Wenn Sie in der Lage sind, eine Zahl zwischen 1 und 100 zufällig auszuwählen, treffen Sie mit größerer Wahrscheinlichkeit als Google die Stelle. Big Data hat viele Probleme , die viele noch nicht kennen, und die Anzahl der Fehler in den Vorhersagen dieser Rechenzentren muss häufig von Menschen korrigiert werden.
Es ist nicht das erste Mal, dass wir einen ähnlichen Fall sehen. Vor einigen Tagen löschte der Anti-Spam-Filter von Facebook Konten für 3 völlig harmlose Wörter und die Zeiten, in denen Google gezwungen war, etwas vorherzusagen , war das Ergebnis schon schlimm genug.
Google dient nicht dazu, alles vorherzusagen
Das letzte Mal, als Google gefragt wurde, welche Krankheiten die Bevölkerung der Vereinigten Staaten in den nächsten Wochen beeinflussen würden, war nicht alles wie erwartet. Bei GFT ( Google Flu Trends ) oder ” Google Influence Trends ” kann es vorkommen, dass Ihr Algorithmus am meisten ausfällt, weil er unstrukturierte Daten aus Blog- und Social-Media-Posts erhält. Dies ist uns bei BBC World sehr klar.
Diese Daten unterscheiden sich stark von denen, die in Krankenhäusern und Kliniken des Landes strukturiert gewonnen wurden, jedoch langsamer, aber weitaus weniger zuverlässig. In 108 Wochen war der Algorithmus von Google 100 Mal falsch . Manchmal berechnete er doppelt so viele Fälle und andere Male sehr minderwertig, aber Vorhersagen waren natürlich nicht seine Sache.
Das bedeutet nicht, dass Big Data nutzlos ist. Unternehmen nutzen dieses Datengewirr, um zu sehen, wie sich Ihre Marke entwickelt, und ändern Ihre Strategie entsprechend. Das Problem ist, zu glauben, dass Big Data zur Vorhersage verwendet wird allerlei nützliche Dinge.
Google hat noch nicht alle Antworten
Es gibt nichts Besseres als saubere und stabile Daten, um eine Analyse durchzuführen. Dies bedeutet, dass Google heute, morgen oder im letzten Monat nicht dieselben Daten erhebt. Google ändert die Algorithmen ständig, wodurch das Problem noch instabiler wird.
Die Daten der Big Data werden immer in gewisser Weise verschmutzt. Wenn Sie also davon ausgehen, dass Fehler in den Big Data vorliegen, können Sie sie am besten analysieren. Um genauere Ergebnisse zu erzielen, müssen Sie die Informationen vorher analysieren und anschließend die Big Data bereinigen Die Daten haben den Prozess natürlicher gestaltet. Und ja, hier gibt es ein größeres Problem. Die Menschen neigen immer weniger dazu, ihre Daten zu übermitteln, sodass sie letztendlich fehlerhafte Daten im Internet verwenden, was die Sache noch verschlimmert .
Die Daten sind heute günstiger als je zuvor
Bevor wir uns mit Big Data befassen und beginnen, müssen wir uns darüber streiten, warum man in dieser Welt anfangen will und nicht etwas anstößt, das scheitern wird und für niemanden von Nutzen ist. Es ist nicht dasselbe, Kreditkarten zu analysieren, um die Leistung eines Fußballteams zu analysieren. Zum einen müssen Sie etwas schnell analysieren, und zum anderen dauert es Wochen. Nicht immer sind Big Data erforderlich, da die Ergebnisse in Echtzeit enden sehr teuer und in vielen Fällen falsch.
