diện hơn rất nhiều này

of what was happening.

về những gì đang xảy ra.

And that's when I started to realize

Và đó cũng là lúc tôi bắt đầu nhận ra

that even the poorest in China would want a smartphone,

ngay cả những người Trung Quốc nghèo nhất cũng muốn điện thoại thông minh,

and that they would do almost anything to get their hands on one.

và họ làm gần như mọi thứ để có được một cái trên tay.

You have to keep in mind,

Bạn cần nhớ rằng,

iPhones had just come out, it was 2009,

iPhones chỉ mới xuất hiện, vào năm 2009,

so this was, like, eight years ago,

mới khoảng tám năm trước,

and Androids had just started looking like iPhones.

và Android cũng bắt đầu trông giống iPhones.

And a lot of very smart and realistic people said,

Và rất nhiều người thực tế và thông minh đã nói,

"Those smartphones -- that's just a fad.

Điện thoại thông minh -- ở thời điểm đó.

Who wants to carry around these heavy things

Có ai muốn mang theo những thứ nặng nề đó

where batteries drain quickly and they break every time you drop them?"

trong khi Pin thì nhanh hết và sẽ bị vỡ mỗi khi ta làm rơi chúng?

But I had a lot of data,

Và tôi có nhiều dữ liệu,

and I was very confident about my insights,

tôi rất tự tin về những phát hiện của mình,

so I was very excited to share them with Nokia.

tôi đã rất hào hứng chia sẻ với Nokia.

But Nokia was not convinced,

Nhưng đã không thuyết phục được Nokia,

because it wasn't big data.

bởi vì đó không phải là dữ liệu lớn.

They said, "We have millions of data points,

Họ nói, "Chúng tôi có hàng triệu mục dữ liệu,

and we don't see any indicators of anyone wanting to buy a smartphone,

và chúng tôi không thấy chỉ dấu nào rằng có người muốn mua điện thoại thông minh,

and your data set of 100, as diverse as it is, is too weak

và tập dữ liệu của bạn chỉ có 100, mức độ đa dạng của nó quá yếu

for us to even take seriously."

để chúng tôi xem xét nghiêm túc."

And I said, "Nokia, you're right.

Và tôi nói, "Nokia, các bạn đúng.

Of course you wouldn't see this,

Tất nhiên các bạn sẽ không thấy,

because you're sending out surveys assuming that people don't know

bởi vì bạn thực hiện các khảo sát giả định rằng mọi người không biết

what a smartphone is,

về điện thoại thông minh

so of course you're not going to get any data back

và dĩ nhiên bạn sẽ không có được bất kỳ dữ liệu

about people wanting to buy a smartphone in two years.

về người muốn mua điện thoại thông minh cho 2 năm tới.

Your surveys, your methods have been designed

Phương pháp khảo sát của bạn được thiết kế

to optimize an existing business model,

để tối ưu mô hình kinh doanh hiện tại,

and I'm looking at these emergent human dynamics

và tôi đang nhắm đến những động lực con người mới nổi

that haven't happened yet.

mà chưa xuất hiện.

We're looking outside of market dynamics

Chúng ta đang ra bên ngoài các động lực thị trường

so that we can get ahead of it."

để có thể đón đầu nó."

Well, you know what happened to Nokia?

Vâng, các bạn biết những gì đã xãy ra với Nokia?

Their business fell off a cliff.

Kinh doanh của họ đã rơi thẳng đứng.

This -- this is the cost of missing something.

Đây là cái giá của việc thiếu sót thứ gì đó.

It was unfathomable.

Không thể hiểu được.

But Nokia's not alone.

Nhưng không phải chỉ mình Nokia.

I see organizations throwing out data all the time

Tôi thấy các tổ chức luôn vứt bỏ các dữ liệu

because it didn't come from a quant model

bởi vì nó không xuất phát từ một mô hình phân tích

or it doesn't fit in one.

hay không khớp với nó.

But it's not big data's fault.

Nhưng đó không phải lỗi của dữ liệu lớn.

It's the way we use big data; it's our responsibility.

Mà ở cách chúng ta sử dụng dữ liệu lớn; đó là lỗi của chúng ta.

Big data's reputation for success

Thành công nổi tiếng của dữ liệu lớn

comes from quantifying very specific environments,

đến từ việc định lượng hóa mọi điều kiện môi trường cụ thể

like electricity power grids or delivery logistics or genetic code,

như các lưới điện hay hạ tầng giao vận hay mã di truyền,

when we're quantifying in systems that are more or less contained.

khi chúng ta đang định lượng trong các hệ thống mà hay ít nhiều có kiểm soát.

But not all systems are as neatly contained.

Nhưng không phải mọi hệ thống đều được kiểm soát rõ ràng.

When you're quantifying and systems are more dynamic,

Khi chúng ta đang định lượng và các hệ thống thì năng động hơn,

especially systems that involve human beings,

đặc biệt là các hệ thống liên quan đến yếu tố con người,

forces are complex and unpredictable,

các động lực rất phức tạp và khó đoán,

and these are things that we don't know how to model so well.

và đây là những thứ mà chúng ta không biết cách để mô hình hóa cho tốt

Once you predict something about human behavior,

Một khi bạn dự đoán điều gì đó về hành vi con người,

new factors emerge,

các yếu tố mới xuất hiện,

because conditions are constantly changing.

bởi vì các điều kiện luôn thay đổi.

That's why it's a never-ending cycle.

Do đó nó là một chu trình vô tận.

You think you know something,

Bạn nghĩ bạn biết điều gì đó,

and then something unknown enters the picture.

và rồi điều chưa biết lại xuất hiện.

And that's why just relying on big data alone

Đó là lý do nếu chỉ dựa vào dữ liệu lớn

increases the chance that we'll miss something,

sẽ làm tăng xác suất chúng ta sẽ bỏ nhỡ điều gì đó,

while giving us this illusion that we already know everything.

trong khi làm cho chúng ta ảo tưởng rằng chúng ta đã biết mọi thứ.

And what makes it really hard to see this paradox

Và điều gì làm cho việc nhận ra nghịch lý này khó khăn đến vậy

and even wrap our brains around it

và ngay cả để hiểu nó

is that we have this thing that I call the quantification bias,

chúng ta đa gặp phải cái mà tôi gọi là thiên vị định lượng,

which is the unconscious belief of valuing the measurable

đó là niềm tin vô thức về giá trị của những cái đo lường được

over the immeasurable.

so với cái không đo lường được.

And we often experience this at our work.

Và chúng ta thường trải nghiệm điều này khi làm việc.

Maybe we work alongside colleagues who are like this,

Có thể chúng ta làm việc bên cạnh đồng nghiệp như vậy,

or even our whole entire company may be like this,

hoặc có thể cả công ty của chúng ta cũng như vậy,

where people become so fixated on that number,

nơi mà mọi người mặc nhiên tin vào con số đó,

that they can't see anything outside of it,

họ không thể nhìn thấy cái gì ngoài nó ra,

even when you present them evidence right in front of their face.

ngay cả khi bạn cho họ thấy bằng chứng ngay trước mặt họ.

And this is a very appealing message,

Vầ đây là một thông điệp rất lôi cuốn,

because there's nothing wrong with quantifying;

bởi vì chẳng có gì sai với việc định lượng hóa;

it's actually very satisfying.

Nó thực sự rất thỏa mãn.

I get a great sense of comfort from looking at an Excel spreadsheet,

Tôi có một cảm giác rất thoải mái khi nhìn vào một bảng tính Excel,

even very simple ones.

cho dù nó rát đơn giản.

(Laughter)

(Cười)

It's just kind of like,

Nó có phần giống như,

"Yes! The formula worked. It's all OK. Everything is under control."

"Vâng! Công thức đúng. Tất cả đều ổn. Mọi thứ đang được kiểm soát."

But the problem is

Nhưng vấn đề là

that quantifying is addictive.

Việc định lượng hóa gây nghiện.

And when we forget that

Và khi chúng ta quên mất rằng

and when we don't have something to kind of keep that in check,

khi chúng ta không có cái gì để giữ chúng trong tầm kiểm soát,

it's very easy to just throw out data

Chúng ta rất dễ đánh mất dữ liệu

because it can't be expressed as a numerical value.

bởi vì nó không thể được biểu diễn như một giá trị số học.

It's very easy just to slip into silver-bullet thinking,

Nó làm cho ta rất dễ rơi vào tư duy xử lý tình thế,

as if some simple solution existed.

như là một giải pháp đơn giản tồn tại.

Because this is a great moment of danger for any organization,

Bởi vì đây là thời điểm vô cùng nguy hiểm cho bất kỳ tổ chức nào,

because oftentimes, the future we need to predict --

bởi vì thường là, chúng ta cần dự đoán tương lai --

it isn't in that haystack,

không giống như trong đống rơm

but it's that tornado that's bearing down on us

mà nó như là cơn lốc xoáy đổ xuống đầu chúng ta

outside of the barn.

bên ngoài lều trại.

There is no greater risk

Không có rủi ro nào lớn hơn

than being blind to the unknown.

là bị mù với những thứ chưa biết.

It can cause you to make the wrong decisions.

Nó có thể làm cho bạn đưa ra quyết định sai.

It can cause you to miss something big.

Nó có thể làm bạn bỏ lỡ những điều to lớn.

But we don't have to go down this path.

Nhưng chúng ta không cần phải đi theo con đường này.

It turns out that the oracle of ancient Greece

Hóa ra những nhà tiên tri của Hy Lạp cổ đại

holds the secret key that shows us the path forward.

nắm giữ chìa khóa bí mật chỉ cho ta con đường đi về phía trước.

Now, recent geological research has shown

Hiện nay, nghiên cứu địa chất gần đây chỉ ra rằng

that the Temple of Apollo, where the most famous oracle sat,

ngôi đền Apollo, nơi nhà tiên tri nổi tiếng nhất ngồi,

was actually built over two earthquake faults.

được xây dựng trên hai đoạn đứt gãy động đất.

And these faults would release these petrochemical fumes

Và những đoạn đứt gãy này bốc ra hơi hóa dầu

from underneath the Earth's crust,

từ bên dưới lớp vỏ Trái đất,

and the oracle literally sat right above these faults,

và nhà tiên tri ngồi chính xác ngay trên chổ đứt gãy này,

inhaling enormous amounts of ethylene gas, these fissures.

hít vào lượng lớn khí Etylen ở chỗ vết nứt này.

(Laughter)

(Cười)

It's true.

Sự thật là như vậy.

(Laughter)

(Cười)

It's all true, and that's what made her babble and hallucinate

Tất cả là sự thật, và nó làm cho bà ấy nói nhảm và ảo giác

and go into this trance-like state.

và chuyển sang trạng thái xuất thần

She was high as a kite!

Bà ta bay bổng như chiếc diều!

(Laughter)

(Cười)

So how did anyone --

Vậy làm sao người ta--

How did anyone get any useful advice out of her

Làm sao người ta xin lời khuyên hữu dụng từ bà ấy

in this state?

trong trạng thái này?

Well, you see those people surrounding the oracle?

Vâng, bạn thấy những người đó vây quanh bà?

You see those people holding her up,

Bạn thấy những người đó nâng bà ấy lên,

because she's, like, a little woozy?

Vì bà ấy giống như một người say?

And you see that guy on your left-hand side

Và bạn thấy cái gã bên tay trái

holding the orange notebook?

đang cầm quyển vở màu cam?

Well, those were the temple guides,

Đó là những người hướng dẫn đền,

and they worked hand in hand with the oracle.

và họ làm việc cùng với nhà tiên tri.

When inquisitors would come and get on their knees,

Khi những người xin lời khuyên đến và quỳ gối,

that's when the temple guides would get to work,

đó là lúc người hướng dẫn đền làm việc,

because after they asked her questions,

vì sau khi người ta đặt câu hỏi cho bà,

they would observe their emotional state,

người ta sẽ quan sát trạng thái cảm xúc,

and then they would ask them follow-up questions,

và khi họ hỏi những câu hỏi tiếp theo,

like, "Why do you want to know this prophecy? Who are you?

như, "Tại sao các người muốn biết điều này? Các người là ai?

What are you going to do with this information?"

Các người sẽ làm gì với thông tin này?"

And then the temple guides would take this more ethnographic,

Và rồi người hướng dẫn đền sẽ lấy thông tin nhân chủng học,

this more qualitative information,

thông tin định tính,

and interpret the oracle's babblings.

và dịch những lời nói nhảm của tiên tri.

So the oracle didn't stand alone,

Vậy ra nhà tiên tri không đơn độc,

and neither should our big data systems.

và không như các hệ thống dữ liệu lớn của ta.

Now to be clear,

Bây giờ đã rõ,

I'm not saying that big data systems are huffing ethylene gas,

Tôi không nói rằng các hệ thống dữ liệu lớn đang thổi khí Etylen,

or that they're even giving invalid predictions.

hay chúng đang cung cấp các dự đoán sai.

The total opposite.

Hoàn toàn ngược lại.

But what I am saying

Nhưng điều tôi đang nói

is that in the same way that the oracle needed her temple guides,

là giống như cách nhà tiên tri cần những người hướng dẫn đền của bà ấy,

our big data systems need them, too.

các hệ thống dữ liệu lớn cũng cần họ.

They need people like ethnographers and user researchers

Chúng cần những nhà nhân chủng học, nhà nghiên cứu người dùng

who can gather what I call thick data.

họ có thể thu thập cái gọi là dữ liệu dày.

This is precious data from humans,

Đây là dữ liệu quý giá từ con người,

like stories, emotions and interactions that cannot be quantified.

như những câu chuyện, cảm xúc và những tương tác mà không thể lượng hóa được.

It's the kind of data that I collected for Nokia

Đó là loại dữ liệu mà tôi đã thu thập cho Nokia

that comes in in the form of a very small sample size,

nó thể hiện dưới dạng có kích thước mẫu rất nhỏ,

but delivers incredible depth of meaning.

nhưng chuyển tải độ sâu ý nghĩa không thể tin được.

And what makes it so thick and meaty

Và điều làm cho nó mang nhiều ý nghĩa

is the experience of understanding the human narrative.

là sự trải nghiệm thấu hiểu những câu chuyện về con người.

And that's what helps to see what's missing in our models.

Nó giúp ta nhìn thấy những thiếu sót trong các mô hình của chúng ta.

Thick data grounds our business questions in human questions,

Dữ liệu dày làm nền tảng cho những câu hỏi kinh doanh theo những câu hỏi con người,

and that's why integrating big and thick data

và đó là lý do việc tích hợp dữ liệu dày và dữ liệu lớn

forms a more complete picture.

tạo nên một bức tranh đầy đủ hơn.

Big data is able to offer insights at scale

Dữ liệu lớn có thể đem đến những thông tin theo quy mô

and leverage the best of machine intelligence,

và tận dụng tối đa trí tuệ của máy,

whereas thick data can help us rescue the context loss

trong khi dữ liệu dày có thể giúp ta cứu vớt những mất mát ngữ cảnh

that comes from making big data usable,

mà để làm cho dữ liệu lớn có thể dùng được,

and leverage the best of human intelligence.

và tối đa hóa trí tuệ con người.

And when you actually integrate the two, that's when things get really fun,

Và khi bạn tích hợp hai loại đó lại, lúc đó mọi thứ sẽ rất thú vị,

because then you're no longer just working with data

bởi vì bạn không còn chỉ làm việc với dữ liệu

you've already collected.

mà bạn đã thu thập sẵn.

You get to also work with data that hasn't been collected.

Bạn sẽ cần làm việc với dữ liệu mà chưa được thu thập.

You get to ask questions about why:

Bạn cần hỏi những câu tại sao:

Why is this happening?

Tại sao điều này xảy ra?

Now, when Netflix did this,

Khi Netflix làm điều này,

they unlocked a whole new way to transform their business.

họ đã mở ra một con đường hoàn toàn mới để thay đổi việc làm ăn.

Netflix is known for their really great recommendation algorithm,

Netflix được biết đến với giải thuật khuyến nghị tuyệt vời của họ,

and they had this $1 million prize for anyone who could improve it.

và họ đã treo giải 1 triệu đô cho ai có thể cải thiện nó.

And there were winners.

Đây, những người đoạt giải.

But Netflix discovered the improvements were only incremental.

Nhưng Netflix khám phá ra rằng sự cải tiến chỉ giúp tăng dần.

So to really find out what was going on,

Để tìm ra điều gì đang thực sự diễn ra,

they hired an ethnographer, Grant McCracken,

họ thuê một nhà nhân chủng học, Grant McCracken,

to gather thick data insights.

để tập hợp ý nghĩa dữ liệu dày.

And what he discovered was something that they hadn't seen initially

Và ông ấy đã khám phá ra là có điều gì đó mà họ đã không nhận thấy ngay từ đầu

in the quantitative data.

trong dữ liệu định lượng.

He discovered that people loved to binge-watch.

Ông khám phá ra rằng mọi người thích xem quá độ.

In fact, people didn't even feel guilty about it.

Nhưng người ta không cảm thấy có lỗi về điều đó.

They enjoyed it.

Họ thưởng thức nó.

(Laughter)

(Cười)

So Netflix was like, "Oh. This is a new insight."

Netflix tiếp nhận kiểu, "Ồ, đây là cách nhìn mới."

So they went to their data science team,

Và họ đã gặp đội khoa học dữ liệu của họ,

and they were able to scale this big data insight

và họ có thể điều chỉnh tỉ lệ ý nghĩa dữ liệu lớn

in with their quantitative data.

cùng với dữ liệu định lượng của họ.

And once they verified it and validated it,

Và khi đã xác minh và xác nhận nó,

Netflix decided to do something very simple but impactful.

Netflix đã quyết định làm điều gì đó rất đơn giản nhưng có ảnh hưởng lớn.

They said, instead of offering the same show from different genres

Họ nói, thay vì chào mời cùng chương trình đến các giới tính khác nhau

or more of the different shows from similar users,

hay tăng các chương trình khác nhau đến cùng lớp người dùng,

we'll just offer more of the same show.

chúng tôi sẽ tăng chào mời cùng loại chương trình.

We'll make it easier for you to binge-watch.

Chúng tôi sẽ giúp bạn xem quá độ dễ dàng hơn.

And they didn't stop there.

Và họ không dừng ở đó.

They did all these things

Họ đã làm tất cả những điều đó

to redesign their entire viewer experience,

để thiết kế lại toàn bộ trải nghiệm cho người xem,

to really encourage binge-watching.

để thực sự khuyến khích xem quá độ.

It's why people and friends disappear for whole weekends at a time,

Đó là lý do mọi người và bạn bè biến mất cả cuối tuần cùng lúc,

catching up on shows like "Master of None."

theo dõi các chương trình như "Không thông thạo."

By integrating big data and thick data, they not only improved their business,

Việc tích hợp dữ liệu lớn và dữ liệu dày, họ đã không chỉ cải thiện việc kinh doanh,

but they transformed how we consume media.

nhưng họ còn thay đổi cách chúng ta tiêu dùng truyền thông.

And now their stocks are projected to double in the next few years.

Và giờ đây kho hàng của họ được dự báo sẽ gấp đôi trong vài năm đến.

But this isn't just about watching more videos

Nhưng đây không chỉ là xem nhiều phim hơn

or selling more smartphones.

hay bán nhiều điện thoại hơn.

For some, integrating thick data insights into the algorithm

Đối với một số người, tích hợp ý nghĩa dữ liệu dày và giải thuật

could mean life or death,

có ý nghĩa sống còn,

especially for the marginalized.

đặc biệt những người bị gạt ra khỏi cuộc chơi.

All around the country, police departments are using big data

Trên khắp đất nước, các sở cảnh sát đang sử dụng dữ liệu lớn

for predictive policing,

cho việc giữ trật tự có dự báo,

to set bond amounts and sentencing recommendations

để thiết lập mức bảo lãnh và các khuyến nghị hình phạt

in ways that reinforce existing biases.

theo nhiều cách để củng cố lại các thiên vị đang tồn tại.

NSA's Skynet machine learning algorithm

Máy giải thuật học của NSA's Skynet

has possibly aided in the deaths of thousands of civilians in Pakistan

có thể đã góp phần vào những cái chết của hàng ngàn thường dân vô tội ở Pakistan

from misreading cellular device metadata.

vì đọc sai dữ liệu mô tả thiết bị di động.

As all of our lives become more automated,

Khi cuộc sống chúng ta trở nên tự động hóa hơn,

from automobiles to health insurance or to employment,

từ xe ô tô đến bảo hiểm y tế, hay việc làm,

it is likely that all of us

có vẻ như rằng tất cả chúng ta

will be impacted by the quantification bias.

sẽ bị ảnh hưởng bởi sự thiên vị định lượng.

Now, the good news is that we've come a long way

Giờ đây, tin tốt là chúng ta đã đi một chặng đường dài

from huffing ethylene gas to make predictions.

từ hít phải khí Etylen đến việc đưa ra các dự báo.

We have better tools, so let's just use them better.

Chúng ta có các công cụ tốt hơn, nên hãy sử dụng chúng tốt hơn.

Let's integrate the big data with the thick data.

Ta hãy tích hợp dữ liệu lớn cùng với dữ liệu dày.

Let's bring our temple guides with the oracles,

Hãy đem người hướng dẫn đền đến với nhà tiên tri

and whether this work happens in companies or nonprofits

và cho dù việc này xãy ra ở công ty hay các tổ chức phi lợi nhuận

or government or even in the software,

hay chính phủ hay ngay cả trong phần mềm,

all of it matters,

tất cả chúng đều quan trọng,

because that means we're collectively committed

bởi vì nó có nghĩa chúng ta đã cam kết một cách tập thể

to making better data,

để tạo ra dữ liệu tốt hơn,

better algorithms, better outputs

các giải thuật tốt hơn, kết quả tốt hơn

and better decisions.

và các quyết định tốt hơn.

This is how we'll avoid missing that something.

Đây là cách chúng ta sẽ tránh bỏ lỡ những thứ quan trọng đó.

(Applause)

(Vỗ tay)