• насколько вы популярны,
• купят ли пользователи то, о чем вы написали,
• нравитесь ли вы людям в реальной жизни.
Другие пользователи могут ставить вам «лайки» и делать ретвит ваших постов по целому ряду причин. Например, этот член парламента получил множество ретвитов (до того, как удалил свой пост) и увеличил свою «долю информационного присутствия», при этом он вряд ли улучшил свою репутацию, уровень доверия к себе или число друзей в реальной жизни:
Можно узнать больше о том, как социальные медиа соотносятся с реальной жизнью, если заплатить за проведение так называемого «анализа тональности текста». Он проводится на основании анализа частотности употребления таких ключевых слов, как «нравится», «люблю». К сожалению, его точность составляет в лучшем случае 70 % – это не намного эффективнее, чем просто подбросить монетку, и, скорее всего, даже менее надежно, чем ваша собственная интуитивная оценка, насколько вы нравитесь своим покупателям. Оценить эмоциональную окраску высказывания не всегда просто, особенно если делать это при помощи компьютерных технологий. Например, телевизионная станция хочет узнать, насколько популярна ее программа. Сообщение в твиттере, что пользователю не нравится эта программа, – это негативный отзыв. При этом сообщение, что ему неприятен отрицательный персонаж в этой программе, – это положительный отзыв, потому что он показывает, что зритель смотрит программу, обращает внимание на ее содержание и мотивирован рассказать всему миру, что он смотрит ее и обращает внимание на то, что там показывают. При этом компьютерная программа может оценить оба отзыва как отрицательные.
Все становится очень туманным. Даже если анализ эмоциональной окраски высказываний выполнен точно, он может вообще ничего не значить в реальном мире. Твит или оценка поста занимают считаные секунды, немногие относятся к этому действительно серьезно, кроме того, всегда можно удалить свое сообщение или отменить оценку «Нравится». Таким образом, не стоит расценивать действия в социальных сетях как намерение потратить деньги или взять на себя серьезное обязательство в реальной жизни.
Наконец, пользователи социальных сетей – это, скорее всего, молодые люди среднего класса, образованные и из развитых стран. Очень легко начать слишком доверять социальным сетям, но все же не стоит увлекаться по следующим причинам:
1)-«лайк» и намерение сделать покупку – это не одно и то же;
2) пользователи могут делать ретвиты и «лайкать» ваши сообщения как по положительным, так и по отрицательным причинам;
3) нет доказательств, что это не эмоциональный порыв, а осознанное решение;
4) люди, которые это делают, могут быть не теми, кто вам интересен.
С другой стороны, это бесплатное статистическое представление, которое может обеспечить вас некоторыми полезными данными. Оно отражает те аспекты деятельности вашей компании или вашей рекламы, которые пользователи социальных сетей считают интересными. Оно может выявить тренд. Оно способно обеспечить быструю обратную связь, когда вы вносите изменения или решаете локальные задачи или проблемы, касающиеся одной группы людей. Так что это не информация обо всем на свете, но это самый большой бесплатный инструмент датафикации из созданных на сегодня, и потому было бы глупо его игнорировать.
5. Размер имеет значение
Что такое большие данные и где вы можете их получить?
Если вы не прячетесь в глухой пещере без электричества, скорее всего, вы обратили внимание на то, что сегодня многие говорят о больших данных. Это высшая цель и завершающий этап датафикации: идея о том, что все данные, которые создаются в цифровой реальности, могут быть полезны для улучшения мира, который произвел эти данные. Или в нашем случае могут помочь вам увеличить прибыль на 352 %.
Любое обсуждение темы больших данных начинается с попытки оценить, с каким объемом информации мы имеем дело. Предупреждаю: с большим. Авторы одной из лучших книг по этой теме (с удивительно понятным названием «Большие данные»[6]) Кеннет Кукьер и Виктор Майер-Шенбергер подсчитали в 2013 году, что если бы всю информацию в мире скопировали на CD, а затем сложили их один на другой, получились бы пять отдельных стопок, каждая из которых была бы высотой до Луны.
Сегодня к этим стопкам прибавились бы еще пять новых, но фактически это не имеет значения, так как сделать стопку такой высоты все равно невозможно. Важный вывод из этого заключается в том, что практически вся новая информация сегодня создается в цифровом формате. В 2000 году только около четверти всех данных хранились в цифровом виде. Сегодня это 99 %.
Перспектива больших данных в том, что мы сможем узнать еще больше. Хотя не все так просто. Датафикация не гарантирует финального результата, который вы сможете использовать. Подавляющий объем новых данных плохого качества или с трудом поддается анализу. Например, сегодня практически все системы видеонаблюдения оснащены цифровыми камерами. Однако компьютеры пока не могут «смотреть» изображения с этих камер и определять, что они видят, кроме элементарных, но важных вещей, например большого скопления людей. Хранение тысяч документов в формате текстового редактора – это замечательно, если вам нужно найти слово или фразу, но уже не так хорошо, если у вас нет времени читать все документы по результату поиска. Большинство людей осуществляют поиск для решения проблемы, а не потому что хотят что-нибудь почитать.
Большие данные по определению представляют собой слишком объемный и сложный массив информации по сравнению с теми базами, с которыми обычно работают компании. Для управления этими данными, для их обновления и обеспечения их безопасности не обойтись без применения специальных технологий. Это сложно и дорого, и большинство компаний не могут себе этого позволить. Если ваша организация в их числе, то чем вам могут оказаться полезными большие данные?
Во-первых, те, кто работает с ними, предлагают самые разные варианты их использования для повышения эффективности бизнеса, нередко даже бесплатно. Самый очевидный пример – целый ряд сервисов от компании Google: это и карты Google Maps, и новостные ленты с персональными настройками, и отчеты о статистике по сайтам, которые составляет Google Analytics.
Большие данные также способствуют решению проблем, позволяя поставщикам услуг создавать экспертные системы на основе машинного обучения и искусственного интеллекта. Самым простым примером может служить рекомендательный сервис интернет-магазина Amazon «Люди, купившие это…». Такой тип приложения с использованием «коллективного разума» обладает свойствами, характерными для больших данных: этот сервис не идеален, потому что механизм его работы заключается в том, что он ищет соответствия выявленным ранее закономерностям в информации и совмещает их с потенциальными потребностями пользователя. Тем не менее этот алгоритм работает быстро и лучше, чем просто догадка, а, как нам уже известно, большинство сотрудников впустую тратят 60 % рабочего времени и интуиция не слишком эффективное руководство для принятия решений.
