As percepções humanas que faltam no big data

Por que tantas empresas tomam decisões ruins, mesmo com acesso a quantidades de dados sem precedentes? Com histórias da Nokia à Netflix e aos oráculos da Grécia antiga, Tricia Wang desmistifica o big data e identifica suas armadilhas, sugerindo que nos concentremos em "thick data" - percepções preciosas e não quantificáveis de pessoas reais - para tomar as decisões de negócios corretas e prosperar no desconhecido.

Na Grécia antiga,

quando alguém, de escravos
a soldados, poetas e políticos

precisava tomar uma grande decisão
nas questões mais importantes da vida,

como: "Eu deveria me casar?"

ou: "Devemos embarcar nesta viagem?"

ou: "Nosso exército deve
avançar para este território?",

todos consultavam o oráculo.

É assim que funcionava:

as pessoas levavam uma pergunta
a ela e ficavam de joelhos,

e então ela caía em transe.

Levava alguns dias,

e então, finalmente, ela saía dele,

dando às pessoas as previsões
dela como resposta.

Dos ossos do oráculo da antiga China
à Grécia antiga e aos calendários maias,

as pessoas têm buscado a profecia
para descobrir o que acontecerá a seguir.

O motivo é que todos queremos
tomar a decisão certa.

Não queremos perder nada.

O futuro é assustador,

então é muito melhor saber
que podemos tomar uma decisão

com alguma garantia do resultado.

Bem, temos um novo oráculo,

e o nome dele é "big data",

ou o chamamos de "Watson",
"aprendizagem profunda" ou "rede neural".

Esses são os tipos de perguntas
que pedimos agora ao nosso oráculo,

como: "Qual é o modo mais eficiente
de enviar esses telefones

da China à Suécia?"

ou: "Quais são as chances

de meu filho nascer
com uma doença genética?"

ou: "Qual é o volume de vendas
que podemos prever para este produto?"

Tenho um cão. O nome dela é Elle,
e ela odeia a chuva.

Tenho tentado de tudo
para destreiná-la.

Mas, como tenho fracassado nisso,

também tenho que consultar
um "oráculo" chamado "Dark Sky",

toda vez antes de ir passear,

para previsões meteorológicas
muito precisas dos dez minutos seguintes.

Ela é uma graça.

Por causa de tudo isso, nosso oráculo
é uma indústria de US$ 122 bilhões.

Apesar do tamanho dessa indústria,

os retornos são surpreendentemente baixos.

Investir em big data é fácil,

difícil é usá-lo.

Mais de 73% dos projetos de big data
não são nem mesmo rentáveis,

e tenho executivos
chegando até mim e dizendo:

"Estamos passando pela mesma experiência.

Investimos em sistemas de big data,

e nossos funcionários não estão
tomando as melhores decisões.

E, certamente, não estão apresentando
mais ideias inovadoras".

Tudo isso é muito interessante para mim,

porque sou etnógrafa de tecnologia.

Estudo e aconselho empresas

sobre os padrões de como
as pessoas usam tecnologia,

e uma de minhas áreas
de interesse são dados.

Então por que ter mais dados não está
nos ajudando a tomar as melhores decisões,

especialmente para as empresas
que têm todos esses recursos

para investir em sistemas de big data?

Por que não está ficando
mais fácil para eles?

Então testemunhei a luta em primeira mão.

Em 2009, assumi um cargo
de pesquisa na Nokia.

Na época,

a Nokia era uma das maiores empresas
de telefonia celular do mundo,

dominando mercados emergentes
como China, México e Índia,

todos os lugares onde eu
havia feito muita pesquisa

sobre como as pessoas
de baixa renda usam a tecnologia.

Gastei muito tempo extra na China
conhecendo a economia informal.

Fiz coisas como trabalhar
como vendedora ambulante,

vendendo bolinhos para trabalhadores
da construção civil.

Fiz trabalho de campo,
passando dias e noites em "cybercafés",

saindo com os jovens chineses,

para entender como usavam
os jogos e telefones celulares

entre o movimento
das áreas rurais para as cidades.

Ao longo de toda essa evidência
qualitativa que eu estava reunindo,

começava a ver tão claramente

que aconteceria uma grande mudança
entre os chineses de baixa renda.

Mesmo cercados por anúncios
de produtos de luxo

como banheiros extravagantes,

"Quem não quer um?",

apartamentos e carros,

pelas conversas que tive com eles,

descobri que os anúncios
que realmente os atraíam mais

eram os de "iPhones",

prometendo-lhes a entrada
nesta vida de alta tecnologia.

Mesmo quando estava vivendo com eles
em favelas urbanas como essa,

via pessoas investindo mais
da metade de sua renda mensal

na compra de um telefone

e, cada vez mais, em "shanzhai",

que eram imitações baratas
de iPhones e outras marcas.

São muito úteis.

Fazem o trabalho.

Após anos vivendo com migrantes,
trabalhando com eles

e fazendo realmente tudo
o que estavam fazendo,

comecei a juntar todas
essas unidades de informação,

das coisas que pareciam aleatórias,
como eu, vendendo bolinhos,

para as coisas mais óbvias,

como rastrear quanto gastavam
em suas contas de telefone celular.

Consegui criar essa imagem
muito mais completa

do que estava acontecendo.

Comecei, então, a perceber

que até mesmo os mais pobres
da China queriam um smartphone,

e fariam de tudo para colocar
as mãos em um aparelho.

Vocês precisam ter em mente

que os iPhones tinham acabado
de ser lançados, era 2009,

oito anos atrás,

e os "Androids" começavam
a se parecer com os iPhones.

Muitas pessoas inteligentes
e realistas disseram:

"Esses smartphones, é apenas uma moda.

Quem vai querer levar
essas coisas pesadas,

com baterias que se esgotam rapidamente,
e que quebram quando deixamos cair?"

Mas eu tinha muitos dados,

e estava tão confiante de minhas ideias

que fiquei muito animada
em compartilhá-las com a Nokia.

Mas a Nokia não estava convencida,

porque não eram informações importantes.

Disseram: "Temos milhões
de unidades de informação,

e não vemos nenhum indicador
de quem quer comprar um smartphone,

e seu conjunto de dados de 100,
tão heterogêneo, é muito fraco

para até mesmo levarmos a sério".

Eu disse: "Nokia, vocês têm razão.

Claro, não veem isso,

porque estão enviando pesquisas

supondo que as pessoas
não sabem o que é um smartphone.

Então é claro que não terão de volta

os dados sobre quem quer comprar
um smartphone em dois anos.

As pesquisas e os métodos
de vocês foram projetados

para otimizar um modelo
de negócios existente,

e estou analisando
essas dinâmicas humanas emergentes

que ainda não aconteceram.

Estamos olhando fora
da dinâmica do mercado

para que possamos ficar à frente disso".

Bem, sabem o que aconteceu com a Nokia?

O negócio deles caiu de um penhasco.

Este é o custo de deixar
escapar alguma coisa.

Era impossível de entender.

Mas a Nokia não está sozinha.

Vejo organizações jogando
os dados fora o tempo todo

porque não vieram
de um modelo quantitativo

ou não se encaixam em um.

Mas não é culpa do big data.

É o modo como o usamos;
é nossa responsabilidade.

A reputação para o sucesso do big data

vem da quantificação
de ambientes muito específicos,

como redes de energia elétrica,
logística de entrega ou código genético,

quando quantificamos em sistemas
mais ou menos controlados.

Mas nem todos os sistemas
estão tão bem controlados.

Quando estamos quantificando
e os sistemas são mais dinâmicos,

especialmente sistemas
que envolvem seres humanos,

as forças são complexas e imprevisíveis,

e são coisas que não sabemos
tão bem como modelar.

Depois de prever algo
sobre o comportamento humano,

surgem novos fatores,

porque as condições
estão em constante mudança.

Por isso é um ciclo sem fim.

Achamos que conhecemos algo,
e então surge algo desconhecido.

É por isso que confiar apenas no big data

aumenta a chance de deixar
escapar alguma coisa,

ao nos dar essa ilusão
de que já sabemos tudo.

O que torna muito difícil
ver esse paradoxo

e até mesmo envolver
nossos cérebros em torno disso

é que temos o que chamo
de viés de quantificação,

que é a crença inconsciente de valorizar
o mensurável sobre o imensurável.

Muitas vezes passamos
por isso em nosso trabalho.

Talvez trabalhemos
ao lado de colegas assim,

ou até mesmo toda a nossa
empresa pode ser assim,

onde as pessoas ficam tão obcecadas
com aquela quantidade,

que não podem ver nada fora dela,

mesmo quando apresentamos
evidências bem diante dos olhos delas.

Esta é uma mensagem muito interessante,

porque não há nada errado em quantificar;

é realmente muito gratificante.

Tenho uma grande sensação de conforto
ao olhar para uma planilha do Excel,

mesmo as mais simples.

(Risos)

É meio como: "Sim! A fórmula funcionou.
Está tudo bem. Está tudo sob controle".

Mas o problema é

que quantificar é viciante.

Quando nos esquecemos disso

e não temos algo
para manter esse controle,

é muito fácil simplesmente
jogar os dados fora

porque não podem ser expressos
como um valor numérico.

É muito fácil ter apenas
um pensamento imediatista,

como se houvesse alguma solução simples.

Este é um grande momento
de perigo para qualquer organização,

porque, muitas vezes,
o futuro que precisamos prever

não está nesse palheiro,

mas é aquele tornado
que está vindo em nossa direção

do lado de fora do celeiro.

Não há risco maior do que ficar
cego para o desconhecido.

Isso pode nos fazer
tomar decisões erradas.

Pode nos fazer perder algo grande.

Mas não precisamos seguir esse caminho.

Acontece que o oráculo da Grécia antiga

guarda a chave secreta
que nos mostra o caminho adiante.

Pesquisas geológicas recentes mostraram

que o Templo de Apolo,
onde estava o oráculo mais famoso,

foi, na verdade, construído
sobre duas falhas de terremoto.

Essas falhas liberavam gases petroquímicos
debaixo da crosta terrestre.

O oráculo literalmente se sentava
bem acima dessas falhas,

inalando enormes quantidades
de gás etileno, essas fissuras.

(Risos)

É verdade.

(Risos)

Tudo isso é verdade,
e era o que a fazia murmurar e alucinar

e entrar nesse estado de transe.

Ela ficava alta como uma pipa!

(Risos)

Como alguém conseguiria
algum conselho útil dela naquele estado?

Estão vendo aquelas pessoas
que cercam o oráculo?

Veem aquelas pessoas que a apoiam,
porque ela está um pouco zonza?

E aquele cara do lado esquerdo
dela segurando o caderno laranja?

Aqueles eram os guias do templo,
e trabalhavam de mãos dadas com o oráculo.

Quando os interrogadores
vinham e ficavam de joelhos,

os guias do templo chegavam ao trabalho.

Depois de fazerem perguntas a ela,
observavam o estado emocional deles.

Então lhes faziam perguntas como:

"Por que querem conhecer
esta profecia? Quem são vocês?

O que irão fazer com esta informação?"

Então os guias do templo levavam
esta informação etnográfica e qualitativa

e interpretavam os murmúrios do oráculo.

O oráculo não ficava sozinho,

e nossos sistemas de big data
também não deveriam ficar.

Para ser clara,

não estou dizendo que os sistemas
de big data estão inalando gás de etileno,

ou que estão até mesmo
dando previsões inválidas.

Muito pelo contrário, o que estou dizendo

é que, da mesma forma que o oráculo
precisava dos guias de templo dela,

nossos sistemas de big data
precisam deles também.

Precisam de pessoas como etnógrafos
e pesquisadores de usuários

que podem reunir o que chamo
de "thick data".

São dados valiosos de pessoas,

como histórias, emoções e interações
que não podem ser quantificadas.

É o tipo de dados
que coletei para a Nokia,

que chega na forma de um tamanho
de amostra muito pequeno,

mas oferece uma profundidade
de significado incrível.

O que o torna tão denso e significante

é a experiência de compreender
a narrativa humana.

Isso é o que ajuda a ver o que está
faltando em nossos modelos.

Thick data baseia nossas questões
de negócio em questões humanas,

e é por isso que integrar
big data e thick data

forma uma imagem mais completa.

Big data é capaz de oferecer
compreensões sobre a escala

e alavancar o melhor
da inteligência da máquina,

enquanto thick data pode nos ajudar
a resgatar a perda de contexto,

que vem de tornar o big data utilizável,

e a aproveitar o melhor
da inteligência humana.

Quando os dois são integrados,
as coisas ficam muito divertidas,

porque não estamos mais apenas
trabalhando com dados já coletados.

Também trabalhamos com dados
que não foram coletados.

Fazemos perguntas sobre o porquê:

"Por que está acontecendo isso?"

Quando a Netflix fez isso,

foi revelada uma forma totalmente nova
de transformar os negócios.

A Netflix é conhecida por seu excelente
algoritmo de recomendação,

e ofereceu um prêmio de US$ 1 milhão
para quem pudesse melhorá-lo.

Houve ganhadores.

Mas a Netflix descobriu que as melhorias
eram apenas incrementais.

Para descobrir o que estava acontecendo,
contratou um etnógrafo, Grant McCracken,

para reunir ideias de thick data.

O que ele descobriu foi algo não visto
inicialmente nos dados quantitativos:

as pessoas adoravam assistir
às maratonas de séries na TV.

De fato, nem se sentiam
culpadas por isso; elas gostavam.

(Risos)

Para a Netflix era como:
"Ah, esta é uma nova visão".

Levou para a equipe de ciência de dados,

que conseguiu dimensionar esta visão
do big data com os dados quantitativos.

Uma vez verificados e validados,

a Netflix decidiu fazer algo
muito simples, mas de grande impacto.

Disse que, em vez de oferecer
o mesmo programa de diferentes gêneros

ou mais dos diferentes programas
de usuários semelhantes,

iria apenas oferecer mais
do mesmo programa,

fazer com que seja mais fácil assistir.

E não parou por aí.

Ela fez tudo isso

para replanejar toda a experiência
do telespectador,

e realmente incentivá-lo a assistir.

É por isso que as pessoas e os amigos
somem em finais de semana inteiros,

colocando em dia as séries
como "Master of None".

Ao integrar big data e thick data,
ela não só melhorou os negócios,

mas transformou a forma
como consumimos a mídia.

Agora as ações dela estão projetadas
para duplicar nos próximos anos.

Mas não se trata apenas
de assistir a mais vídeos

ou de vender mais smartphones.

Para alguns, integrar
thick data ao algoritmo

pode ser uma questão de vida ou morte,

especialmente para os marginalizados.

Em todo o país, os departamentos
de polícia estão usando o big data

para o policiamento preditivo,

para estabelecer valores de títulos
e recomendações de sentença

de forma a reforçar
as prevenções existentes.

O algoritmo de aprendizagem
de máquina Skynet da NSA

ajudou possivelmente na morte
de milhares de civis no Paquistão

pela leitura errada de metadados
do dispositivo celular.

À medida que toda a nossa vida
se torna mais automatizada,

dos automóveis aos planos
de saúde ou ao emprego,

é provável que todos nós

sejamos impactados
pelo viés da quantificação.

A boa notícia é que percorremos
um longo caminho,

de inalar gás de etileno
a fazer previsões.

Temos ferramentas melhores,
então vamos apenas usá-las melhor.

Vamos integrar o big data ao thick data,

trazer nossos guias
do templo com os oráculos,

e se este trabalho acontecer em empresas
ou organizações sem fins lucrativos,

no governo ou mesmo no software,

tudo isso importa.

Significa que estamos
comprometidos coletivamente

a elaborar dados melhores,

algoritmos melhores, resultados melhores
e decisões melhores.

É assim que evitaremos
deixar escapar esse algo.

(Aplausos)