Nói về BIG DATA trong Omnichannel - Phần cuối: BIG DATA không nói dối
Một điểm được cho là quyền lực thứ 3 của dữ liệu lớn: Với quy mô “khủng” của nó, chúng ta có thể soi rọi vào các nhóm dữ liệu nhỏ hơn và trích xuất được thông tin tin cậy từ đó.
Chưa kể tới các công cụ tìm kiếm trên mạng khác, chỉ riêng Google thôi mỗi ngày cũng đã tích tụ một khối lượng dữ liệu rất khổng lồ rồi. Với khối lượng dữ liệu đó, giờ đây chúng ta có thể tiến hành những việc mà ta chưa bao giờ có thể làm được trước đây.
Biết "lớn" để hiểu "nhỏ"
Một ví dụ nhỏ trong thực tế để chúng ta có thể hiểu hơn về luận điểm này của tác giả Seth Stephens-Davidowitz. Ông dẫn ra câu chuyện một giáo sư đại học Harvard tên là Raj Chetty muốn điều tra xem liệu những người mang trong lòng "giấc mơ Mỹ" còn tồn tại hay không.
Ông quyết định sử dụng dữ liệu lớn hỗ trợ để tìm câu trả lời cho một câu hỏi chính xác hơn: những người có cha mẹ nghèo khi lớn lên có thể trở thành những người giàu có tự thân không?
Nhóm nghiên cứu của ông Chetty đã sử dụng các hồ sơ chứng từ thuế do cơ quan thuế vụ Mỹ thu thập. Dữ liệu lớn cho thấy, khi so sánh với các quốc gia phát triển khác như Đan Mạch và Canada, tình hình ở nước Mỹ không đem lại hy vọng tuyệt vời cho những người nghèo.
Một người nghèo ở Mỹ chỉ có khoảng 7,5% cơ hội gặt hái được thành công trong lĩnh vực nghề nghiệp họ chọn. Tuy nhiên với người Đan Mạch và người Canada, cơ hội đó lần lượt là 11,7% và 13,5%.
Đó là bức tranh tổng quát, nhưng điểm thú vị là giáo sư Chetty đã có thể "soi chiếu" dữ liệu đó ở các các độ nhỏ hơn như các bang, các thành phố, thị trấn và các khu vực khác nhau.
Khi làm như vậy, ông nhận thấy dữ liệu tiết lộ thông tin là giấc mơ Mỹ thực sự vẫn tồn tại, nhưng chỉ ở một vài nơi.
Tại San Jose, California, một người Mỹ nghèo có 12,9% cơ hội trở nên giàu có. Tỉ lệ này còn tốt hơn ở Đan Mạch. Tuy nhiên với một người Mỹ lớn lên tại vùng Charlotte, bang North Carolina, cơ hội thành công của họ chỉ là 4,4%.
Điều này cho thấy dữ liệu lớn có khả năng soi chiếu dữ liệu ở quy mô nhỏ hơn, từ đó giúp chúng ta hiểu hơn về thế giới xung quanh, bất kể quy mô tiếp cận dữ liệu như thế nào.
Dữ liệu lớn giúp khảo sát đơn giản và tiết kiệm hơn
Hàng ngày chúng ta tiếp xúc với rất nhiều thông tin về sự liên đới giữa các sự việc, giữa các dữ kiện thông tin với nhau.
Chẳng hạn, loại thực phẩm nào đó có liên quan tới một chứng bệnh nguy hiểm, hay một thói quen có liên quan tới sự thành công của một doanh nhân, chính trị gia thành đạt.
Những mối liên hệ này thoạt nghe dường như khá tin cậy. Nhưng không phải lúc nào chúng cũng là những mối liên hệ có tính nguyên nhân - hệ quả.
Thử nghiệm A/B (A/B testing) là quy trình thử nghiệm mà trong đó hai phiên bản A và B sẽ được cùng so sánh trong một môi trường/tình huống để qua đó đánh giá xem phiên bản nào hiệu quả hơn.
Dữ liệu lớn khiến việc tiến hành các thử nghiệm A/B dễ dàng hơn, vày đây là lý do thứ tư khiến dữ liệu lớn trở nên quyền lực.
Trước thời của dữ liệu lớn, việc thực hiện các thử nghiệm A/B có nhu cầu rất lớn. Chẳng hạn, để kiểm nghiệm hiệu quả tác động của một đoạn quảng cáo, một công ty sẽ phải tuyển những người tham gia, tiến hành khảo sát phản hồi của họ rồi phân tích kết quả.
Tuy nhiên với dữ liệu lớn, các nhà khoa học dữ liệu có thể viết một chương trình để phân tích dữ liệu từ các cuộc thử nghiệm A/B.
Chiến dịch tranh cử tổng thống năm 2008 của tổng thống Barack Obama nổi tiếng là đã sử dụng thành công cách tiếp cận này.
Khi đó, các nhà quản lý phụ trách chiến dịch tranh cử của ông Obama muốn thiết kế một trang web có mục tiêu thu hút mọi người đăng ký thành viên và quyên tặng tiền ủng hộ ứng cử viên tổng thống.
Họ đã sử dụng các kết hợp khác nhau của hình ảnh và chữ viết, sau đó sử dụng các dữ liệu lớn liên quan để tìm ra được cách trình bày nào thành công nhất và đưa vào sử dụng.
Ghi chú: Dữ liệu lớn không phải lúc nào cũng giúp đem lại quản lý chính xác mặc dù nó "không nói dối".
Dữ liệu lớn đương nhiên không hoàn hảo. Trong một số trường hợp, nó rất dễ thay đổi và tiềm ẩn những nguy cơ chưa thể đo đếm hết.
Mặc dù có những lợi thế nhất định với dữ liệu lớn, nhưng đương nhiên ai cũng hiểu nó không phải là một cái gì đó "không tì vết".
Hạn chế lớn nhất của dữ liệu lớn trở nên vô cùng rõ ràng trong các bộ dữ liệu thu thập vốn có quá nhiều yếu tố dễ thay đổi. Theo đó khiến giới chuyên môn rất khó có thể rút ra những câu trả lời đáng tin cậy vì đặc điểm này khiến việc tìm ra những kết luận trở nên rất khó khăn.
Thường xuyên thay đổi
Tác giả Seth Stephens-Davidowitz dẫn ví dụ về công trình nghiên cứu của nhà di truyền học hành vi Robert Plomin. Năm 1998 nhà khoa học này cho rằng mình đã khám phá ra một loại gene là IGF2r, yếu tố chỉ thị của chỉ số thông minh IQ của con người.
Ông đã nhận được các bộ dữ liệu tập hợp từ vài trăm sinh viên bao gồm thông tin về bảng mã DNA và chỉ số IQ. Ông Plomin so sánh DNA của họ với các chỉ số IQ thấp và cao, rồi nhận thấy gene IGF2r có tỉ lệ xuất hiện nhiều gấp đôi ở những sinh viên có IQ cao.
Thật không may, mối liên hệ được khám phá trong nghiên cứu của ông Plomin chỉ là một kết quả ngẫu nhiên và may mắn đạt được. Vài năm sau, khi ông Plomin lặp lại nghiên cứu so sánh dữ liệu này, ông đã không tìm thấy mối liên hệ giữa chỉ số IQ và gene IGF2r nữa.
Không khó để hiểu vì sao xảy ra chuyện này. Bộ gene người chứa hàng ngàn gene, nếu mối liên hệ đó đã từng xảy ra, nó hoàn toàn có thể xảy ra trong một tình huống ngẫu nhiên. Có nhiều yếu tố thường xuyên thay đổi khiến vào một thời điểm đã làm xuất hiện khả năng này.
Ngoài ra cũng còn một nhược điểm khác nữa với dữ liệu lớn nữa chính là ở chỗ nó thiếu cái gọi là "dữ liệu nhỏ", một loại dữ liệu liên quan tới trải nghiệm của con người.
Những loại dữ liệu lớn có thể đo lường được là rất nhiều, song đôi khi những dữ liệu có thể đo lường được lại không phải là những thông tin chúng ta đang muốn tìm kiếm.
Chẳng hạn, Facebook có thể dễ dàng đo đếm được số lượt click và like trên mạng xã hội này trên cơ sở dữ liệu lớn, nhưng việc đó không nói lên được điều gì giúp họ hiểu rõ trải nghiệm của người dùng với trang của mình.
Trong những tình huống như thế, dữ liệu nhỏ lại đặc biệt quan trọng. Do đó Facebook đã thu thập loại dữ liệu này thông qua các phương pháp khác, còn được gọi là các khảo sát quy mô nhỏ hơn. Họ tham khảo ý kiến người dùng về quan điểm cũng như trải nghiệm bản thân trong lúc sử dụng mạng xã hội này.
Ngoài ra Facebook cũng thuê các nhà tâm lý học và xã hội học hỗ trợ họ trong việc đo lường được các trải nghiệm người dùng vốn không thể đo lường được thông qua dữ liệu lớn.
Điều này thêm một lần nữa cho thấy dữ liệu lớn không hề hoàn hảo và những rắc rối như vậy sẽ tiếp tục diễn ra sâu sắc hơn.
Chính phủ không nên dùng dữ liệu lớn kiểm soát công dân
Mỗi khi bạn gõ thông tin tìm kiếm trong Google hay mua sắm một sản phẩm nào đó qua mạng, bạn đang góp một phần dữ liệu vào kho dữ liệu lớn.
Chuyện gì sẽ xảy ra nếu các chính phủ có quyền tiếp cận những dữ liệu này? Họ có thể làm gì với chúng?
Chẳng hạn, một ai đó gõ câu "Tôi muốn tự tử" vào một công cụ tìm kiếm. Liệu có cần thông báo với cảnh sát địa phương thông tin này không?
Trong những trường hợp như thế, nhà chức trách không làm và cũng không thể làm gì ở cấp độ cá nhân, và có lý do hợp lý cho điều đó.
Mỗi tháng có khoảng 3,5 triệu lượt tìm kiếm liên quan tới chuyện tự tử trên Google ở Mỹ. Trong khi đó, số vụ tử tự ở nước này chưa tới 4.000 vụ một tháng.
Điều này cho thấy, nếu cứ mỗi lần phát hiện một ai đó tìm kiếm thông tin tự tử, người ta lại báo cho cảnh sát địa phương thì việc này sẽ gây tốn kém rất lớn về nhân lực và vật lực với cảnh sát để giải quyết những vụ việc như vậy.
Bên cạnh đó vẫn còn một khía cạnh đạo đức nữa mà mọi người đều quan tâm, đó là việc các chính phủ có nên được phép sở hữu và sử dụng các dữ liệu người dùng không? Điều này sẽ là sự vi phạm quyền riêng tư.
Tuy nhiên những lo ngại này vẫn không thể ngăn các chính phủ ngừng sử dụng dữ liệu lớn ở cấp độ khu vực, nhất là khi ngày càng có thêm nhiều chứng cứ cho thấy có sự liên đới giữa các nội dung tìm kiếm trên mạng và các hành động diễn ra sau đó.
Ở một phương diện khác, các nhà chức trách và cảnh sát địa phương vẫn có cách khai thác dữ liệu lớn phù hợp để phục vụ xã hội tốt hơn. Chẳng hạn họ có thể sử dụng nó trong các chương trình phòng chống tự tử ở những khu vực cụ thể thuộc cấp độ thành phố hay bang.
Họ cũng có thể tuyên truyền thông tin thông qua các quảng cáo trên đài phát thanh và đài truyền hình như việc cung cấp địa chỉ cần liên lạc hay những nhà chức trách mà người dân có thể liên hệ khi biết ai đó cần giúp đỡ.
Như vậy có thể thấy, ngoài việc tiết lộ những thông tin thú vị về con người, dữ liệu lớn cũng có thể được sử dụng hiệu quả trong các tình huống đời thường nếu được vận dụng phù hợp.
Vài kết luận
Từ những thông tin về dữ liệu lớn, có thể thấy con người hiếm khi trả lời các câu hỏi khảo sát, thăm dò một cách trung thực, theo đó cũng góp phần "bóp méo" sự hiểu biết của chúng ta về thế giới xung quanh.
Tuy nhiên cùng với sự phát triển của dữ liệu lớn, nhờ sự thu thập dữ liệu từ các công cụ tìm kiếm như Google, giờ đây chúng ta có thể nhận ra những dạng thức trong hành xử con người, hiểu rõ những điều trước đây ta chưa từng biết.
Cùng với đó, chúng ta cũng tự tin hơn nếu thấy bản thân mình có những suy nghĩ và hành xử có thể hơi kỳ cục, khác với số đông. Vì cũng như bạn, có thể ai đó khác cũng giống bạn, nhưng chưa từng thừa nhận công khai suy nghĩ và hành xử đúng như con người thật của họ. Vậy nên hãy cứ yên tâm là mình, bạn nhé!
Xem thêm:
