Jo mere data vi har, og jo bedre vi er til at strukturere det, jo mere ved vi, og jo mere kvalificeret kan vi derfor agere. Vi bliver simpelthen klogere på, hvad der foregår, hvilket jo selvsagt burde skærpe vores mulighed for at agere klogt i det virvar af data.
Sådan lidt forsimplet synes det at være logikken bag big data-bølgen, og der er jo ingen tvivl om, at der er noget om snakken. MEN: Det er afgørende at holde sig for øje, at blot fordi man nu har fået endnu mere data, og man er i stand til at strukturere det, så har man ikke afdækket objektive sandheder. Meget data gør ikke videnskab!
Big data som forlorent svar
Grunden til, at jeg lige tager emnet op her, er, at big data mange steder synes at være blevet endnu et svar på, hvordan vi kan håndtere den kompleksitet, vi oplever. Jeg anerkender også fuldt ud, at der uden tvivl er noget at hente i det: muligheden for at spotte tendenser eller få indsigt i, hvad der sker i et marked og alt muligt andet. Så dette er ikke et angreb på det at bruge big data. Men det er et angreb på tanken om, at det skulle være et svar på at håndtere social kompleksitet (men måske strukturel eller matematisk kompleksitet).
Lad mig komme med nogle grunde til, hvorfor man skal være varsom med at se big data som ‘Hvorfor’, når vi taler komplekse sociale systemer:
- Big data er ‘Hvad’, men ikke ‘Hvorfor’. Du kan ud af data se, hvad der sker, men det betyder ikke, at du så også forstår, hvorfor det sker. Og det er altafgørende. Mennesker handler ofte på baggrund af den mening, de tillægger ting, eller de muligheder/forhindringer de ser. Eller … Pointen er, at der modsat dyr, maskiner etc. er en dybere mening, med, ‘Hvorfor’ vi gør et ‘Hvad’. Har du ikke den mening med, riskerer du at skalere et helt forkert ‘Hvad’ eller skalere det i en forkert retning. I simple sammenhænge støder man muligvis ikke på det problem, men i netop mere komplekse sammenhænge er der enhver fare for, at man rammer forkert og dermed skaber mere uorden en orden.
- Big data genereret i sociale systemer (altså menneskelige systemer) er af samme grund ikke objektiv data i nogen som helst videnskabelig forstand. Der ligger altid en personlig vinkel bag, og de er skabt i en bestemt kontekst. Informationen er med andre ord sensitiv i forhold til konteksten, og derfor kan informationen ikke blot kopieres til en anden kontekst eller kan gengives eller replikere sig selv og skabe samme forudsigelige udfald.
- Big data er som nævnt ‘Hvad’ og derfor kræver det yderligere tolkning for at nå til et ‘Hvorfor’. Og her opstår et andet problem. For den tolkning udføres jo så som regel af folk, der ikke kender den oprindelige baggrund for den enkelte data (altså konteksten, eller hvorfor den enkelte person gjorde sådan, eller hvad der forårsagede noget). Som vi ved, så kan to personer jo hurtigt tolke noget ret forskelligt, og hvem ejer egentlig sandheden? Vi har nok alle stået i en situation, hvor vi er blevet tillagt en bestemt hensigt, fordi en anden person tolkede det, vi havde gjort, men hvor vi kan sige: “Nej, det var slet ikke det, der var grunden til, at jeg gjorde sådan!”
Problemet er naturligvis, at big data er maskingenereret, og at man ved at fokusere mere og mere på big data fjerner sig mere og mere fra menneskelig informeret viden til maskin-genereret information. Hvis vi har med maskiner at gøre eller mere forudsigelige systemer, så kan det bestemt være gavnligt, men mennesket er bare ikke forudsigeligt.
Ender med at tænke mennesket som maskine
I en organisatorisk sammenhæng opstår faren eksempelvis ved, at man samler en masse maskin-genereret data, sætter en lille skare af enten analytikere eller eksperter eller ledere til at tolke de data, og så træffer man beslutning ud fra de data med en overbevisning om, at nu har vi truffet en beslutning på et langt mere oplyst grundlag. I Incento forsøger vi i øvrigt at undgå dette ved at anvende David Snowdens SenseMaker®-værktøj, men der er naturligvis også andre måder at håndtere det på. Det væsentlige element er, hvordan får jeg gjort al den data, der findes, til menneskeligt informeret viden, så det rent faktisk skaber et mere oplyst grundlag?
I øvrigt tror jeg, at den sådan mere filosofiske udfordring, big data kan komme til at give os (eller allerede giver os) er, at vi med maskin-generet information ender med at tænke mennesket som en maskine, og så begynder det for alvor at blive problematisk.
