Okos Merci

A Vezérigazgató Találkozón (lásd az előző bejegyzést) meghallgattam egy nagyon profi előadást az új Mercedesek biztonsági rendszereiről. Sok ilyen van, engem leginkább a „predictive analytics”-hez közel állók érdekeltek. A lényeg: előrejelzések folyamatosan gyűjtött adatok alapján. A kocsi figyeli a vezetőt, és ha úgy gondolja, hogy az adatok veszélyt jeleznek, akcióba lép, például hangjelzéssel próbálja felébreszteni az elbóbiskoló sofőrt.

Adatgyűjtés, adatelemzés, előrejelzés, beavatkozás – nagyjából ezekből a lépésekből áll a folyamat. Az első két lépésnek nyilván akkor van értelme, ha a harmadik és a negyedik is ott van mellettük.

Képzeljünk el egy embert, akinek kiváló a memóriája: minden megragad a fejében, a szeme valóságos fényképezőgép, a füle magnetofon. Van viszont egy hibája: nem gondolkodik, vagyis az összegyűjtött rengeteg információval nem csinál semmit. Ilyen lenne az említett Mercedes okos előrejelzés és beavatkozás nélkül: száguldó adattárház, ami nem jó semmire.

A hasonlatot (szuper memória gondolkodás nélkül) Eric Siegel Predictive Analytics című könyvéből vettem. Szerzője az emberi viselkedés előrejelzésének statisztikai módszereivel foglalkozik, de nem a módszerek matematikájával, hanem a logikájával és hasznosításával. Aki olvassa, ne mindenféle matematikai statisztikai formulákra és eljárásokra számítson, hanem alapvetően üzleti megközelítésre: miért csinálják, hogyan csinálják, mi a haszna. Számtalan területet sorol fel, ahol a statisztikai, gépi tanulásra épülő előrejelzés hasznos lehet: vásárlási döntések, lemorzsolódás, hitelkockázat, gyógyszerek és orvosi terápiák hatása, politikai választások stb.

Siegel nem titkolja, hogy a módszerek nem tökéletesek, de szerinte egy elfogadható előrejelzés sokkal jobb a hasraütésnél, és ebben minden bizonnyal igaza van. Példái ismertetésénél mindig visszatér az alapkérdésekre: mit kell előre jelezni, és mit kell tenni, ha ez megtörtént. Hosszú fejezetben foglalkozik a kapcsolódó etikai problémákkal: a szorgalmas adatgyűjtők és elemzők (kereskedők, politikai pártok stb.) olyan dolgokat tudhatnak meg rólunk, amiket mi sem tudunk önmagunkról. Vissza lehet élni az adatbányászati eszközökkel felrajzolt profilokkal, előrejelzésekkel? Persze, válaszolja Siegel, miért ne lehetne. A befolyásolásnak komoly tudománya van, ami manapság leginkább a kiterjedt adatgyűjtésre és statisztikai alapú előrejelzésekre épül: ki mitől kattan be, milyen impulzusra vásárol meg valamit, szavaz valamelyik pártra.

A „predictive analytics” tulajdonképpen semleges tudomány, amit jó és rossz célra egyaránt lehet használni. Tanulságos és érdekes könyv, kissé laza szerkezetben, elkalandozó gondolatokkal.

 

Post a Comment

Hiba az űrlap kitöltése során!

* A csillaggal jelölt mezők kitöltése kötelező

*
*
*
*